Paul Oldenburg (HeadFirst Group): ‘slimmer worden van eigen inhuurdata’

Paul Oldenburg van MSP-aanbieder Staffing Management Services (onderdeel van HeadFirst Group) wil de deelnemers tijdens de Webinar Week graag laten zien hoe je bij de inhuur van externen eigen data veel beter kunt benutten. “Welke competenties heeft de organisatie in de toekomst nodig? Welke skills gaan schaars worden? Hoe kom ik tot een betere uitvraag? – die informatie is allemaal gewoon beschikbaar. Je moet alleen wel weten hoe je dat uit de bestaande systemen haalt. Hoe je dat doet? Daar wil ik inzicht in geven.”

• Let op: dit webinar is ondertussen geweest. Je kan het hier terugkijken

Wordt data nu onvoldoende benut?

“Ja. Als je ziet hoeveel gegevens we in Vendor Management Systemen (VMS) als Fieldglass of Nétive VMS vastleggen, dat is ongelooflijk. Je weet hoelang het duurt voordat je cv’s binnenkrijgt, waar die vandaan komen, voor hoeveel procent die matchen, van welke leverancier, uit welke regio. Al die informatie kun je gebruiken bij het publiceren van een aanvraag.

“Daar wordt veel te weinig gebruik van gemaakt. Dat is zonde, de data is er in grote hoeveelheden en de tools om kunstmatige intelligentie (artificial intelligence (AI)) toe te passen zijn er gewoon. Het is hoog tijd om dat in te zetten. Zeker als je weet dat op lange termijn schaarste blijft aan bepaalde profielen en je op een efficiënte manier tot een goede match moet komen. Je moet daar als inhurende partij slimmer in worden.”

Hoe kan AI inhuur dan slimmer maken?

“Ik geef het webinar samen met Chris Neddermeijer (Nétive). Nétive kan mooie cases laten zien van het benutten van kunstmatige intelligentie. Die zullen we ook tijdens het webinar laten zien.”

Nétive demonstreert een voorbeeld van prescriptive (voorschrijvende) analytics, waarmee je vanuit het VMS kunt voorspellen waarom een gedeelte van jouw aanvragen heel succesvol is en andere niet. Vervolgens kun je dus de uitvraag daarop aanpassen.

Concreet voorbeeld: je vraagt het systeem ‘optimaliseer het aantal voorgestelde kandidaten’ waarop het systeem zelf met de suggestie komt ‘reduceer het aantal uren per week’.  En door het aantal uren in de uitvraag niet op 40 maar op 32 uur te zetten, krijg je je opeens drie keer zoveel kandidaten voorgesteld. “Het mooie is dat kunstmatige intelligentie verbanden vindt waar je zelf niet opkomt. Zo helpt de technologie om echt slimmer te werken.”

En dit is maar één voorbeeld. Zo zijn er vele. Het systeem kan voorspellen welke regio, welke combinatie van vaardigheden, welke eisen, bij jouw uitvraag wel of niet veel respons gaat opleveren.”

Wie mag dit webinar niet missen?

“Dit is heel relevant voor HR-professionals en inkoopmanagers die zich met inhuur bezighouden. Die kunnen hiermee aan hun eigen organisatie hun toegevoegde waarde laten zien. Als je zulke analyses kunt maken kun je goede sier maken bij jouw business-klanten.

“Maar het is wel een next step in de inhuur van externen. Het is bedoeld voor organisaties die hun inhuurproces goed georganiseerd (willen) hebben. Die verzamelen in de loop van de jaren heel veel data waar ze heel veel van kunnen leren. Die kunnen zichzelf dus veel slimmer maken met hun eigen data.”