Data mining v recruitmentu?
Minulý týden jsem se vrátil z konference Recruitment Live 2014, která se konala v Londýně. Na podobné konference vždy jedu s dvěma hlavními očekáváními – zjistit co je v recruitmentu nového a potkat se s inspirativními osobnostmi v oboru. Za právě takovou osobnost považuji Billa Boormana, se kterým jsem měl tu čest se právě minulý týden v Londýně potkat. Bill je zakladatel konceptu #TruUnconference(pokud ještě neznáte tento koncept HR konferencí běžícím po celém světě, vřele doporučuji) a je považován za jednu z nejvlivnějšíchosobností online recruitmentu(Bill byl v roce 2010 vyhlášen třetí nejvlivnější osobností v oblasti online recruitmentu).
Inovace, které Bill aplikuje do svých náborových kampaní, jsou natolik zajímavé, že jsem se rozhodnul o jeden jeho příběh s Vámi podělit.
Vše začalo tím, že Bill dostal zakázku, aby jedné IT mezinárodní společnosti se sídlem v Londýně pomohl najít novým tým vývojářů na technologii, která není příliš rozšířená. Od samého počátku bylo zřejmé, že najít celý tým takovýchto specialistů nebude jednoduché, proto se Bill do tohoto projektu rozhodl nasadit oblast “data miningu“, která byla prozatím rozšířenější v PR a marketingu.
Prvotním úkolem celého týmu tedy byla analýza dat, která by dokázala týmu poskytnout informaci pro následné kroky a jejich správné zacílení/načasování. Při první poradě s týmem (sourcing tým), se Bill zaměřil na to, jak vypadají lidé, kteří by tuto pozici zvládli ajaké mají dovednosti, v jakých online komunitách se pohybují ajaké kanály ke komunikaci využívají, jaké mají zvyky, koníčky nebo o čem na sítích rádi diskutují a v neposlední řadě jakým způsobem je může zaujmout.
Billův tým se ponořil nejen do dat na internetu, ale k sestavení základních rysů hledaných kandidátů sloužilo i několik přátel a známých, kteří hledanému profilu odpovídali a kteří sloužili jako předloha pro určení chování a zvyků kandidátů, které bylo třeba najit. Co se týká dat z internetu, zaměřili se hlavně na sociální sítě, profesní sítě, na kterých se tito specialisté pohybují i prostředí, přes které byli zvyklí mezi sebou komunikovat.Jedním z prvotních úkolů bylo i sestavení seznamu tzv. “geekwords“– tj. slov, které tvoří slang těchto lidí, a který používají pro komunikaci mezi sebou (jednalo se o technické výrazy vztahující se k vyhledávané technologii, kterou měli kandidáti znát).
Po prvotní analýze Bill zjistil, že hledaní kandidáti tráví poměrně dost času na Twitteru. Zároveň se podařilo sestavit seznam “geekwords“Celý tým se tedy začal soustředit na tyto slovní řetězce na Twitteru a byl poměrně rychle schopný sestavit seznam tweetů, kde se tato slova objevovala. Tento seznam byl ale stále poměrně obsáhlý a obsahoval tweety z celého světa, bylo tedy třeba ho více zpřesnit, aby obsahoval pouze tweety od kandidátů z centrálního Londýna či okolí. Výhodou hledání přes Twitter mimo jiné je, že 90% tweetů je odesíláno přes smartphone nebo jiná mobilní zařízení, tím pádem za sebou zanechává i informace, z jaké lokality byly tweetyodeslány. Tímto zpřesněním získal tedy Bill seznam všech potenciálních kandidátů z centrálního Londýna a celý tým se začal zaměřovat na společná témata, která se vtweetech objevovala. To, co zjistili, bylo docela zajímavé.
Z finálního seznamu a dat bylo patrné, že existuje poměrně podstatná skupinka těchto kandidátů, kteří chodí na kávu do Starbucks a odesílají tweety právě odsud. Dle bližšího určení polohy tweetů bylo zřejmé, že se jedná o tři kavárny Starbucks v okolí metra Hollborn v centru Londýna (pro zpřesnění použili také aplikace jako Foursquare a Facebook). Zbývalo už tedy jediné, na autobusovou zastávku před každou z těchto provozoven společnosti Starbucks nechal Bill vyrobit reklamní poutač, na kterém Bill zval kandidáty na kávu a popovídání o jejich projektu. Výsledkem bylo 40 nabraných programátorů.
No řekněte, nechtěli byste recruitment dělat takto? Tento příběh mě uchvátil nejen díky inovativnímu přístupu, ale hlavně kvůli práci s daty. Moderní recruitment již není o tom zainzerovat pracovní pozici a čekat, ale naopak hledat.
