داده‌های بزرگ و استخدام

مشکل مدیران منابع انسانی، انسان بودن آنهاست. آنها اشتباه می‌کنند یا متعصبانه برخورد می‌کنند. اما با کمک ابزارهای بهتر آنان می‌توانند تصمیمات موثری در زمینه استخدام اتخاذ کنند. این ابزار «داده‌های بزرگ» است که انبوهی از اطلاعات را فراهم می‌کند و نکاتی را آشکار می‌سازد که برای چشم غیر‌مسلح پوشیده مانده‌اند. در مورد کارگران آمریکایی این داده‌ها روابط همبستگی تعجب‌آوری را نشان می‌دهند. به عنوان مثال افرادی که برای پر کردن فرم آنلاین تقاضای کار از مرورگرهای خود رایانه (مانند اینترنت اکسپلورر) استفاده می‌کنند در مقایسه با کسانی که از نرم‌افزارهای نصبی (مانند فایرفاکس یا گوگل کروم) بهره می‌برند عملکردی ضعیف‌تر دارند و زودتر شغل خود را رها می‌کنند. شاید این نتیجه‌گیری محصول تصادف باشد اما تحلیلگران عقیده دارند کسانی که زحمت نصب مرورگر جدید را متقبل می‌شوند آنهایی هستند که برای تصمیم‌گیری وقت می‌گذراند. این افراد کارمندان بهتری می‌شوند. اوالف که یک شرکت پایش داده‌های کار و استخدام است از سه میلیون داده از بیش از 30 هزار کارمند استفاده کرد تا به چنین نتیجه‌ای رسید. 60 درصد از کارگران آمریکایی دستمزد ساعتی می‌گیرند. نیمی از آنها هر سال شغل خود را عوض می‌کنند. بنابراین بنگاه‌هایی مانند سوپرمارکت‌ها و زنجیره‌های فست‌فود که کارگران غیر‌ماهر زیادی را به کار می‌گیرند باید هر سال انبوهی از -شاید میلیون‌ها- تقاضانامه را بررسی کنند. بهبود این فرآیند می‌تواند نتایج خوبی برای آنها داشته باشد.

اوالف کوهی از داده‌ها را بررسی می‌کند. به عنوان مثال اگر کارمندی در مرکز تماس کار می‌کند مواردی مانند زمان صرف‌شده برای پاسخگویی به تماس‌گیرندگان ثبت می‌شود. آنگاه عملکرد حقیقی فرد با ویژگی‌هایی که در زمان استخدام مشهود هستند ربط داده می‌شوند. برخی نتایج غافلگیرکننده هستند. برای نمونه، بنگاه‌ها از استخدام افراد دارای سابقه کیفری اجتناب می‌کنند اما داده‌ها نشان می‌دهند در برخی مشاغل خاص هیچ نوع رابطه همبستگی بین عملکرد و سابقه کیفری وجود ندارد. در واقع در موارد حمایت از مشتری،‌ کارمندانی که سابقه کیفری دارند عملکرد بهتری از خود نشان می‌‌دهند. به همین ترتیب اکثر ادارات منابع انسانی متقاضیانی را که از یک شغل به شغل دیگر پریده‌اند، رد می‌کنند. در حالی که تحلیل اخیر از 100 هزار کارمند مراکز تماس نشان داد افرادی که در گذشته چند بار تغییر شغل داده‌اند در مقایسه با دیگران تمایلی برای تغییر شغل ندارند. اوالف در مطالعه‌ای که در شرکت زیراکس -تولیدکننده چاپگر- انجام داد متوجه شد یکی از بهترین نشانگرهای باقی ماندن کارمندان بخش خدمات مشتریان آن است که آنها نزدیک محل کار زندگی کنند و بتوانند به سادگی سر کار بروند. این نشانگر باعث شد شرکت زیراکس بتواند یک‌پنجم از کار سخت بررسی تقاضانامه‌ها را در طرح توسعه خود کاهش دهد. مطالعه آنها همچنین نشان داد کارگرانی که عضو یک یا دو شبکه اجتماعی هستند مدت طولانی‌تری شغل خود را حفظ می‌کنند. کسانی که عضو چهار شبکه یا بیشتر بودند این ویژگی را نداشتند. نمی‌توان از متقاضیان شغل درباره صداقت‌شان سوال پرسید اما نظرسنجی‌ها می‌توانند به طور غیرمستقیم صداقت را اندازه‌گیری کنند. به عنوان مثال از متقاضی پرسیده می‌شود شما تا چه اندازه در کار با رایانه مهارت دارید؟ و سپس بلافاصله این سوال مطرح می‌شود: در برنامه پردازش لغت ctrl-v چه کار می‌کند؟ بررسی 20 هزار کارگر نشان داد که افراد صادق عملکرد بهتری دارند و کار خود را بیشتر ادامه می‌دهند اما به دلایلی آنها فروشندگان خوبی نمی‌شوند.

الگوریتم‌ها و داده‌های بزرگ ابزارهای قدرتمندی هستند و اگر عاقلانه به کار روند می‌توانند افراد مناسب را به سمت مشاغل صحیح هدایت کنند. اما آنها هم توسط انسان‌ها طراحی و استفاده می‌شوند و می‌توانند اشتباه کنند. به عنوان مثال یک نرم‌افزار رایانه‌ای زمانی تمام متقاضیان یک شغل را رد کرد چرا که بنگاه استخدام‌کننده از متقاضیان سابقه کار در پستی را خواسته بود که قبلاً در هیچ شرکتی وجود نداشت.