”Kemien var ikke rigtig” eller ”det var ikke det rette match” er sætninger, der går igen i opdateringer på LinkedIn, når forbindelser i netværket tre til seks måneder inde i et nyt job pludseligt stopper uden at have andet på hånden.
Når en virksomhed og medarbejder går hvert til sit, er årsagen oftest, at personlighed og menneskelige egenskaber kolliderer i mødet med en jobfunktion eller virksomhedskultur. Man bliver groft sagt ansat på sin faglighed og fyret på sin personlighed.
Fejlansættelser koster dyrt
Fejlansættelser koster dyrt. Både for medarbejderen, der skal finde et nyt job og ofte genopfinde sig selv i processen. Men sandelig også for virksomhederne, der spilder værdifulde ressourcer på både onboarding af den nye medarbejder eller leder, manglende produktivitet og resultater samt dårlig kemi på arbejdspladsen, fordi den nyansatte ikke fungerer med resten af staben.
»Resultatet af mavefornemmelser er en svingdør, der blafrer, hvilket kan have store konsekvenser for virksomheder med at få medarbejdere«
Tommelfingerreglen er, at en fejlansættelse koster mellem en halv og en hel mio. kr. for virksomheden. Det kan have større implikationer, hvis rekrutteringen til en nøglerolle fejler. Dertil kommer endnu en omkostningstung og ressourcekrævende rekrutteringsproces til genbesættelse af stillingen.
People Test Systems har faktisk udviklet en beregningsmodel, der med afsæt i jeres egne tal, kan synliggøre den værdi, I skaber, når det kommer til træfprocent på rekrutteringer. Ved at bruge reelle tal fra jeres arbejdsplads kan I med modellen få en konservativ udregning af omkostningerne ved en fejlrekruttering, og I kan synliggøre effekterne af, at antallet af fejlrekrutteringer sænkes. Derved kan I bruge modellen til at lave målsætninger og evaluere indsatser. Læs mere her.
Data giver større indsigt i den kommende medarbejder. En broget headhunter-branche er præget af individuelle erfaringer og mavefornemmelser, hvor et fokus på LinkedIn-søgefunktionen, og hvorvidt CV’er flugter en-til-en med jobbeskrivelsen, fylder mere, end om matchet i sidste ende er det helt rigtige.
Mange mindre virksomheder skøjter stadig igennem ansættelsesforløb, hvor to samtalerunder og måske en caseløsning er normen. Resultatet af mavefornemmelser er en svingdør, der blafrer, hvilket kan have store konsekvenser for virksomheder med få medarbejdere.
I det seneste årti har der været en stigende tendens til, at testværktøjer bliver solidt forankret i ansættelsesprocessen hos mange større virksomheder.
Næsten alle store virksomheder supplerer efterhånden samtaler og cases med testværktøjer som personlighedstests og i flere tilfælde også IQ-tests. Men de færreste går spadestikket dybere og anvender metadata til at sammenligne normgrupper med den potentielle medarbejder – f.eks. ledere inden for en specifik branche.
Det er paradoksalt, når vi lever i et samfund baseret på big data. Virksomheder træffer forretningskritiske beslutninger på baggrund af metadata. Så hvorfor overlader vi stadig rekrutteringsprocesser til tilfældigheder, når der er datasæt tilgængelige, der kan kvalificere beslutningen yderligere og bidrage til klarsyn?
Metadata giver et øjebliksbillede af arbejdsmarked
Normgrupper baseret på metadata giver et præcist sammenligningsgrundlag af, hvordan den potentielle medarbejder scorer. Både inden for en tilsvarende stilling i den samme branche, så man opnår et billede af, hvad det kræves af personlige egenskaber for at lykkes i jobbet. Men også i forhold til resten af virksomhedens stab, såfremt virksomheden har datasæt på +100 medarbejdere. På den måde kan man se, om kandidaten passer ind i arbejdskulturen og omgangstonen.
Millennials er allerede på arbejdsmarkedet, og Generation Y og Z ændrer løbende på sammensætning, krav og normer blandt medarbejdere. Hvis man som virksomhed vil styrke sin rekrutteringsproces med metadata, er det derfor afgørende, at de normgrupper, man anvender som sammenligningsgrundlag, bygger på friske data. Derved kan man basere beslutninger på, hvordan erhvervslivet ser ud i dag. Det er dog desværre endnu ikke tilfældet i de tilbud, rekrutteringsbranchen udbyder. Normgrupper kan bestå af flere år gamle data, hvorfor man risikerer at benchmarke kandidaten med verden af i går.
Opnå dobbelt gevinst med det rette match
Hvis man flytter arbejdsmarkedets forventning til rekruttering fra mavefornemmelse baseret på erfaring til datadrevne, målbare processer, opnår man dobbelt gevinst. Kandidaterne får et indblik i deres styrker og begrænsninger, så de ved, hvad der driver dem i en professionel kontekst. Og virksomhederne minimerer fejlmarginen i ansættelser, så de ansætter de rette folk til de rigtige stillinger. Dette giver større indsigt, højere medarbejderglæde og positiv indvirkning på bundlinjen.
