Talent sourcing v krátkém období: data, strategie a Boolean logika
Recruitment marketing se zaměřoval na aktivní kandidáty a na jejich cestu přes recruitment marketing funnel. Talent sourcing naopak pokrývá druhou stranu mince, což znamená pasivní kandidáty. Důvodem, proč je talent sourcing tak hodnotný, je, že se jedná o efektivní způsob, jak zacílit na specifické publikum a doručit personalizované oslovení relevantním pasivním kandidátům. I přesto, že recruitment marketing a talent sourcing operují v rozdílných oblastech, je jejich cíl stejný – naplnit otevřené pozice těmi nejvhodnějšími talenty z trhu práce tak rychle, jak to jen jde a s efektivním vynaložením zdrojů.
Tato část publikace cílí na představení, vysvětlení a demonstrování sourcingové sekvence krok za krokem, přičemž využije praktických příkladů. Obrázek 24 připomíná již známý graf se zaměřením na oblast talent sourcingu. Graf krok za krokem prezentuje kroky jako Data & Analýza, Strategie sourcingu, Hledání a Oslovování. Tento proces můžeme nazývat „sourcingová sekvence“. Tyto čtyři kroky jsem již zlehka vysvětlil v Kapitole 2, avšak teď se zaměřím na mnohem podrobnější vysvětlení této problematiky. Poslední připomínkou k této části je, že i sourcingová sekvence potřebuje jako vstupní informace již zmiňovanou sourcingovou personu. Sourcingová persona je zpravidla výsledkem schůzky s hiring manažerem, znalosti popisu pozice apod., přičemž se jedná o esenciální prvek pro všechny kroky sekvence.
Data & Analýza
V tomto okamžiku TA tým již ví, jak pozice vypadá, požadavky jsou jasné a talent sourcing persona byla diskutovaná. Můj osobní názor je, že hledání dat a jejich analýza nejsou nevyhnutelné v případě každé pozice, na které tým pracuje. Existují pozice, kde je pochopení a hledání relativně snadné, případně se jedná o pozice, které organizace nabírá takřka permanentně, a tak často ani není potřebná schůzka s hiring manažerem. Tato část je tedy nejvíce relevantní pro nové pozice, kde TA tým nemá předchozí zkušenost, a proto by započetí sourcingového procesu bez pochopení podstatných faktorů mohlo být plýtvání časem. Z předchozího textu tedy nevyhnutelně plynou dvě základní otázky:
- Jaké data potřebujeme?
- Jak najít potřebná data?
Jaké data potřebujeme?
Odpověď závisí zejména na charakteru pozice, ale obecně je vždy potřeba zjistit, jak reálné je najít kandidáta, který má požadované vlastnosti. Znamená to tedy hledat v oblastech jako:
- Název pracovní pozice – je tento název pozice typický pro daný trh? Existují i jiné vhodné názvy této pozice?
- Lokalita – kolik potenciálních kandidátů se nachází v požadované lokalitě?
- Kompetence – kolik potenciálních kandidátů má požadované kompetence?
- Odvětví – kolik potenciálních kandidátů je z požadovaného odvětví?
- Seniorita – kolik potenciálních kandidátů má požadovanou senioritu?
- Vzdělání – disponují potenciální kandidáti vhodným vzděláním?
- Jazyky – jakými jazyky potenciální kandidáti mluví?
- Mzda – jaká mzda je pro daný trh typická?
- Poptávka – jak náročné je naplnit tento typ pozice?
Tohle je samozřejmě jenom příklad možností dat, které lze vyhledat, avšak často je náročnější vědět, kde data hledat, zejména pokud TA tým nechce vynaložit značné finanční náklady.
Jak najít potřebná data?
Hledání již zmíněných dat nemusí být náročné, pokud víte, kde hledat, a taktéž to samozřejmě záleží i na dostupnosti a rozpočtu. Většinu dat potřebných pro sourcing je možné najít například zde:
Talent Insights – softwarem Talent Insight nemyslím žádnou část v LinkedIn Recruiter platformě, ale plnou verzi, což je ve skutečnosti taky software od LinkedInu poskytující uživatelům přístup k datům o trhu práce v reálném čase.106 Talent Insight může teoreticky odpovědět na všechny zmíněné oblasti a dokonce mnohem více, jako například které organizace/lokality ztrácejí/získávají zaměstnance, typické názvy pracovních pozic, spojení s employer brandem, poptávku, genderovou diverzitu, případně je možné vytvořit report se zaměřením na specifickou organizaci. Na druhou stranu, například v porovnání s Recruiterem je tady méně filtrů, i když jsou většinou dostačující. Dokonce pro některé země je dostupná i typická mzda (USA nebo UK).
Závěrem lze tedy říct, že Talent Insight je zajímavý strategický nástroj, který je však relativně nákladný a hodnotný zejména pro větší organizace.
- LinkedIn Recruiter – toto je pravděpodobně nejznámější nástroj pro sourcing a recruiting, a proto může být jeho používání přirozenější než Talent Insight. Pro účely prvního kroku ze sekvence doporučuji zahájit relativně triviální vyhledávání se zaměřením na základní požadavky, přičemž zpravidla není potřeba jít příliš do hloubky. Recruiter kromě toho při každém vyhledávání nabízí možnost „See Search Background“, která nabízí ještě více dat. Pochopitelně i s neplacenou verzí LinkedInu je možné data získat, vyžaduje to ale poněkud pokročilejší přístup, který budeme diskutovat v části Hledání.
- Sales Navigator – tohle je další platforma od LinkedInu, která se primárně zaměřuje na oblast obchodu, zároveň je však o poznání levnější než Recruiter Lite a taktéž může nabídnout jiné typy dat.
Software pro odhad mzdy – i když využijete již zmíněné nástroje, existuje relativně vysoká šance, že pořád není jasné, jaká je pro danou pozici typická mzda, zejména pokud nehledáte v USA. Naštěstí existuje několik online řešení, které mohou nabídnout relativně rozumný odhad.
- Glassdoor.com – pravděpodobně jeden z nejznámějších zdrojů, pokud se jedná o odhad mzdy, který nabízí globální data založená na zkušenosti uživatelů. Relativně vysokou transparentnost zabezpečuje i to, že je vidět, kolik uživatelů mzdu uvedlo, což zvyšuje přesnost odhadu.
- Salaryexpert.com; Teleport.org – tyto webové stránky nabízí odhad mezd celosvětově, plus i náklady na živobytí apod.
- Indeed.com – kromě pracovních nabídek umožňuje najít data o mzdách, zejména s fokusem na USA.
- Salarylist.com – taktéž se zaměřuje především na trh práce v USA, avšak výhodou je, že obsahuje oficiální data Pracovního úřadu nebo přímo organizací, což zaručuje vyšší přesnost.
- Salary.com; Payscale.com – taktéž se zaměřením především na trh práce v USA.
- Pracovní portály – některé pracovní portály obsahují i pracovní nabídky se mzdami a závisí to zejména na specifikách zemí. Například v UK nebo v Číně je možné najít relativně velký počet pracovních nabídek se mzdou a na Slovensku to je dokonce ze zákona povinné. Chci tím říct, že i tohle může být relativně jednoduchý a levný způsob, jak odhadnout mzdu ze strany zaměstnavatelů.
- Xing.com – pokud hledáte talenty v oblasti DACH (Německo, Švýcarsko, Rakousko), rozhodně doporučuji využít Xing. Technicky je to řešení velice podobné LinkedInu a je možné zde najít většinu potřebných informací a existuje i placená verze. Xing také nabízí funkci, kde členové mohou sdělit své mzdové očekávání, což je zajímavý nástroj, který umožní vidět, jak situaci se mzdou vnímá strana nabídky.
- Gartner.com – jedná se o další strategický nástroj, kde je možné najít všechno od názvů pracovních pozic přes mzdy, a cílová skupina je podobná, jako je tomu u softwaru Talent Insight.
Tohle byl jen malý vzorek možností a většina z nich je relativně levná nebo zcela zdarma, avšak z mé zkušenosti je nakonec nejlepší kombinovat různé zdroje a dosáhnout tak synergického efektu. Jakmile tedy TA tým disponuje daty, je vhodné je strukturovat pro jejich následné využití.
Strategie sourcingu
Strategie sourcingu pochopitelně závisí od typu pozice, avšak pokud je zahrnut i předchozí krok, prvním úkolem je revize analýzy a její srovnání s realitou. Nemohu spočítat, kolikrát jsem viděl hiring manažery požadovat MBA titul pro středně seniorního obchodního zástupce, inženýrský titul po programátorech s 20+ letou praxí, případně trvat na tom, že je nutné znát MathCAD i přesto, že nakonec byla pro pozici naprosto vhodná i znalost MATLABu. Pochopitelně s očekáváním mzdy, která bude pod tržním průměrem. Je však potřeba chápat, že na tomto přístupu není nic špatného, protože to je TA tým, který ví, jak trh práce vypadá, a ne hiring manažer. Proto jsou tyto požadavky pochopitelné a přirozené a z mé zkušenosti je nejlepším přístupem diskuse reality na základě dat. Často nebude možné tyto požadavky kalibrovat, avšak pokud speciální požadavek eliminuje 90 % jinak vhodných kandidátů, může mít otevření takové diskuse smysl.
Dalším krokem může být otevření otázky – kde hledat potenciální kandidáty? Využití platforem jako LinkedIn Recruiter nebo Xing rozhodně není jedinou možností. Existuje mnoho specializovaných platforem, jako například GitHub nebo Stackoverflow pro hledání potenciálních kandidátů z IT oblasti nebo Experteer/Ladders pro exekutivní pozice. Taktéž nesmíme zapomínat na CV databáze a sociální sítě. Zmíněné platformy jsou přece jenom naprostým základem sourcingu. Navíc je možné využít X-ray vyhledávání pro sourcing, a to přes platformy jako je Dribbble, Meetup, vlastní CSE (Custom Search Engine), což může také pomoct při vyhledávání životopisů, které jsou online a při repetitivních vyhledáváních. Nakonec nesmíme zapomenout na komplexní agregátory jako AmazingHiring, Hiretual, Entelo apod., případně jednodušší nástroje a rozšíření.
Pokud je toto jasné, dalším tématem je dostupnost řešení. Některé platformy jsou komplexnější a vyžaduje čas se naučit, jak je využít, ale i v krátkém období nemusí být problém zakoupit si přístup do CV databází, nainstalovat základní nástroje, využít různé jiné platformy apod. Velkou výzvou může být i situace, kdy je strategie jasná, avšak TA tým nemá požadované znalosti pro daný typ vyhledávání v krátkém období. V takovém případě může být řešením využití suboptimálního řešení, případně začlenění třetích stran.
Optimálním výsledkem této a předchozí části se zaměřením na data a jejich analýzu je, že každý člen týmu pracující na specifické pozici (pozicích) ví, jak vypadá optimální kandidát, které požadavky jsou zbytné a kde a jak hledat. I přestože tyto dva kroky vypadají zdlouhavě, pokud víte, kde hledat, nevyžaduje to časovou dotaci více než pár minut, je akorát potřeba agregovat výsledky a nastavit strategii sourcingu. Pokud je toto jasné, je čas se ponořit do tajemství vyhledávání a přezkoumat podrobnosti této subkapitoly.
Hledání
Tato část publikace se bude zaměřovat primárně na praktické aspekty talent sourcingu, což nás nevyhnutelně přivádí k relativně technickým tématům. Začneme se základy, jako je Boolean logika a X-ray hledání, následně se zaměříme na různé webové stránky a platformy vhodné pro sourcing a na závěr uvedeme více nebo méně komplexní softwarová řešení a nástroje pro sourcing. Na druhou stranu, nebudeme se zaměřovat na proces hledání přes různé CV databáze a důvod pro to je jednoduchý – většina je mírně odlišná, pokud jde o pravidla, zároveň ale platí fakt, že pokud porozumíte Boolean logice, mohu slíbit, že vyhledávání přes tyto platformy pak nebude problém.
Recruiteři a sourceři jsou možná překvapení, protože mnoho z těchto témat je náročných na vysvětlení formou publikace jenom za pomocí textu a obrázků. Boolean logika a X-ray hledání jsou relativně stabilní témata, avšak zmíněné nástroje a rozšíření se mění téměř každý den. Řešení, jak toho vysvětlit co nejvíce a zároveň zůstat pořád aktuální, je snadné – je potřeba využít technologie. Prakticky to znamená vytvoření videoobsahu dostupného online se zaměřením na oblast sourcingu vysvětlující tyto techniky na praktických příkladech. Tento obsah je dostupný z www.nextgenta.com.
Talent sourcing a všechna zmíněná témata v této kapitole nás mohou přivést k závěru, že sourcing je čistě online proces se zaměřením na technologie a pokročilé operátory, což ale není tak úplně pravda. Talent sourcing je totiž proces, který se zaměřuje na vyhledávání nejvhodnějších pasivních kandidátů, jejich oslovení a doručení potřebného množství do procesu selekce, což ale nemusí být nutně online. Pochopitelně online řešení mohou být více efektivní, pokud se zaměříme na počet potenciálních kandidátů, avšak kolik organizací se zabývá offline talent sourcingem? Toto téma budeme diskutovat na konci Hledání.
Teď je tedy čas se ponořit do samotného hledání a začneme od základů, i když pro některé čtenáře to může být naprosto jasné.
Boolean logika
Boolean algebru představil anglický matematik George Boole,107 přičemž tato logika je populární nejen v matematice, ale i ve vědě, programování apod. Pochopitelně i v oblasti náboru lze zmíněnou logiku využít relativně jednoduše a zároveň se jedná o snadný a efektivní způsob, jak hledat potenciální kandidáty. Prakticky to znamená existenci operátorů a modifikátorů. Základní operátory, které využíváme jsou:
- AND
- OR
- NOT
Zároveň taktéž dva základní modifikátory, které jsou důležité ve většině pokročilých vyhledávání – Uvozovky a Závorky:
- „“
- ()
Zmíněné operátory a modifikátory jsou pro tento moment postačující a v dalších částech publikace se budeme bavit i o více pokročilých možnostech. Ještě než začneme, chci dodat, že vysvětlení bude probíhat na praktických příkladech a pro jednodušší pochopení si můžeme představit, že se jedná o základní vyhledávání názvů pracovních pozic na LinkedInu, avšak pochopitelně je možné využít i jakoukoliv jinou platformu. Poslední poznámkou je, že operátory AND, OR, NOT je potřeba vždy psát s velkými písmeny.
Operátor AND
Tento operátor zužuje výsledky a říká, že databáze má zahrnout do vyhledávání dva nebo více elementů, přesně jak to popisuje Obrázek 25 formou diagramů.
Nejlepší způsob, jak tento operátor pochopit ve spojitosti s talent sourcingem, je demonstrovat ho na specifickém příkladu, kdy hledáme například vybraný název pozice:
Software AND Engineer
Tento naprosto základní Boolean řetězec nám doručí výsledky, kde název pracovní pozice vždy obsahuje slova „Software“ a „Engineer“, což znamená, že to vede k výsledkům jako „Software engineer, Senior Software Engineer, Embedded Software Engineer, Software C++ Engineer“ apod.
Tento základní řetězec ale může taktéž vést k nepřesnostem, například když hledáme pozici Finance Director a využijeme tento řetězec:
Finance AND Director
Samozřejmě, mezi výsledky se objeví i profily jako „Finance Director, Director of Finance“ apod., avšak taktéž se mohou objevit i výsledky typu „Assistant Director of Finance“, což je v tomto typu vyhledávání nerelevantní výsledek a v následujících částech si ukážeme, jak se těmto situacím vyhnout. Taktéž je možné využít více operátorů AND v jednom Boolean řetězci, avšak může to značně snížit počet výsledků (což ale může být cílem):
Senior AND Accounts AND Payable AND Accountant
Toto vyhledávání tedy může přinést výsledky jako „Senior Accounts Payable Accountant” nebo „Senior Accountant – Accounts Payable”. Na pořadí v tomto případě nezáleží.
Operátor OR
Pokud operátor AND výsledky zužuje, můžeme říct, že operátor OR je rozšiřuje a říká databázi, že každé použité klíčové slovo může být obsáhnuté ve výsledcích. Obrázek 26 toto tvrzení demonstruje.
I přesto, že využití operátoru OR je často efektivnější v kombinaci s jinými operátory nebo modifikátory, si představme situaci, kdy hledáme potenciální kandidáty pro pozici Účetní.
accountant OR účetní
Tento řetězec nám přinese potenciální kandidáty, kteří mají v názvu pracovní pozice buď to slovo „Účetní“, nebo to samé slovo v anglickém jazyce „Accountant“ (případně obě najednou). Samozřejmě se může stát, že výsledek obsahuje irelevantní výsledky jako „Lead accountant“ a v dalším kroku si ukážeme, jak tomu předejít. Samozřejmě i v tomto případě lze využít více operátorů OR:
accountant OR accounting OR účetní
Operátor NOT
Tento operátor vylučuje klíčová slova z vyhledávání tak, jak to znázorňuje Obrázek 27. Jedná se o velice důležitý operátor, který se ale většinou využívá v kombinaci s jinými operátory a jeho samotné využití pro název pracovní pozice nedává moc smysl.
Čistě teoretickým příkladem může být vyloučení slova „developer“ z vyhledávání:
NOT developer
Tento řetězec vyloučí všechny profily obsahující v názvu pracovní pozice slovo „developer“, což ale v důsledku vede k tomu, že obdržíte všechny ostatní výsledky, což není optimální řešení. Na druhou stranu musím dodat, že například LinkedIn Recruiter i při tomto příkazu doručí jako první poměrně relevantní výsledky, jako jsou profily programátorů, inženýrů apod.
Kombinování modifikátorů a operátorů
Kombinování modifikátorů a tvorba řetězců je jedním z nejefektivnějších způsobů, jak zužitkovat Boolean vyhledávání v talent sourcingu. Pokud toho však chcete dosáhnout, je potřeba využívat modifikátory, což s sebou přinese řád a kontrolu do vyhledávání. Zmiňované modifikátory jsem již krátce uvedl a jedná se o Uvozovky a Závorky. Pojďme se tedy podívat na vzájemnou interakci operátorů a modifikátorů.
Modifikátor Závorky
Závorky pomáhají přinést do vyhledávání řád a definují, jak mají klíčová slova interagovat navzájem. Nejlepším způsobem, jak tuto problematiku osvětlit, je uvést příklad. Dejme tomu, že hledáte kandidáta na pozici Software Engineer a využijete tento relativně fundamentální řetězec:
(Software OR SW) AND (Engineer OR Developer OR Programmer)
Tento řetězec nalezne všechny profily obsahující slova jako „Software“ nebo zkratku „SW“ a zároveň slova „Engineer“ nebo „Developer“ nebo „Programmer“. Je důležité tento typ vyhledávání aplikovat se závorkami, nesmíme zapomínat, že logika je tady stejná jako v matematice a rozdíl si můžeme demonstrovat na následujícím příkladu:
(2+3)*(1+2+4) vs 2+3*1+2+4
Pojďme ale dál a představme si opět pozici Software Engineer. Pokud využijeme předchozí řetězec, může se s velkou pravděpodobností stát, že výsledkem budou nejen software inženýři, ale také profily jako „Principal Software Engineer”. Tento okamžik nás přivádí k myšlence využít operátor NOT a vyloučit všechna klíčová slova, která ve vyhledávání nechceme:
(Software OR SW) AND (Engineer OR Developer OR Programmer) NOT (Lead OR Leader OR Principal OR Director OR Head OR Manager OR VP)
Zahrnutím operátoru NOT dosáhneme toho, že vyloučíme některá typická klíčová slova indikující, že potenciální kandidát může být pro pozici příliš seniorní. Se stejnou logikou můžeme taktéž vyloučit klíčová slova, která by vedla spíše k juniornějším kandidátům, jako například „intern“ nebo „student“ apod. Na druhou stranu, v reálném vyhledávání bych volil spíše tuto variantu:
(Software OR SW) NOT (Lead OR Leader OR Principal OR Director OR Head OR Manager OR VP)
Jak lze vidět, jedná se v podstatě o ten samý řetězec, avšak bez slov „engineer, developer, programmer“, protože tímto přístupem bychom mohli přijít o profily jako například „Software coder“.
Modifikátor Uvozovky
Využitím uvozovek můžeme zabezpečit, že ve výsledku vyhledávání bude přesná sekvence textu, jakou vložíte mezi uvozovky. Tento přístup pomáhá při hledání specifických frází a pokud bychom využili opět případ hledání názvu pracovní pozice, můžeme uvést tento příklad:
„Business Project Manager“
V tomto případě budou ve výsledku jenom jednotlivci, jejichž název pracovní pozice obsahuje přesně frázi „Business Project Manager“, zároveň však je možné, aby před nebo po této frázi následovala jiná slova. Kdybychom uvozovky nepoužili, ve výsledku bychom mohli dostat například tento irelevantní výsledek „IT Project Manager and Business Analyst“, avšak i přesto je potřeba být opatrný při využívání uvozovek v kombinaci s názvem pracovní pozice, protože to může zbytečně zúžit výsledky. Proto tento modifikátor mohu doporučit spíše v případě hledání specifických frází v textu. Představme si, že hledáme kandidáty s certifikací Six Sigma. Pokud budeme hledat tato klíčová slova v textu bez uvozovek, může se stát, že výsledkem budou profily, kde bude uvedeno (v tomto případě v angličtině) „…leading a team of six engineers…“ a v jiné části toho samého profilu můžeme najít, že tato osoba pracuje pro organizaci „Sigma IT Solutions“, což v důsledku nemá žádnou spojitost s certifikací Six Sigma, ale výsledek je v podstatě korektní, protože zmíněná klíčová slova obsahuje.
Boolean logika je tedy základním stavebním kamenem sourcingu, a proto se jednalo o první téma, kterému jsme věnovali pozornost. Příklady byly pochopitelně zjednodušené se zaměřením zejména na názvy pracovních pozic, avšak Boolean je vhodný pro mnohem více oblastí, od CV databází přes sourcingové platformy až po pokročilejší X-Ray vyhledávání, což je i tématem další části.
Poznámky
- LinkedIn Talent Insights - Overview. LinkedIn Help [online]. USA: LinkedIn, 2020 [2020-05-28]. Dostupné z: https://www.linkedin.com/help/talent-insights/answer/85317/linkedin-talent-insights-overview?lang=en – 2 ↩
- Boole, George (2003) [1854]. An Investigation of the Laws of Thought. Prometheus Books. ISBN 978-1-59102-089-9. ↩



