Úvod›Knihy›Strategie akvizice talentů›Sourcing a selekce
Kapitola IV · Strategie náboru v dlouhém období

Talent sourcing a selekce v dlouhém období

Talent sourcing v dlouhém období

Strategie talent sourcingu může být v dlouhém období efektivnější, protože v období krátkém tým zpravidla nemá dostatek času prozkoumat a implementovat všechna potřebná řešení. Zejména online talent sourcing je značně o využití vhodných technologií, což může být výzva. Zaprvé, množství dostupných nástrojů a softwarových řešení je relativně vysoké, a to ani nezmiňuji jejich možné kombinace. Zadruhé, technologie se rychle mění, což dělá tohle prostředí dynamickým. Obrázek 44 připomíná graf čtyř pilířů pro dlouhé období se zaměřením na strategii talent sourcingu.

Graf čtyř pilířů pro dlouhé období se zvýrazněným talent sourcingem (Data a analýza až Tvorba DB).
Obrázek 44 – Graf čtyř pilířů pro dlouhé období se zaměřením na strategii talent sourcingu

Další výzvou je potřeba přesně vědět, jak užitečné jsou aktuálně využívaná řešení, což je i důvod, proč se zaměříme taktéž na měření a analýzy. Jak je zřejmé, opět je potřeba začít s obecnou strategií organizace stejně jako v předchozí kapitole, protože i v talent sourcingu může být nevyhnutelná re/aktivace. Následně budeme pokračovat se sekvencí sourcingu, která zahrnuje sedm kritických kroků. Pokud je všechno jasné, je čas prozkoumat podrobnosti.

Re/aktivace sourcingu

Obecně mohu říct, že v praxi pozoruji tři různé typy organizací ve spojení s talent sourcingem ve dlouhém období. První skupina představuje organizace, které využívají talent sourcing na denní bázi, mají pro tuto oblast specialisty, všechno funguje relativně hladce a žádná re/aktivace není potřebná. Druhou skupinou jsou organizace s relativně solidní znalostí talent sourcingu, které však tuto metodu pravidelně nepraktikují. Důvodem může být, že jim tento přístup z nějakého důvodu nefunguje, protože zpravidla dělají chybu v jednom nebo více krocích sekvence v krátkém období. Řešením může být právě identifikace a odstranění těchto problému nebo jinak řečeno – reaktivace sourcingu. Třetí skupinou jsou organizace, které v podstatě nemají žádnou znalost ani zkušenost s talent sourcingem. V tomto bodě je proto potřeba jistá úroveň edukace a často je dokonce potřeba najít nového člena týmu, který má s touto oblastí zkušenost. Jedná se tedy o moment, kdy je potřebná aktivace talent sourcingu.

Data & Analýza

Jestliže předchozí část řešila schopnost organizace využívat talent sourcing, teď je čas se zaměřit na konkrétní způsoby pro dlouhé období. Jako první krok doporučuji sesbírat data a propojit je s využívanými technologiemi, nebo alespoň začít měřit. Doporučuji data měřit v kratších časových periodách, například v horizontu alespoň týdnů, maximálně měsíce. Tento přístup může přinést různé statistické modely a Obrázek 45 demonstruje praktický příklad, kdy se organizace zaměřovala na zjištění toho, jaké jsou zdroje pasivních kandidátů.

Výsečový graf zdrojů pasivních kandidátů: LinkedIn 40 %, interní databáze 30 %, Xing 15 %, databáze CV 7 %, Stackoverflow 5 %, ostatní 3 %.
Obrázek 45 – Zdroje pasivních kandidátů

Asi není překvapením, že LinkedIn je významným zdrojem pasivních kandidátů a Xing se tady nachází z důvodu, že organizace je aktivní v německy mluvících zemích. Zajímavé je, že v průběhu daného měsíce organizace našla 30 % vhodných kandidátů prostřednictvím vlastní interní databáze. Je pravdou, že hodně z těchto kandidátů bylo spíše pro pozice do výroby s nižšími požadavky na kvalifikaci, i přesto se však jedná o zajímavou demonstraci toho, jak využít databázi v dlouhém období (více se na toto téma pobavíme v části Utilizace databáze).

Dalším zajímavým zdrojem informací je pohled na kanály, kterými organizace kontaktuje potenciální kandidáty. Například, Obrázek 46 znázorňuje kanály typické pro oslovování v horizontu jednoho měsíce.

Výsečový graf kanálů pro oslovování: LinkedIn 50 %, e-mail 30 %, Xing 10 %, Stackoverflow 7 %, ostatní 3 %.
Obrázek 46 – Využití kanálů při oslovování

Předchozí krok se zaměřuje spíše na technologie již využívané organizací, avšak tento krok shromažďuje tržní data a do určité míry je analyzuje. Prakticky to znamená pokročilé vyhledávání s cílem najít ty nejvhodnější technologie, které jsou na trhu dostupné. Jenom protože organizace aktuálně využívá nějaký typ technologie, to neznamená, že se jedná o nejlepší řešení do budoucna. Technologie se mění téměř na denní bázi a jejich ceny taktéž. To je i důvod, proč má smysl pořád srovnávat aktuálně využívané technologie s tržní realitou.

Odhad trendů

Je podstatné pochopit, že odhadem trendů není myšlena implementace řešení, které jsou aktuálně populární nebo něco podobného. Skutečnou podstatou a hodnotou je, pokud organizace rozumí trendům v oblasti talent sourcingu, protože na základě této znalosti je snazší předpovědět budoucnost. Důležitým vstupem jsou statická data z předchozího kroku a jejich extrapolace z pohledu dlouhodobé perspektivy. Organizace například může využít data spojená se zdrojem pasivních kandidátů, což demonstruje Obrázek 47.

Čárový graf zdrojů pasivních kandidátů v jednotlivých měsících roku (LinkedIn, Xing, interní databáze, databáze CV, Stackoverflow, ostatní). LinkedIn je po celý rok nejsilnější, jeho podíl kolísá zhruba mezi 33 a 67 %.
Obrázek 47 – Zdroje pasivních kandidátů

Z tohoto grafu je zřejmé, že tři základní zdroje pasivních kandidátů jsou LinkedIn, interní databáze a Xing. Na druhou stranu CV databáze nemá signifikantní výsledky v kvartálech Q3 a Q4. V závislosti na této informaci má smysl zvážit, jestli je efektivní si platit celoroční přístup nebo raději specifický pro daný měsíc nebo případně za každé viděné CV.

Dalším příkladem je Obrázek 48, který popisuje míru odpovědí v čase. Příběh za těmito daty je, že organizace v průběhu roku implementovala některé změny spojené s oslovováním kandidátů, a to je i důvod, proč je možné u všech kanálů pozorovat rostoucí trend. Zmíněnou změnou byla implementace technologie umožňující oslovovat potenciální kandidáty audiovizuální formou.

Čárový graf míry odpovědí na oslovení v jednotlivých měsících podle kanálů (LinkedIn, Xing, e-mail, Stackoverflow). Míra odpovědí se pohybuje zhruba mezi 25 a 50 %.
Obrázek 48 – Míra odpovědí v dlouhém období

Jakmile jsou jasné trendy, které jsou spojené s interními daty organizace, nastává čas prozkoumat, jak vypadá trh a pokusit se o extrapolaci do budoucna. Například umělá inteligence je v oblasti sourcingu velkým trendem a proto může mít smysl investovat do technologií, které AI dokážou v budoucnu využít. Další oblastí je analýza životopisů (CV parsing), což je velice populární trend, avšak dle mého názoru pořád nedodává naprosto uspokojivé výsledky. Nicméně je rozhodně možné tuto technologii implementovat do strategického plánu a v budoucnu se k ní vrátit. Taktéž je důležité zmínit, že trendy se mohou lišit v závislosti na geografických lokalitách, což je další atribut, který se musí do strategie zahrnout. Taktéž mohu říct, že odhady trendů mohou pomoci při pochopení strategií konkurenčních organizací.

Klíčovým poznatkem tedy je, že pokud organizace zná interní a externí prostředí dnes a s určitou pravděpodobností si ho dokáže představit i v budoucnu, má smysl zvážit proměnné a připravit strategii.

Strategie

Strategie v talent sourcingu je krokem, který se dokáže kriticky podívat na aktuální situaci a v závislosti na datech kalibrovat budoucí kroky. Z mé zkušenosti mohu říct, že výsledkem je situace, kdy TA tým zná budoucí potřeby a technologie s tím spojené. Znamená to, že tým ví, jaké nástroje a technologie chce využívat, taktéž dokáže odhadnout časový horizont a náklady s tím spojené.

Zmínil jsem zdroje, proto je důležité podotknout, že tím nejsou myšleny jenom finanční zdroje, ale i znalosti a potřebné know-how. Příkladem z praxe může být organizace, které expandovala do německy mluvících zemí, nicméně po analýze dat a trendů bylo zřejmé, že i když měl TA tým perfektní výsledky v USA, chyběly zde potřebné znalosti a know-how typické pro tento trh. Řešením této situace byla edukace a mentoring ve spojení se sourcingovými technologiemi a taktikami, avšak dokážu si představit, že řešením by mohl být i nový člen (členové) týmu.

Klíčovým poznatkem je, že relevantní strategie je postavená na vizi. Vizi, která dokáže popsat budoucnost sourcingu, je z ní zřejmé, jak této vize dosáhnout (KPI, cíle) a jaké specifické technologie je potřeba začlenit, nebo vyloučit.

Verifikace

Strategie objasňuje, jaké technologické řešení chce organizace implementovat v dlouhém období, ale před implementací je nutné určité testování. Strategie je samozřejmě založená na dostupných datech a informacích, nicméně i přesto může nastat problém. Z mé zkušenosti plyne, že organizace v této fázi nemá s možnými technologiemi hlubší zkušenosti, protože stejně není možné vyzkoušet všechna dostupná řešení. Poskytovatel technologie však zpravidla nabízí určitou trial nebo demo verzi, kterou vysoce doporučuji využít, protože fakt, že daná technologie vyhovuje jiným organizacím, neznamená, že to tak bude i ve vaší organizaci. Byl jsem svědkem situací, kdy TA týmy nevyužívaly relativně nákladná řešení jenom proto, že jim nevyhovoval design rozhraní a žádný jiný důvod tam nebyl. Lidský faktor může integraci technologie značně ovlivnit a nemusí se jednat o čistě racionální důvody, proto je tak kritické technologie nejdříve testovat.

Implementace

Pokud je jasné, jaké technologie chce organizace zužitkovat v dlouhém období, je čas na jejich implementaci. Proces implementace může být náročný, protože se může jednat o zásadní změny, což často zasáhne i jednotlivce mimo TA tým. Nejlepší, co mohu doporučit, jsou zásady „Change managementu“ a implementace ve vlnách.

Potřeba databáze

Na jednu stranu můžeme říct, že Implementace je svým způsobem posledním krokem sourcingové sekvence, protože uzavírá technickou stránku věci. Na druhou stranu, v momentě, kdy je téma technologií vyřešené, dlouhé období nabízí možnost zvážit proaktivní sourcing. Proaktivní sourcing znamená tvorbu databází potenciálních pasivních kandidátů pro pozice, které mohou být otevřené v budoucnu (a ušetřit tím čas krátkého období), nebo pro pozice, které jsou otevřené v podstatě neustále. Největší výzvou tedy často je správně identifikovat, o které pozice se v budoucnu může jednat.

Tvorba databáze

Předchozí krok měl za cíl určit, které pozice mohou vyžadovat proaktivní přístup, a tento krok se zaměřuje na proces tvorby databáze. Hledání je po technické stránce stejné jako v krátkém období, rozdíl však může být patrný v oslovování jednotlivců. Je naprosto legitimní tyto jednotlivce držet v databázi, která se využije až v momentě, kdy to bude potřebné. Na druhou stranu, pro některé typy pozic může být relevantní potenciální kandidáty kontaktovat již v předstihu a bavit se s nimi o budoucích příležitostech. Tato strategie je relativně populární ve vztahu k více seniorním pozicím (od úrovně ředitelů výše, případně se může jednat o specialisty), avšak rozhodnutí je vždy na TA týmu.

Proces selekce v dlouhém období

Hlavní cíl procesu selekce v krátkém období je zřejmý – vybrat ty nejvhodnější talenty pro organizaci. Jak je to ale v dlouhém období? V dlouhém období je hlavním cílem zjistit, jak efektivní proces selekce je jako celek. V podstatě to znamená, že dlouhé období se skládá ze správných a nesprávných rozhodnutí spojených se specifickou pozicí v krátkém období a cílem je zjistit, jak tyto rozhodnutí vypadají v dlouhém období jako celek. Připomeňme si ještě jednou graf čtyř pilířů pro dlouhé období se zaměřením na proces selekce (Obrázek 49).

Graf čtyř pilířů pro dlouhé období se zvýrazněnou selekcí.
Obrázek 49 – Graf čtyř pilířů v dlouhém období se zaměřením na proces selekce

V kapitole se zaměřením na krátké období bylo zřejmé, že kandidáti se přirozeně dostávají do procesu selekce, protože se jedná o nedílnou část akvizice talentů. V dlouhém období je ale zřejmé, že ne každý jednotlivec se dostane do procesu selekce, což demonstruje i zmíněný graf, ve kterém jsou vidět tři různé šipky, přičemž jenom jedna míří do procesu selekce. Důvod je prostý. Ve dlouhém období existují i jednotlivci, kteří nesměřují přímo do procesu selekce přes graf krátkého období. Například employer branding může produkovat jednotlivce, kteří chtějí zůstat v kontaktu s organizací a dostávat newslettery se zaměřením na aktuální otevřené pozice. Případně sourcing ve dlouhém období buduje proaktivně databázi jednotlivců, přičemž některé kontaktuje s cílem vybudovat s nimi vztah v delším horizontu, i když aktuálně žádná vhodná pozice pro ně otevřená není. To je i důvod, proč dvě šipky směřují přímo do databáze, což bude tématem poslední části dlouhého období.

Pokud je jasný proces a logika dlouhého období, je čas ozřejmit více podrobnosti a z mé zkušenosti existují dvě základní cesty, jak na to. První se zaměřuje na relativně standardní KPI a druhá na o něco pokročilejší techniky ve spojení s potřebami organizace. Pochopitelně, vhodný ATS/CRM systém tyto informace může také nabídnout, avšak chci se vyhnout srovnání různých systémů, protože cílem této publikace je představit způsoby myšlení, a ne jenom doporučovat různé technologie, zejména pokud mají organizace tak rozdílné strategie.

KPI metriky

Zde se zaměříme na relativně populární KPI metriky, které se využívají napříč organizacemi, avšak chci taktéž nastínit možnost využití méně typických KPI, které mají za cíl spíše demonstrovat pestrost této oblasti. Je možné, že zde vynecháme relativně známe KPI a často to bude z důvodu, že se jedná o metriky, které spíše reflektují celý proces akvizice, a ne jenom selekci. Na tyto metriky se pak zaměříme v následující části, avšak teď se zaměřme čistě na selekci:

  • Time to hire (čas potřebný na akvizici) – jedná se o metriku, která reflektuje čas náboru, od začátku procesu selekce (ne od otevření pozice, to by se jednalo o Time to Fill) až do akceptace kontraktu kandidátem. Tato metrika ale zahrnuje i proces post-selekce, a proto je potřeba to mít na paměti a v případě potřeby tento časový horizont odečíst.
  • Kvalita akvizice – jedná se o jednu z esenciálních metrik, která přímo hodnotí efektivnost procesu selekce. Jedna z možností výpočtu je například:

    Kvalita akvizice = Talenty po akvizici s uspokojivým hodnocenímCelkový počet akvizic talentů

  • Net promoter score (NPS) – i přesto, že jsme tuto metriku diskutovali v kapitole se zaměřením na employer branding, je možné tento způsob využít i tady, akorát je potřeba klást otázky ve spojení s procesem selekce.
  • Diverzita – tato metrika se může zaměřovat na různé typy diverzity, od genderové diverzity přes etnicitu až po národnost. Důležitější je ale to, jak organizace na výsledky této metriky reaguje. Zpravidla doporučuji nejdříve prozkoumat tržní data a zvážit situaci. Pokud se jedná o pozici, kde jedno pohlaví je reprezentováno 12 % a druhé 88 % kandidátů a tržní data říkají, že poměr v odvětví je velice podobný, například 10 % a 90 %, pravděpodobně se nejedná o problém s diskriminací. Rozhodně tedy může dávat měření diverzity smysl, avšak stejně tak je potřeba mít na paměti tržní realitu.
  • Early turnover – měří počet jednotlivců, kteří opustili dobrovolně organizaci v určité specifické periodě (kvartál, rok apod.). Prakticky to znamená, že tato metrika může reflektovat dlouhodobou efektivitu procesu selekce.
  • Drop off rate (míra opuštění) – měří jednotlivce, kteří opustili proces selekce. Často je vidět silnou korelaci mezi touto mírou a délkou procesu selekce, protože se jedná o KPI schopné odhalit neefektivnosti v procesu.

Kromě těchto relativně známých metrik je možné zvážit i o něco kreativnější KPI, avšak pravidlem číslo jedna je neměřit úplně všechno,

  • počet pohovorů na akvizici,
  • délka pohovorů na akvizici,
  • počet testů na akvizici,
  • délka testů na akvizici,
  • online pohovory/osobní pohovory,
  • počet CV ve screeningu/osobní pohovory,
  • počet nabídek/osobní pohovory apod. Pokud jsou tyto jednoduché metriky jasné, je čas jít dále a podívat se na o něco pokročilejší metody.

Pokročilé metody

Jelikož předchozí část se zaměřovala spíše na standardní metody a metriky v měření procesu selekce v dlouhém období, nyní je čas si demonstrovat rozdílné způsoby myšlení. Pro připomenutí zde ještě jednou uvádím metody a entity procesu selekce v krátkém období (Obrázek 50).

Metody a entity procesu selekce v krátkém období: Screening, Interview, Testování a Verifikace a uprostřed entity AI, BU, TA a 3S.
Obrázek 50 – Metody a entity procesu selekce v krátkém období

Jak je evidentní, Obrázek 50 demonstruje čtyři rozdílné metody procesu selekce (Pre-screening, Interview, Testování a Verifikace) a taktéž čtyři entity (AI – Umělá inteligence, TA – Talent acquisition, BU – Business, 3S – Třetí strany). Důvodem, proč zde uvádím i metody krátkého období, je, že mohou posloužit jako základ pro měření v období dlouhém. Například časová investice a zapojení entity v průběhu jednoho týdne/měsíce/kvartálu je pořád statický pohled, ze kterého se ale dá odvodit dynamický graf. Pro tento moment to může znít příliš abstraktně, a proto se pojďme podívat na praktické příklady.

Statické modely

Statické modely se zaměřují primárně na určitou formu investice entit a metod ve spojení s procesem selekce za specifický časový horizont. Obrázek 51 demonstruje praktický příklad časové investice metod v procesu selekce za jeden měsíc. Samotné měření může vypadat komplikovaně, avšak moje zkušenost je, že při korektním nastavení dokáže například Microsoft Outlook kalendář tyto spojitosti relativně přesně odhalit.

Výsečový graf metod selekce: interview 65 %, testování 20 %, screening 10 %, verifikace 5 %.
Obrázek 51 – Časová náročnost metod v procesu selekce

Jak je z předchozího příkladu patrné, organizace investovala do pohovorů 65 % celkového času z procesu selekce. Můžeme se ale na těchto 65 % podívat blíže a zjistit, jak zde byly zapojené různé entity.

Výsečový graf entit zapojených do interview: TA 60 %, BU 30 %, 3S 10 %.
Obrázek 52 – Zapojení entit do procesu pohovorů

Obrázek 52 tedy demonstruje, jak intenzivně jsou entity zapojeny do procesu pohovorů. Talent acquisition (TA – 60 %) znamená převážně první telefonáty a osobní pohovory s kandidáty, Business (BU – 30 %) znamená hlavně hiring manažery, HR business partnery, členy týmu apod. Poslední část Třetí strany (3S – 10 %) je reprezentována dvěma psychology, kteří se pohovorů účastnili. Umělá inteligence zde chybí, protože daná organizace ji v tento moment nevyužívala. Tento graf ale nemusí být poslední a je pořád možné jít hlouběji a zaměřit se na specifické jednotlivce v různých entitách (Obrázek 53).

Výsečový graf specifických entit v procesu pohovorů: dva recruiteři mají největší podíly (25 % a 35 %), ostatní jednotlivci (hiring manažeři, HRBP, tým a třetí strany) mají po několika procentech až 10 %.
Obrázek 53 – Specifické entity v procesu pohovorů

Jakmile organizace zná čas jednotlivých osob strávený ve specifické části procesu selekce, je možné toto číslo vynásobit příslušným mzdovým ohodnocením, které se ale zaměřuje na skutečné náklady na zaměstnance. Také je ale potřeba dodat, že TA lídr často nemá informaci o mzdových nákladech na hiring manažery, a proto může být tento přístup aplikován zejména na entity, jako je Talent acquisition a Třetí strany.

Nemusíme se ale soustředit jenom na pohovory, a proto Obrázek 54 demonstruje praktický příklad screeningového procesu před a po implementaci AI se zaměřením na tuto činnost.

Dva výsečové grafy pre-screeningu. Bez AI: recruiter 95 % a hiring manažer 5 %. S AI: recruiter 70 %, AI 25 % a hiring manažer 5 %.
Obrázek 54 – Pre-screening proces před a po implementaci AI

Obrázek 54 znázorňuje, že AI v tomto případě dokáže ušetřit recruiterům 25 % času, a i tady se zdá být kvantifikace pomocí mzdových nákladů jako vhodné srovnání s náklady na technologii.

Poslední příklad se zaměřuje na testovací část a Obrázek 55 demonstruje, že organizace se značně zaměřuje na interní assessment testování.

Výsečový graf testování: assessment testování 85 %, kognitivní testy 10 %, osobnostní testy 5 %.
Obrázek 55 – Testování se zaměřením na recruitery

Toto bylo několik příkladů různých organizací, se kterými jsem měl možnost spolupracovat, a jak je zřejmé, existuje nespočet možností, jak měřit metody a entity v procesu selekce. Nevýhodou tohoto přístupu je statický pohled na situaci, avšak je potřeba dodat, že pokud organizace měří tyto statické modely pravidelně, disponuje pravděpodobně dostatečným množstvím dat pro dynamické modely.

Dynamické modely

Je evidentní, že vyšší frekvence měření může přinést přesnější dynamické modely, avšak zároveň je důležité zvážit, jaké frekvence ještě přináší přidanou hodnotu. Obrázek 56 demonstruje organizaci, která v průběhu roku měřila časovou investici do čtyř různých metod.

Čárový graf využití čtyř metod selekce v průběhu roku. Interview převažuje (přes 60 %) do června, poté klesá zhruba na 45 %, kde se k němu přibližuje testování; screening a verifikace zůstávají nízko.
Obrázek 56 – Čtyři metody selekce v průběhu roku

Zajímavou informací vyplývající z Obrázku 56 je, že v srpnu čas potřebný pro pohovory značně klesl a zároveň se zvýšil čas testování. Důvodem byla změna strategie a vyloučení některých redundantních kroků a začlenění většího objemu testování a v některých případech i assessment center. Z grafu tato informace není patrná, ale mohu sdělit, že tento přístup vedl k lepší Kvalitě akvizice, NPS a Early turnover. Dalším zajímavým střípkem informace je, že čas pre-screeningu se také snížil, což byl důsledek implementace AI do procesu. Také je důležité zmínit, že toto rozhodnutí vedlo k vyšší spokojenosti recruiterů i k finanční optimalizaci.

Dynamické modely tedy mohou přinést značnou hodnotu do procesu selekce v dlouhém období, nicméně opět doporučuji zvážit, co je důležité měřit, a být trpělivý, protože sběr dat vyžaduje čas.