Wat HR over Matchen moet weten

27/06/2016 Leestijd: 5 minuten

Technologie is steeds bepalender en ook binnen HR speelt het steeds vaker een rol. Vroeg of laat zal HR betrokken worden bij een project waarbij matchingstechnologie een rol speelt. Als woorden als ontologie, taxonomieën, parsing en semantisch matchen over tafel vliegen zal HR alle zeilen moeten bijzetten om door deze bullshit bingo een weg te vinden. Als adviseur van HR in dit soort projecten zijn er altijd een paar punten die ik probeer over te brengen.

Kantoortuinen - Wat HR over Matchen moet weten

Hieronder enkele punten die naar boven komen als de strategische beslissing om matchingstechnologie te gebruiken al is genomen. Voor wie over het waarom meer wil weten, lees: dit artikel over het verschil tussen zoeken en matchen.

Appels en peren

Wie mensen met werk wil matchen en daar ook nog acties uit wil distilleren probeert appels met peren te vergelijken en eigenlijk ook nog met kersen. Mensen, werk en wegen naar werk zijn drie domeinen die alle een andere dynamiek hebben. Mensen worden in zo’n geval geformaliseerd in tekst door een curriculum vitae of een profiel op een sociaal netwerk. Werk formaliseren we meestal door een vacature en een functiebeschrijving daarachter. De wegen naar werk worden op veel verschillende manieren geformaliseerd, zoals programmabeschrijvingen, cursus catalogi of diensten beschrijvingen.

Mensen die hun profiel beschrijven of hun profiel opmaken zullen waarschijnlijk andere woorden gebruiken dan HR professionals die een functie beschrijven. Gedreven door de druk van je te willen onderscheiden en een eigen merk op te bouwen verzinnen we steeds nieuwe en andere woorden.

Als de één het woord secretaresse gebruikt en de ander management assistent of personal assistent, heb je techniek nodig om dat met elkaar te kunnen vergelijken. Deze techniek noemen we semantisch matchen. De matchings machine kan synoniemen herkennen en/of contexten begrijpen. Vaak maakt zo’n machine gebruik van een model, bij mensen en werk noemt men dit vaak een competentie model. Deze modellen zijn weer gekoppeld aan tabellen van functies. Zo’n gekoppeld model heet een taxonomie. Als er echt op semantiek wordt gelet moet de machine meer kunnen dan synoniemen met elkaar vergelijken, maar moet ook woorden in hun context kunnen begrijpen en de bedoeling van de tekst kunnen interpreteren. Hiervoor heb je meer dan een taxonomie nodig maar moet je ook de relaties met ander woorden kunnen begrijpen, dat noemen we een ontologie. De machine herkent nu ook of het om een secretaresse vacature gaat op een jobboard of om een advertentie van een pornosite.

Je ziet het pas als je het ziet

Mensen worden erg zenuwachtig als er iets gebeurt wanneer er op een knop gedrukt wordt en de resultaten niet meer traceerbaar zijn. Zeker als het om bedrijven gaat die graag hun management doen op basis van cijfers. Hoe trendy het misschien ook mag klinken, “Fuzzylogic” en matchingstechnologie wekken straks bij gebruikers vragen op. Vragen als: waarom deze resultaten, zijn er meer resultaten mogelijk; en als iets 80% matcht wat betekent dat?

Internet confronteert ons steeds vaker met iets wat we Fuzzy vinden, het gebruikte algoritme is niet transparant of te begrijpen. Waarom staat dit bovenaan bij de zoekopdracht en niet iets anders.

Matchingstechnologie zal gebruikt worden door professionals die verantwoording moeten afleggen en dus transparantie willen. Als voorbeeld een antwoord van een matchingsmachine; dit CV matcht 80% omdat er een opleiding mist die wij 20% waard vinden, is transparanter.

Zelf doen

Professionals willen meer dan alleen transparantie, ze willen natuurlijk invloed kunnen uitoefenen op het proces. Kort gezegd, het moet auditable: de verandering van de gegevens moet voor de gebruikers te volgen en te manipuleren zijn. Bij het matchen van mensen op vacatures moet men dus zowel de gegevens van de mensen als die van de vacatures kunnen benaderen als wel volgen en aanpassen. Bij de matchingsengine zitten dus knoppen zodat de professionals invloed hebben op het matchingsproces

De knoppen moeten ook nog eens gebruikersvriendelijk zijn. HR moet in de lead bij de heren en dames van IT om te borgen dat die knoppen straks met plezier worden gebruikt.

Twee kanten

Bi-directioneel: de informatie die men uit een match kan halen moet van beide kanten worden bekeken. Het is belangrijk dat men zowel vanuit de vacature als vanuit de persoon de optimale match kan bepalen. Hierna kan men op grond van de business rules bepalen wat de uiteindelijk optimale match is.

Als een recruiter zoekt naar een bepaald soort programmeur en daarbij van matchingstechnologie gebruik maakt, is het handig om te weten dat de mensen die hij als resultaat terug krijgt misschien helemaal niet bij jouw bedrijf willen werken onder de omstandigheden die jij biedt, maar dat een andere groep mensen die er misschien op lijkt, maar niet aan de criteria voldeed, dat wel heel graag zou willen.

Dat het kan betekent niet dat het mag

Last but not least, als alles kan en HR met wat begeleiding en of kennis het heft in handen heeft bij de inzet van matchingstechnologie is er nog steeds de vraag: mag het en willen we het?

HR is vaak de poortwachter van deze vragen. Persoonsgegevens en privacy hebben al snel iets met elkaar van doen. Verder zijn er eigendomsrechten en database rechten.

De trajecten waar matchingstechnologie wordt ingezet zijn vaak een last voor de HR afdeling, maar leveren het bedrijf ook vaak veel op indien de technologie juist wordt toegepast. Met de vijf bovenstaande punten kan HR zich voorbereiden op ‘matchen’, mocht dit moeilijk blijven, lees dan ook mijn andere artikelen.

0 reactie(s) op “Wat HR over Matchen moet weten”

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *


De verificatie periode van reCAPTCHA is verlopen. Laad de pagina opnieuw.