FROM THE BLOG

Rekrytointi on tilastotiedettä

Jokainen rekrytointi on ajallisesti etenevä tiedonkeruuprosessi, jossa kerätään kasautuvasti todistusaineistoa henkilön soveltuvuudesta kohdetyöhön ja -organisaatioon. Tiedon määrä kutakin prosessissa olevaa hakijaa kohden kasvaa (usein eksponentiaalisesti) haun edetessä, ja rekrytoijan tärkein ammattiosaaminen liittyykin nimenomaan tämän nopeasti kertyvän tiedon hallitsemiseen ja suhteuttamiseen. Kaiken ytimessä on tilastollisen todennäköisyyden käsite ja sen oikea soveltaminen rekrytoinnin eri vaiheissa.

Erilaiset tunnistettavissa ja havaittavissa olevat taidot ja ominaisuudet joko lisäävät tai vähentävät kohdetyössä onnistumisen todennäköisyyttä. Voidaan myös puhua hakijaan liittyvistä riskeistä tai vahvuuksista, mutta tilastollinen näkökulma tekee asiasta yksiselitteisemmän. Mitä tarkemmin jokin kohdetyön ja -organisaation kannalta olennainen toimintatyyli pystytään määrittelemään, sitä helpommaksi muodostuu myös sen todennäköisyyden ennustaminen.

Hakijoiden keskinäinen vertailu kuitenkin vaatii sen, että data on vertailukelpoisessa muodossa, mikä ei aina ole itsestäänselvyys. Esimerkiksi toisen henkilön kohdalla todistusaineisto järjestelmällisyydestä saattaa pohjautua henkilön omaan lausuntoon ja toisen henkilön kohdalla rekrytoijan työsimulaatiossa tekemään havaintoon. Tyypillisiä tiedon lähteitä ovat mm. työhakemuksesta löytyvät perustiedot, hakijan työhaastattelussa tuottama verbaalinen ja nonverbaalinen aineisto, suoriutuminen työnäytteissä tai simulaatioissa sekä psykologiset kyky- ja persoonallisuustestit.

Rekrytoijan tehtävänä on määrittää, kenen hakijan kohdalla löytyy eniten puoltavaa todistusaineistoa eli sellaisia havaintoja, jotka lisäävät työssä onnistumisen todennäköisyyttä. Vastaavasti samanaikaisesti pitää toki myös kartoittaa hakijan onnistumisen todennäköisyyttä vähentävät havainnot. Yksittäisen toivotun ominaisuuden puuttuminen ei välttämättä tarkoita, etteikö työssä voisi motivoitunut henkilö onnistua, mutta mitä enemmän toivottuja ominaisuuksia tai taitoja puuttuu, sitä vaisummaksi jää onnistumisennuste. Vastaavasti yksittäisen riskin tai epäonnistumista ennustavan ominaisuuden puuttuminen ei vielä takaa onnistumista.

Muutama asia on lisäksi hyvä muistaa. Ensinnäkin se, ettei aikaisempi suoriutuminen kohdetyön kaltaisessa roolissa takaa onnistumista tulevaisuudessa. Ihminen muuttuu ja organisaatiot ovat erilaisia. Toiseksi olisi hyvä muistaa, etteivät asiantuntija-arvioinnit ole välttämättä aina yhtä luotettavia tietolähteitä kuin esimerkiksi henkilön itsearvioinnit tai mekaanisemmat valintatyökalut. Menestysennustetta luodessa kannattaa mieluummin kerätä kasautuvaa todistusaineistoa yksinkertaisilla muuttujilla, kuin luottaa strukturoimattomaan ja moniselitteiseen asiantuntijaharkintaan, liiketoimintaosaamiseen tai senioriteettiin.

Leave a comment

Your email address will not be published. Required fields are marked *