USG People zet machine learning in om carrièrepaden te voorspellen

Almere, 15 december 2017 – USG People zet de nieuwste technologie op het gebied van machine learning en kunstmatige intelligentie in om carrièrepaden van kandidaten te voorspellen. In opdracht van USG doen wetenschappers van de Universiteit van Amsterdam en de Vrije Universiteit onderzoek naar hoe zij met een nieuw systeem voor het matchen van kandidaten en vacatures maximaal kan inspelen op nieuwe ontwikkelingen op de arbeidsmarkt. Onder invloed van robotisering en de opkomst van nieuwe technologie verandert het HR-landschap ingrijpend. Machine learning maakt het mogelijk patronen in de mobiliteit van kandidaten te herkennen en te voorspellen wanneer zij een nieuwe carrièrestap zullen maken.

Door de opkomst van nieuwe technologieën verandert de arbeidsmarkt. USG People wil hierop inspelen door haar matching-systeem af te stemmen op deze nieuwe ontwikkelingen. Zo ontstaan nieuwe functies en zullen bestaande functies verdwijnen. “Een goed voorbeeld zijn callcenters waar vooral mensen op mbo-niveau werkzaam zijn die relatief eenvoudige telefonische vragen beantwoorden. Zulke vragen worden echter steeds vaker op internet opgezocht of via voice response-systemen beantwoord. Voor meer complexe vragen zijn een hoger opleidingsniveau en andere competenties, zoals creativiteit, analytisch vermogen en inhoudelijke vakkennis, vereist”, zegt Ton Sluiter, Manager Data Analytics van USG People. “In de logistieke sector doet zich een vergelijkbare ontwikkeling voor. Daar ruimt de traditionele orderpikker steeds meer het veld. Distributiecentra worden vergaand geautomatiseerd, waardoor minder ‘handen’ nodig zijn en meer mensen die deze systemen kunnen bedienen. Zo ontwikkelen productiemedewerkers zich steeds meer tot procesoperators.”

Analyse van 300.000 cv’s
USG People gaf eerder dit jaar het startsein voor twee onderzoeken om in kaart te brengen hoe zij met behulp van machine learning haar matching-technologie kan optimaliseren. Hiervoor hebben de wetenschappers van de UvA en de VU 300.000 cv’s uit de database van USG People geanalyseerd. Traditionele databases zoeken geschikte kandidaten doorgaans op basis van semantische matches. Zodra een HR-functionaris een zoekopdracht invoert, kijken deze systemen naar synoniemen en vergelijkbare termen in vacatures en functieprofielen van mogelijke kandidaten. “Veel traditionele matching-systemen kijken naar vraag en aanbod en matchen niet over functiegebieden heen. Wij zetten nu een nieuwe stap in de systematiek van matching, waarbij we vooral kijken naar skills en vaardigheden en zoeken naar kandidaten die over deze competenties beschikken, óók als zij uit een andere branche afkomstig zijn. Kandidaten volgen namelijk niet langer een lineair carrièrepad, maar hun loopbaan verloopt buitengewoon grillig. Hierin proberen we patronen te ontdekken door het gedrag van grote groepen kandidaten te analyseren en vergelijken”, aldus Sluiter.

Bestaande data verrijken met nieuwe algoritmes
In het onderzoek van de VU wordt gekeken naar wat de kans is dat iemand op termijn een nieuwe stap in zijn carrière zal maken en hoe succesvol deze transitie zal zijn. Deze informatie kan gebruikt worden voor het benaderen van al werkende kandidaten met een nieuwe vacature: kun je bijvoorbeeld beter iemand benaderen die pas zes maanden of iemand die al drie jaar in zijn huidige baan zit? Het onderzoek van de UvA richt zich op de analyse van historische gegevens over opleidingen, werkervaring en mobiliteit om te voorspellen wat de volgende stap in de carrière van kandidaten is en hoe hun loopbaan zich ontwikkelt. Andere nieuwe parameters komen voort uit de analyse van zo’n 2 miljoen functieomschrijvingen die kandidaten in hun cv hebben opgenomen en een analyse van vacatures.

Herkennen van patronen
Uit de voorlopige onderzoeksresultaten blijkt dat sprake is van patronen in de mobiliteit van kandidaten. Sluiter: “Op individueel niveau zien we dat kandidaten in specifieke functiecategorieën langer werkzaam zijn, terwijl de mobiliteit in andere categorieën groter is. Dit betekent dat er in de ene categorie een overschot van geschikte kandidaten is, terwijl er ergens anders juist sprake is van een tekort. Zo zien we dat verkoopmedewerkers uit de detailhandel zeer goed ingezet kunnen worden als medewerker van een klantenservice. En chauffeurs kunnen erg geschikt zijn om als beveiligingsbeambte te worden ingezet. We willen bereiken dat voor vacatures talenten kunnen worden aangeboord uit verschillende functiecategorieën, inclusief kandidaten die op het eerste gezicht niet voor de hand liggen.”

In het komende half jaar staat de testfase van beide systemen op het programma. Hierna volgt de software-integratie, waarbij de modellen worden geïntegreerd in het matching-systeem van USG People. Naar verwachting is de nieuwe technologie medio 2018 operationeel voor alle consultants op de vestigingen van USG People.