Hvad skulle vi gøre uden alle vores vidunderlige testværktøjer? Vi ville være overladt til den mørke middelalder. Markedet for adfærdstests, kognitive tests og mange andre tests er kolossalt og det er ikke så underligt, for vi ved, at de fleste af os er mere eller mindre dårlige til at vurdere andre mennesker og at vi intuitivt tiltrækkes af dem, der minder os om os selv.
Og det er ikke altid god forretning at ansætte dem, der minder om os selv.
Testmarkedets grænser udvides kontinuerligt og de seneste skud på stammen er gamification og Big Data. Gamification er et nyt element i rekrutteringsprocessen, som handler om at teste kandidaternes adfærdsmæssige præferencer i en simuleret virkelighed, nemlig i et miljø, som minder om videospillet. Kandidaterne får en spilkarakter og skal løse forskellige opgaver undervejs. Der optjenes bonuspoints, der mistes liv og det hele minder om et just-for-fun spil, men er det ikke i virkeligheden, for det handler om et job.
Fortalerne for gamification hævder, at kandidaternes valg og handlinger undervejs i spillet siger mere om deres problemløsningsevner, beslutningshastighed, tidsadministration, risikovillighed o. m. a. end nogen konventionel adfærds- eller færdighedstest kan afsløre. Antagelsen er derfor, at kandidaternes interaktion med spillets skjulte algoritmer forudsiger langt mere om kandidaternes fremtidige adfærd og performance end noget andet vidnesbyrd, herunder psykometriske testscorer, karakterer på eksamensbeviset eller antallet af endorsements på LinkedIn.
Hvorfor mon?
Når vi spiller, er vi i affekt. Vi er ikke udelukkende kontrollerede, saglige eller rationelle. Eller også er vi, men det er på et andet niveau end hverdagens niveau, fordi intensiteten, koncentrationen og målrettetheden er så stor. Vi gør vores ypperste for at vinde spillet. Derfor giver det rigtig god mening at introducere gamification som del af ens rekrutteringspraksis. Når kandidaterne spiller spillet, agerer de indenfor en ramme, som er uforudsigelig, som yder modstand og som kræver beslutningsmod – ligesom en almindelig dag på jobbet.
Spillet viser, hvordan kandidaterne faktisk agerer i et virkelighedsnært miljø og ikke hvordan kandidaterne selv tror eller ønsker, at de vil agere i et jobmiljø, som de fleste konventionelle testværktøjer lægger op til. Derfor, hævder fortalerne for gamification, er de resultater, der kommer ud af et videospil, langt mere troværdige end resultaterne af kandidaternes svar på en række snedigt udtænkte testspørgsmål.
Hvis man vil endnu et skridt nærmere virkeligheden, er Big Data svaret. For her agerer kandidaterne ikke i en simuleret virkelighed, men i the one-and-only.
Big Data er som udgangspunkt datamængder, som er så store og heterogene, at normal maskinkraft ikke kan processe dem. Big Data er alle de digitale spor, som mennesker og ting efterlader i realtid. Ikke bare på internettet, men også alle andre steder, hvor vi færdes og interagerer med maskiner, hvor vi trackes, registreres, logges og monitoreres.
Det, som Big Data kan bruges til, er at afdække korrelationer, altså sammenfald, man ikke anede eksisterede, men som kan betyde ganske meget for den samlede vurdering af kandidaternes fremtidige performance. Vi har alle siddet i den gynge, hvor alt, hvad man kunne lægge til grund for udvælgelsen, var tidligere jobs, tidligere brancheerfaring, tidligere uddannelse, tidligere resultater.
Tidligere, tidligere, tidligere.
De fleste af os har også, hvis vi har rekrutteret i tilstrækkeligt mange år, ansat personer, som på trods af overbevisende kognitive scorer, en ideel adfærdsprofil og et helt sublimt CV, viste sig at være kolossale fejlinvesteringer.
I stedet for at bebrejde os selv alt for meget, skal vi måske bare erkende, at den fremragende performance og det enestående talent ikke altid kan overføres fra den ene kontekst til den anden og stadig være intakt. Der er så mange ubekendte og variabler, når det handler om talent, at vi må tage andre midler i brug for at skabe et så sikkert grundlag for udvælgelsen som muligt. Big Data er nøglen. Hvis vi kan finde ud af, hvad det er, der skiller fårene fra bukkene i vores egen organisation, er vi på rette spor.
Google, den nok mest datadrevne virksomhed i verden, har i flere år anvendt Big Data i deres kandidatvurderingsrutiner, og det, som Google blandt andet fandt ud af ved at analysere titusinder af medarbejderes rejse gennem organisationen, var – meget overraskende for Google selv – at eksamensresultater ikke forudsagde noget om fremtidig performance, ligesom geekede interviewerspørgsmål (”hvor mange golfkugler kan der være i en flyvemaskine?”) viste sig at være tidsspilde.
Det, der virkelig gjaldt, når det handlede om at vælge de rette kandidater, var at afdække kandidaternes læringskapacitet, ydmyghed og lederskabsevner. Disse tre dimensioner virkede på alle niveauer i organisationen.
I en større, amerikansk virksomhed opdagede man efter at have sammenkørt data fra både HR’s egne IT systemer og IT systemer udenfor HR, at de medarbejdere i kundeserviceafdelingen, som performede bedst og som blev længst i virksomheden, havde det til fælles, at de alle havde en anløben straffeattest. I en anden stor amerikansk virksomhed opdagede man, da man kiggede efter nye mønstre i sine data, at der var en langt større medarbejderomsætning blandt de medarbejdere, som havde mere end 60 kilometer til arbejde. På McDonalds restauranter i England spurgte man sig selv, hvorfor kundetilfredsheden var 20% højere på bestemte restauranter i kæden end den gennemsnitlige kundetilfredshed. Den eneste forklaring, man kunne finde i sine data, var, at der på alle de bedst ratede restauranter, var minimum 1 medarbejder over 60 år.
Jeg siger ikke, at man udelukkende skal ansætte folk med en kriminel fortid, folk over 60 eller folk, der bor tæt på arbejdspladsen, jeg siger bare: kig i dine data og tag deres konklusioner med i den samlede vurdering, når du skal ansætte nye talenter.
