Transcript
Speaker: Herzlich willkommen zum Webwise Recruiting Talk. Alles eine Frage der Einstellung. Echtes Recruitingwissen, echte Erfahrungen, echte Erfolgsrezepte aus der Personalabteilung direkt in deinem Ohr.
Speaker: Herzlich willkommen zum Recruiting Talk unserer Deep Dive Edition, wo wir in die Themen auch wirklich praxisnah, schön tief reingehen. Wir wollen heute über Data Driven Recruiting sprechen und heute haben wir dich, Tim, da. Zur Vorstellung, ich habe gesehen, du bist Speaker, du bist Dozent, du bezeichnest dich als Recruiting Nerd, du hast einen Podcast mit den HR Data Dudes, bist Buchautor, hast 10 .000 Follower knapp bei LinkedIn.
Speaker: und sitzt bei Indeed so an der Datenquelle zum Thema Employer Insights und Talent Intelligence. Also ich glaube bessere Daten kriegt man im deutschen Markt nicht, wie wenn man bei Indeed sitzt. Und gibt es noch irgendwas, was man noch über dich wissen sollte an der Stelle? Ich wollte gerade sagen, das ist schon sehr, sehr viel, was du gesagt hast. Was gibt es noch über mich zu wissen? Ich bin Vater von zwei Kindern. Das eine ist auch relativ frisch noch auf der Welt, was ja auch immer so ein prägender Moment ist.
Speaker: Ich habe gerade noch ein Buch fertig geschrieben, was bald rauskommen wird, mit dem Marcel Rütten, der, glaube ich, auch bei euch in einer Podcast -Folge auch drin war oder sein wird, und bin Gründungsmitglied der Recruiting Rebels.
Speaker: Die Recruiting Rabbits? Rebels. Rebels. Was machen die Recruiting Rabbits? Nicht die Hasen, sondern die Rebellen. Die kenne ich doch gar nicht. Das ist ein Verein, der vor ein paar Jahren gegründet wurde, der sich das Ziel gesetzt hat, Wissenschaft und Praxis im Bereich Personalauswahl zusammenzubringen, gerade im Bereich Eignungsdiagnostik. Es ist ja ein Bereich, der, jetzt kommen wir zum Thema Daten, bei dem es unglaublich viel Daten und unglaublich viel Wissenschaft gibt im Hintergrund und trotzdem immer noch sehr viel auf Bauchgefühl geachtet wird. Und wenn man über Data Driven Recruiting spricht, eigentlich über alles spricht, aber nicht darüber.
Speaker: Okay, da muss mir jetzt auch ein bisschen helfen, was du mit Eignungsdiagnostik genau meinst. Also was schaut ihr euch da an? Also erstmal Eignungsdiagnostik heißt ja erstmal, dass wir ein Ziel haben, also eine Eignung, die wir uns anschauen. Also kann jemand Tischler sein, kann jemand Schreiner sein oder wie auch immer. Und die sämtliche Form von Auswahl, die dazu führt herauszufinden, ob die Person das kann. Das fängt ganz banal schon beim Lebenslauf an, wie ich einen Lebenslauf anschaue.
Speaker: Es gibt viele Dinge, die man falsch machen kann. Man guckt typischerweise nach Ähnlichkeiten unbewusst. Der Mensch war in der gleichen Uni wie ich selbst, das ist aber bestimmt toll. Sofort Sympathie -Punkte. Der hat letztens auch ein Kind bekommen. Der hat auch ein Kind bekommen und so weiter. Was total menschlich ist, aber maximal unfair und unvalide. Es gibt sehr, sehr viele Studien, was valide Instrumente sind, wie man sie nutzen kann und unser Ziel ist es,
Speaker: daran zu arbeiten, diese validen Instrumente bekannter zu machen. Also was unterscheidet einen guten Test von Charlatanerie, von irgendwelchen Tools, die mehr fragwürdig sind, die wissenschaftlich eindeutig nicht valide sind und so weiter und so fort. Und auch daran, und jetzt sieht man einen roten Faden, schreibe ich gerade ein Buch.
Speaker: Ja, okay. Das finde ich echt aber sehr spannend. Wir haben auf unserer Plattform auch so einen Score, der dem Unternehmer angezeigt wird, der sagt eigentlich, wie gut ist eine Bewerbung unterm Strich. Das ist ja wahrscheinlich genau das Thema, aber auf Bewerbungen bezogen bei uns, also nicht auf die Person, sondern auf die Bewerbung an sich, weil man es unserer Ansicht nach immer im Kontext zur Stellenanzeige sehen muss.
Speaker: Ende vom Lied war, so gut hat es nicht zugetroffen in den letzten Jahren und wir haben es jetzt nochmal überarbeitet, den Wert. Was ist so aus deiner Sicht wichtig, wenn man so Werte nutzt oder sagst du, man kann da überhaupt was Gutes erstellen? Gibt es da schon irgendwas, was bei euch eine Nutzung ist oder was ihr da an den Mann bringt oder die Frau? Also man betrachtet jetzt aus Datensicht, gibt es einen Wert, der nennt sich die prognostische Validität, also die Vorhersagequalität sozusagen, die ich mir anschaue.
Speaker: Wie weit lässt dich von einer Aussage, von einem Tool, von einer Methode späterer Erfolg vorhersagen? Wenn ihr ein Tool habt, müsste ja idealerweise sein,
Speaker: Wenn dieses Tool sagt, dass dieser Kandidat nicht 10 von 10 ist, ich weiß nicht genau, wie sein Score ist, dann müsste dieser Mensch ja nicht nur eingestellt werden, sondern er müsste später Performant sein. Er müsste erfolgreich im Job sein. Und davor gibt es ja ganz, ganz viele Studien, die berechnen, welche Tools und Methoden eine hohe prognostische Valität haben und welche eine niedrige prognostische Valität haben. Und genau so an den Sachen kann man sich zum Beispiel orientieren. Und das kann man als Unternehmen übrigens auch selber messen.
Speaker: indem ich schaue, wie habe ich Menschen ausgewählt und was hat eigentlich die späteren Erfolge sinnvoll und zuverlässig vorhergesagt? Um da mal direkt einen Deep Dive zu machen, gibt es da irgendwas Pragmatisches, was man als Unternehmen machen könnte? Also wir haben vor allem kleine und mittelständische Unternehmen, die unseren Podcast hören. Gibt es etwas, was die direkt umsetzen können, um da irgendwie so ein bisschen ein Gefühl für zu bekommen?
Speaker: Wir haben ja wahrscheinlich auch Show Notes und was ich gerne machen kann, ist mal so ein, zwei wirkliche kleine Tabellen mal euch zu schicken. Die sind, wo dann drinstehen, so die Top 10 oder Top 20 Auswahlmethoden nach diesem Wert sortiert, wo man sieht, okay, keine Ahnung, Lebenslauf ist nicht sehr valide als prognostisches Element.
Speaker: Intelligenztests sind sehr valide und da gibt es halt ganz ganz viele Dinge dazwischen, die man nutzen kann, die wiederum zeigen, okay, Dinge sind gut oder nicht gut oder vielleicht auch nur situativ gut möglicherweise. Und wenn man sich das anschaut, dann sieht man, okay, welche meiner Methoden nutze ich und welche davon sind gut. Okay, ja, super gerne. Also, ich gebe uns das auf jeden Fall mal, die Zuhörer und Zuhörerinnen werden sich da, glaube ich, sehr darüber freuen. So generell, man merkt auf jeden Fall, dass du für Daten brennst.
Speaker: Einfach, dass wir mal irgendwie wissen, wo es herkommt. Wie ist das denn bei dir entstanden? Also, was findest du da so spannend? Also, wenn ich meinen Eltern und meiner Oma glauben darf, war ich als ganz kleines Kind schon angetan von Zahlen. Also, ich hab so eine Anekdote von meiner Oma und die hab ich noch nie jemandem oder noch nie irgendwie veröffentlicht erzählt. Als kleines Kind
Speaker: Wenn wir auf so einer Brücke waren, sind ja ganz viele Autos immer hergefahren. Und manche gucken sich an die Autos an und dann sagen die, ja grün, blau, blau. Und ich hab auf die Nummern geschaut und gesagt, eins, sieben, fünf, drei. Und immerhin hab ich die Zahlen vorgelesen, weil ich immer schon ein Fäbel für Zahlen hatte. Und das hat sich wie so ein roter Faden.
Speaker: In der Schule Mathematik war für mich das Einfachste, ehrlich gesagt, immer. Ich habe dann ein Studium gewählt, empirische Sozialforschung, also eigentlich Statistik. Statistik auf diesen Fokus gemacht. Ich bin dann immer so ein bisschen der Exote im Recruiting auch gewesen und war immer der, der angefangen hat, damals mit Excel -Tabellen schon zu hantieren und Sachen zu berechnen, Sachen zu hinterfragen und glücklicherweise dann Jobs gefunden, bei denen das auch im Fokus ist. Also es ist ja so ein bisschen der Trend, mit Daten zu arbeiten. Das kommt mir unglaublich entgegen.
Speaker: Wie findest du denn so mit dem Blick auf die HR und Recruiting -Szene, wie Daten verliebt oder wie Daten fokussiert arbeiten wir schon? Es gibt einen Grund, warum du gerade gelacht hast. Und der ist Teil der Antwort. Die meisten kommen immer noch in den HR -Bereich, wenn man sich fragt, warum, weil ich gerne mit Menschen arbeite.
Speaker: kann man auch Pathologe werden, denke ich mir immer. Also nur mit Menschen zu arbeiten, alleine sollte nicht die Kernkompetenz sein, warum man im H .A. Bereich arbeitet. Er kann auch im Vertrieb arbeiten, er arbeitet auch permanent mit Menschen, wahrscheinlich sogar noch ein bisschen mehr, würde ich behaupten.
Speaker: Die Generation, die jetzt nachkommt, merke ich, die ist schon ein bisschen affiner dafür, weil man natürlich auch mit anderen Tools, mit anderen Sachen aufwächst. Ich meine, Google Analytics ist bei vielen so ein Standard -Tool, was genutzt wird in Unternehmen, in Recruiting -Abteilungen noch nicht. Das ist ja auch erst seit ein paar Jahren wirklich so einfach etabliert, dass es von der Usability und so wahrscheinlich auch Leute, die noch nicht viel Ahnung haben, gut nutzen können. Deswegen, es kommt, es wird besser, ist aber noch auf einem geringen Niveau.
Speaker: Ich finde es teilweise auch schon kompliziert, in Google Analytics die richtigen Daten zu bekommen. Ich kann da schon Recruiter und Recruiterinnen verstehen, die es nicht gut hinbekommen, eine schöne Analyse zu machen oder die Einführung zum Beispiel nicht hinbekommen. Aber ich denke, vielleicht hast du auch einen Tipp, wie man da gut rangehen kann oder ob du irgendwelche guten
Speaker: Bücher oder Artikel zu gibt, aber gerade wenn du ein kleines Unternehmen bist, da den ersten Schritt zu machen, ist wahrscheinlich schon auch erstmal eine komplexe Aufgabe, stelle ich mir so vor. Mein Tipp ist immer, sprecht mit eurem Marketing. Die wissen das normalerweise. Wenn ich überlege in meiner Vergangenheit, ich war immer den ersten Schritt, den ich gemacht habe, in unser Marketing reinzugehen und zu fragen, kann ich einen Zugang zu unserem Webtracking haben? Es ist ja nicht immer Google Analytics, aber häufig und die haben das ja immer schon.
Speaker: Lustigerweise, früher immer die erste Reaktion war, ja, warum denn? Du bist ja im HA -Bereich. Was willst du denn damit machen? Ich sage, deswegen muss ich es ja haben, weil ich im HA -Bereich bin und weil wir viele, viele Tausende Euro für Bewerbungen ausgeben und nicht wissen, wo die herkommen. Ja, super Tipp. Also können sich glaube ich alle direkt mal ranmachen und jetzt bei ihrer Marketing -Abteilung nachfragen, ob sie Zugang haben können. Was mache ich dann, wenn ich den Zugang habe? Auf was achte ich am besten und wie arbeite ich mich da Schritt für Schritt dann vor?
Speaker: Also wenn wir jetzt bei Google Analytics exemplarisch bleiben, ist für mich immer so ein bisschen der erste Punkt zu schauen, okay, welche Daten habe ich denn da drin? Also ohne jetzt zu tief reinzugehen, man kann zusätzlich zu Google Analytics noch Tracking -Links beispielsweise einbauen, die bei manchen auch schon existieren. Wenn ich diese Tracking -Links habe, dann kann ich relativ gut sehen, über welche Kanäle kommen die Menschen auf meinen Stellennanzeigen eigentlich drauf. Also kommen die jetzt über
Speaker: über Indeed, über andere Kanäle oder darauf kommen sie über Social Media Post oder was weiß ich was. Und das hilft natürlich schon mal eine erste Tendenz zu kriegen, ist mein Geld gut investiert. Wenn ich einem Anbieter, egal wem, 90 Prozent meines Geldes gebe, aber nur fünf Prozent der Menschen über diesen Kanal da hinkommen, dann würde ich das mal hinterfragen wollen. Das ist so ein erster Punkt, den man sich anschauen könnte. Der zweite ist der Verhaltensfluss.
Speaker: Also man kann den Nutzerfluss sich anschauen. Das heißt übersetzt, ich schaue mir an, was sind die typischen Kontaktpunkte auf der Karriere -Seite beispielsweise, die Menschen haben. Man denkt sich ja immer, wenn man eine Karriere -Seite baut, das sind die ganzen Dinge, die jemand konsumieren sollte.
Speaker: Wenn wir irgendwas Tolles haben, Klassiker, also die Benefits -Seite, die aber nur 5 % der Nutzer wiederum anschauen, dann kann es davon ausgehen, dass die meisten Menschen gar nicht wissen, was man für tolle Benefits hat. Also muss man es prominenter machen. Das weiß man nur, wenn man diesen Nutzerfluss oder Verhaltensfluss nicht anschauen kann. Ja, super spannend. Ich meine, dann kann man ja sogar in die Stellenanzeige auch reingehen. Man kann sich wahrscheinlich Absprungraten angucken.
Speaker: Ich denke, brauchen wir auf jeden Fall mehr, kann man so unterschreiben. Denkst du, dass da in der Branche nicht nur ein bisschen, ja, sag ich mal, lack ist, dass da irgendwie was fehlt, sondern auch Zeitmangel oft ein Thema ist? Oder gibt es sogar irgendwie andere Gründe, die du schon erlebt hast in Gesprächen mit anderen, wo du sagst, hey, da ist halt einfach eine Challenge, die oft irgendwie im Weg steht?
Speaker: Was die Hörerinnen jetzt nicht mitbekommen haben, ich habe tief eingeahmt, was meistens ein Zeichen dafür hat, jetzt könnte die Antwort etwas länger werden. Ja, mach gerne. Es ist schon ein komplexes Thema, muss man sagen. Ich glaube, einer der wichtigen Punkte dabei ist, dass wir uns im HR -Bereich in einem Veränderungszyklus gerade befinden.
Speaker: Über viele Jahrzehnte war HR eine sehr administrative Funktion. Und wenn Menschen darauf konditioniert wurden und auch eingestellt wurden nach ihren Skills, primär Dinge abzuarbeiten, primär administrativ zu arbeiten, dann ist es auch ehrlich gesagt ein bisschen viel verlangt. Jetzt macht mal eben Google Analytics, werdet data driven, fangt an mit KI euch auseinanderzusetzen und sonst irgendwie was.
Speaker: Deswegen ist es gar nicht so einfach, immer zu sagen, ich habe ein Zielbild vor Augen, aber man muss die Menschen ja irgendwie mitnehmen und auch schauen, was ist der jeweilige Status. Das hängt sehr von der jeweiligen Generation oder der jeweiligen Person ab, was die Punkte sind. Bei manchen Menschen ist es einfach unglaublich viel Überwindung überhaupt mit so etwas zu starten.
Speaker: Manche haben auch das Gefühl, sie können in ihrem Bereich wenig bewegen, was meistens wiederum ein Problem ist, weil sie keine Daten haben, mit denen sie etwas bewegen können. Das ist dann halt so ein Teufelskreis, in dem man sich bewegt. Man hat das Gefühl, man wird nicht gehört im HR -Bereich innerhalb des Unternehmens, man hat das Gefühl, man kann nichts
Speaker: Man kann nichts bewegen, weil man hat da schon tolle Sachen vorgeschlagen und so weiter und so fort. Und deswegen will man da vielleicht nicht nochmal Zeit investieren. Das Problem ist aber, dass man damit nicht rauskommt, wenn man nicht anfängt mit Daten zu arbeiten. Mit Daten zu arbeiten ist aus meiner Sicht der zentrale Faktor wie HA. Jetzt habe ich ein bisschen Buzzword, auf den Driver Seat kommt.
Speaker: Man spricht ja immer davon, dass die HRer nicht so am Tisch der großen mit sind, der Entscheidern mit sitzen, weil sie nicht die Sprache der Großen sprechen. In dem Moment, wo ich anfange mit Business Cases zu arbeiten, wo ich zeige, dass es einen vernünftigen Return of Invest gibt beispielsweise, dann habe ich die Möglichkeit auch auf Augenhöhe mehr mich zu bewegen. Aber das ist eine Entwicklung, die kostet Zeit, die kostet ganz, ganz viel Energie.
Speaker: Ich habe das selber in meinem letzten Unternehmen auch gemacht und das ist nicht immer vergnügungssteuerpflichtig, muss ich sagen. Aber es verändert sehr, sehr viel. Gutes Wort. Vergnügungssteuerpflichtig. Ja, total. Also was ich mir gerade direkt gedacht habe, du hast jetzt einfach so Return on Investment gesagt, ich glaube, es kennen gar nicht alle RecruiterInnen das Konzept. Und da fängt es schon an. Und wenn wir auch dann noch zusätzlich sowas wie Opportunitätskosten dazu packen, dann hat man ja meistens
Speaker: Super Argumente, um irgendwie an Budget zu kommen und in der Realität ist es aber eher so, dass man eigentlich dauernd nur angefragt wird, so von wegen, bringen uns doch den, warum haben wir noch niemanden eingestellt bei der Position, aber die Argumente gar nicht aufbauen kann, deswegen.
Speaker: Du kommst ja jetzt nicht aus dem BBL -lastigen, sondern komplett aus der Statistik, hast du ja gesagt. Wie hast du dir das dann beigebracht oder was waren da so Aha -Momente oder Ressourcen, die man da nutzen kann, um zu so einem Verständnis zu kommen?
Speaker: Ich habe erst mal ein Grundstudium BWL auch noch gemacht. Ich habe parallel zu meinem Studium, ich war damals schon sehr, sehr umtrieblich, habe parallel noch ein Fernstudium, das Grundstudium einfach gemacht, weil ich gesagt habe, ich will nicht irgendwann in die Wirtschaft gehen, ohne Grundkenntnisse von der Wirtschaft zu haben. Deswegen dachte ich, cool, habe ich alles nie im Studium gelernt, aber Bilanzen lesen können und solche Sachen. VWL fand ich wiederum auch spannend, da kam der Statistiker wieder durch.
Speaker: Das waren alles Dinge, die ich total spannend fand. Und ich hatte bei meinem ersten Arbeitgeber ganz, ganz viel Glück. Mein erster Arbeitgeber war Vodafone, die damals schon mega progressiv waren. Also vieles, was wir vor 15 Jahren da gemacht haben, ist für viele Unternehmen heutzutage noch neuland. Damals auch unglaublich eng mit dem Marketing da zusammenarbeiten zu können und von denen sehr, sehr viel lernen zu dürfen.
Speaker: Na, das ist natürlich cool, wenn man so einen Zufall dann auch hat. Ich meine, es ist natürlich gesteuert, auch dadurch, dass du dich mit den Sachen beschäftigt hast. Wie kriegen wir denn das Konzept jetzt am besten den Zuhörerinnen mitgeteilt, die es noch nicht kennen, also den Gedanken hinter dem Return on Invest oder vielleicht auch Opportunitätskosten?
Speaker: Hättest du da einen Ansatz? Es gibt eine schöne Kennzahl, die das ganz gut herstellt. Das ist die sogenannte Cost of Vacancy. Cost of Vacancy ist die Bezeichnung für was kostet es mich eigentlich, wenn ich eine Stelle längere Zeit nicht besetzt habe. Man denkt meistens andersrum, was kostet es mich eine Stelle zu besetzen, aber normalerweise ist
Speaker: Jeder Mitarbeiter in einem Unternehmen hat eine Wertschöpfung. Also sollte er zumindest haben oder sie. Und was würde es also kosten, wenn diese Person diese Wertschöpfung längere Zeit nicht zum Unternehmen dazu bringt? Und das kann man sich durchrechnen. Da gibt es diverse Formeln. Da kann ich auch gerne mal auf unseren Podcast verweisen, den ihr gerne verlinken könnt. Da haben wir nämlich eine komplette Folge, die sich nur darum dreht und die auch zeigt, da gibt es unterschiedliche Berechnungen. Ich glaube, das würde jetzt ausarten, wenn wir das komplett jetzt hier machen würden.
Speaker: Aber sich damit mal zu beschäftigen, das kann man kurz googlen, dann gibt es auch komplette Rechnern, dass man einfach nur die Zahlen reinhaut und ein Ergebnis rauskommt. Sich damit zu beschäftigen, ist eine andere strategische Sichtweise auf das Thema. Nämlich, in dem Moment ist HA nicht der Kostentreiber, sondern der, der verhindert, dass weitere Kosten entstehen.
Speaker: Das ist ja ganz einfach, wenn man sich das vorstellt. Ich habe ein Vertriebsteam mit zehn Mitarbeitern. Jeder von denen macht, weiß ich nicht, eine halbe Million Umsatz. Wenn jetzt einer von denen weg ist, ist halt eine halbe Million Umsatz im Jahr weniger da. Wenn es sechs Monate dauert, diese Stellen zu besetzen, sind da 250 .000 Euro, die das Unternehmen weniger einnimmt. Da kann man die Gehaltskosten abrechnen und dann habe ich immer noch ein Delta von 100 .000 Euro oder von 150 .000 Euro oder wie viel auch immer, die mir in dem Moment einfach fehlen. Und das zu verstehen,
Speaker: Und damit mal zu rechnen, damit auch mal zu arbeiten, dieses Mindset zu bekommen, ich glaube, das ist schon mal ein erster Schritt, um sich der Thematik zu bilden.
Speaker: Ja, wow. Also, ich glaube, den Tipp, da freuen sich alle drüber. Und wenn man da noch tiefer reingehen möchte, kann man ja gerne in eurem Podcast noch weiterhören. Finde ich eine super Idee. Jetzt für alle, du hast es vorhin schon mal anklingen lassen, die sagen, na ja, es geht aber viel um Menschen. Denkst du, dass man auch Gefahr läuft, wenn man so einen datengetriebenen Ansatz hat, dass man da den Mensch hinterher vergisst? Also, ich glaube, da drüben auf unserer Wand, da haben wir an unserer Podcast -Buff ein paar Recruiting -Tipps. Und da stand auch, es geht immer um Menschen.
Speaker: Passt der dann perfekt? Was denkst du? Kann es sich irgendwie ergänzen? Sind es zwei unterschiedliche Paar Schuhe, die man irgendwie dann halt zusammenbringen muss? Oder wie siehst du das Ganze? Ich glaube, Daten sind das, was uns helfen kann, besser mit Menschen zu arbeiten. Weil wir versuchen ja immer ein Ergebnis zu erzielen, nämlich eine Person einzustellen. An dem Moment, wo ich bessere Daten habe, kann ich bessere Entscheidungen treffen und kann zum Beispiel auch schauen, wer besser auf einen Job passt.
Speaker: Und das ist ja das Beste, was ich machen kann am Ende des Tages. Das bringt ja nichts, wenn ich zum Beispiel aufgrund von Biases, von Verzerrungseffekten möglicherweise oder die falschen Menschen einstelle beispielsweise oder eine Stelle nicht besetzt kriege, wo dann im Unternehmen drei Leute den Job von fünf Leuten machen müssen, weil ich die Stellen nicht besetzt kriege. Das ist auch nicht cool. Deswegen glaube ich, dass wir, erstens das Problem ist nicht so groß,
Speaker: Und zweitens, wir sind noch einen Meilen weit von diesem Problem entfernt, weil wenn wir uns so eine Skala anschauen und zwei Extreme, also wir sind gerade halt im einen Extrem und das war so oder bespricht jetzt das andere Extrem, das ist glaube ich noch ein gutes Stückchen weiter weg. Wenn wir irgendwann mal da sind, dann können wir darüber gerne eine eigene Folge machen, aber ich glaube, das wird noch ein paar Jahre dauern.
Speaker: Okay, alles klar. Ich stimme ja auf jeden Fall zu. Also das, was ich im Markt sehe, spricht da auf jeden Fall Bände. Jetzt für alle, die irgendwie erstmal pragmatisch reinstarten und sagen, okay, ich versuche mehr Daten in meinen Recruiting mit reinzubringen, ich versuche stärker in so eine Denkweise zu kommen, dass ich erkläre, wir sind nicht Kostentreiber, sondern wir bringen eigentlich am Ende Umsatz mit den Leuten, die wir euch finden.
Speaker: Gibt es auch irgendwas, wo du sagst, am Anfang gibt es irgendwelche Stolpersteine, die du da siehst, wenn man anfängt, datengetriebener zu arbeiten, wo man am Anfang drauf achten sollte?
Speaker: Ich glaube, der wichtigste Punkt am Anfang ist erst mal machen. Einfach mal machen, weil viele Leute fangen das Thema nicht an, weil sie zu viel Respekt vor dem Thema haben. Und ich glaube, erst mal im Kleinen anfangen mit den Daten, die man hat. Und wenn man so ist wie ich, ich arbeite wirklich gerne mit diesen Themen, wenn ich daran habe, dann neige ich manchmal dazu, mich in diesen Daten zu verlieren. Das heißt, was man am besten machen kann, ist, sich Ziele zu setzen.
Speaker: Daten sind ja nicht ein Selbstzweck, sondern sollten idealerweise zur Lösung eines Problems, zu einer Optimierung oder wo auch immer beitragen. Das sollte man immer wieder im Hinterkopf halten. Also ich habe ein Problem. Dieses Problem basiert auf x verschiedenen Bausteinen und davon kann ich dann eine gewisse Anzahl mit Zahlen belegen. Dann sollte ich immer wieder daran denken, diese Zahlen erhebe ich jetzt nur, diese Zahlen haben das Ziel, ein Problem zu lösen.
Speaker: Und wenn man das immer wieder im Kopf hält, dann kommt man, glaube ich, auch immer wieder auf ein gutes Ergebnis. Und das wird erst mal klein, vor allen Dingen auch anfallen. Man muss nicht irgendwie versuchen, ein riesiges Data -Warehouse -System aufzubauen, sondern erst einmal mit den kleinen Sachen, die man hat und dann überlegen, was ist das nächste coole Ding, was man machen kann. Und es gibt so viele Sachen, die kostenlos sind, die nicht viel Aufwand haben und trotzdem so unglaublich wirkmächtig sind.
Speaker: Und wenn ihr wollt, kann ich sogar sagen, was? Ja, gerne, auf jeden Fall. Ich habe gerade direkt gedacht, irgendwie sollten sich alle erstmal eine Excel -Tabelle anlegen und irgendwelche Daten reinmachen, aber dann ist die Frage, welche Daten? Deswegen, sag gerne. Also der erste Tipp, wir haben ja gerade schon darüber gesprochen, Web -Analyse -Tour sich anzuschauen. Da kann man glaube ich schon sehr, sehr viel mit machen und das öffnet einem schon mal sehr stark auch die Augen. Der zweite Punkt ist, fragt eure Dienstleister nach Daten. Also alles, was im Online -Bereich ist,
Speaker: hinterlässt Daten. Und jeder Dienstleister, für den ihr Geld ausgebt, sollte euch auch vernünftige Daten zur Verfügung stellen.
Speaker: Machen Sie nicht immer standardmäßig, man hat ja auch Zähne knirschen. Aber wenn ihr Geld ausgeht, habt ihr da auch ein Recht zu aus meiner Sicht. Deswegen fordert das ein. Und der dritte Punkt ist, und das ist wirklich total einfach und hat mich damals sehr, sehr stark weitergebracht, ich habe angefangen, meine Bewerber und Bewerberinnen regelmäßig zu befragen. So, jeder, fast oder fast alle haben ja irgendeine Form von standardisierter Kommunikation an Jobsuchenden, also Eingangsbestätigung,
Speaker: Zusage schreiben, Absage schreiben, bla bla bla bla bla. Entweder händisch, per Mail oder automatisiert über Bewerber -Menschmitt -Systeme. Wenn ich da einfach noch kurz eine kurze Survey ranpacke mit irgendwie zehn Fragen oder so, wie hast du den Bewerbungsprozess empfunden, wie zufrieden warst du mit Geschwindigkeit, bla bla bla bla bla, dann hast du plötzlich unglaublich viel wichtige Daten, die dir zeigen, wo ist denn vielleicht auch mal intern das ganze Problem. Plötzlich hast du krasse Argumente, wenn du Dinge ändern möchtest.
Speaker: Ich habe das mehrmals bei vielen Unternehmen schon eingeführt. Übrigens das erste damals auch Vodafone, also vor 15 Jahren.
Speaker: Bei einem Unternehmen, wo ich es eingeführt habe, war eine spannende Situation. Wir haben dann speziell nochmal die Leute angeschaut, die so der Worst Case in Recruiting sind. Nämlich diejenigen, die nach einer Vertragszusage abgesagt haben. Das heißt, wir haben als Arbeitgeber die gesamte Zeit investiert. Wir haben Interviews geführt, den Reisekosten erstattet und so weiter und so fort. Die Führungskräfte haben sich Zeit genommen. Man hat vielleicht auch schon anderen Bewerber abgesagt, weil man hat ja den idealen Kandidaten oder die ideale Kandidatin im Kopf.
Speaker: schickt den Menschen Vertragsangebote und die sagen, also Worst Case war ein maximaler Aufwand und minimaler Ergebnis. Und wir haben gefragt, woran liegt das denn, dass diese Zahl noch existiert und warum ist diese hochgefühlt? Geschäftsführung war sich total sicher.
Speaker: Ja, wir zahlen zu wenig. Der Wettbewerb, der zahlt doch phänomenal. Das klang auch total plausibel, muss ich sagen. Aber ich dachte, ich habe doch Zahlen. Warum gucke ich nicht mal in die Zahlen rein? Und das spannende Punkt ist, das Thema Gehalt war nichtmals in den Top 3 der Antwort. Und Punkt 1, also der größte, war Geschwindigkeit. Wir waren zu langsam. Das heißt, wir hätten vielleicht Millionen von Euros auf dieses Problem geschmissen, ohne das Problem zu lösen.
Speaker: Jetzt hätte man sagen können, es ist ja nicht Recruiting Budget, kann doch egal sein. Aber ich denke ja immer unternehmerisch, deswegen wäre es in dem Moment eine unglaublich schlechte Entscheidung gewesen und hätte das Problem nicht gelöst. Und deswegen bin ich da total begeistert. Das Ganze hat mich 0 Euro gekostet und hat uns nun einige Millionen Euro eingespart.
Speaker: Ja, verrückt. Also Leute, holt euch ein Umfragetool und baut in eure Absage -Mails oder wo auch immer mit rein. Genau. Ja, klasse. Vielen Dank. Ich frage eigentlich nach Tipps, aber du hast schon so viele herausgehauen, dass wir, glaube ich, sehr gut versorgt sind an der Stelle. Sehr gut. Deswegen vielen Dank im Namen der ZuhörerInnen für die ganzen Insights. Und genau in den Show Notes verlinken wir ja noch die Tabellen, wo du gemeint hast und euren Podcast. Und ansonsten vielen Dank und noch einen schönen Tag dir. Danke auch.
Speaker: Das war der WorkRise Recruiting Talk. Wenn dir diese Folge gefallen hat, teile sie gerne mit deinen Kollegen oder Kolleginnen und deinem Netzwerk und lass uns eine Bewertung da. Wenn du keine Folge verpassen möchtest, abonniere jetzt unseren Podcast. Bis zum nächsten Mal.
