Большие данные (Big data) в вопросе подбора персонала означают большие проблемы для соискателей

«Использование технологий больших данных в рекрутинговом процессе не всегда помогает сделать правильный выбор», - говорит Ник Коркодилос. Ник Коркодилос начал свою карьеру рекрутера в 1979 году в Силиконовой Долине и за последнее десятилетие ответил более чем на 30 тыс. вопросов на сайте сообщества Ask The Headhunter.

На прошлой неделе я участвовал в программе «CUNY-TV news show», которую ведет Брайн Лерер (Brian Lehrer), где мы обсуждали, как отделы по управлению человеческими ресурсами неправильно используют большие данные (или так называемую «человеческую аналитику»)  в процессе привлечения кандидатов, их найма и наблюдения за сотрудниками. Я считаю, что данная тема заслуживает гораздо более серьезных исследований и обсуждений.

Вы расстраиваетесь, потому что работодатель не раздумывая отбросил Ваше резюме, даже не пообщавшись с Вами? Надоело, что онлайн- приложения не берут в рассмотрение Вашу заявку, так как Вы слишком долго отвечали на вопросы, или потому, что Вам не удалось расписать свою зарплатную историю?

Постойте, американская система подбора персонала становится еще более автоматизированной и алгоритмизованной, так как в ней все большей степени используются большие данные для «обработки» Вашей кандидатуры. 

По данным журнала The Atlantic (статья “They’re Watching You At Work, Don Peck), вице-президент департамента по подбору персонала в компании Xerox предупреждает, что “мы приближаемся к моменту, когда некоторые из наших менеджеров по персоналу даже не захотят более проводить собеседования с кандидатами”.  Согласно данной статье, «они лишь будут стремиться нанимать людей с наивысшими баллами».

Не беспокоит ли это Вас?

Меня беспокоят претензии создателей технологий больших данных, людей, которые продвигают идеи внедрения подобных приложений в процесс подбора персонала, а также некоторые выводы, сделанные Пеком в своей статье. Согласно данным информационного портала CMO.com, такие программы создают новые методы сбора, обработки и анализа информации, преимущественно в маркетинговых целях (см. CMO.com, “Big Data’ Is A Very Big Deal”. Вполне возможно, что их использование – это лишь рыночная тенденция).

Но я считаю, что в применении больших данных к процессу оценки кандидатов на должность и анализу работы сотрудников компании имеется ряд серьезных проблем. 

Показатели являются косвенными

Создатели соответствующих приложений не оценивают напрямую, способен ли человека справляться с работой или нет. Вместо этого, они обращают внимание на косвенные признаки того, годится ли кандидат на вакантную должность или нет. Например, они просят Вас сыграть в игру и измеряют время Вашей реакции. Опираясь на эти показатели, они пытаются предсказать Ваш успех на рабочем месте. Именно это определит, пригласят ли Вас на собеседование или нет.

Проблема: нам давно известно, что данный подход не работает.Исследователь Уортона (Wharton) Питер Капелли (Peter Cappelli) негативно относится к косвенным оценкам. «Наука прогнозирования и выбора не способна воспроизвести реальную картину того, как человек будет работать на самом деле».

Все это вместе представляет собой процесс оценки кандидата с помощью больших данных- большого количества ненужной и бесполезной информации о людях  и их поведении, которая не имеет ничего общего с задачами реальной рабочей среды. Но увеличение объема данных о неподходящем поведении человека не поможет сделать более качественные прогнозы. Фактически, это лишь ухудшает положение, когда данные являются не применимыми для составления прогноза.  Так как косвенное оценивание ведет к ошибочным отказам (работодатель отвергает потенциально хороших кандидатов) и ошибочным одобрениям кандидатур (нанимаются неподходящие люди по неправильным причинам).

Выводы делаются на основе корреляции.

Данные технологии предсказывают успешность того или иного кандидат основываясь на том, совпадают ли определенные характеристики данного человека с характеристиками целевой выборки людей. Например, статья Пека говорит о том, что «один сплошной предиктор сильного кодирования [программирование] является ключом к конкретному сайту японской манги» (Манга это японский комикс).

Gild, компания, которая подала подобный иск, говорит о том, что это лишь одна связь из многих. Но Gild также соглашается с тем, что « не существует причинно-следственных связей» между всем объемом данных, которые система получает о человеке и тем, как он будет исполнять свою работу.

 В итоге сделаем совершенно нелогичный вывод, как говорит главный ученый компании Gild, «взаимосвязь, даже если она является непонятной, все равно довольно ясна».

Проблема: Базовый принцип эмпирических исследований состоит в том, что корреляция не предполагает наличие причинно-следственных связей, или даже объяснения чего-либо. Данные говорят нам о том, что люди умирают в больницах и что это сильно коррелирует с присутствием докторов в госпиталях. Отбрасывая все шутки, эта зависимость не означает, что доктора убивают людей. Исключением являются лишь большие данные в сфере HR: если компания продает «человеческую аналитику», тогда Ваш продукт – это игра, которая предсказывает как кто-либо будет исполнять свою работу.

Когда мы придаем слишком много значения косвенным оценкам (задаем вопрос на собеседовании: каким животным Вы были бы, если бы могли им стать?), мы лишаем себя истинных причин принять решение по тому или иному кандидату и не оставляем себе никакой основы для получения его истинной оценки.

Скрытые предостережения для рекрутеров в использовании больших данных.

Нахождение на сайте аниме никого не сделает хорошим программистом, как и не предскажет успеха на работе. Но возможно, что рекрутер сможет найти там отличного специалиста (например, того же программиста)- разумное решение и действенная тактика найма, о которых люди, дававшие интервью Пеку кажется не задумывались. Я не думаю, что Пек написал эту статью, чтобы продвинуть «человеческую аналитику», как решение тех проблем, с которыми сталкиваются американские компании в процессе найма, но кажется, что он считает Kool-Aid действительно вкусным напитком. Я полагаю, что Пек хитрит, когда путает полезные данные, которые работодатель собирает о поведении своих подчиненных с предсказаниями, основанными на глупых оценках программ больших данных.

Рассмотрим два момента, которые поразили меня. По крайней мере, лежащие в их основе предположения были ослепляющие в любом случае.

  • Тайное наблюдение раскроет все тайны

Для дальнейшей поддержки косвенных оценок сотрудников и кандидатов на работу, Пек приводит пример работы исследователя Массачусетского технологического института Сенди Пентланда (Sandy Pentland) , который крепил на сотрудников электронные чипы, чтобы собрать данные об их повседневной работе. Другими словами, Пентланд сопровождал людей везде при помощи этого устройства, чтобы посмотреть, чем они занимаются.

Чипы фиксировали всю информацию о формальных и неформальных разговорах: их продолжительность, тон голоса и жесты участвовавших в обсуждении лиц; как много эти люди общались, слушали и перебивали; степень, в которой они демонстрировали сочувствие и экстровертность и многое другое.

Это, безусловно, большие данные. Но Пек отмечает, что эти чипы не находятся в повседневном использовании любой компании.

  • Это всего лишь игра

Многие революционные открытия, о которых пишет Пек появились из тестовых стартапов, как, например, изобретение, названное Knack, создающее игру, которая в свою очередь «раскрывает человеческий потенциал».

Проект Knack продолжает искать венчурное финансирование и пока единственным пользователем этого устройства, упомянутым в статье, является Пало Альто (Palo Alto) из Высшей школы, который использует игры Knack, чтобы помочь студентам задуматься о своей карьере.

«Сыграйте в одну из предлагаемых игр в течение 20 минут,- говорит Guy Halfteck, изобретатель Knack и Вы получите несколько мегабайт данных, которые в значительной мере превышают ту информацию, которую можно получить от прохождения теста на проверку академических способностей (SAT) или личностных тестов.

Опять же, мы видим акцент именно на больших объемах данных. Но улучшит ли это качественно те выводы, которые сделает Knack? Давайте проведем сравнение с медициной. Это легко: если больший объем данных игры может быть использован для определения больших взаимосвязей, то могут ли врачи ставить диагнозы пациентам более эффективно, собрав больший объем анализов (напр., мочи)? Вот простая логика.

Никаких продаж

Я не покупаю подобное программное обеспечение. Как хедхантер, я хочу знать, можете ли Вы выполнять данную работу или нет.

Тем не менее некоторая информация, полученная с помощью технологий больших данных, может быть полезной. Например, Пек говорит о том, что компания Microsoft получила данные, показывающие что сотрудники, имеющие наставников, реже бросают свою работу, поэтому Microsoft обеспечивает наставниками своих новобранцев. Но Пек, кажется, легко подменяет понятия законных данных с глупыми играми корреляции. И те стартапы, о которых он рассказывает, не кажутся такими уж передовыми. Они лишь пытаются продать идею того, что большие данные создают взаимосвязи, которые в свою очередь стоят денег.

Бизнес по «тестированию персонала» процветает с сомнительной практикой. Доктор Erica Klein, промышленный психолог и эксперт по тестированию персонала, пишет в своей статье “Employment Tests: Get The Edge”:

«К сожалению, не существует никаких законов против глупых или раздражающих тестов. Иногда компании используют не очень качественные тесты, созданные плохими производителями. Такие компании- окончательные лузеры, так как они не имеют возможности выбрать лучших сотрудников и могут подвергнуть себя подвергать себя дискриминации исков. Последней каплей является тот факт, что каждый может создать и продать подобный тест.

Большая сделка

Мы знаем, что то, что Cappelli говорит о науке предсказания верно. Но, по моему мнению, лучше всего процитировать Арнольда Гласса (Arnold Glass), ведущего научного сотрудника в области когнитивной психологии в университете Рутгерса:

Известно со времен Alfred Binet и Victor Henri, создавших впервые тест на IQ в 1905 году, что лучше всего предскажет то, как будет работать (или учиться) человек тест вместе с заданиями, которые кандидат будет выполнять непосредственно на рабочем месте. Таким образом, идея того, что сбор тонн ненужных фактов о человеке (большие данные) и включение их в гигантское уравнение регрессии повысит их прогностическую ценность- смешна.

В процессах поиска и найма  персонала нет места для спекулятивного анализа всей информации, какую мы только можем получить. В то время, как отделы по работе с персоналом проводят эксперименты над людьми, ищущими работу, менеджеры теряют навыки подбора и оценки кандидатов. Кажется, что любая технология, которая может «обработать» больше и больше соискателей лучше, чем несколько талантливых специалистов, которые смогут распознать лишь несколько по истине достойных работников.

Можно легко доказать, что работодатели сегодня боятся принятия решений и совершения ошибок в плане найма сотрудников, и слишком легко соблазняются на применение технологий больших данных.

Перевод подготовила Лабутина Наталья.