Ключевой этап подбора персонала — это первичный поиск и отбор. Тут нельзя ошибаться, иначе можно упустить хорошего кандидата или потратить время на неподходящего, увеличив нагрузку на команду. Я расскажу о главной проблеме автоматизированного поиска — кажущейся объективности — и объясню, как объединить технологии и опыт людей. Эта информация будет полезна как рекрутерам, которые занимаются массовым подбором и поиском конкретных специалистов, так и HR-менеджерам, выбирающим IT-решения для рекрутинга.
За почти два десятилетия в рекрутинге я видела, как меняются инструменты, но неизменной остается одна боль: мы снова и снова упускаем сильных кандидатов из-за собственных слепых зон. Сегодня "союзником" в создании этих слепых зон стал бездумный парсинг.
Многие до сих пор верят, что парсинг — это волшебная кнопка «найти идеального кандидата». Увы, это не так. Парсинг — как хороший поисковик: что задашь, то и получишь. Если запрос неточный, жди много ненужной информации и пропустишь самое важное. Главное – не отказываться от технологий, а научиться ими управлять. Самая большая ошибка — думать, что система оценивает всех одинаково. Это неправда. Алгоритм очень пристрастен, ведь он просто делает то, что Вы ему сказали, даже если Вы неправы. Рассмотрим на реальном кейсе. Я искала руководителя продукта для fintech-стартапа. В фильтры зашила стандартный набор: «Product Manager», «A/B testing», «Roadmap», «PRD», «Jira». Система исправно отсеяла сотни резюме. Но когда я вручную пролистала отсев, то нашла резюме женщины, которая пять лет руководила продуктом в крупном банке. Вместо «A/B testing» она писала «сравнительный анализ воронок», вместо «Roadmap» — «план развития продукта». Ее реальный опыт по запуску платежных систем был идеален для нас, но алгоритм, не видя нужных англицизмов, выбросил ее в корзину. Это не гипотетическая история.
Согласно исследованию, проведённому Гарвардской бизнес-школой совместно с Accenture, автоматизированные системы отбора кандидатов часто отбраковывают множество квалифицированных специалистов. Это происходит из-за того, что их резюме не соответствуют строгим и порой узким требованиям, установленным работодателями. Авторы исследования называют этих людей "скрытыми работниками" – огромным резервом невостребованных талантов. Проблема не в технологии, а в нашем подходе. Мы программируем алгоритмы искать «квалификацию на бумаге», а не «потенциал к работе». Мы часто упускаем из виду важную вещь: парсинг нужен не для того, чтобы найти кандидатов, идеально подходящих под ключевые слова, а для того, чтобы найти тех, кто действительно справится с работой.Например, при поиске Python-разработчика рекрутер забивает в фильтры: «Python», «Flask», «PostgreSQL», «5+ years experience». Алгоритм честно найдет всех, у кого есть эти пункты. Но он гарантированно пропустит:
Мы часто делаем ошибку, сужая круг поиска, когда стоит его расширить. Вместо того чтобы искать уникальных людей, мы гоняемся за клонами. Чтобы этого избежать, я использую простой, но рабочий метод
1. Профессиональные навыкиЭто обязательные требования, без которых работа невозможна. Для пилота — лицензия. Для бухгалтера — знание МСФО. Пилоту нужна лицензия, бухгалтеру — знание МСФО, а разработчику — нужный язык программирования. Здесь можно точно искать по ключевым словам. Но таких требований в вакансии должно быть немного, штуки три, не больше.2. Как описать навыки и что важноЭто самая интересная часть. Вместо того чтобы зацикливаться на одном слове, мы собираем все возможные варианты и похожие проявления нужного навыкаВместо: «стрессоустойчивость» (это слово редко пишут в резюме).Ищем: «работа в сжатые сроки», «запуск проекта с нуля», «урегулирование конфликтных ситуаций», «работа в условиях неопределенности», «опыт проведения сложных переговоров».Для технических специальностей это синонимы технологий (Kubernetes -> k8s) и смежные навыки (ищем «CI/CD» для DevOps — добавляем «Jenkins», «GitLab CI»).3. Ручной аудит «слепых зон»Это правило 10 минут. Прежде чем начать обзванивать отобранных системой кандидатов, потратьте 10 минут на просмотр резюме, отсеянных алгоритмом. Просмотрите 30-50 штук. Вы с удивлением обнаружите хотя бы 1-2 сильных кандидатов, которых отсеяла система. Это поможет постоянно корректировать и улучшать Ваши поисковые запросы.
Как можно улучшить процесс поиска кандидатов:
1. Проверьте пропущенные резюме. Возьмите одну из недавних вакансий и просмотрите 50 резюме, которые были отклонены системой. Так вы узнаете, сколько хороших кандидатов было отсеяно.2. Составьте список синонимов. Пусть рекрутеры создадут таблицу с разными вариантами названий для важных навыков и должностей. Например, для управления командой можно указать: team lead, руководитель отдела и другие похожие слова. Этот список нужно постоянно обновлять.3. Проверяйте поисковые запросы. Перед тем как отправлять много писем, сделайте небольшую рассылку, оцените результаты и внесите изменения, если нужно. Только после этого запускайте массовую рассылку.
Парсинг не заменит рекрутера, а сделает его работу лучше. Технология берет на себя скучные задачи, давая больше времени на анализ, стратегию и общение с людьми. Главное в парсинге – не программа, а ум рекрутера, который знает, кого и зачем он ищет.
Отправляя данные вы подтверждаете пользовательское соглашение