ASML over gebruik van data voor HR-doeleinden
In ‘Gezien bij’ belichten we nuttige tools, best practices en ultieme tips rondom het thema aantrekken en behouden van internationaal talent. Aan het woord ditmaal is Mattijs Mol- Global Program Head Recruitment Processes & Analytics @ASML over hoe ASML data gebruikt voor recruitment en HR doeleinden.
Mattijs Mol- Global Program Head Recruitment Processes & Analytics @ASML
Kun je heel kort omschrijven wat jij en je team doen?
Verschillende economische, demografische en technologische trends hebben impact op de arbeidsmarkt. Wat wij doen is deze trends aan de hand van data inzichtelijk maken en daar in co-creatie met andere afdelingen actie op ondernemen zodat de trends zo min mogelijk impact hebben op onze bedrijfscontinuïteit.
Hoe ga je dan te werk? Waar haal je de data vandaan?
Die data verzamelen we zowel uit interne als uit externe bronnen en het betreft zowel kwantitatieve als kwalitatieve data. Zo zijn voorbeelden van interne bronnen onze recruitmentsystemen en kwalitatieve interviews met recruitment en de business over wat we de komende jaren nodig hebben. Voorbeelden van externe bronnen zijn onder meer LinkedIn Insight, CBS en labour insights.
Hoe knoop je die data aan elkaar?
We voeren onze analyses uit aan de hand van een bepaalde methode. Daarbij formuleren we een duidelijke onderzoeksvraag en kijken we hoe we die vraag kunnen beantwoorden aan de hand van data. Dan heb je een goed onderbouwd verhaal richting je stakeholders. Data is uiteindelijk de aandrijver. Het laat duidelijk zien waarom iets anders moet en dat het nodig is om andere, vernieuwende acties te ondernemen om bepaalde tekorten aan schaarse mensen en competenties aan te pakken en alternatieve oplossingen te bedenken. Als je het goed presenteert, openen data deuren en dat merk je. We zitten bij ASML echt op een goudmijn. De data hier bieden zoveel potentieel die we kunnen benutten. Met een goede analyse komen werkt. Dan zijn mensen bereid actie te ondernemen en dat is gaaf!
Heb je concrete voorbeelden van alternatieve oplossingen of koerswijzigingen die zijn ingezet door jullie analyses?
Een voorbeeld is dat we interne en externe data hebben gebruikt om de koers te valideren. De business geeft bijvoorbeeld aan: ‘we hebben 250 medewerkers nodig met dit specifieke profiel.’ Wij toetsen dan aan de hand van data of dat haalbaar is. Datascientists bijvoorbeeld: Wat is er beschikbaar?, Waar zitten ze?, Met wie concurreer je tijdens het werven?... We bekijken dan in co-creatie met de business en recruitment wat de beste aanpak is. Als we tot de conclusie komen dat ze er simpelweg niet zijn, zou een oplossing kunnen zijn de werkzaamheden anders te faseren en te prioriteren. Een andere optie zou kunnen zijn dat je kijkt naar de competenties die je al in huis hebt en waar je eventueel kunt bijscholen. Alles draait bij zo’n proces om co-creatie tussen afdelingen. Je moet het samen doen.
Een ander voorbeeld van interne co-creatie is het onboardingsprogramma waar Suzanne Keulen voor verantwoordelijk is. Daarbij brengen aan de hand van data in kaart wat medewerkers nodig hebben op verschillende momenten in hun journey. Door middel van design thinking sessies met de doelgroep krijgen we daar inzicht in. Dat onderbouwen we vervolgens met data.
Hoe ziet je team eruit?
We zijn met vijf man en hebben heel verschillende achtergronden. Allemaal hebben we een Computer Science of Data Science achtergrond maar dan in combinatie met zeer uiteenlopende andere eerdere opleidingen en ervaringen in diverse disciplines. Zelf heb ik bedrijfskunde gestudeerd met als afstudeerrichting Strategische HRM. Achtereenvolgens heb ik bij De Linde Groep, Dorel Juvenile en Philips gewerkt.
ASML is een groot bedrijf met aanzienlijke hoeveelheden data en de capaciteit om die te analyseren. Is arbeidsmarktintelligentie ook bereikbaar voor het midden- en kleinbedrijf? En wat zou je hen adviseren?
ASML is inderdaad een groot bedrijf. Desalniettemin krijgen we met relatief beperkte middelen heel veel voor elkaar. Natuurlijk beschikken wij over grote hoeveelheden data die kleinere bedrijven niet hebben, maar heel veel van de bronnen die we gebruiken zijn publiek en voor iedereen toegankelijk. Verder gaat het er met name om dat: ‘if you do what you did, you get what you got.’ Met andere woorden als je een andere uitkomst wil dan moet je misschien ook iets anders doen. Dat hoeft niet heel exotisch te zijn. Denk bijvoorbeeld aan referral recruitment of aan kritisch kijken naar een rol wanneer iemand weggaat. Je zou jezelf dan de vraag moeten stellen: ‘wil ik die positie met eenzelfde profiel invullen?’, Misschien is het wel een kans om net een andere koers in te zetten. Het komt er simpelweg op neer dat als je een andere uitkomst wilt, je andere dingen zult moeten doen. Slim, creatief nadenken en met andere oplossingen komen en pionieren, daar gaat het om.