İçindekiler

1. Tahmine Dayalı İşe Alım Analitiğinin Gerçek Rolü Nedir?
2. İşe Alım Analitiğinin 5 Temel Sütunu
3. Kurumsal Araçlar Olmadan Başlangıç Yapmak
4. Sık Yapılan Hatalar

Çoğu şirket aceleyle işe alım yapar. Biri istifa eder. Yeni bir proje başlar. Ekip iş yükünün altında ezilir. Sonra o panik süreci başlar: iş ilanı yazılır, yayınlanır, başvurular beklenir, adaylar elenir, mülakatlar yapılır, teklif götürülür. Bu döngü ortalama 44 gün sürer ve yeni işe alınan kişi tam üretken olmaya başladığında, işin o ilk aciliyeti ya geçmiş ya da katlanarak büyümüştür.

Tahmine dayalı işe alım analitiği ise bu sırayı tersine çevirir. Boş pozisyonlara can havliyle yanıt vermek yerine, onları önceden tahmin edersiniz. Gelecek çeyrekte kaç kişiye ihtiyacınız olacağını tahmin etmekle uğraşmaz, elinizdeki verilerdeki örüntülere dayanarak öngörülerde bulunursunuz. İşe alım süreçlerinde tahmine dayalı analitik kullanan şirketler, personel sirkülasyonunun %39 azaldığını ve yeni işe alınanların üretkenliğe geçiş süresinin %70 kısaldığını belirtiyor.

Burada amaç, insan sezgisinin yerine algoritmaları koymak değildir. Amaç, kritik bir pozisyon iki ay boyunca boş kalmadan çok daha önce, işe alım ekibinize daha doğru kararlar vermeleri için ihtiyaç duydukları bilgileri sunmaktır.

Tahmine Dayalı İşe Alım Analitiğinin Gerçek Rolü Nedir?

Tahmine dayalı analitik; gelecekteki işe alım sonuçlarını öngörmek için geçmiş verileri, istatistiksel modelleri ve (gittikçe daha fazla) yapay zekayı kullanır. Pratik anlamda bu, şu sorulara yanıt bulmak demektir:

• Büyüme hızımıza ve geçmişteki işten ayrılma oranlarımıza bakarak gelecek çeyrekte kaç kişiyi işe almamız gerekecek?

• Önümüzdeki 6 ay içinde en çok hangi departmanlarda işten ayrılmalar yaşanma ihtimali var?

• Geçmiş randımanımıza göre belirli bir pozisyonu doldurmak ne kadar sürer?

• Verilen bir pozisyonda uzun vadeli başarı elde etmek ile adayların hangi özellikleri arasında bir bağ var?

• İşe alım hunimizin hangi aşamasında en nitelikli adayları kaybediyoruz?

İşin "tahmine dayalı" kısmı, sadece geçmişte ne olduğuna bakmadığınız anlamına gelir. Gelecekte ne olacağını öngörürsünüz, böylece sorun kapıya dayanmadan harekete geçebilirsiniz.

İşe Alım Analitiğinin 5 Temel Sütunu

1. Talep Öngörüsü

Cevap verdiği soru: Ne zaman, kaç kişiyi işe almamız gerekecek?

Talep öngörüsü, gelecekteki çalışan sayısı ihtiyacını belirlemek için işletmenin büyüme planlarını (gelir hedefleri, yeni ürün lansmanları, pazarda büyüme) geçmişteki örüntülerle (sezonsal işe alım artışları, işten ayrılma oranları, pozisyon doldurma sıklığı) birleştirir.

Girdiler: Gelir büyüme oranı, departman bazlı işten ayrılma verileri, planlanan projeler ve bunların personel ihtiyaçları, sezonsal dalgalanmalar, çalışanların çalışma süreleri.

Çıktı: Pozisyona, departmana ve çeyreğe göre hazırlanan bir işe alım öngörüsü. Bu sayede işe alım ekibiniz, kadrolar resmi olarak açılmadan önce aday aramaya başlayabilir.

Örnek: Verileriniz, mühendislik ekibinizde yıllık işten ayrılma oranının %18 olduğunu ve yıl sonuna kadar mühendis sayısını 40'tan 60'a çıkarmayı planladığınızı gösteriyor. Bu da bu yıl yaklaşık 27 mühendisi (20 büyüme odaklı + 7 ayrılanların yerine) işe almanız gerektiği, yani çeyrek başına yaklaşık 7 mühendis anlamına gelir. Aday havuzunu oluşturmaya kadro açıldığında değil, şimdiden başlayın.

2. İşten Ayrılma Tahmini

Cevap verdiği soru: Kimlerin, ne zaman ayrılma ihtimali var?

İşten ayrılma modelleri, çalışanların kendi istekleriyle ayrılmalarından önceki ortak örüntüleri tespit eder. Sık karşılaşılan sinyaller arasında kıdem eşikleri (2. yıl dönümü genellikle en kritik dönemdir), piyasaya göre ücret durumu, yönetici değişiklikleri, terfi hızı ve memnuniyet anketlerindeki puanlar yer alır.

Girdiler: Kıdem süreleri, piyasa ücret karşılaştırmaları, performans değerlendirmeleri, memnuniyet puanları, yönetici kıdemi, terfi geçmişi, dış piyasa hareketliliği.

Çıktı: Çalışan veya departman bazında hazırlanan risk skorları. Bu skorlar sayesinde çalışanları elde tutmak için erkenden önlemler alabilir veya boşalması muhtemel roller için şimdiden aday havuzları oluşturabilirsiniz.

İşe alım için neden önemli: Modeliniz, 10 kıdemli mühendisinizden 3'ünün önümüzdeki 6 ay içinde ayrılma ihtimalini %70 olarak gösteriyorsa, istifalar geldikten sonra telaşlanmak yerine bugün kıdemli mühendis aramaya başlayabilirsiniz.

3. Aday Havuzu Analitiği (Funnel Performansı)

Cevap verdiği soru: İşe alım hunimizin hangi noktasında kayıplar yaşıyoruz ve bunu nasıl düzeltebiliriz?

Her işe alım hunisinin belirli aşamaları vardır: başvuru, ön eleme, mülakat, teklif ve kabul. Aday havuzu analitiği, bu aşamalar arasındaki dönüşüm oranlarını takip eder ve nitelikli adayların nerede elendiğini ya da süreçten çekildiğini belirler.

Girdiler: Aşama aşama aday sayıları, aşamalarda geçirilen süreler, kaynaktan işe alıma dönüşüm oranları, adayların çekilme nedenleri, teklif-kabul oranları.

Çıktı: İşe alım hunisinin sağlığına dair net bir tablo. Ön elemeden mülakata geçiş oranınız %80, ancak mülakattan teklife geçiş oranınız %5 ise, ya ön elemeyi iyi yapmıyor (niteliksiz adayları geçiriyor) ya da her pozisyon için gereğinden fazla aday ile mülakat yapıyorsunuz demektir.

Sık karşılaşılan bulgular:

• Referans yoluyla gelen başvuruların işe dönüşme oranı, ilan sitelerinden gelenlerin tam 11 katıdır

• Aşamalar arasında 7 günden fazla bekleyen adayların süreçten çekilme ihtimali %30 daha fazladır

• Yapılandırılmış puanlama sistemi kullanan rollerde teklif kabul oranları 2 kat daha yüksektir

4. İşe Alım Kalitesi Ölçümü

Cevap verdiği soru: Gerçekten iyi performans gösteren ve bizde uzun süre kalan kişileri mi işe alıyoruz?

İşe alım kalitesi; işe alım öncesi verileri (aday kaynağı, mülakat puanları, değerlendirme sonuçları) işe alım sonrasındaki çıktılarla (performans değerlendirmeleri, 12. aydaki elde tutma oranları, tam üretkenliğe geçiş süresi) bağdaştırır.

Girdiler: Mülakat değerlendirme formları, sınav/test puanları, adayın ulaşıldığı kaynak, işe alım yöneticisinin memnuniyet puanları, 90 günlük ve 12 aylık performans verileri, şirkette kalma durumu.

Çıktı: Hangi işe alım kriterlerinin gelecekteki başarıyı gerçekten öngördüğünün anlaşılması. Bu bilgi, ön eleme kriterlerinizi güncelleyerek gelecekteki işe alımların çok daha isabetli olmasını sağlar.

Örnek: "Problem çözme simülasyonu" çalışmasında en yüksek puanı alan adayların, ilk yıllık performans değerlendirmelerinde "beklentileri aşıyor" olarak değerlendirilme olasılığının 2,3 kat daha fazla olduğunu fark ettiniz. Demek ki bu çalışmanın değerlendirme sürecindeki ağırlığı artırılmalıdır.

5. Pazar Analizi (Market Intelligence)

Cevap verdiği soru: Yetenek pazarında işe alım gücümüzü etkileyen ne gibi gelişmeler yaşanıyor?

Pazar analizi dış faktörleri takip eder: rakiplerin işe alım faaliyetleri, pozisyon bazlı maaş enflasyonu, yetenek arz-talep oranları, bölgeye göre yetenek yoğunluğu ve yeni yükselen beceri trendleri.

Girdiler: Kariyer sitelerindeki ilan hacimleri, maaş araştırması verileri, rakip şirketlerin kariyer sayfalarının takibi, LinkedIn yetenek havuzu verileri, sektör raporları.

Çıktı: Planlanan işe alımlar için pozisyonun doldurulma süresi, maaş rekabetçiliği ve aday bulma zorluğu gibi konularda gerçekçi beklentiler.

Kurumsal Araçlar Olmadan Başlangıç Yapmak

Tahmine dayalı işe alım verilerinden yararlanmak için yüz binlerce lira değerinde devasa yazılımlara ihtiyacınız yok. Bir ATS (Aday Takip Sistemi) ve bir Excel tablosuyla bile şunları yapabilirsiniz:

Seviye 1: Temel Metrikler (Tüm Şirketler İçin)

İlk günden itibaren ATS'nizde şunları izlemeye başlayın:

• Pozisyon türüne göre işi doldurma süresi

• Kaynaktan işe alıma dönüşüm oranları (en iyi çalışanlarınız nereden geliyor?)

• Aşama geçiş oranları

• Teklif kabul oranı

• 90 günlük elde tutma oranı

Bu tanımlayıcı metrikler, geleceğe yönelik öngörü yapmanın temelini oluşturur. Daha önce hiç ölçmediğiniz bir işe alım süresini gelecekte tahmin etmeniz mümkün değildir.

Seviye 2: Örüntü Tanımlama (Yılda 25+ İşe Alım Yapanlar)

Elinizde 6-12 aylık veri biriktiğinde:

• Departman ve kıdem aralığına göre ortalama işten ayrılma oranını hesaplayın

• Pozisyon türüne göre en çok işe alımla sonuçlanan kaynakları belirleyin

• Aday arzındaki sezonsal dalgalanmaları haritalandırın

• Mülakat puanları ile performans sonuçları arasındaki bağı inceleyin

Seviye 3: Tahmine Dayalı Modelleme (Yılda 100+ İşe Alım Yapanlar)

İşler büyüdüğünde şunları yapabilirsiniz:

• Kıdem süresi, maaş ve memnuniyet verilerini kullanarak işten ayrılma riski modelleri kurun

• Büyüme planları ve geçmiş verilere dayanarak her çeyrek için işe alım taleplerini öngörün

• Geçmiş performans ve pazar koşullarına göre belirli pozisyonların ne kadar sürede dolacağını tahmin edin

• Adayların hangi özelliklerinin uzun vadede başarı getireceğini tespit edin

Sık Yapılan Hatalar

Yanlış veri girilirse, yanlış sonuç alınır. Tahmine dayalı modeller, yalnızca onları besleyen veriler kadar başarılıdır. Eğer ATS'nizdeki veriler tutarsızsa (aşamalar güncellenmiyorsa, kaynaklar girilmiyorsa, puanlar yazılmıyorsa), tahminler de yanıltıcı olacaktır. Temiz ve düzenli veri girişi alışkanlığı bu işin olmazsa olmazıdır.

Başarıyı değil, önyargıları kopyalamak. Eğer geçmiş işe alım verileriniz birtakım önyargılar içeriyorsa (sürekli aynı okullardan, geçmişlerden veya demografilerden alım yapmak gibi), tahmin modelleriniz bu önyargıları tekrarlamayı öğrenecektir. Modellerinizin objektif kalıp kalmadığını düzenli olarak denetleyin.

Veriye körü körüne güvenmek. Analizler karar vermek için birer girdi olmalıdır, kararın kendisi değil. Modelin öngördüğü eşiğin biraz altında kalan bir aday, modelin ölçemediği başka dinamikler sayesinde hâlâ en doğru aday olabilir. Veriyi tek karar mercii olarak değil, karara yardımcı bir araç olarak kullanın.

Yanlış şeyleri ölçmek. İşe alım kalitesini hesaba katmadan sadece işi doldurma hızına odaklanmak, kalite pahasına hızı seçmenize yol açar. Süreç metriklerini ölçerken (hız, maliyet vb.) her zaman performans ve elde tutma gibi sonuç metriklerini de yanına ekleyin.

Sıkça Sorulan Sorular

Tahmine dayalı işe alım analitiği için ne kadar veriye ihtiyaç var?

Temel öngörüler (işi doldurma süreleri, dönüşüm oranları, kaynak verimliliği) için 20'den fazla işe alımda 6 aylık istikrarlı veri girişi bir başlangıç noktasıdır. Daha gelişmiş modellemeler için (işten ayrılma tahmini, işe alım kalitesi ilişkisi) genellikle 12 aydan fazla veri ve 50'den fazla işe alım gerekir. Önemli olan tek şey hacim değildir; her işe alımda eksiksiz ve doğru verilerle hareket etmek, boşluklarla dolu devasa bir veri kümesinden çok daha değerlidir.

Küçük şirketler de işe alım analitiğinden faydalanabilir mi?

Evet. 20 kişilik bir şirket bile ortalama pozisyon doldurma süresini, en iyi adayların hangi kaynaklardan geldiğini ve adayların sürecin neresinde vazgeçtiğini bilmekten büyük yarar sağlar. Bu çıkarımlara ulaşmak için yapay zekaya ihtiyacınız yok. Temel raporlama özellikleri sunan bir ATS, işe alım çabalarınızı ve bütçenizi nereye odaklamanız gerektiği konusunda akıllıca kararlar vermeniz için fazlasıyla yeterlidir.

Tahmine dayalı analitik, işe alım uzmanının sezgilerinin yerini mi alıyor?

Hayır, aksine onu güçlendiriyor. Tahmine dayalı bir model, belirli bir kaynaktan gelen adayların işten ayrılma olasılığının daha yüksek olduğunu gösterebilir; ancak uzman yine de her adayı kendi bireysel potansiyeline göre değerlendirir. Analitiği, ekibinizin yerine karar veren bir sistem değil, onlara daha donanımlı kararlar almaları için yol gösteren bir bilgi kaynağı olarak düşünün. En iyi sonuçlar, veri odaklı içgörülerin insan sezgisi, kurum kültürü ve aday potansiyeliyle harmanlanmasıyla elde edilir.

İşe alım analitiğinin yatırım getirisi (ROI) nedir?

Ölçülebilir kazanımlar üç temel alandan gelir: kısalan işe alım süresi (boş pozisyonlar nedeniyle kaybedilen üretkenliğin azalması), artan işe alım kalitesi (daha iyi performans ve bağlılık) ve daha akıllıca bütçe kullanımı (doğru aday getiren kanallara yatırım yapmak). Analitik araçları kullanan şirketler, personel sirkülasyonunun %39 azaldığını ve üretkenliğe geçiş süresinin %70 iyileştiğini belirtiyor. Bu alanlardaki ufak iyileşmeler bile, tüm işe alımlarla çarpıldığında muazzam bir maliyet tasarrufuna dönüşür.

Önemli Çıkarımlar

• Tahmine dayalı işe alım analitiği, yangın söndürmeye çalışan telaşlı işe alım yerine planlı bir yetenek yönetimi sunar. İhtiyaçları birileri istifa ettikten sonra değil, pozisyonlar boşalmadan önce tahmin edin.

• Bu işin 5 sütunu vardır: talep öngörüsü, ayrılma tahmini, aday havuzu performansı, işe alım kalitesi ölçümü ve pazar analizi.

• Başlamak için pahalı kurumsal yazılımlara gerek yok. Temel ATS metrikleri (işi doldurma süreleri, dönüşüm oranları, kaynak verimliliği) tüm öngörülerin temelini oluşturur.

• Temiz ve istikrarlı veri girişi bir ön koşuldur. Aşama güncellemeleri, kaynak takibi ve puanlar tutarsız olduğunda modeller doğru çalışamaz.

• Analizler karar vermenize yardımcı olmalıdır, doğrudan karar almamalıdır. En iyi sonuçlar için veri içgörülerini insani değerlendirmelerle birleştirin.

İşe Alım Verilerinizi Rekabet Avantajına Dönüştürün

Yaptığınız her işe alım yeni bir veri üretir. Önemli olan, bu verileri zamanla daha da akıllıca adımlar atmak için kullanıp kullanmadığınız veya onların ATS'nizin bir köşesinde öylece durup durmadığıdır.

HrPanda'nın aday takip sistemi, işe alım analitiği için ihtiyacınız olan verileri ilk günden itibaren otomatik olarak toplar: kaynak takibi, aşama dönüşümleri, değerlendirme sonuçları ve işe alım süresi metriklerinin tümü günlük iş akışınıza dâhildir. Ekstra veri girişi veya ayrı uygulamalar gerekmez. İşe aldığınız her yeni adayla birlikte işe alım zekanızı geliştirmeye bugünden başlayın.