Bagaimana Predictive Analytics Dapat Membantu Perekrutan
Dinamika pasar terus mengalami perkembangan, dan teknologi merupakan salah satu area yang paling rentan terhadap perubahan. Seiring dengan perubahan teknologi yang tersedia, demikian juga dengan media atau alat yang digunakan oleh perusahaan dalam menjalankan dan mengelola bisnis mereka. Dari mesin ketik dan ruang arsip hingga komputer dan sistem penyimpanan cloud, perusahaan-perusahaan terus menerapkan kemajuan teknologi. Dalam beberapa tahun terakhir, pemanfaatan teknologi oleh perusahaan untuk dapat unggul dalam ruang bisnis yang kompetitif dan semakin meningkat. Salah satunya adalah penggunaan predictive analytics atau analisis prediktif.
Apa itu analisis prediktif?
Analisis prediktif tidak dapat dijabarkan tanpa terlebih dahulu membicarakan analisis deskriptif. Hal-hal yang kini umum digunakan di kantor, seperti tabel (spreadsheets), grafik, laporan, dan rasio, merupakan alat bantu dalam analisis deskriptif. Analisis deskriptif merupakan kompilasi informasi bersejarah yang memberikan pemahaman yang lebih baik kepada pengguna akan kejadian di masa lalu pada area atau bidang yang dianalisis. Melalui analisis, pengguna dapat menarik kesimpulan dan rencana untuk kemudian hari.
Dalam analisis prediktif, kompilasi data dianalisis menggunakan berbagai metode, seperti modelling statistik (statistical modelling), penggalian data (data mining), pembelajaran mesin (machine learning), dan kecerdasan buatan (Artificial Intellifence/ AI) untuk mendapatkan segala kemungkinan hasil. Penggunaan teknik tersebut akan membantu manajemen untuk mengurangi kekeliruan dalam menarik kesimpulan dan menyalurkan sumber daya perusahaan dengan lebih baik untuk fokus pada persiapan untuk suatu hasil tertentu.
Mengapa HR perlu memahami analisis prediktif?
HRD memiliki sejumlah data, yang sebagian besar tidak dimanfaatkan secara efektif. Data tersebut dapat diteliti dengan analisis prediktif untuk memperkirakan tren pada berbagai bidang yang memungkinkan manajemen untuk menyusun strategi dan perencanaan untuk menghadapi tren-tren tersebut dengan lebih baik. Hal ini akan meningkatkan efisiensi dan kinerja perusahaan.
Potensi manfaat dari analisis prediktif:
1. Perekrutan – memberikan informasi yang lebih menyeluruh pada HRD akan kriteria pegawai yang paling sesuai bagi perusahaan berdasarkan sejumlah karakteristik yang dimiliki para pegawai yang ada. Analisis prediktif dapat membantu menyeleksi kandidat berdasarkan pengalaman kerja relevan, keterampilan kritis, kompetensi tambahan dan kecocokan budaya kerja. Hal ini memungkinkan HRD menjalankan proses rekrutmen dengan lebih efisien, karena adanya kemungkinan untuk membuat keputusan talent acquisition yang tepat dalam waktu yang sesingkat mungkin. Analisis prediktif juga dapat dirancang untuk memprediksikan area yang memiliki potensi untuk berkembang, memungkinkan manajemen untuk memutuskan diadakannya perekrutan dini untuk memperkuat area yang relevan.
2. Manajemen Retensi Pegawai– merekrut pegawai yang tepat membantu meningkatkan tingkat retensi pegawai. Dengan adanya model yang tepat, analisis prediktif dapat membantu memprediksi tren pergantian pegawai dan memberi peringatan kepada manajemen, memungkinkan adanya intervensi untuk mencegah terjadinya kekurangan sumber daya atau pegawai secara mendadak. Walaupun hal tersebut tidak dapat sepenuhnya dicegah, adanya peringatan dini memberikan waktu bagi para staf HR atau manajer untuk menyusun rencana darurat untuk mengatasi hal tersebut.
3. Penempatan Staf – kemampuan untuk memprediksi 'musim' pada siklus bisnis dapat memberikan keuntungan akan penugasan staf; dengan mengetahui musim puncak (peak) dan rendah (low), tren supply-demand dan profil pelanggan, perusahaan dapat merencanakan penempatan pegawai dengan seksama, sehingga dapat meningkatkan efisiensi dan dampak layanan.
4. Kebutuhan Pelatihan – pengawasan dan analisis akan keterampilan para pegawai, serta prediksi tren pergantian pegawai, memampukan staf HR atau manajer untuk merencanakan pelatihan yang dibutuhkan. Analisis prediktif juga dapat memperkirakan keterampilan mana yang kurang di perusahaan akibat adanya pengunduran diri maupun pegawai pensiun dari perusahaan, dan memberikan peringatan dini sehingga staf HR atau manajer dapat mengembangkan sebuah program pelatihan untuk melengkapi pegawai yang ada agar dapat menggantikan mereka yang meninggalkan perusahaan.
Kisah Sukses
Walaupun penerapan analisis prediktif saat ini masih berada pada tahap awal, sudah terdapat beberapa kisah sukses.
Di Google, pertanyaan wawancara yang diajukan kepada para kandidat sepenuhnya diotomatisasi dan disempurnakan guna menemukan pelamar terbaik. Google juga memanfaatkan analisis prediktif untuk memperkirakan probabilitas tingkat turnover atau pergantian pegawai - salah satu hasil temuannya adalah bahwa para sales executive baru yang tidak mendapatkan kenaikan jabatan setelah 4 tahun cenderung untuk mengundurkan diri dari perusahaan.
Best Buy Co., sebuah perusahaan pengecer barang elektronik, menggunakan analisis prediktif untuk memprediksi dampak keterlibatan pegawai terhadap kinerja toko. Ditemukan bahwa peningkatan keterlibatan sebesar 0.1% menghasilkan kenaikan pendapatan toko sebesar $100,000 dalam satu tahun.
Di Hewlett Packard, analisis prediktif mampu memperkirakan kemungkinan pengunduran diri atas 300,000 pegawai mereka. Mereka juga menemukan faktor risiko utama pergantian pegawai, yang kemudian digunakan untuk merumuskan strategi untuk meningkatkan retensi pegawai.
Perusahaan perlu terus mengimbangi kemajuan teknologi agar mampu bersaing dan mengelola bisnis mereka dengan lebih baik. Tertinggal dalam kancah teknologi meningkatkan risiko bagi perusahaan untuk 'ketinggalan jaman', dan pada saat staf manajemen menyadari hal ini, bisa jadi sudah terlambat bagi mereka untuk mengejar ketinggalan Anda dari para kompetitor.