The 5 Levels of Talent Mining

2,984
-1

Published on

Presentation from Sourcecon 2010 DC, presented by Glen Cathey

Published in: Business
0 Comments
3 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
2,984
On Slideshare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
126
Comments
0
Likes
3
Embeds 0
No embeds

No notes for slide

The 5 Levels of Talent Mining

  1. 1. Forget Boolean 
  2. 2. Anyone can perform Boolean search  or any information need  Boolean search does not adequately  describe what sourcers and recruiters do, nor does it do them justice 
  3. 3. Think Information Retrieval
  4. 4. The science of searching for  documents, information within  documents, and searching relational  databases and the Internet 
  5. 5. An information retrieval process  begins when a user enters a query into a system 
  6. 6. Queries are formal statements of  nformation needs 
  7. 7. As a sourcer or  recruiter, what’s your  information need? 
  8. 8. Ultimately, you are looking to find  people who have specific skills,  experience and education, who live in a specific area, who are interested in  your opportunity, and who you can  ecruit and hire 
  9. 9. Specialized form of text and data  mining for recruiting  Querying and analyzing human capita data for talent discovery, identification and ultimately acquisition  
  10. 10. Transforming human capital data into an informational & competitive  advantage  Data ‐> Information ‐> Knowledge ‐> Decision
  11. 11. “Success in life comes from the  dentification, control and elimination of variables.” 
  12. 12. In sourcing, what candidate variables can you identify, control, and even  eliminate? 
  13. 13.   Experience, education & capabilitie   Location    Desired opportunity    Compensation    Availability 
  14. 14. old Calling        Talent       &       Mining  Referrals 
  15. 15. What is the % of control you have   0‐100%) over candidate variables when  you perform:    Cold calling?    Referral recruiting?    Talent mining? 
  16. 16. Cold calling?    You have very little, if any, control over the specific experience and education  the person you get on the phone  Referral recruiting?    You have very little, if any, control over the specific experience and education  the person referred to you, regardless of what you specifically ask for  Talent mining?    Searching structured databases gives you a very high degree over the specific experience and education of the people you decide to call based on a search 
  17. 17. Cold calling?    While you can be certain that a person you reach inside of a company lives in a specifi metro area, you have no control over where they live within a 50 mile radius   Referral recruiting?    Similar to cold calling, you have no control over where the people referred to you  actually live, and thus would be interested in commuting to  Talent mining?    Searching structured databases gives you a very high degree over precisely where  people live, down to a 5 mile radius or even a specific zip code  
  18. 18. Cold calling?    You have very little, if any, control over the type of opportunity the person you get on the phone is looking for as the next step in their career  Referral recruiting?    As with cold calling, you have no predictive ability to determine what a person who is referred to you is interested in doing as the next move in their career  Talent mining?    Searching structured databases enables you to target specific skills and experience,  including years of experience in given industries, which gives you a predictive ability t make an educated guess as to what the next step in a person’s career path might be,  and thus what the candidate might be interested in (aka career trajectory) 
  19. 19. Cold calling?    You have very little, if any, control over the current or desired compensation o the person you get on the phone  Referral recruiting?    You have very little, if any, control over the current or desired compensation o the person referred to you   Talent mining?    With the ability to control the years and type of experience of the people you  return in your searches, with industry and market knowledge, you are granted good idea of their current compensation level and what they would most likely be willing to accept for a new position 
  20. 20. Cold calling?    You have no control over the job search status of the person you get on the phone  Referral recruiting?    You have no control over the job search status of the person who is referred to you  Talent mining?    Searching databases can give you the ability to target recently posted resumes and  recently created social network profiles, and people who have either recently posted  updated their resume or LinkedIn profile are at a higher probability of being available
  21. 21. A random sample from any sourcing  method other than job posting will  yield mostly passive and non‐job  eekers (2 out of 3) 
  22. 22. 35%  30%  25%  20%  15%  10%  5%  0%  Active  Casual  Passive  Not Looking  Bureau of Labor and Statistics  Job Seeker Status 
  23. 23. Talent Mining affords a higher degree of predictive control over critical  candidate variables over any other  method of talent discovery 
  24. 24. Talent Mining  Cold Calls/Referrals  Job Posting  100%  80%  60%  40%  20%  0% 
  25. 25. How many well‐matched and qualified candidates per hour can you discover and identify through:    Cold calling?    Referral recruiting?    Talent mining? 
  26. 26. Candidates Per Hour  60  40  20  0  Talent Mining  Cold Calls/Referrals  Job Posting 
  27. 27. Deep, Structured Data  Resumes, LinkedIn Profiles (some),  Candidate Records… 
  28. 28. The deeper and more structured the  human capital data you are mining,  he more predictive control you have over critical candidate matching and  qualification variables 
  29. 29. Shallow, Unstructured Data  Press Releases, Articles, Directories, LinkedIn Profiles (many) Facebook,  Twitter… 
  30. 30. The more shallow and less structured he human capital data you are  mining, the less predictive control  you have over critical candidate  matching and qualification variables 
  31. 31. .  Keyword/Title Search  .  Conceptual Search  .  Implicit Search  .  Natural Language Search  .  Indirect Search 
  32. 32. Keyword/Title Search     Unfiltered keyword and title searching    Lexical search/match from job title, description, and required skills 
  33. 33. Benefits     It works    Easy  ‐ doesn’t require any skill or experience    Deep understanding of positions not necessary    Easily outsourced and automated    Low cost 
  34. 34. Challenges     It works – gives false sense of ease and success    Superficial match    Creates Hidden Talent Pools, excluding qualified  candidates who express experience differently    No competitive advantage 
  35. 35. Conceptual Search    Synonymous and related terms, concepts, and title   Examples:    Ruby, Rails, RoR, “Ruby on Rails”    Safety Physician, Associate Director of PVRM, Pharmacovigilance Physician Senior Drug Safety Associate, Global Safety Senior Medical Scientist, Globa Pharmacovigilance (Contract) Physician, and Medical Director 
  36. 36. Benefits    Finds new/additional candidates    Finds candidates that Level 1 Talent Mining can’t     Can be automated 
  37. 37. Challenges    Automated solutions not perfect    Static taxonomies and query clouds ‐ related but not relevant, “once and  done” approach    Requires deeper understanding of roles, skills, and  technologies    Only human sourcers can judge relevance, adaptively learn, and run  successive searches    Must have an awareness of excluded/missed candidates 
  38. 38. mplicit Search    Searching for and identifying candidates based on  what isn’t explicitly mentioned    Not everyone will express their experience in their  resume or profile. However, you can search for  predictive clues to potential experience 
  39. 39. mplicit Search    If you were in need of an Accountant with experience with SAP, after performing Level 1 & 2 Talent Mining and  searching directly for explicitly expressed experience with SAP, you can exclude SAP from your queries and instead  search for people who have worked at companies that you know use SAP for their accounting software, leading you t additional qualified candidates 
  40. 40. Benefits    Finds new/additional candidates    Finds candidates that Level 1 and Level 2  approaches cannot and do not find    Taps into Hidden Talent Pools/”Dark Matter” of  databases and sites 
  41. 41. Challenges    Can’t be automated    Requires deep understanding of intrinsic limitations of resumes and profiles    Skill that can only be developed over time from  observation and experience  
  42. 42. Natural Language Search    User‐defined semantic search at the sentence level  ▪  Semantics is the study of meaning of language inherent at the  word, phrase, and sentence level. Sentence level semantics is th most powerful and predictive.    Searching for responsibilities and capabilities, not jus keywords and titles 
  43. 43. Responsibilities = Verbs & Nouns    Responsible for installing and configuring over 100  Exchange servers    Audited several not‐for‐profit organizations for tax  compliance    Coded DRGs to inpatient medical records    System design and performance modeling using DoDAF  notation 
  44. 44. Benefits    Produces highly relevant results by tapping into  powerful sentence‐level semantics    Searching for responsibilities and capabilities, not  just keywords and titles    Targets what people DO, not just what they SAY 
  45. 45. Challenges    No automated solution exists at this time     Requires search engine that supports proximity    Monster, Bing, Exalead, Some ATS’s    Example: manag* near SAP near (implement* or deploy*)    Requires more experienced and insightful sourcers/ recruiters to perform 
  46. 46. ndirect Search    Searching for the “wrong” people to find the “right” people     Targeting under/overqualified professionals    Targeting people who likely work with or know the professiona you need to find    First and only level to deviate from searching  directly for what is needed 
  47. 47. ndirect Search    Targeting under/overqualified professionals    3 year old resume or profile of a person who had 2 years of experienc now represents someone with 5 years of experience    Under/overqualified people with the right skills and experience may know others who are at the target level of experience    Targeting people who likely work with or know the  professionals you need to find    Searching for software engineers to lead you to software testers 
  48. 48. Benefits    Leads to discovery of people who could not  otherwise be found via Levels 1 – 4 Talent Mining    Accelerates targeted referral recruiting,                       (a.k.a. crowdsourcing) 
  49. 49. Challenges    Can be laborious    Not guaranteed to produce results 
  50. 50. Talent Intelligence  &Analytics 
  51. 51. o understand the new concepts of  alent Intelligence and Talent Analytic is important to understand the  stablished concepts of Business  telligence and Analytics 
  52. 52. siness intelligence (BI) refers to computer‐based  chniques used in discovering, identifying and  alyzing mostly internal & structured business data in insight and to support better business decision aking    Examples: reporting, business performance  management, text mining, and predictive analytics 
  53. 53. usiness Intelligence & Analytics are  nabled through the collection of data rom multiple sources into a data  warehouse, which is a specialized and entralized repository data, designed  o facilitate reporting and analysis  
  54. 54. Computer‐based techniques used in  discovering, identifying, analyzing  nd gaining insight into internal &  tructured human capital data to  make better hiring decisions, faster 
  55. 55.  specialized and centralized repository o uman capital data specifically designed o enable talent mining/intelligence  opulated with current employee data an nformation fed from social networks,  esume databases, the Internet, etc. 
  56. 56. n contrast to Talent Intelligence,  ompetitive Intelligence is gained by  athering, analyzing and disseminating  nformation, with or without support from  echnology and applications, and focuses on mostly external all‐source information and  ata (unstructured or structured) 
  57. 57.  Talent Warehouse contains the  eepest, most structured human  apital data of any data source, and is more searchable 
  58. 58. he deeper, more structured, and mo earchable the data, the more control ou have over exerting predictive  ontrol over critical candidate variable
  59. 59. Data D Struct Search
  60. 60. here are “Talent Intelligence” and “Human apital Analytics” solutions currently  vailable today  However, these focus exclusively on  workforce management, workforce  lanning, retention modeling and talent  corecarding 
  61. 61. There are no Talent Intelligence and  Analytics solutions available today  designed specifically for Talent  Discovery, Identification, and  Acquisition…but there should be!  
  62. 62. he next frontier in Human Capital &  alent Analytics is to harness the power  f human capital data and transform it  nto an informational and competitive  dvantage – by enabling companies to  uickly and predictively discover,  dentify, and acquire top talent 
  63. 63. “What if you could increase revenue by 66% using your data to make  confident, fact‐based decisions?”  Source: SAS ad 
  64. 64. “What if you could increase revenue by 66% using human capital data to  make confident, fact‐based recruiting decisions?” 
  65. 65. “What if you could see up to a 400% ROI by using business analytics to  achieve your goals?”  Source: SAS ad 
  66. 66. “What if you could see up to a 400% ROI by using talent analytics to  achieve your recruiting goals?” 
  1. A particular slide catching your eye?

    Clipping is a handy way to collect important slides you want to go back to later.

×