Infor heeft zijn Talent Science-oplossing voorzien van een aantal updates. Zo krijgen kandidaten nu een betere ervaring en krijgen werkgevers waardevolle inzichten aan de hand van machine learning.
Infor Talent Science is een cloudgebaseerde Predictive Talent Analytics-oplossing, waarmee recruiters en HR-managers de juiste mensen op de juiste plekken kunnen plaatsen. De applicatie gebruikt hiervoor grote hoeveelheden gedrags- en prestatiegegevens om te achterhalen wat voor het echte succes zorgt binnen een bedrijf.
In de nieuwste versie van de applicatie wordt de voorspelbaarheid van de software aanzienlijk verbeterd, dankzij nieuwe technologie en een aangepaste gebruikersinterface. Zo bevat het portaal de nieuwe Infor Personality Inventory, waarmee de assessment-tijden van kandidaten gehalveerd worden.
Machine learning
Ook bevat de software een nieuwe versie van een machine learning-gedreven systeem waarmee profielen gemaakt worden. De nieuwe versie vergroot de precisie en betrouwbaarheid van de voorspellingsmethoden.
Bedrijven kunnen met grote hoeveelheden gegevens rekruterings-benchmarks maken die kunstmatige intelligentie gebruiken om dynamisch voorspellende modellen te identificeren. De modellen zijn gericht op maximale betrouwbaarheid om betere kandidaten te werven. Ondertussen worden de betrouwbaarheid, eerlijkheid en bruikbaarheid gegarandeerd. De gegevens kunnen verder voortdurend vergeleken en geanalyseerd worden.
Niet alleen worden er gegevens van een organisatie gebruikt om een voorspellend model te creëren, maar ook de gegevens van tientallen miljoenen sollicitanten uit de Infor Talent Science-database worden gebruikt. Daardoor is het model nauwkeuriger afgestemd op het wereldwijde personeelsbestand en wordt er een hoog betrouwbaarheidsniveau geboden.
Nieuwe gebruikerservaring
Verder is er een nieuwe beoordeling en gebruikerservaring, waarmee bedrijven op een indirecte manier informatie van kandidaten kunnen verzamelen. Daarbij kunnen ze ook de waarde van hun merk tonen.
“Deze wijzigingen zullen van grote invloed zijn op de manier waarop kandidaten met ons systeem omgaan en op de manier waarop we onze voorspellende modellen in de toekomst ontwikkelen”, aldus dr. Jill Strange, vicepresident Infor HCM Science Applications.
“Onze modellen kunnen dynamisch worden aangepast terwijl de omstandigheden binnen het personeel en de organisatie veranderen. Dit leidt uiteindelijk tot een lager verloop en betere prestaties. Met de verbeterde kandidaat-ervaring en gerichte assessment, zijn we in staat om meer met minder te voorspellen en ervoor te zorgen dat kandidaten tevreden en betrokken zijn gedurende het hele sollicitatieproces.”