Forscher schlagen ein Modell vor, um den Erfolg bei der professionellen Rekrutierung zu maximieren

Bei der Einstellung neuer Mitarbeiter müssen große Unternehmen häufig aus Hunderten von Kandidaten wählen, ein Prozess, der Zeit und Ressourcen erfordert. Kann die Mathematik dazu beitragen, diese Verfahren zu optimieren? Zumindest im weitesten Sinne, wahrscheinlich ja.

Ein Papier, das in veröffentlicht wurde Journal of Statistical Mechanics: Theorie und Experiment Von Pavel Krapivsky, einem statistischen Physiker an der Boston University, schlägt ein Algorithmus vor, der drei Einstellungsstrategien identifiziert, die jeweils unterschiedlichen Zielen entsprechen, die ein Unternehmen möglicherweise haben könnte.

Krapivsky ließ sich von dem berühmten „Sekretärproblem“ oder „optimaler Eheproblem“ inspirieren. In einer seiner vielen Versionen muss eine Prinzessin ihren zukünftigen Ehemann aus einem Pool von 100 Kandidaten bei einem großen Empfang auswählen. Strenge Regeln gelten jedoch: Sie kann jeweils nur einen Freier treffen und hat nur begrenzte Zeit, um ihn kennenzulernen.

Am Ende jeder Begegnung muss sie sofort entscheiden, ob sie den Bewerber akzeptieren oder ablehnen soll. Sie kann frühere Kandidaten weder noch einmal besuchen, noch kann sie einen von ihnen bitten, zu warten, während sie andere betrachtet. Wie kann die Prinzessin hoffen, die beste Wahl zu treffen?

Das Geheimnis liegt in einer Zahl: 37, um genau zu sein (erhöhen Sie Ihre Hand, wenn Sie an 42 gedacht haben). „Wenn wir 100 durch 2,718 teilen, was Eulers Zahl ist – einer der bekanntesten in der mathematischen Geschichte -, werden wir ungefähr 37“, erklärt Krapivsky.

In praktischer Hinsicht bedeutet dies, dass die Prinzessin die ersten 37 Kandidaten bewerten und ablehnen und gleichzeitig ihre Qualität im Auge behalten sollte. Ausgehend von Kandidaten Nummer 38 sollte sie den ersten auswählen, der besser ist als alle, die sie zuvor getroffen hat. Laut Krapivsky garantiert diese Strategie das bestmögliche Ergebnis im Rahmen der gegebenen Einschränkungen.

Die Methode ist so zuverlässig, dass sogar Johannes Kepler gemunkelt wird – obwohl es keinen soliden Beweis gibt -, um sie für seine zweite Frau auszuwählen. „Er studierte das Problem ausführlich und verbrachte ein Jahr damit, dies zu tun, anstatt seine eigene großartige Recherche zu tun, und hat dann eine Wahl getroffen“, erzählt Krapivsky.

Krapivsky formulierte das Problem in einem moderneren Kontext neu und wandte es auf Einstellung von Praktiken in großen Unternehmen an. Die Grundidee bleibt gleich: Das Unternehmen hat einen einzelnen Parameter, um die Qualität eines Kandidaten zu bewerten und zu entscheiden, ob sie sie sofort einstellen oder ohne Überprüfung ablehnen sollen. Darüber hinaus können in diesem Modell neu angeheuerte Mitarbeiter nicht abgewiesen werden.

„Ich mag es nicht, Menschen zu feuern“, scherzt Krapivsky. Im Gegensatz zum Sekretärproblem ist hier der Strom der Kandidaten kontinuierlich und möglicherweise unendlich unendlich, was das Modell für moderne Arbeitsplätze realistischer macht, an denen Einstellungsentscheidungen auf der Grundlage der sofortigen Geschäftsanforderungen getroffen werden.

Die Studie untersucht drei verschiedene Einstellungsstrategien:

Im Gegensatz zum optimalen Eheproblem gibt es keine einzige beste Strategie – die Wahl hängt vom Ziel des Unternehmens ab. Wenn das Ziel darin besteht, die langfristige Qualität zu maximieren, ist MIS der beste Ansatz, aber es führt zu einer langsameren Einstellung. Wenn die Priorität darin besteht, Qualität und Einstellungsgeschwindigkeit auszugleichen, ist AIS ein angemessener Kompromiss. Wenn eine schnelle Einstellung wichtiger als Qualität ist, ist LIS die effektivste Strategie.

„Natürlich sind dies Vereinfachungen“, bemerkt Krapivsky, „aber sie können trotzdem nützlich sein.“ Ein Modell wie das in dem Papier präsentierte Modell könnte beispielsweise als Grundlage für Algorithmen dienen, die in sozialen Netzwerken und digitalen Plattformen verwendet werden.

Dazu gehören nicht nur Plattformen, die für die Arbeitssuche entwickelt wurden, wie LinkedIn, oder Dating -Apps wie Tinder, die zukünftige Übereinstimmungsvorschläge auf der Grundlage früherer „Swipes“ anpassen, sondern auch diejenigen, die Inhaltsauswahl, Ressourcenmanagement und künstliche Intelligenz regeln.

„Viele davon basieren tatsächlich auf sehr einfachen Algorithmen, wie sie darauf hinweisen, was wir auf YouTube sehen“, schließt Krapivsky.