Erfolgsfaktor Graphdatenbank: Smartes Recruiting setzt auf vernetzte Daten

Autor: Dirk Möller, Area Director of Sales CEMEA, Neo4j

Es kommt nicht darauf an, was man weiß, sondern wen man kennt. Für das Recruiting ist das jedoch nur die halbe Wahrheit: Für Personalverantwortliche und Headhunter ist es extrem wertvoll, nicht nur geeignete Kandidaten ausfindig zu machen, sondern auch das berufliche Netzwerk um sie herum einzusehen. Xing und LinkedIn haben sich auf diese Weise bei der Suche nach dem idealen Kandidaten längst zu zentralen Plattformen entwickelt. Die Technologie hinter den sozialen Netzwerken: Graphdatenbanken.

Anschauliche Darstellung von Berichtstrukturen eines Unternehmens (Quelle: Neo4j)

Um in der wachsenden Menge an Daten schnell und einfach Personen, Skill-Sets und Lebensläufe zu finden, die mit dem gesuchten Aufgabenprofil übereinstimmen, ist die richtige Datenbank entscheidend. In der Regel werden für Managementsysteme relationale Datenbanken genutzt, in denen die Daten in Tabellen abgelegt und über komplexe (Selbst-) Verknüpfungen miteinander verbunden werden. Eindimensionale Abfragen innerhalb des Datensatzes sind für diese Systeme kein Problem. Komplizierter wird es bei der Abfrage von Datenbeziehungen. Will ein HR-Manager beispielsweise alle Informationen über einen Mitarbeiter auf einen Blick einsehen, müssen jeweils mehrere Tabellen mit Informationen wie Name, Position, Abteilung und Aufgaben miteinander verbunden werden. Das ist nicht nur sehr rechenaufwändig, sondern kostet auch viel Zeit und kann bei großen und heterogenen Datensätzen das System vorübergehend ins Stocken bringen.

 

Gerade das Erfassen der Beziehungen zwischen Daten ist in vielen Fällen jedoch extrem aufschlussreich: Es ist eine Sache, zwei Mitarbeiter einem Unternehmen zuzuordnen. Noch hilfreicher ist es, zu wissen, ob sich diese Mitarbeiter persönlich kennen, gar zusammen an einem Projekt gearbeitet haben und über die gleiche Kompetenz verfügen. Je komplexer der Datensatz, desto mehr Erkenntnisse verbergen sich zwischen den einzelnen Daten. Um von diesem „mehr“ an Informationen zu profitieren und sich einen Wissensvorsprung im Talent-Scouting zu sichern, setzen smarte Recruiting-Plattformen und Managementsysteme daher auf Graphtechnologie.

 

Per Graph zum Idealkandidaten

Graphdatenbanken punkten überall dort, wo die Beziehungen zwischen Personen einer Gruppe eine entscheidende Rolle spielen. Das liegt vor allem daran, dass sie diesen Beziehungen einen besonderen Stellenwert innerhalb ihres Datenmodells einräumen. Im Gegensatz zu relationalen Datenbanken bilden Graphdatenbank nicht nur einzelne Daten (z. B. „Mitarbeiter“, „Ausbildung“, „Unternehmen“), sondern auch deren Beziehungen zueinander ab (z. B. „arbeitet für“, „abgeschlossen“). Jedem Datenknoten und jeder Verbindung kann eine beliebige Anzahl an qualitativen und quantitativen Eigenschaften zugewiesen werden (z. B. „Abschlussnote“, „Dauer des Beschäftigungsverhältnisses“). Die dann gestellte Suchanfrage startet von einem beliebigen Ausgangspunkt, folgt den relevanten Verzweigungen innerhalb des Graphen und kann so das komplexe Netzwerk aus Skills, Interessen und relevanten Qualifikationen ganzheitlich erfassen und darstellen.

 

Soziale Netzwerke wie LinkedIn, Facebook und Twitter, Online-Dating-Portale, aber auch Google, eBay und Amazon nutzen Graphdatenbanken, um große Menge an vernetzten Daten in Echtzeit abzufragen. Indem sie die Beziehungen erfassen, können die Systeme die passenden Freunde, Kollegen, Partner vermitteln, relevante Informationen liefern oder Produkte vorschlagen. Im Vergleich zu relationalen Datenbanken arbeiten Graphdatenbanken wie Neo4j dabei je nach Szenario bis zu 1.000-mal schneller. Zudem bieten sie eine hohe Skalierbarkeit, so dass sich neue Datensätze problemlos hinzufügen lassen. Noch entscheidender allerdings: Sie erlauben Einblicke in komplexe Daten, die mit herkömmlichen Technologien schlichtweg nicht möglich sind.

 

Sag mir wer Du bist, und ich sag Dir wer Dich sucht

Diese Vorteile der Graphtechnologie zahlen sich auch für das Recruiting aus, denn hier gilt es, heterogene Daten sicher und zuverlässig zu managen und abzufragen. Unternehmen warten längst nicht mehr nur auf Bewerbungen und verlassen sich auf standardisierte Lebensläufe und Anschreiben, sondern nutzen verstärkt ihre eigenen Netzwerke sowie soziale Netzwerke und Recruiting-Plattformen, um vielversprechende Kandidaten auszumachen und zu kontaktieren. Dabei wird das Stellenprofil mit den von den Kandidaten angegebenen Informationen abgeglichen und nach dem „Best-Match“-Prinzip automatisch ausgewertet. Je umfangreicher die Daten, desto passgenauer das Suchergebnis. Berücksichtigt werden auch Informationen, die möglicherweise erst auf den zweiten Blick für eine Stellenausschreibung interessant scheinen. Wer als Jugendtrainer in einer Fußballmannschaft arbeitet, kann eventuell seine Erfahrung bei einem Sportartikelhersteller einbringen. Wer auf Twitter und Instagram aktiv ist und mit vielen Posts und Followern glänzt, eignet sich vielleicht als Social Media Manager des Unternehmens.

 

Trefferquote erhöhen
Je mehr man den Bewerber in einen semantischen Informationskontext rückt, desto schärfer zeichnet sich sein Profil vor einer Masse an Daten ab. Oder anders ausgedrückt: Betrachtet man Informationen bei der Suche im Bewerber-Pool isoliert voneinander, mag die Trefferquote hoch sein. Im Anschluss sind jedoch zusätzlich lange und für Bewerber wie HR-Mitarbeiter nervenaufreibende Auswahlverfahren nötig, um den idealen Kandidaten zu finden. Erfolgsversprechender ist es, Kandidaten von Beginn an mit all ihren Facetten wahrzunehmen — und nicht nur als Ansammlung einzelner Diplome, Computer-Skills und Arbeitsstationen. Gelingt dies nicht, kommt es in sozialen Netzwerken leider immer wieder zu Kontaktanfragen von Headhunter, die nur oberflächlich das Nutzerprofil scannen und daraufhin unzutreffende oder unwillkommene Stellenangebote anpreisen.

 

Für eine erfolgreiche Kontaktaufnahme gilt es, umfassende Zusatzinformationen zu berücksichtigen. Wie etwa: In welchem Arbeitsverhältnis befindet sich der Bewerber? Gibt es Grund anzunehmen, dass er in dieser Position unzufrieden ist? Wie verhält er sich auf sozialen Netzwerken? Bestehen bereits Anknüpfungspunkte zum Unternehmen, z. B. vorhandene Bewerbungen oder Beziehungen zu aktuellen Mitarbeitern? Damit Stellenangebote tatsächlich den richtigen Kandidaten ansprechen, müssen also unterschiedliche Faktoren berücksichtigt werden.

 

Mit einem kurzen Blick auf das Profil eines potentiellen Kandidaten lassen sich die Fragen nicht beantworten. Antworten finden sich nur innerhalb eines Kontexts, indem gezielt anhand spezifischer Suchkriterien und Keywords gesucht werden kann. Ein Beispiel: „Hat Max Mustermann jemals für Sony gearbeitet, oder kennt er jemanden, der irgendwann für Sony gearbeitet hat?“ Graphbasierte Systeme können solchen semantischen Kontext bereitstellen und schneller zu Antworten führen.

 

Fingerspitzengefühl, langjährige Branchenerfahrung, persönliche Netzwerke sowie der direkteUmgang mit Menschen bleiben dabei nach wie vor zentral. Die smarten Systeme können jedoch die Arbeit für Personalverantwortliche und Talent-Scouts immens erleichtern und entsprechende Vorarbeit leisten. So liefern sie beispielsweise die passenden, datengestützten Argumente, um Mitarbeiter zu fördern, Kandidaten anzuwerben oder Teams umzustrukturieren. Daten zu Mitarbeitern und Bewerben lassen sich nicht nur besser verwalten und nachverfolgen, sondern auch durch im Graph abgelegte Zugriffsberechtigungen besser schützen. Vom smarten und sicheren Umgang mit Daten profitieren so nicht nur HR-Prozesse wie Personalcontrolling, Recruiting oder Talentmanagement, sondern das ganze Unternehmen und letztlich auch die Mitarbeiter.

 

Dirk Möller

Area Director of Sales CEMEA

Dirk Möller ist seit über 20 Jahren in der IT-Branche unterwegs. Dank leitender Positionen bei Unternehmen wie Symantec, MongoDB und Couchbase entwickelte er detailliertes Fachwissen im Bereich NoSQL und Graphdatenbanken. Als Area Director of Sales CEMEA bei Neo4j unterstützt Dirk Möller Kunden, bestehende Datenbank-Lösungen zu ersetzen bzw. zu erweitern, Kosten einzusparen und mit der Neo4j Graph-Plattform echten Mehrwert aus vernetzten Daten zu gewinnen.

 

Kontakt:

Neo4j D/A/CH, Middle East, and Africa

Oberanger 6

c/o Workrepublic

80331 München