Hoeveel vooroordelen kan je hebben? Ik leefde tot voor kort met het idee dat wetenschappers ver van de realiteit afstonden en vooral bezig waren met hun vakgebied, onderzoeken en publiceren. En dat ze, als het aankomt op de human and business elementen van het bedrijfsleven, ze volledig op een andere planeet leven ver weg van “gewone” mensen zoals ik. Ik houd van snelheid, zij onderzoeken graag nog even verder. Zij nemen beslissingen op basis van data, ik vertrouw vaak op mijn intuïtie en gut feeling. Als recruiter breng je multitaskend en in touch met anderen de dag door, “de” wetenschapper trekt zich terug op zijn of haar zolderkamer. Onmogelijk dat zij in staat zijn om het softe vak van selectie goed te doen, zou je denken….
Hoe ver je er naast kan zitten, merk ik tijdens mijn huidige interim opdracht bij de farmaceut MSD (voorheen Organon). Ik service onder meer het Development Center Oss, dat ondermeer zorgt voor de (door)ontwikkeling van nieuwe medicijnen. In de nieuwe organisatie van MSD heeft het DCO een stevige internationale plek gekregen en dat betekent dat er flink geworven moet worden. Het merendeel van de hiring managers waarmee ik werk, is actief als wetenschapper of op zijn minst een stevige wetenschappelijke achtergrond. Dus je zou hier voldoende slecht communicerende, wereldvreemde onderzoekers met dikke brillenglazen verwachten. En wat blijkt? Wetenschappers lijken opvallend veel op de andere hiring managers waarmee ik gewerkt hebt. Maar toch, op een aantal elementen gedragen ze zich in een selectietraject net iets anders. Tijd om een paar lessen te trekken uit de wetenschap.
Les 1: je begint met een goed idee en een goede hypothese
Op dit moment zoek ik drie wetenschappers die samen een bepaalde collectieve competentie kunnen bieden aan MSD. De manager heeft de hypothese (veronderstelling) geformuleerd dat hij met een bepaalde teamsamenstelling de gevraagde collectieve competentie kan aanbieden. Daarbij denkend volgens het principe van spaarzaamheid (parsimonie): je beperken tot de meest eenvoudigste verklaring/oplossing. Fijn, geen ellenlange beschrijvingen met holle frasen, maar een helder profiel: een senior scientist gepromoveerd in Kristallografie of Spectrografie.
Les 2: vertaal je hypothese in een toetsbaar model
Een grote uitdaging is om dit vervolgens vast te leggen in een selectiemodel. Iedere recruiter kent ze: de managers die schapen met vijf poten zoeken: de Java programmeur die graag software verkoopt. Of de managers die niet van te voren nadenken over de elementen die onderzocht moeten worden, zo onder het mom van: talent herkennen we wel. De wetenschappelijk getrainde manager denkt anders: die stelt de vraag: uit welke elementen bestaat mijn model? Welke competenties moet ieder teamlid bezitten, waar mogen ze elkaar aanvullen en welke ‘nice to haves’ er zijn. Welke vooropleidingen en ervaringen zijn exact nodig? Dit alles in een ‘person specification’ document neergelegd.
Les 3: Alleen met samenwerken, afbakenen en goed onderzoeken kom je tot grote inzichten
Wetenschappers, of onderzoekers, zijn gewend om nauwgezet en systematisch kennis te vergaren. De empirische wetenschapper (natuurkunde, scheikunde) benadert een specifiek kennisgebied en zal op specifieke details inzoomen: welke machines heb je gebruikt in Kristallografie, hoe leg je die samples in etc. etc. Vraagtekens of ontwijkende antwoorden? Daar kom je als kandidaat niet mee weg! De onderzoeker aanvaardt niet voetstoots een antwoord, maar vraagt om bewijslast. Zelden hoef ik MSD managers te helpen met doorvragen.
Een eerste element van de afbakening bestaat er uit dat je beter een beperkt aantal zaken goed kunt onderzoeken en begrijpen, dan een wereldomvattend beeld proberen te verkrijgen. Een wetenschapper zal vanuit het bijzondere naar het algemene werken. Beter drie goed onderzochte technieken (of STARS in ons recruitmentjargon) dan twintig oppervlakkige observaties.
De afbakening betekent verder dat iedereen in het selectieproces een gedeelte van het gewenste profiel voor zijn of haar rekening neemt: de meer zachte competenties liggen voornamelijk bij Recruitment (overtuigingskracht, kunnen leiding geven, politieke sensitiviteit etc.). Toekomstige collega’s vragen de technische skills uit. De hiring manager kijkt meestal naar de loopbaanontwikkeling, de (technische groeipotentie) en checked de referenties in het netwerk (het is immers een klein wereldje). Daarnaast vormt een inhoudelijke business case bijna altijd onderdeel van de selectieprocedure. Maar al te vaak zie je in andere procedures gebeuren dat iedereen een mening heeft over leiderschapskwaliteiten en er een soort “welles nietes” discussie of groepsdenken ontstaat. Wetenschappers zijn gewend om meerdere unieke inzichten vanuit specifieke invalshoeken in te brengen.
Les 4: Informatieverzameling en analytische vergelijking zijn twee verschillende fasen
Een ander verschil dat ik ervaar met andere procedures, is de scheiding van waarneming en evaluatie. Op basis van specifieke observaties worden kandidaten in een vergelijking tegen elkaar afgewogen en de verschillende scores geven een conclusie. Ook bij de beoordeling komt het onderzoekende weer naar boven: een opmerking als “Ik vind hem niet zo enthousiast overkomen” zal bij de evaluatie niet op het bord komen. Welke opmerking geeft aanleiding tot die conclusie?
Misschien kan ik meer van wetenschappers leren over modellen maken, onderzoeken, analyseren en juiste conclusies trekken dan zij over recruitment van mij. Nee, die empirische wetenschap is zo gek nog niet. Misschien mijn vervolgcursus NLP maar inwisselen voor een PostDoc scheikunde.
Meer lezen van Koen Roozen? Koen schreef ook:
Doe mij maar… (g)een bestaan als interimmer
Recruitment: Doe mij maar… een selecteur die niet Twittert
Recruitment: Doe mij maar… een goede recruiter
AMC: Doe mij maar… David de underdog
Recruitment: Doe mij maar een Dacia Duster!
