Introductie van de SIA | Magnit Rate Intelligence-initiatief
De SIA | Magnit Rate Intelligence Initiative is een gezamenlijk onderzoek op maat van Magnit en Staffing Industry Analysts.
De SIA | Het Magnit Rate Intelligence Initiative maakt gebruik van de personeelsgegevens van Magnit om een brede steekproef van Amerikaanse salarisgegevens te bieden in verschillende sectoren, functies en grote stedelijke gebieden.
Door middel van een analyse van de onderliggende gegevens biedt SIA een tweemaandelijkse verdieping in actuele onderwerpen rond de Amerikaanse loontarieven. Het nummer van deze maand, getiteld “De waarde van real-time data in een snel evoluerende wereld,” toont de verrassende mate waarin recente loonstijgingen verschillen per geografie, bedrijfstak en vaardigheidsniveau.
Om de tool te gebruiken, selecteert u een optie voor:
- Industrie
- Functietitel
- Locatie (keuze uit VS totaal of 10 grote stedelijke gebieden)
- Druk op “Voorbeeld”
De tool biedt mediane, minimale en maximale beloning voor een tijdelijke werknemer met 3-5 jaar ervaring, zoals aangegeven door Magnit’s niveau III-aanduiding. Voorgestelde markup, factuurtarief en tarieven voor lagere of hogere ervaringsniveaus zijn “grijs weergegeven” voor deze tool, maar zijn, samen met andere betalingsinformatie, beschikbaar via de volledige Magnit Pay Intel-tool.
Geef nu feedback. Laat ons uw ervaring met deze tool weten.
SIA | Magnit Rate Intelligence Initiative Insights: 8 mei 2023
Van talenttekort naar talentkans:
Concurrentievoordeel creëren door middel van data
Invoering
Het tekort aan talent dat we de afgelopen jaren hebben ervaren, is groter dan ooit in de recente geschiedenis. In een dergelijke omgeving wordt elk concurrentievoordeel dat een bedrijf kan hebben bij de toegang tot talent vergroot. Nieuwe mogelijkheden, mogelijk gemaakt door recente en snelle digitale transformatie, grote datasets en geavanceerde analyses, beloven dit voordeel te behalen. Dit artikel illustreert het potentieel van dergelijke gedetailleerde gegevens en hoe het de resultaten van talent aanzienlijk kan verbeteren.
De onderstaande illustratie geeft een idee van hoe uniek deze tijden zijn geweest sinds het begin van het millennium. Figuur 1 toont vacatures en aanwervingen die zijn gerapporteerd door het Amerikaanse Bureau of Labor Statistics (BLS) sinds december 2000 (toen BLS begon met het rapporteren van deze gegevens).
Figuur 1: Trend in vacatures en aanwervingen
Zoals te zien is in de figuur, waren er in 2014 voor het eerst meer vacatures dan nieuwe aanwervingen. Dat werd destijds als gedenkwaardig beschouwd, maar verbleekte in vergelijking met wat snel volgde. Rond die tijd werd de term “talenttekort” alomtegenwoordig. Daarna werd de kloof tegen het einde van het afgelopen decennium aanzienlijk groter, en na een dip tijdens COVID stegen de openingen tot bijna het dubbele van het aantal aanwervingen. Hoewel het niveau van vacatures iets is teruggelopen van zijn hoogtepunt, blijft de kloof tussen aanwervingen en vacatures ontmoedigend.
Bedrijven die in deze omgeving talent kunnen vinden en behouden, hebben een enorm concurrentievoordeel. In de volgende secties van dit rapport geven we voorbeelden van hoe u marktinformatie kunt gebruiken als hulpmiddel in uw arsenaal. Deze voorbeelden zijn afkomstig uit verschillende beroepen, zoals verpleegkundigen en softwareontwikkelaars, om de breedte van talent intelligence-toepassingen te demonstreren.
In de rest van dit rapport zijn alle gegevens afkomstig van Magnit, zoals gepresenteerd in hun Talent Intelligence Tool.
De waarde van gegevens voor specifieke beroepen en rollen
Hoewel dit over het algemeen groot is, varieert de diepte van dit talenttekort sterk per rol, waardoor de behoefte aan gedetailleerde gegevens om de beschikbaarheid van talent nauwkeurig te identificeren, toeneemt. Het talentaanbod van de brede categorie “geregistreerd verpleegkundige” wordt bijvoorbeeld beschouwd als gemiddeld op categoriebrede basis op hoog niveau. Dit wordt op nationale basis geïllustreerd in de onderstaande grafiek in figuur 2, die is gemaakt met Magnit’s Talent Intelligence Tool en ook kan worden bekeken door een staats- of metrospecifieke lens.
Als we echter een geregistreerde verpleegkundige (RN) nodig hebben om in de operatiekamer (OK) te werken, wijkt het werkelijke beeld van het aanbod aanzienlijk af van dit totaal. Figuur 3 laat zien dat het talentaanbod voor de specialistische rol “verpleegkundige operatiekamer” als extreem laag wordt beschouwd. Dit is waarschijnlijk te wijten aan een snelle fluctuatie in de vraag; Toen ze uit COVID kwamen, was er veel vraag naar OK-verpleegkundigen, terwijl tijdens COVID er minder vraag was naar OK-verpleegkundigen omdat ziekenhuizen meer gericht waren op de behandeling van COVID-patiënten dan op niet-essentiële of minder urgente operaties.
Dit onderstreept de noodzaak van datagranulariteit, aangezien verschillen in aanbod binnen een bredere categorie sterk kunnen variëren en in korte tijd aanzienlijk kunnen veranderen, gezien de relatief snelle verandering in het aanbod van OK-verpleegkundigen. Gedetailleerde talentinformatie kan u helpen op de hoogte te blijven van deze veranderingen, terwijl u de nuances binnen een categorie kunt begrijpen. Omdat de meeste medewerkers afkomstig zijn van een andere werkgever, vaak een concurrent, is een juiste vergoeding vooral van cruciaal belang bij een tekort aan talent, zowel voor het werven als voor het behouden van personeel.
Vergelijking van talentaanbod en kosten in verschillende markten
Een andere overweging is of de functie op afstand kan worden vervuld. Zo niet, dan wordt uw zoekopdracht beperkt tot steden waar u kantoren heeft. Als veel moet worden gereisd, kan het zijn dat een kandidaat in de buurt van een grote luchthaven moet wonen. Anders kunt u overal in het land waar uw bedrijf is gevestigd naar talent zoeken, en mogelijk zelfs in andere landen.
Om dit punt en de waarde van gegevensgranulariteit verder te illustreren, beginnen we met een voorbeeld van het inhuren van een softwareontwikkelaar, opnieuw puttend uit Magnit’s Talent Intelligence Tool. Een zoekopdracht naar “softwareontwikkelaar” in San Francisco resulteert in het aanvankelijk contra-intuïtieve resultaat dat San Francisco op nummer 48 staat wat betreft aantrekkelijkheid als plaats om softwareontwikkelaars te werven, zoals weergegeven in figuur 4. Waarom is de ranglijst niet hoger, gezien dat het aanbod van talent in San Francisco voor deze rol dat in de top vier van onderstaande markten overtreft? Dat komt omdat San Francisco een hoger jaarsalarisbereik heeft ($ 89.000 – $ 114.000), vergeleken met markten zoals Charlotte, NC, met een tariefbereik van $ 77.000 – $ 97.000.
Afbeelding 4: San Francisco vergelijken met de top 4 Amerikaanse markten voor softwareontwikkelaars
Dus als u op zoek bent naar een softwareontwikkelaar op het hoofdkantoor van uw bedrijf in San Francisco, moet u dan de optie openhouden om ze in uw filiaal (of op afstand) te hebben in plaatsen zoals Charlotte of Atlanta? Dat hangt af van de specifieke vaardigheden die je nodig hebt in deze softwareontwikkelaar, en dit benadrukt opnieuw de waarde van specificiteit.
Als de rol zeer geavanceerde vaardigheden vereist, zal dat de ranglijst van steden die moeten worden getarget, herschikken. Zoals weergegeven in afbeelding 5, als we blockchain en machine learning toevoegen als vereiste vaardigheden in onze zoektocht naar een softwareontwikkelaar, springen de steden met hoge kosten naar de top (San Francisco stijgt naar # 1) en vallen de steden met lagere kosten eruit. van de top vijf, zoals hieronder geïllustreerd. Dit komt omdat de goedkopere steden ofwel niet over het benodigde aanbod beschikken of hun kostenvoordeel verliezen zodra u filtert op deze geavanceerde vaardigheden (met andere woorden, een blockchain-ontwikkelaar met machine learning-vaardigheden zal overal duur zijn).
Afbeelding 5: Top 5 markten voor softwareontwikkelaars met vaardigheden op het gebied van Blockchain en machine learning
Aan de andere kant, als je alleen een softwareontwikkelaar met HTML-vaardigheden nodig hebt om je website te ontwikkelen, stijgen goedkopere steden zoals Charlotte en Atlanta weer naar de top, en San Francisco staat op de 45e plaats, zoals weergegeven in figuur 6. Steden zoals aangezien Charlotte en Atlanta in dit geval misschien het aanbod hebben dat u nodig heeft, tegen lagere kosten dan u in San Francisco zou betalen.
Afbeelding 6: San Francisco vergelijken met de top 4 markten voor softwareontwikkelaars met HTML-vaardigheden
Deze voorbeelden illustreren waarom het essentieel is om zorgvuldig de specifieke vaardigheden te identificeren die nodig zijn voor een functie – in tegenstelling tot de vaardigheden die alleen leuk zouden zijn om te hebben – en om de talentintelligentie te hebben om de verschillen in kosten en beschikbaarheid per geografische markt te benadrukken.
Rekening houden met de tijd om te vullen
Een andere manier om het aanbod van talent te meten, is door te kijken hoe lang het doorgaans duurt om een vacature op te vullen. Het is niet verrassend dat dit per rol kan verschillen. Als we bijvoorbeeld de Talent Intelligence Tool gebruiken, zien we dat de mediane detacheringsduur voor een administratief medewerker 45 dagen is, terwijl die voor een softwareontwikkelaar 59 dagen is, zoals weergegeven in figuur 7.
|
Figuur 7: Mediane vacatureduur voor Administratieve assistenten en softwareontwikkelaars |
Figuur 8: Mediane vacatureduur voor Geregistreerde verpleegkundige per locatie |
De tijd om een vacature in te vullen verschilt ook per locatie. Terugkomend op de gezondheidszorg, als we op zoek zijn naar een geregistreerde verpleegster, is de mediane duur van detachering 52 dagen, maar als we onze zoekopdracht filteren op Miami, springt het naar 66 dagen; voor Detroit is de duur 46 dagen, zoals weergegeven in figuur 8.
Kijken naar de tijd om te vullen is vooral belangrijk voor dringende aanwervingen. In dergelijke gevallen kan het zijn dat u locaties met een kortere plaatsingsduur voor een specifieke functie wilt zoeken, de functie wilt aanpassen of extra middelen wilt inzetten voor werving.
Vergeet de retentie niet
Bij het navigeren door een tekort aan talent kan retentie net zo belangrijk en uitdagend zijn als rekrutering. Hoewel veel factoren van invloed kunnen zijn op retentie, zoals de werkomgeving, wilt u bij het benchmarken van de prestaties van uw bedrijf per specifieke rol meten, aangezien retentie per rol kan verschillen.
Door bijvoorbeeld ‘geregistreerd verpleegkundige’ en ‘gediplomeerd praktijkverpleegkundige’ te vergelijken in de Talent Intelligence Tool, zien we een aanzienlijk hoger percentage van de kans dat de functie verandert onder gediplomeerde praktijkondersteuners (LPN’s), zoals weergegeven in figuur 9 en 10. Omdat er minder training nodig is om een LPN te zijn dan een RN, is de kans kleiner dat RN’s vertrekken omdat ze zich in de eerste plaats meer inzetten om de baan te krijgen. Ook kunnen sommige LPN’s hun rol verlaten terwijl ze trainen om RN’s te worden.
Figuur 9: Omzet onder RN’s Figuur 10: Omzet onder LPN’s
Conclusie
Samengevat levert de toepassing van talent intelligence organisaties een concurrentievoordeel op in de hypercompetitieve markt van vandaag. Gedetailleerde gegevens in combinatie met geavanceerde analyses kunnen helpen bij het identificeren van de beschikbaarheid van talent, het vergelijken van het aanbod en de kosten van talent in verschillende markten, en het aanpakken van problemen op het gebied van retentie. Door talentinformatie te integreren, kunnen organisaties meer strategische beslissingen nemen over personeelsplanning, werving en training, wat leidt tot succes op de lange termijn.
Over de SIA | Magnit Rate Intelligence-initiatief
De SIA | Magnit Rate Intelligence Initiative beschikt over een interactieve tool die real-time toegang biedt tot Amerikaanse loontarieven, zowel nationaal als binnen 10 grote stedelijke gebieden.
De tool put uit Magnit’s data-oceaan van meer dan 205 miljard transactiedatapunten, inclusief eigen, commercieel verkrijgbare en publieke domeinbetalingen. De Pay Tool kan zowel door zakelijke inkopers als uitzendbureaus worden gebruikt om met vertrouwen salaristarieven te selecteren en erin te slagen talent aan te trekken in de huidige competitieve markt zonder te veel te betalen.
Het hulpmiddel SIA | Magnit Rate Intelligence Initiative is een gezamenlijk onderzoek op maat van Magnit en brancheadviseur Staffing Industry Analysts.
Geef nu feedback. Laat ons uw ervaring met deze tool weten.
Voor meer informatie en technische opmerkingen verwijzen wij u naar de methodologie.
—————————————————-
Source link