en

Стаття

Використання data-driven підходів у рекрутингу та підборі персоналу

Дмитро Зелений
Анотація

Метою було дослідження впливу data-driven підходів на ефективність процесів рекрутингу в українських компаніях. Проведено дослідження на основі метааналізу 87 наукових публікацій за 2016-2024 роки. Застосування методики Ґласса-Хеджеса дозволило визначити ефективність різних аналітичних інструментів, де найвищі показники продемонстрували предиктивна аналітика з середнім ефектом 0,82 та системи скринінгу резюме з показником 0,75. Експертне опитування 24 фахівців галузі за дельфійським методом виявило пріоритетність точності прогнозування успішності найму з рівнем консенсусу 92 % та швидкості обробки кандидатів з показником 88 %. Проведений аналіз практичних аспектів впровадження на основі поглиблених інтерв'ю з 38 HR-директорами визначив ключові виклики технічної інтеграції та навчання персоналу. Дослідження особливостей впровадження інноваційних підходів засвідчило найвищий рівень діджиталізації рекрутингу в ІТ-секторі (92,4 %) та великих компаніях (87,3 %), що корелює з розміром інвестицій у відповідні технології. Розроблені предикативні моделі на основі аналізу 78 тисяч записів щодо кандидатів та 4,3 тисячі завершених циклів найму показали найвищу ефективність алгоритму XGBoost з точністю прогнозування успішності найму 89,4 % та показником ROC-AUC 0,92. Порівняльний аналіз ефективності автоматизованих систем скринінгу резюме виявив перевагу гібридних рішень з точністю відбору 92,3 % та швидкістю обробки 620 резюме на годину при зниженні вартості обробки одного резюме до 1,5 доларів США. Оцінка ключових показників ефективності засвідчила скорочення time-to-hire на 43,7 % та підвищення quality-of-hire на 22,1 % у компаніях з data-driven підходом порівняно з контрольною групою, що супроводжувалося зростанням retention rate на 20,6 %. Інтегрована оцінка впливу аналітичних інструментів показала найвищий індекс ефективності в операційній складовій (0,89) та автоматизації процесів (0,88) з економічним ефектом (ROI) 245 % та 278 % відповідно, що підтверджує доцільність впровадження data-driven підходів у рекрутинг українських компаній

Ключові слова

предиктивна аналітика; автоматизовані системи; алгоритми оптимізації; ринок праці

Завантажити статтю

Отримано 05.02.2025, Доопрацьовано 29.04.2025, Прийнято 05.06.2025

Взято з Том 12, № 1, 2025

ЦИТУВАТИ

Zelenyi, D. (2025). Data-driven approaches in recruitment and personnel selection. Economics, Entrepreneurship, Management, 12(1), 69-82. https://doi.org/10.56318/eem2025.01.069

https://doi.org/10.56318/eem2025.01.069

Сторінки 69-82

Використані джерела

  1. Aizenberg, T. (2024). Modern trends in ai tools application in international human relations management. Economy and Society, 65. doi: 10.32782/2524-0072/2024-65-48.
  2. Alabi, O.A., Ajayi, F.A., Udeh, C.A., & Efunniyi, C.P. (2024). Optimizing customer service through workforce analytics: The role of HR in data-driven decision-making. Journal of Research and Scientific Innovation, 11(8), 1628-1639. doi: 10.51244/IJRSI.2024.1108125.
  3. Bekhter, O. (2025). AI and automation in human resources: Transforming recruitment, training, and employee engagement. Young Scientist, 132(1), 157-163. doi: 10.32839/2304-5809/2025-1-132-2.
  4. Budhwar, P., Malik, A., De Silva, M.T., & Thevisuthan, P. (2022). Artificial intelligence – Challenges and opportunities for HRM: A review and research agenda. Journal of Human Resource Management, 33(6), 1065-1097. doi: 10.1080/09585192.2022.2035161.
  5. Chandratreya, A. (2024). AI in HR: A comprehensive analysis and framework for success. Journal of Scientific Research in Engineering and Management, 8(8). doi: 10.55041/IJSREM37020.
  6. Charlwood, A., & Guenole, N. (2022). Can HR adapt to the paradoxes of artificial intelligence? Human Resources Management Journal, 32(4), 729-742. doi: 10.1111/1748-8583.12433.
  7. Chernenko, N. (2022). Artificial intelligence in personnel management. Taurida Scientific Herald. Series: Economics, 12, 76-83. doi: 10.32851/2708-0366/2022.12.11.
  8. Code of Ethics for Scientists of Ukraine. (2009, April). Retrieved from https://ips.ligazakon.net/document/MUS12440.
  9. Dima, J., Gilbert, M.-H., Dextras-Gauthier, J., & Giraud, L. (2024). The effects of artificial intelligence on human resource activities and the roles of the human resource triad: Opportunities and challenges. Frontiers in Psychology, 15, article number 1360401. doi: 10.3389/fpsyg.2024.1360401.
  10. Dragan, O., & Pylypenko, M. (2024). The role of artificial intelligence for strengthening the company’s employer brand. City Development, 3(3), 23-29. doi: 10.32782/city-development.2024.3-4.
  11. Faqih, M., Sukistini, A.S., Asrianto, A., Siri, A., & Nggandung, Y. (2024). The impact of AI on talent acquisition: Opportunities and challenges in modern HR practices. Global Journal of Innovative Research, 2(11), 2626-2638. doi: 10.59613/global.v2i11.365.
  12. General Data Protection Regulation. (2016). Retrieved from https://gdpr-info.eu.
  13. Govarthanan, N., & Anbumani, P. (2024). VirtualHR: AI-driven automation for efficient and unbiased candidate recruitment in software engineering roles. Research Journal of Modernization in Engineering Technology and Science, 6(8), 812-818. doi: 10.56726/irjmets60905.
  14. Hedges, L.V. (1981). Distribution theory for Glass's estimator of effect size and related estimators. Journal of Educational Statistics, 6(2), 107-128. doi: 10.3102/10769986006002107.
  15. Iyer, V. (2023). Revolutionizing recruitment: The synergy of artificial intelligence and human resources. Review of Artificial Intelligence in Education, 4, article number e13. doi: 10.37497/rev.artif.intell.educ.v4i00.13.
  16. Johnson, R.D., Stone, D., & Lukaszewski, K.M. (2020). The benefits of eHRM and AI for talent acquisition. Journal of Tourism Futures, 7(1), 40-52. doi: 10.1108/jtf-02-2020-0013.
  17. Kaur, G., Gujrati, R., & Uygun, H. (2023). How does AI fit into the management of human resources? Review of Artificial Intelligence in Education, 4, article number e4. doi: 10.37497/rev.artif.intell.education.v4i00.4.
  18. Kempker, J.A., Mehta, A.J., & Allam, J.S. (2025). A data-driven approach to selecting pulmonary and critical care fellows for interviews. Innovations, 6(1), 85-93. doi: 10.34197/ats-scholar.2024-0007IN.
  19. Khair, M.A., Khair, M.M., Shaheen, N., & Saxena, N. (2025). Creating a culture of innovation: leveraging oracle HCM cloud's design thinking and ai-driven ideation tools for HR-led innovation. Journal for Research Publication and Seminar, 16(1), 99-115. doi: 10.36676/jrps.v16.i1.37.
  20. Kotlyarevskaya, K. (2019). Strategies for socially responsible recruitment at Ukrainian enterprises under European integration. Development Management, 18(1), 15-22. doi: 10.21511/dm.5(1).2019.02.
  21. Kravchuk, О.I., Varis, І.О., & Kalenska, N. (2024). HR management transformation through the prism of artificial intelligence: A comprehensive analysis of implementation, challenges and ethical aspects. Problems of Modern Transformations. Series: Economics and Management, 15. doi: 10.54929/2786-5738-2024-15-04-09.
  22. Law of Ukraine No. 2297-VI. (2010, June). Retrieved from https://zakon.rada.gov.ua/laws/show/2297-17#Text.
  23. Likert, R. (1932). A technique for the measurement of attitudes. Archives of Psychology, 22(140), 5-55.
  24. Mahajan, V. (1976). Review: [The Delphi Method: Techniques and Applications, by H.A. Linstone & M. Turoff]. Journal of Marketing Research, 13(3), 317-318. doi: 10.2307/3150755.
  25. Manoharan, P. (2024). A review on AI-driven HR systems: Revolutionizing HR systems and talent management. Scholars Journal of Engineering and Technology, 12(6), 179-184. doi: 10.36347/sjet.2024.v12i06.001.
  26. Mazlougui, A., & Alami, F.Z. (2025). Examining the role of technology in recruitment processes: A bibliometric review and research agenda. Journal of Accounting, Finance, Auditing, Management and Economics, 6(2), 108-124. doi: 10.5281/zenodo.14788228.
  27. Mohana, R., & Revathi, B. (2024). Challenges faced by human resources in the age of artificial intelligence. Journal for Multidisciplinary Research, 6(2).
  28. Munshi, N.I., Shohan, A.H., Siddiqui, S., & Tasnim, N. (2023). Application of AI on human resource management: A review. Journal of Human Resource Management, 26(1). doi: 10.46287/FHEV4889.
  29. Nyathani, R. (2023a). AI-driven HR analytics: Unleashing the power of HR data management. Journal of Technology and Systems, 5(2), 15-26. doi: 10.47941/jts.1513.
  30. Nyathani, R. (2023b). AI-enabled learning and development: HR's new paradigm. Journal of Marketing & Supply Chain Management, 2(2). doi: 10.47363/JMSCM/2023(2)117.
  31. Piddubna, L., & Chuieva, I. (2023). International experience in the use of digital technologies in the HR management of IT companies. Economy and Society, 55. doi: 10.32782/2524-0072/2023-55-98.
  32. Singh, A., & Pandey, J. (2024). Artificial intelligence adoption in extended HR ecosystems: Enablers and barriers. An abductive case research. Frontiers in Psychology, 14, article number 1339782. doi: 10.3389/fpsyg.2023.1339782.
  33. Siradhana, N.K., & Arora, R.G. (2023). The AI renaissance in HR: Exploring modern solutions. Journal of Research in Human Resource Management, 5(2), 149-152. doi: 10.33545/26633213.2023.v5.i2b.163.
  34. Sjahruddin, H., Boyas, J.R., & Prayudi, D. (2024). Tech revolution in HR: Leveraging AI for smarter talent acquisition. Journal of Economic Bussines and Accounting, 7(3), 6424-6429. doi: 10.31539/costing.v7i3.9798.
  35. Skulmoski, G.J., Hartman, F.T., & Krahn, J. (2007). The Delphi method for graduate research. Journal of Information Technology Education: Research, 6. doi: 10.28945/199.
  36. Surya Wuisan, D.S., Sunardjo, R.A., Aini, Q., Yusuf, N.A., & Rahardja, U. (2023). Integrating artificial intelligence in human resource management: A SmartPLS approach for entrepreneurial success. Aptisi Transactions on Technopreneurship, 5(3), 334-345. doi: 10.34306/att.v5i3.355.
  37. Vedernikov, M., Chernushkina, O., & Kropyvnytksyi, B. (2024). Application of digital tools in hr engineering under the conditions of economy digitalization. Herald of Khmelnytskyi National University. Economic Sciences, 336(6), 81-94. doi: 10.31891/2307-5740-2024-336-11.
  38. Zimmermann, T., Kotschenreuther, L., & Schmidt, K. (2016). Data-driven HR: Résumé analysis based on natural language processing and machine learning. doi: 10.48550/arXiv.1606.05611.