Byner en Spadework slaan de handen ineen om een bekend probleem in recruitment op te lossen: data die veroudert zodra je hem hebt ingevoerd. Joram Timmerman (CCO Byner) en Lucas Meijer (co-founder Spadework) vertellen waarom dat juist nu het verschil maakt.

Het gat dat altijd bleef bestaan

Elk ATS krijgt dagelijks nieuwe informatie. Kandidaten solliciteren, recruiters voeren gesprekken in en nieuwe contactpersonen worden toegevoegd. Maar daar blijft het vaak bij. "Er komt steeds nieuwe informatie bij, maar wat er al in staat wordt niet bijgehouden," zegt Lucas Meijer. "Dat is altijd al het gat geweest in recruitment: datakwaliteit."

Joram Timmerman ziet in gesprekken met klanten een patroon. "Klanten zeggen: we zijn toe aan een nieuw systeem. Prima, maar technologie is één ding en proces is een tweede. Een van de belangrijkste factoren daarin is de kwaliteit van de data." Als die kwaliteit tekortschiet, raakt ook een nieuw systeem al snel in onbruik. Met Spadework bij de migratie naar Byner valt dat excuus weg.

Eenmalig opschonen werkt niet

Tools die een database één keer opschonen bestaan al langer. Spadework begon zelf ook zo, maar liep tegen de grenzen daarvan aan. "Klanten kwamen terug: het is nu geüpdatet, maar over een half jaar is het alweer verouderd. Gaan we dan de hele database opnieuw opschonen?"

Hoe hard dat gaat, laten de cijfers zien. Volgens Spadework verandert elke maand zo'n 3 procent van de profielen in een gemiddelde database. Bij 10.000 kandidaten zijn dat er 300 per maand. Binnen een jaar klopt van ruim een derde van je database iets niet meer. "Handmatig bijhouden is gewoon niet te doen," zegt Lucas.

Daarom houdt Spadework de data doorlopend actueel, rechtstreeks in Byner. Dat geldt voor kandidaatprofielen, contactpersonen en accounts, inclusief de custom velden die per bureau verschillen. "Een technisch bureau leunt op certificaten, een salesbureau op senioriteit. Wij updaten precies wat voor die partij belangrijk is."

Waarom dit juist nu urgent is

Byner investeert fors in AI, met een assistent en agents die taken zelfstandig of met een mens in de loop uitvoeren. Elke zes weken verschijnen er nieuwe AI-automations, samen met klanten ontwikkeld. Die AI is echter zo goed als de data waarop hij werkt.

Lucas heeft een achtergrond in AI, met een bachelor en master en een specialisatie in machine learning en geometrische deep learning. Hij weet hoe dat werkt. "De eerste grote taalmodellen kregen gewoon het hele internet als trainingsdata, inclusief alle fouten. Pas toen er gefilterd werd, werden de modellen echt beter. Het heeft weinig zin om met AI aan de slag te gaan als je onderliggende data niet klopt."

Dat geldt ook voor matching. "Ik hoor vaak dat matching teleurstelt. Maar als je alleen iemands naam hebt en wat hij drie jaar geleden deed, is het niet gek dat de match niet goed is. Weet je wat iemand nu doet en waar hij naartoe wil, dan match je veel beter."

Recruitment draait om timing

Het meest verrassende inzicht kwam voor Spadework zelf onverwacht. Een actuele database vertelt je niet alleen wat er is gebeurd, maar ook wanneer je moet bellen.

Lucas geeft een voorbeeld. "Je hebt een kandidaat die je vorig jaar hebt voorgesteld, maar het werd net niet. Nu werkt hij zijn LinkedIn bij: nieuwe bio, nieuwe profielfoto, zijn werkervaring aangescherpt. Dan weet je dat hij openstaat voor iets nieuws. Als je dan belt met 'ik heb iets leuks voor je', ben je veel effectiever." Spadework weegt elke wijziging op relevantie. Een promotie van medior naar senior wordt verwerkt in de matching, maar niet elke update is een melding waard.

Twee warme leads uit één baanwissel

Ook voor sales en marketing levert actuele data direct iets op. Als een contactpersoon van bedrijf A naar bedrijf B gaat, ontstaan er volgens Lucas twee kansen. "Bij het oude bedrijf kun je meteen vragen wie de nieuwe contactpersoon wordt. Kom je daar pas zes maanden later achter, dan is de relatie verwaterd." Het nieuwe bedrijf is een warme lead: een hiring manager die tevreden is over je plaatsingen, neemt dat vertrouwen mee.

Spadework gaat nog een stap verder. Het checkt of het nieuwe bedrijf past bij het bureau en welke vacatures er openstaan. Vervolgens krijgt de juiste accountmanager een taak in Byner, met de context erbij. Marketing profiteert ook: met actuele profielen segmenteer je beter en worden campagnes op je eigen database effectiever.

Datakwaliteit als KPI

Aan de Byner-kant komt datakwaliteit steeds vaker terug in rapportages en dashboards: zijn de belangrijke velden goed gevuld bij klanten, contacten en kandidaten? "Je ziet bureaus die datakwaliteit zelfs in hun KPI's opnemen, soms tot in de bonus van consultants," vertelt Joram. "Die zetten het echt neer als prioriteit om de stap naar AI te kunnen maken."

De businesscase: één extra plaatsing

Wat levert het op? Joram noemt als eerste een kortere time to hire, omdat je kandidaten uit je eigen database al kent. Lucas vult aan: "Iemand die je al gesproken hebt, reageert veel sneller. Via LinkedIn koud benaderen is schieten met hagel." Daarnaast haal je meer rendement uit de database die je al hebt. "Het is een simpele rekensom," zegt Lucas. "Eén extra plaatsing en het is terugverdiend."

Maar als iedereen zo'n tool gebruikt, waar zit dan nog het verschil? "In je eigen database," zegt Lucas. "Jij hebt die mensen gesproken en jij kent ze het best. De data zorgt voor de basis, de relatie maakt het verschil."

Vooruitblik: wie nu wacht, is te laat

Beiden zijn het eens over de richting van de markt. "Wie volgend jaar AI niet actief in zijn kernprocessen heeft, loopt per definitie achter de feiten aan," zegt Joram. Lucas: "En dat begint bij de basis. De basis is data. Veel partijen wachten nog af, terwijl dit het moment is om door te pakken."

Een laatste advies van Lucas: houd het binnen je systeem. "Ga niet losse tools bouwen die niet aan Byner gekoppeld zijn. Dan verlies je efficiëntie." Joram wijst op het securityrisico, en met de AI Act in aantocht wordt dat steeds belangrijker.