Manueel ingescande vacatures: tijd voor verandering

SII Belgium ontwikkelde een classification tool voor Jobat die alle inkomende vacatures automatisch verzamelt en op een overzichtelijk dashboard plaatst. Zo vermijd je dat vacatures in de verkeerde jobcategorie terechtkomen. Elke vacature krijgt een kleurcode die aangeeft of ze in de juiste categorie staan of niet. Zo hoeven ze bij Jobat niet langer dagelijks 800 tot 900 nieuwe vacatures manueel te scannen, maar zien ze meteen welke vacatures hun aandacht vereisen. De classification tool werkt met Azure Machine Learning van Microsoft en zorgt ervoor dat de medewerkers van Jobat tachtig procent minder werk hebben aan het verplaatsen van vacatures naar de juiste categorie. 


Classification tool neemt tachtig procent van het werk over

"Voor ons is het belangrijk dat onze klanten voldoende views krijgen op onze vacatures," vertelt Hendrik Nuyttens, Project Manager Digital Development bij Jobat. "Dat is enkel mogelijk als de vacatures in de juiste categorie staan. Vroeger moesten we alle categorieën en vacatures overlopen om te zien of deze juist geclassificeerd waren. Sinds we in oktober gestart zijn met de tool van SII Belgium zien we dat in een oogopslag op het dashboard dankzij de kleurcodes. Op basis van de eerste resultaten kunnen we stellen dat de classification tool zowat tachtig procent van het manuele classificatiewerk overneemt."


Azure Machine Learning

De classification tool is gebouwd op Microsofts Azure Machine Learning, onderdeel van de Cortana Intelligence Suite. "Met Machine Learning verzamelen we alle historische data, waarmee we vervolgens kunnen voorspellen wat er in de toekomst gaat gebeuren," zegt Alain Goossens, Managing Partner bij SII Belgium. “Voor Jobat gaan we dus na welke vacatures in het verleden fout gecategoriseerd werden en waarom. Het mooie is dat gebruikers zich niet het ganse pakket van Cortana Intelligence moeten aanschaffen, ze kunnen ook kiezen voor Machine Learning as-a-service, die als een component van Microsoft Azure beschikbaar is in de cloud.


Mogelijkheden zijn eindeloos

"Met Machine Learning kunnen we eindeloos ver gaan," zegt Alain Goossens. "Zo kun je bijvoorbeeld de gsm-signalen tracken van passagiers op een luchthaven. Op die manier kunnen we tegelijk vaststellen waar die passagiers zich bevinden en voorspellen waar ze naartoe gaan. Merk je dat er te veel volk naar een bepaalde incheckbalie gaat, dan kun je eventueel een extra incheckbalie openen - nog voordat er een wachtrij is. Een ander voorbeeld is het onderhoud van wagens. Door alle gegevens van elk type wagen accuraat op te slaan, kunnen we patronen in kaart brengen en voorspellen wanneer een wagen in panne zal staan. Op basis van die gegevens kan een onderhoud worden ingepland op het moment dat het echt nodig is."