Menurut Harvard Business Review, Data Science adalah proses pengambilan keputusan yang didasarkan pada fakta-fakta yang diperoleh dari data, dengan menggunakan algoritma dan teknik pengolahan data yang canggih.

Data Science memberikan manfaat besar dalam proses rekrutmen dengan memungkinkan perusahaan untuk membuat keputusan yang lebih baik dan efektif dalam memilih karyawan yang paling cocok untuk posisi tertentu. Karena hal tersebut, banyak perusahaan telah beralih ke data science, dengan harapan dapat memanfaatkan kekuatan algoritma untuk memperbaiki proses penerimaan karyawan mereka. 

Peter Capelli, Seorang Profesor Manajemen di Wharton School dan direktur Pusat Sumber Daya Manusia, dalam artikelnya di Harvard Business Review, menyatakan bahwa data science belum memperbaiki penerimaan karyawan. Menurutnya, lebih dari 100 vendor yang menciptakan dan menjual solusi data science belum menjadi obat mujarab yang diharapkan oleh para pengusaha.

Meskipun teknologi seperti data science dan analisis data memiliki potensi besar untuk membantu perusahaan dalam proses perekrutan karyawan yang lebih baik, namun mereka belum dapat menggantikan peran manusia dalam proses rekrutmen secara keseluruhan.‍

Keterbatasan Data Science dalam Proses Rekrutmen‍

Data science memiliki beberapa keterbatasan dalam proses perekrutan antara lain:

1. Keputusan akhir dalam perekrutan
   Data science tidak dapat menggantikan keputusan akhir yang dibuat oleh manusia dalam proses perekrutan. Walaupun algoritma dapat menghasilkan data yang sangat akurat dan terperinci, data science belum dapat menggantikan penilaian subyektif manusia dalam mengevaluasi apakah seorang karyawan cocok dengan budaya perusahaan dan kemampuan interpersonal yang dibutuhkan dalam posisi tertentu.
2. Tidak menjamin penerimaan pekerjaan
   Meskipun teknologi dapat membantu mengidentifikasi kandidat terbaik, teknologi tidak dapat menjamin kandidat tersebut akan menerima tawaran pekerjaan atau bahkan menyelesaikan proses perekrutan.
3. Kurangnya data
   Salah satu masalah utama dengan menggunakan data science untuk penerimaan karyawan adalah kurangnya data yang dapat diandalkan dan baku untuk digunakan. Data yang digunakan untuk menganalisis penerimaan karyawan seringkali tidak lengkap, tidak akurat, dan tidak relevan.
4. Bias data
   Masalah lain yang dihadapi oleh data science dalam penerimaan karyawan adalah bias data. Data yang diambil mungkin tidak mencerminkan situasi yang sebenarnya di tempat kerja, sehingga dapat menghasilkan kesimpulan yang salah tentang kandidat yang dipertimbangkan.
5. Berdasarkan pada hasil yang telah terjadi
   Masalah lainnya adalah analisis data akan memilih kandidat berdasarkan pada hasil yang telah terjadi. Algoritma data belajar dari pengalaman yang telah terjadi, sehingga membutuhkan banyak observasi data kinerja kerja selama bertahun-tahun.

Seperti yang terjadi di perusahaan Amazon, perusahaan menemukan bahwa algoritma perekrutan yang telah mereka kerjakan sejak 2014 memberikan nilai yang lebih rendah kepada wanita, karena secara historis karyawan terbaik di perusahaan mereka adalah pria. Jadi algoritma tersebut mencari orang yang sama seperti karyawan terbaik mereka yang mana berjenis kelamin laki-laki. Karena tidak dapat memperbaiki masalah itu, perusahaan menghentikan penggunaan algoritma pada tahun 2017. Namun, banyak perusahaan lain tetap melanjutkan.

‍
Mengoptimalkan Proses Rekrutmen dengan Kolaborasi Human Touch dan Data Science‍

Peter Capelli menyarankan agar perusahaan mengambil pendekatan yang lebih manusiawi. Dengan mengambil pendekatan ini, perusahaan dapat memastikan bahwa mereka mempekerjakan kandidat yang benar-benar cocok untuk posisi yang tersedia dan dapat memberikan kontribusi yang berarti bagi organisasi. Selain itu, pendekatan yang lebih manusiawi dapat membantu meminimalkan kesalahan yang terjadi selama proses penerimaan, mengurangi biaya dan waktu yang diperlukan untuk memperbaiki masalah yang terjadi akibat kesalahan penerimaan karyawan.

Menurut Chelsea Adelina, seorang Psycometrian & Talent Management Product Manager di Talentlytica, data science dapat meningkatkan kinerja dan produktivitas karyawan sehingga perlu adanya cara untuk mengatasi tantangan-tantangan tersebut. Salah satunya adalah dengan cara perusahaan mulai membenahi sistem pengumpulan data. Pembenahan ini dibutuhkan agar data yang dianalisis dapat menjadi informasi yang bermakna, dapat diandalkan, dan baku untuk digunakan. Hal ini akan mengurangi bias data dan hasil yang didapat akan lebih akurat.

Pada akhirnya, baik pendekatan human touch maupun data science memiliki kelebihan dan kekurangan masing-masing. Data science tidak akan bisa menggantikan peran manusia dalam seleksi karyawan. Data science hanyalah alat untuk membantu manusia dalam membuat keputusan yang lebih baik terkait dengan penerimaan karyawan hingga manajemen SDM. Oleh karena itu, penting untuk melakukan kolaborasi antara human touch dan data science agar dapat saling melengkapi dan membuat proses rekrutmen menjadi lebih baik. Dengan menggabungkan kedua pendekatan ini, diharapkan dapat meningkatkan efisiensi dan akurasi dalam menyeleksi kandidat yang sesuai dengan kriteria yang dibutuhkan oleh perusahaan. Dengan demikian, hal ini dapat membantu perusahaan untuk menemukan kandidat terbaik dan memiliki tim yang terampil dan terlatih yang dapat membantu mereka mencapai tujuan perusahaan dengan lebih baik.