VDAB Future of Work Challenge
In april 2019 lanceerde VDAB de Future of Work Challenge, een open oproep aan bedrijven en start-ups om datagedreven oplossingen voor te stellen voor de Vlaamse arbeidsmarkt. 33 organisaties dienden een idee in. Arinti was een van de vier winnaars, geselecteerd voor het CompeTrend-voorstel: een systeem dat analyseert welke competenties groeien, krimpen of verdwijnen. Het brengt ook de gelijkenis ertussen in kaart, zodat werkzoekenden realistische omscholingstrajecten vinden.
Een arbeidsmarkt onder druk
De Vlaamse arbeidsmarkt kende een lage werkloosheidsgraad (6% in maart 2019) en een stijgende activiteitsgraad (72% in december 2018), maar vacatures invullen werd steeds moeilijker. De skills van werkzoekenden matchten vaak niet met wat werkgevers zochten. Nieuwe technologieën zoals automatisering en AI zouden die kloof naar verwachting nog vergroten.
VDAB had vier strategieën gedefinieerd om dat aan te pakken: bijscholing, omscholing, activering en productiviteitsverhoging. De Future of Work Challenge moest frisse perspectieven van buitenaf binnenbrengen. 33 organisaties dienden voorstellen in en VDAB selecteerde vier winnaars.
“Voor ons is het belangrijk om met een open blik te werken. De Vlaamse arbeidsmarkt staat de komende 10 jaar voor nieuwe uitdagingen. We vermoedden dat er met alle data waarover we beschikken innovatieve oplossingen mogelijk zijn waar we zelf nog niet aan gedacht hadden.”
Wat we bouwden: CompeTrend
CompeTrend werkte met Competent 2.0, het standaard competentieraamwerk van VDAB. Het systeem had twee componenten: trendanalyse en skill-gelijkenis.
Trendanalyse
We analyseerden de evolutie van competenties in zowel vacatures als cv's. Daarbij zuiverden we de data eerst van seizoenscycli en toevallige afwijkingen. Daarna voorspelden we de evolutie op korte en lange termijn met time series-methodes (VARIMA en recurrente neurale netwerken). Competenties werden ingedeeld in categorieën (verdwijnend, dalend, stabiel, groeiend) om de trends bloot te leggen die ertoe doen voor het omscholingsbeleid.
We brachten ook de mismatch tussen vraag en aanbod in kaart: de verhouding tussen vacatures die een bepaalde competentie vragen en cv's die ze vermelden.
Skill-gelijkenis
De tweede component bracht datagedreven gelijkenissen tussen competenties in kaart via association rule mining op cv-data. Verschenen twee competenties vaak samen in cv's, dan scoorde het systeem ze als gelijkaardig. Bijvoorbeeld: Python en R kwamen met 70% waarschijnlijkheid samen voor, goed voor een skill-gelijkenisscore van 0,8.
Die gelijkenisscores voedden een hiërarchische clustering. Die groepeerde competenties die de bestaande Competent 2.0-taxonomie nog niet met elkaar verbond. Zo kreeg VDAB een datagedreven basis om de taxonomie zelf te verbeteren.
Wat CompeTrend opleverde
Het project ondersteunde twee van de vier kernstrategieën van VDAB: bijscholing en omscholing. Concreet leverde het systeem trendvoorspellingen per competentie. Zo kon VDAB zien welke skills aan het dalen waren voordat ze helemaal verdwenen. De gelijkenismappings tussen competenties toonden werkzoekenden welke van hun bestaande skills als opstap konden dienen naar toekomstgerichte competenties.
De clusteringoutput gaf VDAB bovendien een datagedreven basis om de Competent 2.0-taxonomie te verbeteren. Ze maakte het ook mogelijk om werkzoekenden sneller te oriënteren naar haalbare en relevante opleidingstrajecten.
