HR迎来大数据时代 三方面应用提升招聘价值
大数据这个词,虽然和互联网思维一样,已经泛滥到被人嫌弃的状态,但不可否认的是,在未来两年甚至五年里,互联网和软件业将被技术创新和应用激发出无限可能性。
招聘行业在2014年被热钱包围了——垂直和移动招聘网站大幅吸金,招聘网站间再掀广告大战,形形色色的猎头软件接踵面世,推崇技术创新的招聘软件前仆后继,无不在向HR传递一个信息:大数据时代真的来了。
招聘是一个极其缺乏数据的领域,HR们从未像现在这样需要用数据来支持自己的功能和证明自己的价值。数据时代对他们有两点价值:一是决策支持。各个渠道的效果、面试官的配合程度、校招学校站点的选择、HR的招聘能力,都可以通过数据分析来判断或决定,不再只靠拍脑袋了。二是证明招聘团队的绩效表现。招聘在用人部门看来往往是非零即一的事情,但其实招不到合适的人原因很复杂,需要深入分析,然而长期缺乏用数据说话的工作方式让HR在组织内部缺少话语权。
新事物总是容易被盲目炒作。大数据之所以流行,是因为它被各个行业寄予了太多希望,但现实中往往是实践太少,盲目畅想太多。在招聘领域也是一样,隔几周就能看到一篇大数据在人力资源管理领域应用的文章,但详细阅读则发现对于实质性的内容语焉不详。这样的分析越多,HR们就会对大数据抱有越大的期待,但同时也会发现可落地的实践越少。笔者客观地分析,从技术发展的角度和实用性的角度来看,大数据在招聘领域有三种应用会成为主流。
一、人才匹配
大数据最典型的应用场景是“推荐”。传统的简历推荐通常让HR设定一些条件,例如学历、工作年限、所属行业、期望薪酬等,系统根据这些条件的匹配度(其实是满足条件最多)把候选人排序,这种推荐的实质是搜索。根据心理学家的研究,候选人筛选是一个复杂过程,即使提前设定好硬性筛选条件,HR也难免因为综合考虑而放弃原本的坚持,此时大数据推荐就可以发挥价值了。基于大数据的推荐算法是通过猜测HR筛选简历的原因来建立推荐模型,并且会随着HR不断进行筛选的动作来持续优化模型,再从人才库推荐满足条件的候选人出来。HR的操作行为越多,招聘系统的推荐模型就越准确,从而通过人才挖掘来真正发挥人才库的价值,同时也能大幅降低招聘成本并提升招聘效率。
二、预测招聘效果
什么职位难招?中级职位要多久才能招到位?哪个渠道能提供更多的销售人才?这些基本的招聘问题HR心中会有大概的答案。但大数据分析可以帮助HR更快地回答这些问题,并且把结论量化,从而快速支持决策。原因就在于,HR在招聘中产生的数据能够被记录下来并形成预测模型。举例来讲,当HR多次招聘UI设计师后,再次招聘同一职位时,大数据算法可以根据HR的能力、面试官的响应速度、投放的渠道、市场人才稀缺的程度等因素,预测招聘周期,于是不用再被用人部门牵着鼻子走了。类似的大数据应用还会出现在渠道有效性分析、猎头能力分析、雇主品牌竞争力中。更有价值的是,当数据在更开放的行业环境中被共享时,招聘效果的预测将会更加准确。
三、发现招聘过程规律
不少组织的HR现今还在采用手工记账的方式记录招聘过程的信息,不及时、也难以保证数据准确。对此大数据也有相应的解决方案。例如,在每年一次校园招聘中,有些企业会在每天接近午夜十分通过微信平台发布校招广告,问其原因,答曰分析显示毕业生在那个时段使用手机访问企业微信号的行为最集中。当然还有更复杂的信息,如:学生填写哪些信息最困难,是否能找到关注的内容,面试到场率为什么较低,offer毁约率低的群体都存在什么特点,测评结果与面试评价之间的相关性有多大……当数据完整时,分析模型能够自动帮助HR发现规律,并寻找优化招聘过程的契机。
一切看起来都很美。我相信大数据是招聘领域的重大发展趋势,它确实可以把HR从招聘的黑箱中解救出来。但是,想要享用大数据带来的价值,HR们不得不正视眼前的挑战:大部分组织的招聘团队仍处于极度缺乏数据或者数据可用性很差的状况中;招聘团队自己不具备大数据处理能力,数据记录成问题;数据记录系统的安全性较低,可能导致重要招聘数据泄露;缺乏数据分析人才,即使有了数据,也无法有效规划和利用。
基于此,保证招聘过程数据能够得到完整记录,同时启用有效的数据分析工具是HR走向大数据时代的第一步。在招聘过程中应用好大数据,将成为HR事半功倍的前提。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20在现代社会的快速变迁中,选择一个具有长期增长潜力的行业显得至关重要。了解未来发展前景好的行业不仅能帮助我们进行职业选择, ...
2024-11-20