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 2 Pandas数据类型 Pandas 有两种自己独有的基本数据结构。需要注意的是,它固然有着两种数据 ...
2024-11-01《Python数据分析极简入门》 第2节 1 Pandas简介 说好开始学Python,怎么到了Pandas? 前面说过,既然定义为极简入门,我们只抓 ...
2024-10-31在当今数据驱动的世界中,数据科学与工程专业的重要性愈发凸显。无论是推动技术进步,还是在商业决策中提供精准分析,这一专业都 ...
2024-10-30在当今信息爆炸的时代,数据已成为企业决策和战略制定的核心资源。爬虫工程师因此成为数据获取和挖掘的关键角色。本文将详细介绍 ...
2024-10-30在当今数据驱动的世界中,数据分析是揭示商业洞察和推动决策的核心力量。选择合适的数据分析工具对于数据专业人士而言至关重要。 ...
2024-10-30能源企业在全球经济和环境保护双重压力下,正面临前所未有的挑战与机遇。数字化转型作为应对这些挑战的关键手段,正在深刻变革传 ...
2024-10-30近年来,随着数据科学的逐步发展,Python语言的使用率也越来越高,不仅可以做数据处理,网页开发,更是数据科学、机器学习、深度 ...
2024-10-30大数据分析师证书 针对不同知识,掌握程度的要求分为【领会】、【熟知】、【应用】三个级别,考生应按照不同知识要求进行学习。 ...
2024-10-30《Python数据分析极简入门》 附:Anaconda安装教程 注:分Windows系统下安装和MacOS系统安装 1. Windows系统下安装 第一步清华大 ...
2024-10-29拥抱数据分析的世界 - 成为一名数据分析工程师是一个充满挑战和机遇的职业选择。要成功地进入这个领域,你需要掌握一系列关键技 ...
2024-10-28降本增效:管理战略的关键 企业管理中的降本增效不仅是一项重要的战略举措,更是激发竞争力、提高盈利能力的关键。这一理念在当 ...
2024-10-28企业数字化是指利用数字技术和信息化手段,对企业的各个方面进行改造和优化,以提升生产效率、服务质量和市场竞争力的过程。实现 ...
2024-10-28数据科学专业毕业后,毕业生可以选择从事多种不同的岗位和领域。数据科学是一个快速发展且广泛应用的领域,毕业生在企业、学术界 ...
2024-10-28学习数据科学与大数据技术是当今职业发展中至关重要的一环。从基础到高级,以下是一些建议的课程路径: 基础课程: Python编程 ...
2024-10-28在信息技术和数据科学领域,数据架构师扮演着至关重要的角色。他们负责设计和管理企业中复杂的数据基础设施,以支持数据驱动的决 ...
2024-10-28进入21世纪以来,随着信息技术的迅猛发展,大数据已经成为全球最具影响力的技术之一,并成为企业数字化转型的核心驱动力。大数据 ...
2024-10-28随着科技的迅猛发展,数字化转型已成为现代企业保持竞争力和推动增长的关键战略之一。数字化不仅仅是技术的应用,它代表着一种全 ...
2024-10-28银行业正处于一个前所未有的数字化转型时期。在数字经济的驱动下,金融科技如大数据、人工智能、生物识别、物联网和云计算等技术 ...
2024-10-28数据分析可视化是一门艺术与科学相结合的技术,其主要目标是将复杂的数据变得更易于理解和分析。通过将数据以图表的形式呈现,我 ...
2024-10-28数据分析师在现代信息密集型的商业世界中扮演着至关重要的角色。他们通过专业的技能和敏锐的商业洞察力,帮助企业从大量数据中提 ...
2024-10-28