用“大數據”的火，挖“畢業生”的熱

牛文麗

數據分析應用于人力資源領域并不是一個新話題。高校畢業生是每年企業新生力量注入的一大源泉，企業也逐漸開始用更多的數據分析工具來進行高校畢業生的甄選工作，并且根據數據分析結果來幫助企業做出培育以及管理決策。對于HR來說，面對海量畢業申請人的資料，如何挑選合適的候選人并針對性引導發展，變得日益具有挑戰性。

美國：深度與廣度共生

許多年來，谷歌一直使用其創始人鐘愛的學業實力評估測試（SAT）分數和大學平均成績（GPA）指標來篩選新興的畢業生員工候選人。但如今谷歌人力資源分析副總裁卻表示，僅用績點的數據和績效指標不可說明其在谷歌能否取得成功，從今往后它們將不再是最重要的招聘標準。

美國Knack公司將先進的數據分析工具和游戲結合在一起，通過一系列游戲實時觀察目標對象的實際行為和表現。由于計算機可以從用戶參與游戲的每一個瞬間獲得有用的數據，15分鐘游戲就足以創造100萬字節的數據。因此，領導者最終獲取到的不只是完美的簡歷，更有應聘者的社交能力、適應力、情商等多方面信息。

目前，美國的許多公司已經通過將大數據和人工智能技術應用到人力資源招聘，綜合美國職場所需要的各種能力，結合畢業生們的多方面特點，為學生達到就業目標提供量化依據，致力于招聘培養更具有“美國深度廣度”的國際化人才，助力美畢業生順利突圍步入社會的重重困境，實現一步到達最適合自己的“人生崗位”。

德國：效率與質量兼容

德國高等教育的問題之一就是大學系統和學科成績比較復雜，沒有標準化。在德國有超過18000個不同專業。此外，還有很多地方可以聯合學習幾個專業。企業的招聘人員不太可能清楚學生學習成績或課程的具體分類。現在，德國開發出一個CASE評分系統，使用學生的最終成績，個性和智商測試的統計數據，利用算法來評估畢業生，也就是說，不同大學的畢業成績有了一個相互對比的可能，能明確計算該畢業生優于其他候選人的百分比數值。

目前，德國已經有15家公司使用這種算法。德國大學協會還將推廣這個系統。使用了這個系統，相對能挑選的候選人范圍更廣了，因為提供了跨學校和跨科目進行比較的可能。

英國：粗放與精細并存

對于英國而言，很多數據分析公司極力倡導并推廣大數據運用到人力資源工作上，他們認為大數據和人才分析的真正價值需要體現在分辨人的性格類型、能力以及其他優勢以幫助組織創造運轉良好的團隊上面。

2016年，專注于研究大學畢業生就業市場的英國公司High Fliers，利用大數據調查了英國前100家著名英企的招聘情況，試圖找出哪些目標人才以及哪些大學將被他們優先考慮。結果表明，不同雇主確定的目標大學數量不同，不同行業的畢業生招聘目標也呈現出有趣的趨勢。例如，企業招聘時最想要的員工的畢業學校第一名為諾丁漢大學，其次是曼徹斯特大學和劍橋大學。前五名中的另外兩名是牛津大學與布里斯托爾大學。和招聘意愿排名形成鮮明對比的是，在官方排名中，諾丁漢大學的TIMES排名為第23位，而曼徹斯特大學排名第26位。

此外，從事會計及其專業服務的單位以及法律公共部門的雇主是招聘人數最多的雇主，他們將去大多數大學吸引人才并成為最佳招聘人員。其次是法律的目標大學，而媒體行業的公司用人最精確。

英國一家數據分析公司的負責人認為，大數據招聘技術“絕對值得一試”。但是相對而言，它也有它本身的缺陷。大數據招聘技術可以衡量預測所有的變量，但是卻測量不了感性的東西，例如直覺。

國內企業還有哪些需要做的工作

談到國內企業招聘畢業應聘者，許多諸如納人、德勤中國（德勤華永會計師事務所中國區）、領英中國（LinkedIn中國區）的領先企業已在“大數據+人力資源”工作方面取得了重大進展。大數據確實能幫上忙，但是目前國內企業還有很多要做。具體涉及下面幾個步驟：

●一致性的科學招聘過程

為了不辜負畢業人才，企業要精確地描述職位和資格條件，也要精確地表述公司和部門文化。例如納人有一個特色在線評估平臺，該平臺上有1000多種考核機制，包括個性、興趣、行業背景和學習背景等。平臺不僅有基于簡歷匹配的靜態招聘模型，還有動態機器測試評估，通過類似的問題測試并以同樣公平的方式評估每一位應聘者。而在科學招聘方面，德勤中國正在使用一種叫做SHL（人才數據與結構分析）的特殊工具，SHL可以分析所有應聘財務部門的學生，并與全球范圍內申請同職位的學生進行對比。當企業想要確定某財務員工的整體素質時，SHL的數據可以幫助其與世界、亞洲或其他競爭公司進行橫向比較。

●精準整合社交媒體

如今有海量的工具可以用來從社交媒體配置文件中收集信息，找到有才華的應聘者，挖掘應聘者背后不為人知的故事。納人每年根據企業崗位的要求，利用人工智能系統從各種渠道招募招聘信息，過濾掉大量匹配度不高的簡歷，目前該系統的準確度高達90%。與此類似，購買領英的專業招聘人員賬戶，在獲得其他使用者的授權后，利用招聘者賬號直接進行數據挖掘，可在領英的350萬中國國內用戶中搜索，簡單地整合這些使用者的行為并將它們與通過標準化方法收集的信息進行比較可以幫助提高招聘質量。

●細化清晰的人崗匹配過程

“人崗匹配”常常出現在“定崗、定編、定員”或“員工職業生涯規劃”等場景中。自企業成立以來，納人90%的成本花在軟件系統的開發中，通過建立職位和候選模型，輔以人工智能算法。通過不斷測試和改進，目前的人員匹配模型相當于具有一位兩年實踐經驗的招聘專員。再如，德勤使用的人才招聘管理系統Taleo能夠在所有選定的簡歷上貼上各種標簽。比如該人的位置似乎不合適，但也許他可以在將來適應其他位置，因此HR可以在下次尋找該方向求職者時使標簽調用出來。

●不定期人才測評

人才測評即利用一些大型人力資源數據庫來挖掘潛在信息，通過分析實現更多層面的數據收集，如非應變能力、技能水平、成長情況等，有助于高效地進行人才評估，實現人力資源的合理配置和主動管理。例如領英的薪酬數據來自每個人與整個數據收集組織之間的直接互動，數據由用戶作為個人自發提供，同時領英本身也具有社交媒體的概念，因此其數據準確可靠，是建立企業人才庫的有效工具。德勤也有人才分析數據，但它基本上是基于如何充分利用現有的小數據，即從數據倉庫和數據挖掘中的不同部門或不同領域收集的數據。

總的來說，大數據和人力資源是良好的合作關系。企業要想真正搶得招聘優秀畢業者的先機，在大力尋求優秀的數據團隊的同時，必須把求職招聘與人才管理大數據玩起來。計算機、數字和算法不能說明一個人的全面情況。無論如何，它們不應該消除所有的商業行為。人的因素是必需的，需要引導到搜索大數據上，以獲得最精確的描述。在招聘、培養與管理員工時，HR不僅要考慮畢業生們背后大數據顯露出的硬性表現，還要考慮畢業生們內部蘊含的個性、專業性和一致性等要素。特別是在尋找有特定行業經驗、符合公司文化的畢業應聘者時，這些要素將對公司有很多好處。