互联时代的人才招聘新趋势与应对策略.pdf

LOGO 互联时代的人才招聘新趋势及应对策略！ 招聘方法的演化 传统招聘 互联网招聘 + 大数据招聘 业务基础 数据基础 人工智能 演化的动力 商品的价值是由生产该商品所必需的平均必要劳动， 即社会必要劳动时间来决定。 《马克思主义劳动价值论》 一种招聘方法好不好取决于比其他方法省不省时间！ 大数据是如何省时间的 - 胜任力分析 匹配模型 职位与技能的对应关系 J=f(T1, T2, T3, …, Tn) （Ising model ）   1 n i i  arg min   T   , T   log Z       st n  st  s t     1 s ,t   i 1  T 是胜任力标签（包括背景、技能、习惯、性格） J 是职位名称 成果： 1. T1, T2, T3, …, Tn各变量的名称，相互之间的相关性，数量分布 2. J与T之间的对应关系，J1, J2, ..., Jn的数量分布 大数据是如何省时间的 – 薪酬查询 大数据是如何省时间的 – 人才定价 定价模型 月薪与各项标签的对应关系 S=f(T1, T2, T3, …, Tn)= （高斯核函数公式） T 是候选人标签（包括背景、技能、习惯、性格） S 是候选人预估月薪 成果： 1. T1, T2, T3, …, Tn, 各变量的名称，相互之间的相关性，数量分布 2. S与T之间的对应关系，S1, S2, ..., Sn的数量分布 定价模型 ^  1 2   arg min  y x      Rv 2n 2 1 1/2 2 1  （稀疏Group Lasso 公式） 参数说明： 第一项为损失函数，第二项为l1/2范数，为全部向量的绝对值平方根求和； 第三项为l1范数，为全部向量的绝对值之和，保证了组间数据的稀疏性。 大数据是如何省时间的 – 职业生涯梳理 大数据是如何省时间的 – 背景调查 大数据是如何省时间的 – 背景调查 数据源接入及处理 数据源及技术合作伙伴 行业合作伙伴 企业HR 猎头 数据 背调公司 与 API 招聘网站 算法平台 ATS