- 1、本文档共17页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
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
文档评论(0)