大数据改造在线招聘 猎头还有存在的意义吗？

本篇文章3070字，读完约8分钟

自2012年推出以来，它已经赢得了今天1亿美元融资的头条。通过对不同用户对新闻偏好的数据分析，定制新闻的推送模式几乎激怒了整个传统媒体圈；不久前成功上市的万达集团，今年9月与百度和腾讯联合宣布成立万达电子商务，试图利用百度和腾讯的底层数据库和会员系统优势，对抗电子商务霸主阿里

大数据在整个商业世界中扮演着越来越重要的角色。

大数据的流行预示着商业战争将演变成数据战争。谁获得了最大和最有价值的数据，谁就赢得了整个互联网的未来。正如移动互联网从平台级应用开始走向垂直化一样，大数据的潜在能量将从平台级企业释放到更细分的垂直领域。在线招聘、网络医疗、在线教育、o2o，这些垂直领域都对大数据有着最直观的需求。让我们来谈谈大数据如何改变了在线招聘领域。

在线招聘1.0，数据积累的时代

中国的网上招聘市场可以追溯到近20年前。个人用户将简历上传到招聘网站，企业用户在大量的简历中寻找自己需要的人才。劳动力供给方和需求方第一次通过互联网连接起来，在线招聘市场正处于一个爆炸性的时期。

让我们仔细分析一下在线招聘1.0时代的一些特征:

1.海量数据

在线招聘1.0时代正处于信息获取的巨大红利期。智联招聘、ChinaHR.com等行业的玩家可以不用花很多钱就能获得大量用户简历，并将其作为吸引和联系更多招聘人员和猎头的资产。6个月前，智联招聘并在纽约证券交易所上市，估值为7亿美元，注册用户达到7700万，数据库中有大约6000万份完整的简历。智联网关于求职者的丰富数据使其成为在线招聘1.0时代的领导者。

2.数据结构化和标准化

现阶段的招聘网站拥有高度结构化的求职者数据，包括简历展示、职业类型、职业等。，但实际生活中从业者的行业或职业类型可能更详细。随着互联网技术的兴起，新的行业越来越多，即使招聘网站有多种数据属性，也无法明确定义用户的能力和体验。

3.数据带来的简历轰炸和招聘低效

在越来越多的企业和求职者疯狂涌向互联网的同时，缺点也逐渐凸显出来。由于求职者发送简历的成本较低，简历爆炸和个人信息欺诈现象严重，这使得企业人力资源人员面临着越来越广阔的简历海洋，并深受其害。

我们想要的是一个狙击手，但是招聘网站给我们带来了一辆坦克。企业与求职者之间的信息不对称导致招聘网站“不合群”，传统招聘网站的弊端开始显现，已不能满足日益增长的人力资源或猎头对人才的需求。

社会招聘:三维世界和二维世界的竞争

随着facebook和twitter的社交风暴席卷全球，大数据挖掘的提议不断刺激公众的神经。在大洋彼岸的中国，大数据已经开始渗透到电影、音乐和网络链接等垂直领域。在垂直招聘领域，大数据的应用也让许多求职者和雇主品牌受益。

在网上招聘2.0时代，更多的社会属性融入到招聘行为中，社交招聘网站逐渐成为招聘行业的主流工具。与传统招聘网站的海量数据扁平化相比，社交招聘平台可以挖掘更多层次的数据内容:用户基础数据、用户行为数据和社交平台上的用户交互数据。

在挖掘和掌握在线招聘2.0时代用户交互数据的重要价值后，通过构建数据分析模型，整合专业人士的网络行为习惯和社交网络数据，可以形成更加准确、立体的用户肖像。如果招聘1.0时代的大数据挖掘仍处于二维世界，那么社交招聘时代的大数据将把整个招聘领域带入一个令人耳目一新的三维世界。通过挖掘用户的社会行为数据，企业的招聘效果得到了整体提升。

以全球最大的专业社交网站linkedin为例。在linkedin上，个人用户可以创建简历、关注公司职位信息、建立个人关系、填写个人技能以及分享行业信息。另一方面，企业可以建立公司主页，购买付费产品，发布招聘广告，搜索所有用户的档案并联系他们。

当用户建立个人关系和分享信息时，他们也传达了他们的商业圈和价值观。在创建企业主页的同时，企业也在树立雇主的品牌形象和求职者的信心。双方的形象更加立体、具体和感性。

在linkedin最近发布的《2015中国人才招聘趋势报告》中，在未来5到10年内，什么样的趋势将对招聘行业的发展起到最重要的决定作用？当时，55%的人力资源积极选择使用大数据来预测未来的人才需求，远远高于全球27%的水平，这表明国内人力资源部门已经意识到大数据的重要性。有人问我，贵公司如何利用数据来了解人才招聘的效率和机会。当时只有18%的受访者认为自己的公司做得很好，低于全球24%的水平，这反映出国内人力资源部门仍然没有采取措施通过数据优化招聘效率。

随着招聘领域进入三维世界，我们可以看到在线招聘行业在2.0时代的发展呈现出一些新的特点:

1.招募最合适的人，而不是能力最强的人

在1.0时代，企业通过搜索基于关键词的简历来招聘员工，这无法从更高的纬度判断求职者的价值观和社会属性。在2.0时代，由于丰富的三维数据类型，新的数据算法可以使雇主和用户更准确地匹配。

来自加利福尼亚的26岁的Jedlu dominguez有一天收到了一封意外的电子邮件，旧金山的一家创业公司邀请他采访程序员。多明格斯当时住在加州一个城市的租来的房子里，靠信用卡生活，他自学编程。多明戈斯在高中表现平平，从未想过要上大学。卢卡·路邦·马萨通过一种新的数据算法选择了多明戈斯。

这种新数据算法的想法是让人们远离传统的人才指数，如麻省理工学院的学位、谷歌公司的经验、同事或朋友的推荐等。，这是招聘人员普遍关心的问题，他们更注重一些简单的概念:这个人表现如何？这个人能做什么？你能定量分析它吗？

据了解，这种来自美国一家数据分析公司的新算法在分析一个人时必须处理300个主要变量:频繁访问的网站、用于描述各种技术的语言类型、正面或负面、linkedin上技能的自我报告、参与了哪些项目、工作了多长时间、在哪里学习以及学习了哪些专业。那年这所学校在《美国新闻与世界报道》中的排名是多少？正是这些丰富的数据更加概括了求职者

2.大数据提高了劳动效率

2011年夏天，曼城助理教练大卫·卢普拉特(David Luprat)决定用数据分析来解决球队表现中的一个难题。普拉特发现，尽管球队阵容中有许多高大强壮的球员，但他们的角球得分并不令人满意。在咨询了俱乐部内部数据分析师后，球队增加了内部角球的使用(球转向守门员的方向)。战术变化产生了惊人的结果。在整个赛季中，曼城通过角球打入15球，成为英超角球进球效率最高的球队，三分之二的进球是通过内部轮换角球打入的。这种做法为数据驱动的决策提供了强有力的支持。

高质量和高效的数据分析开始在企业和团队的策略和决策中显示出更大的价值。

一些领先的科技公司，如英美烟草、华为和联想，已经开始使用linkedin数据来帮助他们做出更多的商业决策。例如，通过阅读求职者的信息，他们可以发现哪些领域有更多潜在的合适员工，并决定在哪里建立新的办公室或工厂。换句话说，linkedin不仅想改变招聘和求职的方式，还想改变整个劳动力市场的效率。

在领英首席执行官杰夫·韦纳(Jeff Vejnar)的理想状态下，领英可以根据这些数据绘制一幅宏伟的经济地图。具体来说，如果linkedin能够追踪求职者、公司和大学之间的关系，并绘制出人们的职位、资历和技能与雇主要求之间的匹配图，它就能逐步改善劳动力市场信息的流通，并在劳动力市场上创造大数据。

摘要

如今，数据采集变得越来越容易。然而，面对海量数据，如何更好地处理和利用它，将它转化为商机并提升其价值，大多数企业仍在为之努力。随着对大数据的深入理解和实践，专业社交网站将迎来一个意想不到的井喷期。