大数据技术对网络招聘流程中简历收集阶段的影响研究

张俊艳

摘要：随着互联网的发展，企业已经将网络招聘作为主要的招聘手段，但是由此得到的大量数据并没有受到足够重视，其价值大打折扣，反而带来了简历筛选效率低下及岗位匹配度低的问题。本文重点研究大数据在简历收集阶段的应用，为企业招聘系统的优化改进提供参考。

关键词：大数据；网络招聘；简历收集

当今，互联网发展已经进入大数据时代，各行各业都在就如何更好地利用数据、分析数据进行积极的探索。目前，大数据的研究和应用主要集中于市场营销和消费者行为领域，而在人力资源管理领域则尚未得到广泛应用。

招聘环节处于人力资源管理的发端，对企业来说有着相当重要的影响。随着网络的快速发展，传统的招聘方式已经发生改变，网络招聘成为主流。然而，在实践的过程中我们发现，由于求职简历数量的巨大，使用传统的网络招聘反而会造成简历筛选效率的低下，岗位匹配度低，招聘有效性很差。

本文着眼于网络招聘流程的简历收集阶段，意图将大数据技术应用其中，为网络招聘简历收集阶段的优化改进提出合理化建议。

一、大数据与网络招聘

目前“大数据”的定义还没有形成定论。一般来说，大数据的特点可以归纳为数据体量大、数据类型多、处理速度快、价值密度低。随着各界对大数据应用的普及，对数据的处理方法呈现纷繁不已的状态。但总体看来其基本处理流程基本一致。如图1

图1大数据处理基本流程

网络招聘是指利用IT网络技术完成人员招聘工作的过程。具体而言，网络招聘是企业通过网络平台发布职位需求与招聘信息的过程；是求职者借助网络平台应聘求职的过程；是第三方网络品牌招聘求职信息的过程。

在网络招聘流程中，招聘人员要经过简历收集、简历筛选和候选人考量三个阶段开展招聘工作。目前大多数企业的网络招聘均处在初级层面，仅仅利用网络发布招聘信息，人力资源部门对收到的简历与岗位描述进行初步比对筛选后，采用面试应聘等传统方式进行最终决定。

二、利用传统网络招聘方式收集简历存在的问题

网络招聘具有覆盖范围广泛、招聘成本低、服务方式便捷、招聘流程清晰等优势。但同时我们也要正视传统网络招聘所存在的一些缺陷，如下：

（1）只关注招聘人员的需求，招聘有效性差

传统的网络招聘中通常都是招聘部门与用人部门协定，根据用人岗位要求发布招聘信息，然后有需求的求职者向网站投递简历，等找到工作之后就不再关注网站了。目前多数网络招聘只是单方面关注招聘人员需求，没有注重用户体验，导致网站用户黏度很低。

（2）招聘对象受限，只能招到主动求职者

按传统网络招聘流程，由企业根据需要发布招聘信息，看到信息的求职者投递简历，如此而来，企业招聘的对象都是那些主动寻找工作机会的人员。有关数据显示，目前社会中存在大批人对自己的工作较满意，但面对好的机会也会选择更换工作，其中有很多人具备较高素质和能力，然而企业想要招聘这类“被动求职者”的渠道却很有限。

（3）大量简历加大了筛选工作量

随着网络招聘的流行，更多求职者采用网络的方式来求职。这意味着若继续运用传统网络招聘方式，企业面临的简历数量将无比庞大，后续的简历筛选工作量很大，获得的简历与所需岗位的匹配度也不高。

三、基于大数据技术的网络招聘简历收集阶段的优化改进

（一）简历社交网络招聘，提高数据源的有效性

企业利用传统方式只能得到被动求职者的简历，缺乏与求职者的互动，极大地降低了两方匹配的有效性。

社交网络是人们基于相同的兴趣爱好形成的网络在线社群。如果将网络招聘与社交相结合，搭建社交网络招聘平台，将一群志同道合的人聚集在一起，可以增加用户黏度，减少无效应聘数量。

（二）设定条件搜索目标对象，线上与线下结合，突破招聘局限

针对招聘对象受限问题，招聘企业可在简历搜集阶段通过在招聘平台设定包括年龄、性别、工作经历、好友关系等在内的搜索条件，将符合条件的人筛选出来招聘的考量值，搜索出来的人除了主动求职者外还有被动求职者。除了线上招聘途径之外，企业还可以利用内部员工推荐这一线下渠道，实现线上线下的有效结合，减少招聘部门人员的工作量。

（三）采用差别方式来获取数据

为了减少筛选数据的工作量，企业可以有差别的发布招聘信息，根据不同岗位人员要求的特点，选择不同的方式来获取数据。

对于基层一般性的职位，可以采用撒网式的方式，直接发布信息，借助社交媒体保障信息传递的速度和有效。而对于中层以上的职位，可采用储备式的方式。将所需的目标人才纳入自己的人才库中，增加与目标人才的互动和联系，形成情感联结，当相关岗位出现空缺时可以直接与目标人才沟通。

参考文献：

[1]许红军，程伦，张雷.社交网络招聘有效性影响因素研究[J].中国人力资源开发.2013 年第 3 期.

[2]吴林.大数据时代社交网络招聘优化研究[J].经营管理者.2015年

[3]殷俊.大数据时代下关于企业招聘的思考[J].人力资源管理视窗.2014年.

[4]MANYIKA J.CHUI M.BROWN B.et al： Big data： The next frontier for innovation. Competition and productivity[R/OL].Las Vegas： The Mc Kinsey Global Institute.2013-07-24.