大数据时代下企业招聘工作的优化对策

吴傲立

江苏中科睿赛污染控制工程有限公司, 江苏 盐城 224000

0 引言

“大数据”(big data)又称巨量资料[1],首次出现在1980年出版的《第三次浪潮(The Third Wave)》一书中。2008年Science发表了众多有关“大数据”的文章,“大数据”一词广泛传播。2011年,麦肯锡全球数据分析研究定义大数据为“大小超出了典型数据库工具收集、存储、管理和分析能力的数据集”。Science指出大数据代表了人类社会认知发展的进步,定义大数据为“数据集的规模是无法在可容忍的时间内用目前的技术、方法和理论去获取、管理、处理的数据”。IBM公司把大数据特点概括为“3V”,即规模、快速和多样,之后又增加了低价值密度、真实性,衍生为“5V”。各个行业、各个学者不断对大数据的概念进行补充、提炼,全都体现大数据“大”的特点,需要采用新技术才能高效捕捉、发现和分析,从而获取有价值的信息[1]。

大数据出现以来,其潜在价值推动了其在各个行业中海量的应用研究。大数据时代不可避免地给人力资源管理带来了新的变革与挑战,如何利用大数据重塑人力资源管理,为企业创造持续的竞争优势,成为管理者关注的焦点[2]。企业应打破传统招聘的思维模式,实现大数据时代下新型的招聘模式。

1 大数据在企业招聘管理中应用的优势

1.1 拓宽招聘渠道

传统招聘采用网络、现场、第三方招聘等形式,能获取到的求职者信息浮于表面,十分有限,仅有学历、专业、经历等,而对其能力、技能、业绩等深层次信息基本无从得知和验证。

大数据背景下,衍生了一种不断融合社交网络的立体化的新招聘形式[3]。国外使用Facebook和Twitter招聘的企业占比一半以上,其中约一半的企业认为借助社交网络对招聘效率有提升;国内的微博、微信等社交平台都为企业提供了新型网络招聘的机会[2,4]。

社交网络具有网状综合性信息,拥有很多个数据集群体,涵盖工作、生活、社会关系等很多的信息,将社交网络应用到人力资源招聘上就具有极大的延伸性。首先,大数据时代赋予招聘方式许多的可能性,比如海底捞的“圈层招聘”、万科的“竞品挖猎”、富士康的“联动引流”、朋友圈/微信群/抖音等新型招聘等;其次,企业招聘与内部员工的个人社交结合,利用有限的内部资源获取更多的外部资源和信息,寻找潜在的隐藏人才,实现企业端和人才端的双赢;最后,从本质上说,企业招聘是一种营销行为,既需要招引人才,也要提升品牌效应,两者相辅相成,企业在拓宽招聘渠道的同时,也在不同程度地进行品牌宣传。

1.2 降低招聘成本

首先是降低了招聘的直接投入。大数据提供智能引导,减少不必要的精力投入和内部耗损,同时利用大数据强大的分析功能,不同招聘渠道的真实成效和经费投入很快能对比出来,有助于选择性价比合适的招聘渠道。

其次是降低了招聘的时间成本和机会成本。传统的招聘方式下,简历匹配、甄选面试、背景调查等环节均通过人工方式进行,招聘效果、招聘时间都受到了招聘者个人因素的影响,招聘时间有可能会被人为拉长。招聘者的时间成本、机会成本高,面试者也付出了一部分的时间、机会成本。而在大数据时代,招聘各个环节都可以高效实施、实时反馈[5],缩短了招聘流程的长度,有效降低了招聘者和面试者的时间成本和机会成本,对于招聘两端均有益处。

例如,腾讯在2012年通过People Soft搭建起了HR的统一结果库,2013年和微信共同开发了“HR助手”,2014年初在SDC内部成立了HR大数据团队[2];谷歌利用其开发的预测应聘者在获聘后是否具有最佳生产力的算法进行精准招聘[6]等,都是通过大数据技术为业务部门的招聘者提供大数据招聘工具,对大量数据进行挖掘、采集、追踪和分析,更方便地获取适合的人才,大大缩短员工的招聘周期,降低了招聘成本,提升了招聘质量。

1.3 增强人才匹配性

人才是否与岗位相匹适,直接关系到企业发展。传统招聘模式下,简历的获取会受到各种主观和客观因素的影响。招聘效果很大可能受到招聘者的经验、能力等个人因素的影响,最终会导致招聘入职的员工与岗位要求的符合度偏差较大。

大数据技术以海量用户数据、行为数据为基础,构建多维度数据标签体系,实现求职者和企业方信息双向有效对接,对求职用户精准挖掘和配对,辅助设计面试问题,最大程度地实现人岗精确匹配,帮助企业招聘者进行科学的录用决策,实现招聘过程中“高效+精准”[7]的目标和智能化招聘。例如腾讯公司为提升招聘环节的效率和效果,以历史员工稳定性数据为样本,建立识别候选人稳定性的数学模型,利用在候选人评估分析上,以增强员工特征与职位的匹配,为后续招聘以及保留也提供参考[2]。

1.4 提高招聘分析的信度和效度

传统招聘模式下,由于信度、效度评估对企业收集和积累的要求比较高,所以在实际工作中,信度和效度评估往往会被忽略。而在大数据时代下,无论是招聘需求的制定、招聘的执行、甄选测试和面试、体检等过程,都能更加数字化、标准化、智能化,提高了人才决策的有效性。通过对招聘数据和人员入职后的数据进行多个维度的对比分析和环比分析,能够提高招聘分析的信度和效度,有效分析出人力资源管理中存在的问题,提高组织与人才效能。

2 大数据时代企业招聘管理优化措施

2.1 以大数据为基础关注内外部环境变化

企业招聘需求来源于人力资源整体规划,人力资源规划受企业内外部环境的影响。

首先,大数据时代下,人力资源管理者对国家、地区性政策的获取相比以往更加便捷,对于企业外部同业竞争的人力资源政策、导向也能有大致的了解和分析。企业可以基于宏观经济、产业结构、市场导向、人力资源、运营财务等大数据,精确地预测人才供给和需求状况,为制定招聘计划提供数据支撑和科学指导。

其次,大数据时代下,能够更容易获取各地、各行业的工资标准及区间等信息,了解本企业的竞争优势在何种水平,利于企业根据同行业情况采取薪酬战略。

2.2 以大数据为基础提升企业招聘水平

首先,传统招聘模式下求职者需要被动等待,而大数据时代下,智能机器人可以100%与求职者建立互动,求职者可以主动获取信息,并且根据互动信息决定是否投递简历,客观上实现了机器人的首轮筛选。招聘者可以有效利用大数据智能化特征,设立可由机器人筛选的问题信息。

其次,可以提升数据处理水平[8],从海量的数据中挖掘出有用信息,合理地将数据分析应用在追踪招聘进展、监控招聘渠道质量、招聘工作盘点、招聘效果评估等方面,并为薪酬、绩效、培训等模块提供多层次的利用。

再其次,在甄选测试和面试的过程中,招聘者可以运用一系列的大数据手段,例如大五人格测试、MBTI职业性格测试、人岗匹配度测试等分析工具,提取对于岗位需求有关键影响的分析结论,有效支撑录用决策。

最后,强化人力资源管理者的决策分析能力,利用大数据平台,可以遴选出关键信息,建立岗位职能要求体系、员工胜任力素质模型,通过数据匹配筛选,帮助招聘者在人才招聘过程中快速识别匹配人才,优化招聘过程,提升招聘水平。

2.3 以胜任力为导向建立大数据招聘体系

胜任力又被称为“胜任特征”,是人才选拔的指标和人才考评的标准,基于胜任力的管理更容易实现组织绩效。典型的胜任力理论模型有冰山模型、洋葱模型和情景模型。不同的学者通过不同的特征分析,提取若干个不同的一级指标、二级指标,用以构建胜任力模型,在典型胜任力理论模型基础上衍生出多元胜任力模型、通用胜任力模型、专用胜任力模型等应用模型。胜任力构建的目的是为了达到“人员-岗位-组织”之间的匹配,实现个人的职业发展,提高工作绩效。而在胜任力模型构建过程中,大数据的作用及重要程度不言而喻,大数据可以通过海量的数据、关键信息的提取,来获取同一行业同一岗位的关键胜任力指标,相比人工调查,大数据下构建的胜任力素质模型更为精准。

在以胜任力为导向构建大数据招聘体系时,要对招聘岗位所需人才的胜任力要素作出基本分析,不同岗位所要求的胜任力均有差异。企业可依托大数据系统分析岗位胜任力素质,实现人岗匹配,同时也可以基于胜任力素质特征,进行人才入职后的管理,有助于开展招聘信度和效度分析。

2.4 以大数据平台为基础优化人才培训和开发

大数据最重要的作用之一是进行预测,关注的是被招聘者下一个阶段的表现[3]。决策层、人力资源管理层可以针对此预测评估被招聘者的授权幅度、岗位选择、文化塑造等方面;同时企业管理层可以通过大数据分析决定人才培训和开发路径。

借助大数据平台,可以有效实施员工所需要的多样化培训。传统的培训主要以讲授为主,由于不同人员的培训需求不一致,导致企业培训成本增加,培训效果不佳,而在大数据时代下,培训手段和方式呈现多样化趋势,企业可以实现全方位的网络化培训,更能够满足员工随时随地的多样化学习需求。企业人力资源管理相关工作人员还能够通过数据化的形式统计员工的培训情况,并推送具有针对性的培训计划,满足企业人才培养的需要。

大数据时代带来的跨界思维[9]也促使培训方式向多样化的方向发展。企业人才培训管理模式、方法以及理念都在随着时代发展,跨界思维下的培训能够深挖员工自身的综合价值,在实现自我价值的同时实现企业价值。

3 结束语

大数据技术在企业人力资源管理过程中的核心价值是更加全面、理性、客观地做出人力资源管理决策。目前,大数据技术在人力资源管理各环节呈现逐步渗入趋势,取得了一定的效果,也衍生了一些数据利用能力、数据利用成本、数据利用安全等不确定性问题,所以大数据时代下的招聘模式必须是“人-机”结合模式,既利用大数据减轻人的负担,又利用人来检验大数据的准确性。因此,企业只有不断提升自身运用大数据的能力和技术,才能将大数据有效应用在人力资源管理各个环节中。