你怎么知道你在招聘合适的人选?根据人力资源管理协会的数据,平均每个雇员的费用是4129美元,平均需要42天来填补空缺。想象一下,在这一年里,你所有的空缺职位都要乘以多少。如果你急于招聘而又不雇佣合适的人,那么问题就出在公司的另一边了。一项研究发现,41%的雇主估计一个糟糕的招聘成本是2.5万美元,25%的雇主认为这个数字是5万美元或更多。
公司能做些什么来降低每个雇员的成本,同时减少糟糕雇佣的机会?一种方法是使用机器学习。如今,机器学习已经被用于在三个不同的领域提高招聘效率:应用和简历审查:根据关键字筛选简历,利用社会数据来确定候选人,并使用在线问卷。
预参与:部署人工智能助手和聊天机器人,以回应候选人的询问或安排面试。
人才来源:使用关键属性从一个大的池中缩小顶级候选人。
人工智能机器学习是如何做到这一点的?机器学习迭代地将算法分析模型应用到预处理数据中,以发现隐藏的模式或趋势,这些模式或趋势可以用来标记理想的简历,以进行评估,预测对预先审计的查询的正确响应,或确定人才来源的最佳人选。尽管所有这些领域都可以帮助减少时间和金钱来填补职位空缺,但我们相信,有一个因素会对确保你招聘合适人才产生最大的影响:人才招聘。
机器会比招聘人员更容易找到适合你的空缺职位的候选人吗?理想情况下,电脑会发现你会忽略的相关性和模式,这会导致越来越高质量的求职者。如果你考虑使用机器学习来帮助人才资源,笔者总结了如下建议:
被动招聘
要利用机器学习,您需要首先定义要“训练”系统的变量。您应该考虑的变量将取决于您的想法。你是在寻找那些不愿意找新工作的被动候选人吗?还是你想从大量应聘者中筛选最优秀的应聘者?如果你做的是前者,你可能会考虑一些属性,比如最近或频繁更新他们的Linkedin个人资料,因为这可能表明他们可能开始找工作,或者已经在寻找工作。或者考虑影响当前雇主稳定性的因素(比如合并和收购、裁员和股票波动)。你也可以看看市场指标,以帮助预测某一特定行业或公司的衰退,这可能会创造出大量可供选择的候选人,给你一个早期优势。
主动招聘
在积极的招聘方面,想象一下,如果不是成千上万的申请,你会收到成百上千的空缺职位申请。在这里,机器学习可以帮助筛选最优秀的候选人,这取决于你的数据的可训练性。你是否有足够的历史和相关的数据来证明成功的候选人或员工培训你的系统?这就好像你在寻找一个“迷你的我”,基于“理想””员工的形象。您在这里考虑的属性将取决于角色,但是一种方法是通过查看该角色中成功的员工的属性,例如他们的工作经验、行业和工作产品,来对最适合的人员进行逆向工程。其他需要考虑的因素是,在过去的五年里,他们拥有的工作岗位数量,他们在每一份工作上的任期,大学毕业生招聘的主要和课外的大学活动,或者爱好(竞技体育可能对销售职位有好处)。你也可以利用机器学习来针对那些在先前的招聘策略中获得成功的候选人。
多样性和包容性
一些公司可能正在寻求实现某种平等的就业机会比率,机器学习可以提供帮助。一家公司使用机器学习来帮助女性员工从40%增加到47%,少数技术人员从1.5%增加到11%。然而,在某些情况下,你不希望基于性别或种族歧视“池”。那么如何管理这些情况呢?消除机器学习中固有的偏见至关重要。数据匿名、聚类和数据聚合是避免固有偏见的一些方法(例如,确保受保护的类、性别或年龄不成为算法中的因素)。
人工接触
虽然使用机器学习可以帮助减少招聘周期、成本和糟糕的招聘数量,但你仍然需要人为干预来管理“候选人经验”。“无论候选人的结果如何,人们仍然需要通过频繁的个人交流和高质量、持续的面试技巧来确保候选人的经验是积极的”。
招聘的未来随着人工智能的到来将会改变。问题是,你准备好了吗?如果是这样的话,你将如何利用技术来帮助降低招聘成本,并增加第一次招聘的机会?
声明:以上文章内容来源于网络,版权归原作者所有,不代表本栏目观点或立场。
]]> 2018年12月07日 03:04