欢迎光临
我们一直在努力
您的位置:首页>科技前沿 >

机器学习如何改善招聘

你怎么知道你正在招聘合适的候选人?根据 人力资源管理协会的统计,每次租用的平均成本为4,129美元,填写公开请求平均需要42天。想象一下,在一年中,金额乘以所有未结头寸。然后在硬币的另一边有问题 - 如果你急于雇用而你没有雇用合适的人呢?一项 研究 发现,41%的雇主估计一个不良的雇用成本为25,000美元,25%的雇主估计这个数字为50,000美元或更多。

公司可以做些什么来降低每次雇佣的成本,以及减少不良雇佣的机会?一种方法是使用机器学习。如今,机器学习已被用于在三个不同领域提高招聘效率:

申请和简历评审:根据关键词筛选简历,利用社交数据识别候选人,并使用在线问卷调查

预参与:部署人工智能(AI)助手和聊天机器人以回应候选人的询问或安排面试

人才采购:使用关键属性缩小大型池中的顶级候选人

机器学习如何做到这一点?机器学习迭代地将算法分析模型应用于预处理数据,以发现隐藏的模式或趋势,可用于标记理想的简历以进行评审,预测对参与前的查询的正确响应,或确定人才采购的最佳候选人。虽然所有这些领域都有助于减少填补这一职位所需的时间和金钱,但我们认为可以产生最大的影响,以确保您雇佣合适的人才:人才来源。

机器能否比招聘人员更好地为您的空缺职位寻找合适的候选人?理想情况下,计算机将找到您可能忽略的相关性和模式,这将导致越来越高质量的候选人。如果您正在考虑使用机器学习来帮助人才采购,请考虑以下几点。

被动采购

要利用机器学习,您需要首先定义“训练”系统的变量。您应该考虑的变量取决于您的方法。您是在寻找被动候选人 - 实际上并未寻找新工作的人 - 或者您是否希望从大量申请人中缩小最佳候选人?如果你正在做前者,你可能想要考虑一些属性,例如他们最近或经常更新他们的LinkedIn个人资料,因为这可能表明他们可能会开始寻找工作或已经在寻找工作。或者考虑影响当前雇主稳定性的因素(例如合并和收购,裁员和股票波动)。您还可以查看市场指标,以帮助预测特定行业或公司的低迷,这可能会产生大量可用的候选人,

主动采购

在积极的招聘方面,想象一下,如果不是数千个,那就会收到数百个(如果不是数千个 在这里,机器学习可以帮助缩小最佳候选人,具体取决于数据的可训练性。您是否有足够的历史和相关数据来帮助成功的候选人或员工培训您的系统?就好像你正在寻找一个基于“理想”员工形象的“迷你我”。您在此处考虑的属性将取决于角色,但一种方法是通过查看该角色中成功员工的属性(例如他们的工作经验,行业和工作产品)来对最佳匹配进行逆向工程。要考虑的其他因素包括他们过去五年的工作岗位数,他们在每份工作中的任期,最近大学毕业生的主要和课外学院活动,或兴趣爱好(竞技体育可能有利于销售角色)。您还可以利用机器学习来根据之前的招聘策略来定位具有较高成功概率的候选人。

多元化和包容性

一些公司可能希望实现某种平等就业机会比率,机器学习可以提供帮助。一家公司利用机器学习帮助女性雇员增加40%至47%,少数民族技术人员从1.5%增加到11%。但是,在某些情况下,您不希望基于性别或种族偏见“池”。那么你如何管理这些情况呢?消除机器学习中固有的偏差至关重要。数据匿名,聚类和数据聚合是避免固有偏差的一些方法(例如,确保受保护的类,性别或年龄不会成为算法中的因素)。

人性化

虽然使用机器学习可以帮助减少招聘周期时间,成本和不良招聘人数,但仍然需要人工干预来管理“候选人体验”。人类仍然需要通过诸如频繁的个人等行动确保候选人体验是积极的沟通和高质量和一致的面试技巧,无论候选人的结果如何。

招聘的未来肯定在变化。问题是,你准备好了吗?如果是这样,您将如何采用技术来帮助降低招聘成本并在第一时间增加招聘机会?

免责声明:本网站图片,文字之类版权申明,因为网站可以由注册用户自行上传图片或文字,本网站无法鉴别所上传图片或文字的知识版权,如果侵犯,请及时通知我们,本网站将在第一时间及时删除。