܄

找萝卜创始人&CEO付浩:招聘行业要靠数据驱动提升效率和精确度

【数据猿导读】 11月24日,数据猿联合星河互联主办了《数据猿巅峰思享会——用户画像的100种用法》活动。找萝卜创始人&CEO付浩主要和大家分享了招聘行业如何基于数据驱动来提高HR和猎头的工作效率

找萝卜创始人&CEO付浩:招聘行业要靠数据驱动提升效率和精确度

11月24日,数据猿联合星河互联主办了《数据猿巅峰思享会——用户画像的100种用法》活动。本次活动,邀请了来自互联网及大数据行业的多位领军企业代表,就大数据用户画像的真实案例做了分享,探讨了在大数据时代下,各行各业该如何利用用户画像、提升用户转化率等系列问题。

与会嘉宾:

GrowingIO联合创始人——吴继业

热云数据CEO——白冬立

百分点集团研发总监——苏海波

众盟ZMENG高级技术总监——王鹏

找萝卜创始人&CEO——付浩

资深互联网专家、酷6网创始人、迅雷看看前CEO——郝志中


以下内容为“找萝卜创始人&CEO付浩”分享,并由数据猿编辑整理发布:

关注数据猿微信公众号(datayuancn),回复关键词“付浩”即可获取演讲PPT

我今天给大家分享的内容主要与招聘相关,HR分为六大板块,每个板块都能沉淀出大量数据。

首先介绍下我自己,我在2004年大学毕业,先去了智联招聘,2009年从智联招聘出来,然后开始一直创业。第一个公司,主要给大型的TMT企业提供招聘的整体解决方案,后来也做过猎头的交易服务平台。今天大家看到的就是找萝卜,这个产品是一个招聘的SaaS平台,完全基于数据驱动。

今天在座各位,除了有一些创业公司CEO,可能90%还是来自于职场的人。大学毕业的第一年,一直到第十年,这是职场人异常波动的高峰期。接下来,我可能更多会基于职业周期数据的波动给大家做分享。

招聘1.0

先来看国内的招聘市场,我原来在智联招聘,智联招聘是1997年成立的公司,大家可能会看到他的产品结构变化非常慢,今天仍然是广告版的模式。所有B端的HR如果要招聘,就先采购一个智联招聘,看一下有哪些求职者,基本上就是这样的商业模式。智联招聘在三四年前开始大量布局招聘团队,从智联招聘1.4亿的简历数据中挖掘出下一个商业宝藏。智联招聘作为一个老牌的招聘网站,开始从一个传统的商业模板往数据化领域转变,这也代表着中国招聘市场1.0。

最近这两年,感触比较深的是,市场上开始冒出N多种招聘APP,比如拉勾、猎聘等这些做人群垂直细分的APP。因为大量的产品功能并没有让C端用户感受到好的招聘体验,在整个招聘过程当中,没有解决信息对称的流程,所以说这些平台才应运而生。

招聘2.0

可能刚刚毕业一到三年的人群,仍然归属于智联招聘。还有一种,更多是在提高整个行业的效率,比如Boss直聘,可以跟雇主方的Boss直接进行沟通,这种体验缩短了求职的过程。拉勾某种意义上是C2B的概念,通过用拉勾更加精准地捕获到HR的招聘信息等等,这些我统称为招聘的2.0。

我不敢说现在找萝卜正在尝试这个领域,因为过去招聘1.0发展到现在用了将近20年,数据越来越开源,样本越来越多。

中国13.5亿的人口有6.6亿是职场人,相当于有一半中国人是在职场,这个职场定义是什么呢?相当于你拥有大专以上文凭,毕业有工作的状态。6.6亿人是怎么划分的?其中有2个亿我们称为职场小白,有4个多亿称之为城市蓝领,其中有一部分人群是城市服务业人群,比如长三角、珠三角分布大量的产业工人,也就是城市的工厂工人。大家可能会理解一个场景,大量工厂里的工人不可能有简历,甚至自己不会写,更多基于周围的老乡和周围的社群组织来完成自己的就业。除此之外,大量的职场人至少拥有一份或者多份个人简历。

招聘3.0

我们基于这样的场景,不断地尝试收集、存储、分类,尽可能在简历上尝试做一些新的招聘应用和体验,帮助企业HR能够更快地获取、识别、留用,让求职的过程体验更快、更好,这是我们理解的招聘3.0的开始。

这个早在两年前就开始了,上海有同类公司叫翼城,是光速投的一家做招聘SaaS的公司。翼城是我们的对标,一方面,从数据的存量;另一方面,从数据的算法结构等等,我们做了更多的对比,并尝试着引领一个招聘3.0的开始。

接下来给大家讲两个工作场景:第一个是HR,第二个是猎头。

HR工作场景。过去十年间被各种应用类的平台和软件已经训练成:每天工作第一件事就是打开电脑,登录智联、拉勾等等,可能有将近十个不同渠道的招聘平台,统一登录账号,刷新职位,回收简历,一份一份浏览,然后给领导,领导反馈之后通知给HR,HR打电话,然后面试,他们有大量的工作都是无用功,或者重复性的劳动。

猎头工作场景。目测在座各位,我觉得70%以上的人群应都接过猎头的电话,因为过去我曾经也做过类似的业务,非常了解猎头的生存状态,甚至日常的工作流程是什么样的。他每天要花大量的时间,甚至比HR要超出两倍的时间去做全网式猎寻的工作,不断拓展各种人脉。他往往会比HR拥有更多的招聘渠道,知道自己应该获取什么样的人群,他对自己的人群已经做了非常精准的人群画像,并且对自己的数据库有非常严格、合理的管理。大部分的猎头公司都有一套自己内部的CRM系统,更多的给自己的顾问去使用。

即便如此,猎头都会面临着一个比较尴尬的局面:

1、大量的人或者说大量优质的人群没有简历,永远在被动的求职,这些人大部分是在人脉里面,你需要花更多的精力搜寻他。

2、找到这群人之后,需要更好的确定他的意向。猎头,一个优秀的顾问,他是有业绩压力的,可能一年要完成80万到100万,甚至一百万以上。所以,一个优秀的猎头顾问如果想完成一年一百万的业绩,他首先要做到的就是非常精准的去找到他想要获取的人才信息和完成更加优质的人才信息的维护。

为什么我讲以上两种场景?因为这两种都是直接或间接的跟职场人发生交互的两类人群。要么是HR直接给大家打电话,从各个渠道找到一个CV,问大家的意向性。要么是猎头,主动地联系大家,然后去沟通。

接下来,讲讲找萝卜在过去20个月里都做了哪些事?我们是从2015年年初开始做,拿了两轮融资,现在正好是做到20个月。20个月内我们做了两件事:第一件事,我们做了一套非常好用的SaaS,专门为中小型企业的HR服务,围绕中小型企业HR日常工作的流程,帮他们优化,提高工作效率。第二件事,我们通过与HR和猎头的交互,获取了实际用到的6000万级的简历数据,然后做数据采集的准备,做存储、分类、建模、实施数据工程。我们过去更多的希望可以优化一个企业HR在招聘里面的成本结构。

我们目前有将近40人的团队,大概30人在做SaaS开发,10个人做类似于运营等等的工作。讲了这些,就是想让大家更加理解接下来找萝卜如何将大数据应用在人力资源的招聘中。我特别不愿意说人力资源大数据,为什么呢?在中国做这个事蛮难的,Linekedin可以做到,但是在中国,如果你想做这个事,的确比较难。我更愿意说今天找萝卜只是在做0.1数据招聘的事,为什么呢?我们搭了这么多东西,都是在做一个事,就是先去看大数据,了解数据,了解它未来能够做什么。

看一下我们过去做过的数据样本,现在找萝卜拥有的数据样本结构:16个求职热点城市,150万+招聘需求企业,这个数据对于招聘平台,包括HR用户方来说,信息相对是开源的,我们都可以抓过来进行分析,这里面企业发布的职位数有2200万+。智联招聘有将近1.4亿的简历,当然这是存储数据,每一年数据的更新是在四千万左右。其实每一年,通过智联招聘去跳槽找工作的,差不多也是在四千万人左右。

找萝卜拥有1.3亿求职者的简历,简历修改的版本次数是3.4亿,简历行为信息15亿。简历行为信息大概分三个维度:第一个是个人基础信息,比如年龄、性别、身份信息、地理信息等;第二个是工作经历;第三个是教育背景和项目背景。

我们现在拥有大量基于个人的社交数据,脉脉关系信息是1100万+;领英关系信息是700万+;微博的行为信息有1.2亿,微博现在也有将近4个多亿的用户,我们只是做了一些用户的标本之后抓取了一部分。

数据透视,这些数据可能会让大家心里面稍微有点吃惊。我们过去基于对这些数据的盘点,也发现了很多有意思的事,有42%的人工作经历异常改动,9.5%有教育经历的异常改动,个人基本信息异常改动有1.74%,有93.4%的求职者有多个不同内容的简历版本,可能智联是一个模板,Linekedin是一个模板,在拉勾上是另外一个模板。

有了数据之后,我们需要数据更加灵活的动起来,需要实时的更新、验真。我们的SaaS更多是给HR、猎头顾问用,所有的HR、顾问在用的同时,会给这些数据不断地打标签,其中有43.4%的猎头顾问人工标注简历,有25.9%企业招聘经理跟踪招聘简历,有24.6%个人主动发起职业动态,比如说在微博@一下前同事,发了一个留言,最近工作怎么样,市场上有什么好的机会吗?当然这是一个动态。通过这样的信息,可能多条信息叠加完之后会发现这个人最近有可能有求职的想法。有85.5%的人有主动和被动存在的求职动态。

精准匹配。有了这些数据动态之后要做什么?我们现在主要围绕2B端HR的场景和大量的猎头公司,中国现在有差不多一百万左右的猎头从业者。基于这些数据以及数据动态我们会做精准匹配。精准匹配更多的是建立在我们有大量职位模型库的基础上,也会融入企业的软文,涵盖HR专家特质的要求和特点,迅速找到双方的共同特性,最终做匹配模型。

异动预测。做异动预测也是HR使用的场景,比如前段时间,平安集团收购了汽车之家,汽车之家在三个月之内流失了一千多人,里面包含将近三百名工程师。这里面涉及到一个应用场景,HR会提出一个需求,在这一千个主动离职的人群当中,有多少个人有可能会被自己挽留下来。其实我们是完全可以通过异动预测的,基于后台的数据维度,基于员工在各大招聘平台更新自己的简历,从各个社交平台不断地透视他的社交动态来分析这个人的意向。这里面需要补充一句,并不是说100%的准确度,我们至少能够精确到70%左右。这个报告给到HR,HR一定会在这样的事件到来之前提前做出留人的方案,这是从另外一个维度去看。

背景调查,基于简历的异动,基于多个版本,简历多类型的对比,我们完全可以看出来这个简历存在多少危险的信号,通过危险信号来提醒HR工作者,这个数据你是不是要特别关注一下。


来源:数据猿

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

刷新相关文章

大数据投融资周报(4月5日——4月7日,共9起)
大数据投融资周报(4月5日——4月7日,共9起)
大数据周周看:今日头条近10亿美元融资入账,Adobe推出体验云平台Experience Cloud
大数据周周看:今日头条近10亿美元融资入账,Adobe推出体验云...
【独家首发】数之联完成A轮数千万元融资,大数据分析挖掘领跑者获资本青睐
【独家首发】数之联完成A轮数千万元融资,大数据分析挖掘领跑...

我要评论

精品栏目

[2016/10/10]

大数据24小时

More>

[2016/09/26-7]

大数据周周看

More>

[2016/09/01-30]

大数据投融资

More>

[2016/11/28-2]

大咖周语录

More>

[2016/11/29-6]

大数据周聘汇

More>

[2016/12/06-13]

每周一本书

More>

返回顶部