如何利用机器学习来寻找能够与您的业务相适应的员工

摘要：如何利用机器学习来找到能与你的企业相匹配的员工对招聘数据的分析发现，技术和可销售技能的半衰期是到年，这使得你有能力释放和学习新概念，这对职业生存至关重要。结论机器学习算法能够完成数百万的。

招聘经理以寻找合格的求职者，他们可以根据自己的能力进行扩展并为自己的职业做出贡献。越来越多的企业如今正面临危机。他们找不到合适的人选，或者在许多情况下，任何候选人都只使用简历、申请人跟踪系统（ATS）或为雇主方便而设计的在线招聘网站，而候选人则是最后一个。

这些过时的招聘方法并不是为寻找那些能力最强的候选人而设计的。再加上这样一个动态事实，即雇主能够准确地找到所需能力的适当平衡和无偏见的数据驱动方法来选择候选人。简历、招聘网站和ATS平台迫使招聘经理们押注自己获得高薪的可能性，而不是完全确定自己的决定是基于可靠的数据。

玩概率招聘游戏与做数据驱动的决定相比

许多招聘经理和人力资源招聘人员都在玩概率。雇佣游戏。它打赌用不精确的方法选择的新雇员会成功的。就像任何赌注一样，当做出错误的选择时，它会很快变得昂贵。新员工有30%的机会可以度过一年，如果他们不这样做，则替换他们至少需要1.5倍的工资。

when the ；、 ；and ；，the cost and time loss of loss just one recruited cloud computing professional can derrail a project for months.仅仅替换一个工程师至少要花费219000美元或更多。一个工程团队的平均规模是10人，因此在12个月内只剩下3人。这些都是玩概率雇佣游戏的高成本，由无意识和有意识的偏见和系统推动，游戏招募者相信当他们自动化平庸或糟糕的决策时，他们正在取得进展。

招聘经理将在拉斯维加斯有更好的运气投注或玩彩票，而不是雇佣最好的P如果他们依赖的系统最多只能提供边际成功概率，则可能成为候选人。

betting on solid data and ；personalization at scale，on the other hand，delivers real results.真实的数据将概率分割开来，是消除雇佣决策中有意识和无意识偏见的最佳均衡器。招聘经理、人力资源招聘人员、董事和首席人力资源官（CHROS）发誓，他们坚信多样性。许多人放弃了基于人工智能和机器学习的人才管理方法的概率招聘游戏，这种方法去除了任何可能导致偏见驱动的招聘决策的外来数据。现在，应聘者将根据自己的能力和内在优势以及与理想应聘者的匹配程度来评估自己的能力和内在优势。

a data-driven approach to finding employees who can scale

Personalization at scale不仅仅是一种招聘策略；它是一种旨在跨越寿命的人才管理策略。每个雇员的任期。如果任何成长中的企业要成功地吸引、获取和成长人才，从而支持其成长目标和战略，则在规模上实现个性化是至关重要的。

，Approach makes it possible to scale personalized responses to specific appoints in a company s candidate community while defining the ideal candida每个打开位置的TE。规模个性化已成功帮助企业在合适的时间找到合适的人选担任合适的角色，并首次在规模上个性化招聘、留用和人才管理的每个阶段。

>is preventive the use of a self-updating corporate candidate database.系统中的配置文件现在可以使用外部数据收集不断更新，而无需申请人重新申请或提交更新的配置文件。公司候选人数据库中支持的分类法使招聘经理能够定义最佳的能力集、固有技能和优势，这些能力集和优势是他们填写开放式采购订单所需的。选址。

parc的经验教训，说他找到的最佳策略是定义高绩效员工的理想属性，并寻找与潜在候选人匹配的配置文件。我们发现，在我们最受欢迎的职位上，还有许多定义成功员工的属性，包括数据科学家，这些属性很明显，仅通过查看简历就可以看出，而对于人工智能，我想在规模上做到这一点， ；Russell说。

，added:that s one of the great paradox that hr departments face，which i s the need to了解特定候选人的背景情报，远远超出简历和现有招聘系统所能提供的范围。&从帕洛阿尔托研究中心学到的最有价值的经验之一是，有可能找到那些擅长学习、定义和勤奋追求学习路线图的候选人，这些路线图将使他们的技能、优势和适销性得到重塑。

结论

机器学习算法能够完成数百万的PAT。每秒进行的tern匹配比较提供了有价值的新见解，使公司能够找到那些擅长自我改造的人。能够扩展任何业务的最有价值的员工将自己视为学习型企业家，并具有掌握新知识和技能的内在动力。而且，选择一组候选人是最经常负责为公司的发展做出最大贡献的催化剂。

，感兴趣的是听取行业领导者讨论像这样的主题并分享他们的使用案例？与即将在硅谷、伦敦和阿姆斯特丹举办的展会一起参加共同举办的活动，了解更多信息。与合作，这样您就可以在一个地方探索企业技术的未来。

relevant stories
about the author

a simpion for research blog

this blog is committed to providing readers with in-depth analysis of the factors behind disruptive innovation in enterprise software，web-based applications，以及包括SaaS在内的交付平台。本博客的目标是让读者拥有丰富的洞察力和市场智慧，从而更有效地实现他们的目标，并保持行业的最新发展。

Cloud Tech Promoted Industry Brands、Business and Analysts的Industry Thinks Leadership Content from Industry Brands、Business and Analysts，Partnering with Writers and Bloggers to Delivery I向CIO和IT经理的广大受众提供有关云IT战略的信息和建议。

关于IT战略的ED决策。.

请遵循此链接了解我们的。.