手机版|
二维码|
Google是世界上最受欢迎的互联网公司之一，每年接收到的简历多达2-3百万份，如何对大量的简历进行筛选，既不错过顶尖人才，又要节省自身的 人力资源?Google进行了大量的数据分析，发现招聘中“什么在起作用”，“什么不起作用”，以支持其快速招聘决策。例如，他们通过对比上万次面试中面 试官给求职者的评分与员工后续的工作表现，发现这两者之间并无关系。为此，Google将原本八到九轮的面试减为三到四轮，并采用一套一致的测评标准来评 估求职者，而不是让每个面试官自由发挥。比起直觉驱动的判断，基于数据驱动的结论或招聘选择对内、对外都更具说服力。
每年年中都是下一年度的校园招聘准备期。北森在近两年服务众多校招企业的过程中发现，面对浩瀚的“简历海洋”，越来越多的企业像Google一样开 始重视数据，通过挖掘数据之间的关系，找到那些对工作表现最具预测性的应聘者DNA，建立企业自己的招聘预测模型，更客观、理性地进行招聘决策，提高招聘 效能，降低招聘成本。
一、什么是招聘效能分析?
招聘效能分析是通过简历字段、测评数据等对工作绩效进行预测分析，形成招聘预测模型，并据此调整、优化招聘流程和工具，以期有效提升招聘效率和精准度、降低招聘成本的过程。
二、新技能get√：怎样进行招聘效能分析?
正如应聘者过去的绩效可以预测未来的工作表现一样，对于历史数据的分析可以使HR获得更明确的改进方向。遍地大数据的今天，招聘效能分析将会成为每位招聘经理(专员)的必备技能之一。
(一)数据选取和分析思路的确定
1、梳理招聘流程，选择效标和预测源
如同游戏通关一样，从最初的几万人到最终录取的几百人，HR需要在应聘者求职的道路上设置一些关卡，以确保让合适的人才通过，不合适的应聘者则被过 滤出来。每一个关卡在整个招聘过程中如何定位，设置什么样的标准，以及通常多少人进入下一环节?HR需要了解这些关卡目前的现状，才能在此基础上分析和优 化。
效标通常指的是检验评估工具有效性的参照标准，通常是外部客观的指标，比如晋升次数，是应聘者实际的工作表现，这样就能衡量评估工具对于员工未来工作表现的预测能力，找到真正可以预测工作绩效的预测源。
校园招聘流程和效能分析框架
2、确定数据分析思路
梳理出招聘流程后，可将手上收集到的效标和预测源对应到所在环节上，由此确定分析思路。通常可以进行的分析有：
(1)简历字段对录用决策、工作表现的预测分析
(2)能力测评的预测分析、筛选标准分析
(3)胜任力测评的预测分析、筛选标准分析、核心维度分析
(二)数据归类和编码
分析前需要将数据整理成整齐划一的形式，便于后续的统计分析，这就涉及到数据的编码。其中，简历字段是最需要进行编码的。编码大致可分为两种：
一种是网申中的选择题，大家的回答是比较整齐的，所属类别较清晰、固定，例如：将应聘者的学校分为985学校、211学校和其他类，并以数字标记;
另一种是网申中应聘者填写的文本信息，先提取类别，再转换为量化数据，比如在校任职经历，每个人填写的内容不太一样，需要更多的人工归类、编码。
当然，最有效率的数据整理是在一开始产生和建立数据时，就以结构化的方式来存储数据。
简历字段编码示例
(三)数据分析的方法
哪些简历字段对工作表现有预测作用?通过分析工作表现与简历字段的相关关系，或进行不同绩效组别之间简历字段上的差异检验，可发现某些简历字段与绩 效存在着显著相关，就需要在简历筛选环节重点考察这些字段;而有些原以为很重要的字段，也许根本不会对绩效产生太大影响。例如，某公司发现学历在不同的晋 升表现上没有显著差异，说明学历对员工入职后的工作绩效没有明显影响，因此在招聘中不需要对学历有过多限制。可采取多种测评工具相结合的筛选标准：
1、筛选标准划定
参考信号检测论的思路，通过录取情况(也可以是工作表现，会更具预测作用)和测评得分，将所有进入面试的应聘者分为四个组别，计算每一组别的比例。 当“高分录取率”与“低分淘汰率”相加最大时，我们认为此时的划线分数是最佳标准，因为“击中率”和“正确拒绝率”的总体效能达到最大。当然，“击中率” 和“正确拒绝率”之间可根据具体情况有一定的平衡考量。
测评筛选标准划线理论基础
2、能力和胜任力筛选标准相结合
如果企业运用了多种测评工具考察应聘者的多种特质，比如同时考察受测者的认知能力和胜任力水平，就需要将能力和胜任力的筛选标准结合起来做决策，能 力和胜任力分别划在多少分，一方面确保保留了足够多的优秀应聘者进入面试环节，另一方面也能够筛选掉足够比例的人群，适当降低面试压力。
