越来越多财富500强的大企业不再依赖直觉进行招聘，而是依赖数据分析——这也是近来IT巨头们疯狂收购人力资源软件商的原因之一：IBM收购Kenexa公司花了13亿美元，甲骨文收购Taleo花了19亿美元，而SAP收购SuccessFactors更是花了34亿美元。或许我们一时还无法体会到大数据的优势，但是可以从收集数据、挖掘数据和数据分析入手，去逐步改善和调整我们人力资源管理的思维方式。
国外类似人才雷达的公司包括 ZALP、Jobvite、Zao，国内类似的项目包括人人猎头、哪上班、 内推网、爱伯乐、速评网、猎聘秘书等。以下是由电子科技大学教授、互联网科学中心主任、《大数据时代》译者周涛先生在“大数据时代下的员工推荐”交流会中分享给大家的四个有关大数据招聘的案例。
演讲实录如下：
案例一：ZALP
ZALP思路很简单，可以支撑一些快速的做推荐，除此之外，每一个HR能看到招了这些人，未来他的发展情况，他会给你实时提供很多分析，这个人未来在公司发展的情况怎么样，这是一个蛮有趣的东西。他很大的一个强项，非常便利，使用的界面特别棒。
案例二： ZAO
ZAO最大的强项是尽可能去发挥内部推荐的能量。内部的员工通过内推，一方面提高员工本身和公司之间一种黏性，另一方面让内部员工更能了解公司对招聘的需求，这不是其他的猎头或者外面的人推荐就能了解的。有一家企业叫人人猎头，现在还没有做大数据，方式比较传统，靠人工接电话来服务，但他们也强调推荐，但他的推荐是强调外面的推荐，能够把品牌很快的宣传出去。而ZAO和人人猎头不一样，它是强调内部员工推荐，让被推荐的求职者更有信心。他们在全球找九个气象气球，最后MIT获得冠军了，他们招了几千人在网上，谁找到这个气球，谁就拿到1000美元里面的500美元，推荐人拿到250元美金，依此类推。但是，ZAO的缺点就是所有的类推比较难，完全需要靠自己找。
案例三：歪伯乐
歪伯乐微博上通过文本的分析，能够快速找到和这个职位相匹配的。歪伯乐是一个很小的企业，他们通过分析数据做推荐，但有一些小的缺陷，第一个是缺陷就是数据来源比较单一，第二个缺陷是从目前看的结果来看，他们还是在关键词和语义层面来进行匹配。实际上，关键词的匹配不是那么容易准确，但还是要比盲目乱找是要好一些。
案例四：数联寻英
数联寻英企业的特点就是走大数据创新，从分析到外化再走到数据的集成。事实上，人力资源部门在很多企业里都是一个支撑部门。众所周知，一个企业之所以稳，关键还是在于它的人才，一方面找到最优秀的人，另外一方面是人才要发展的好。所以，人力资源部门有可能从一个支撑的部门变成一个战略的部门，变成公司特别重要的部门。怎么实现这一点呢？
我们首先要知道公司的员工最在乎的是绩效，当然每次都有不同的考核，这种考核有他领导360度的评估，有他KPI业绩的考核，这时，我们要知道到底是什么因素促使一个人会发展的好，这个必须量化，如果从评价后的结果来看没有任何意义的。我们就需要从这个人的背景、工作的一些经历来抽取出大量的特征，也包括一些团队结构的特征。比如说，这个团队是多样化还是比较集中化，团队领导人和他的年龄差异、背景差异等等。通过这样的特征来建立两个模型，一个模型是关联模型，找到哪些主要的因素会影响一个人未来的发展，第二个因素就是做预测模型，去提前预，什么样的人可能会发展的很好，什么样的人可能会发展的不好。这两个模型可以在两个方向服务，对内他做两件事情，一是调整公司的期权激励工资体系，包括培训的政策。既然知道了什么人发展好发展不好，我们可以在这方面给出更好的建议。
二是当我们知道了他不好，不是我就要放弃他，把他开除掉。我们如果预测到他不好时，一是做数据分析，分析是什么原因。比如说，在一个团队里面团队的领导如果是个女孩子，很多时候背景搭配什么样子，团队人员的流动性什么样子，这都会对他产生影响。实际上，人力资源部门在本质上是一个金融部门，金融部门要做的事情无非就是把资产资本让它流动到最应该去的地方。人力资源要做的事情，人才比资本更重要，流动到他最该去的地方，这时候就要考虑公司的人才储备。怎么样去做一些项目团队的搭配、怎么样让你的这些人才能够发展得更好，特别是可能有危险的人才你怎么样去给他做。
对外，有了内部人才发展一系列定量化的东西之后，这时我们所有的简历的招聘和分析就会变得更有趣。以前，简历挖掘是很痛苦的一件事情，现在，任何一个文件，不管是PDF、GPG，我们都能给你变成一个格式化的文件。
如果你每天收两三千份简历，我们可以做一个很简单的模型。比如说，你给了我以前的简历，哪些是招聘成功的，哪些是面试的，哪那些没有，我就变成一个分类体系，我能够很快速的告诉你，比如五百个，我把这个空间分成两部分，我快速告诉哪些你应该接收，哪些你应该拒掉，哪些你还是要看一看，他可能不符合你的要求，但是他有独特的特长。但是有了这套系统之后，通过对内部数据的分析，把人力资源这个部门变成一个定量化的可验证的战略部门，让它变成一个公司值得骄傲的部门。像谷歌的人力资源就做到一个非常骄傲的部门，他给谷歌股价增值不少，他是顶尖的科学家在做人力资源，很有可能你们企业未来人力资源是你们宣传的一个亮点，人力资源可以做全世界有影响力的创新。
第二步我们通过外部的一些数据，微博、微信、人人网，包括我们监控的所有的论坛，垂直媒体这样一些数据，能够快速的帮你去找到你所需要的人。我找出来的东西首先他在描述上是多维度的，我举个例子，人才测评可能要到你那儿测评，非常准确，非常好。但是很多是被动求职者，你想去找他，他不会给你做测评，但是我们做过一段时间，我们注意到很多时候人的一些非专业技术特征其实扮演了重要的角色。我举个例子，可能有的人喜欢打球，还要通过很长时间的文本分析，你能判断这个人有没有一些暴力倾向，反社会倾向或者抑郁症倾向，这个人好不好管理，有的职位需要执行力强，执行力强不强，当人在社交媒体上有了很多朋友之后，你很难掩饰自己内心的想法。2013年为研究院的一个团队和剑桥一个团队做的一个项目，仅仅通过facebook的一些点击率，可以进行性格判断。你只要有社交媒体，我们能够给你相当于做一个评测，大数据的评测。做这个事情之后，我们加上他的专业职能，地理位置，他好友的工作背景等等，我们就能看出来这个人到底合不合适，我们给出一批特别符合的职位，而且我们告诉你这些人和你企业里面的其他人到底是怎么互相连接的，包括你们的社交路径是什么，比如举个例子，你要招了这个人，他和哪个好朋友是好朋友，或者和你的死党有四五个共同的朋友，当你联系这个人，特别做高端招聘的时候，你可以去找你的朋友去联系他，因为你们有一个共同的朋友，这些都是以前很难做到的。
同样的道理，你针对任何一个领域，哪怕一个很窄的领域，比如就是做等离子彩电管道的，就是做LED的，或者就是做架构的，做某个医院神经外科的，我们可以找出最有影响力的一小撮人。通过这样一些分析，你要做高端招聘的时候，完全可以通过你的朋友认识这个领域一些顶尖的人士，并且建立私下人脉关系。最终我们要做的实际是第三步，我们希望通过和企业包括我们自己搜集的一些数据，能够建立一个很好的数据中心，能够把数据集成起来，未来既为求职者服务，给他进行一些职业的指导，也为企业进行服务，进行人力资源管理。同时我们也为猎头提供服务，给他这些高端的资源，从而能够形成我们真正希望能做的，实际我们希望能够帮助中国的大数据人力资源这个方向，能够有一些在国际上被认为是有价值、有难度、有品位的人力资源，能够把我国的人力资源行业水平再往前推进一步。
