큰 데이터 변환 온라인 모집, 헌 값

2012 선 그냥 2 년 이후 get 오늘의 헤드 라인의 100 백만 미국 달러 자금 조달, 뉴스, 그리고 푸시 데이터 분석 다른 사용자의 환경 설정을 통해 모델 뉴스의 모드 거의 분노 모든 전통적인 미디어 원, 완 다 그룹의 최근 성공적인 목록을 발표 했다 공동으로 바이, Tencent와 9 월에 올해 완 다 전기를 설치 하 바이, Tencent의 기본 데이터베이스 및 전기 딜러 알리에 대 한 회원 시스템 장점에 의존 하려고...

"빅 데이터" 전체 비즈니스 세계에서 점점 더 중요 한 역할을 재생 됩니다.

큰 데이터는 열에 의해 얻은 데이터 전쟁으로 진화 할 것 이다 상업 전쟁의 선구자 이다. 누가 미래의 전체 인터넷을 이길 것입니다 누가 크고 가장 귀중 한 데이터를 가져옵니다. 마찬가지로 모바일 인터넷 수직 응용 프로그램 플랫폼 수준에서에서 시작, 큰 데이터 잠재적인 나올 것 이다 또한 플랫폼 수준 기업에서 더 많은 수직 세그먼트를. 온라인 회원 모집, 인터넷 의료, 온라인 교육, O2O, 수직 분야는 "빅 데이터"에 대 한 가장 직관적인 요구. 좀 더 큰 데이터에 대 한 온라인 모집 분야를 변경 하는 것을 이야기 하자.

온라인 채용 1.0, 데이터 두꺼운 회

중국의 온라인 채용 시장 거슬러 올라간다 거의 20 년. 개인 사용자 채용 사이트에 그들의 자신의 재능에 대 한 검색, 도킹, 온라인 채용 시장 도입 확산 기간에 인터넷을 통해 처음으로 노동 수요와 공급 측면을 개인 이력서의 수많은 사용자가 기업 이력서 업로드.

온라인 채용 1.0 시대의 기능 중 일부를 살펴 봅시다:

1. 대규모 데이터

온라인 채용 1.0 시대에 거 대 한 배당금 기간 "정보 네트워크"입니다. 플레이어는 Zhaopin, Chinahr 및 다른 산업에서 필요가 없습니다 사용자 이력서의 많은 수를 하 고, 자산을 유치 하는 좋은 가격을 지불 더 많은 채용, 헤드 헌터를 도킹. Zhaopin는 1 년 전 뉴욕 증권 거래소에서 $700 백만에 나열 된, 등록 된 사용자는 77 백만 도달 했다 고 데이터베이스 약 60 백만 이력서를 완료 했다. 정보 연결-구직자의 데이터 온라인 모집 1.0 시대에서에서 선도적인 위치를 이끌었다.

2, 데이터 구조, 표준화

이 단계에서 채용 사이트는 고도로 구조화 된 구직자 데이터를 이력서 프레 젠 테이 션, 직업 유형, 산업, 등, 등 하지만 실제 실무자 그들의 산업 이나 직업 종류에서 더 정교한 수 있습니다. 인터넷 기술, 신흥 산업의 성장 수의 증가 함께 여러 데이터 특성으로도 채용 사이트 수 없습니다 명확 하 게 사용자 기능을 정의 하 고 경험.

3, 데이터 제공 폭격 하 고 비효율적인 모집 이력서

로 점점 더 많은 기업 및 구직자는 네트워크에 몰려들고 있다, 그들의 결점은 더 분명 되 고 있다. 때문에 구직자 이력서를 보내기의 비용은 너무 낮게 "폭격 재개" 및 개인 정보 사기 심각한 현상, 원인 기업 시간 더 및 더 넓은 "이력서 바다", 비참 한 얼굴.

"우리는 저 격 하지만 모집 사이트 가져 우리는 탱크," 고 말했다. 기업과 후보자의 정보 비대칭, 채용 사이트 "들에 게 스펙트럼"의 결과로 전통적인 모집 사이트 짧은 보드는 단서를 공개, 더 이상 재능의 수 및 성장 기업 HR 또는 헤드 헌 팅의 품질 요구를 충족 하기 시작 했다.

사회 모집: 3 차원 세계와 차원 세계 사이의 경쟁

페이스 북과 트위터의 세계, 사회 폭풍 큰 데이터 마이닝의 제안은 끊임없이 자극의 신경. 그리고 중국 바다의 반대편에, 큰 데이터 많은 구직자와 고용주 브랜드 큰 데이터 적용 혜택 또한 깊은 영화, 음악, 모집, 수직 분야에서, 네트워킹의 수직 지역으로가 서 시작 했다.

온라인 채용 2.0 시간, 사회적 특성으로 모집 행동 사회 채용 사이트 점차 주류 모집 산업 도구. 전통적인 모집 웹사이트의 평면 대량 데이터와 비교, 수 점점 레벨 데이터 콘텐츠의 사회 모집 플랫폼에 채굴 될 합니다: 사용자 기본 데이터, 사용자 행동 데이터, 그리고 소셜 플랫폼에 대 한 사용자의 대화형 데이터.

사용자 상호 작용 데이터의 중요 한 가치를 발굴 하 고 마스터 데이터 분석 모델의 건설, 전문 네트워크 행동 습관과 소셜 네트워크 데이터의 통합을 통해 온라인 모집 2.0 배는 그것의 더 정확한 스테레오 사용자 초상화를 형성할 수 있습니다. 경우 1.0 시대의 큰 데이터 마이닝은 여전히 2 차원 세계, 사회 채용 시대에 큰 데이터 상쾌한 3 차원 세계에 필드를 모집 하는 전체를 가져올 것 이다. 통해 사용자 사회적 행동 데이터를 수준으로 전체 업그레이 드의 채용 효과에 기업 발굴.

세계 최대의 소셜 네트워킹 사이트, 링크 드 인, 예를 들어 봐-링크 드 인, 개별 사용자 수 있습니다 만들고 이력서, 회사 정보에 초점을, 연락처, 개인 기술, 작성을 업계 정보를 공유 합니다. 그리고 기업 회사 홈페이지를 설정할 수 있습니다, 그리고 구매 지불 제품 광고를 게시할 수, 전체 역 사용자의 파일을 검색 및 그것 접촉.

때 사용자가 관계를 구축 하 고 정보를 공유, 그들은 또한에 속하는 재계 및 해당 값에 전달 합니다. 고용주 브랜드 이미지 확립 구직자 신뢰의 설립 뿐만 아니라 홈 페이지를 만드는 기업. 양쪽 모두의 이미지가 더 입체, 비유, 정서적입니다.

최근 LinkedIn 2015 중국 채용 동향 보고서 말했다 "고용 산업의 발전에 가장 중요 한 역할을 결정 하는 다음 5-10 년의 추세는 무엇입니까"? HR의 55%는 사전으로 하기로 "'빅 데이터'를 사용 하 여 미래의 재능의 요구를 예측 하"는 국내 HR 부서는 큰 데이터의 중요성 알고 나타내는 글로벌 27% 수준 보다 훨씬 높은 수준 이다. 질문, "어떻게 당신의 회사 하 고 효율성과 채용의 기회를 이해 하는 데이터와?" 응답자의 18%만 생각 그들의 회사는 잘 하 고, 글로벌 24% 수준 아래 여전히 국가의 인적 자원 부서 모집 효율을 최적화 하기 위해 데이터 걸릴 하지 않았다는 사실을 반영.

3 차원 세계에 모집 분야와 우리는 2.0 시대 온라인 모집 산업 개발의 몇 가지 새로운 기능을 제공 볼 수 있습니다.

가장 적합 한, 아니라 가장 강력한 1, 모집

1.0 시대에서 기업 고용 키워드로 검색 이력서에 따라 더 많은 위도에서 구직자의 사회 특성과 값을 판단 하는 방법에 더 많은 사람들이. 2.0 시대, 풍부 하 고 입체 데이터 형식 때문에 새로운 데이터 알고리즘 만들 수 있습니다 고용주와 사용자가 더 정확 하 게 일치.

제 드도 밍 게 즈, 캘리포니아에서 26 살 어느 날 예기치 않은 이메일을 받은 고 샌 프란 시스 코 시작 회사 프로그래머 인터뷰를 그에 게 물었다. 도 밍 게 즈, 캘리포니아 도시와 신용 카드에 생활에 임대 주택에 살고, 프로그램을 배우고 있다. 도 밍 게 즈 고등학교, 그리고 대학에가 고 싶지 않았다. 남자 루카 마사.도 밍 게 즈 라는 새로운 데이터 알고리즘에 의해 선택 됩니다.

이 새로운 데이터 알고리즘의 아이디어를 전통적인 재능 인덱스, 예를 들어 채용에 관심이 있는 일반적으로 매사 추세 츠 공대 학위, 구글 회사 경험, 동료 또는 친구 추천, 사람들 하 고 몇 가지 간단한 개념에 더 많은 관심을 넣어 것입니다: 어떻게이 성능? 이 사람이 무엇을 할 수? 당신이 그것을 정할 수 있다?

그것은 이해는이 새로운 알고리즘 데이터 분석에서 300 또는 그래서 주요 변수를 다루는 사람의 분석에 미국에서 회사: 자주 방문 하는 사이트, 다양 한 기술, 양수 또는 음수를 설명 하는 데 사용 하는 언어 형식, 링크 드 인, 당신은 참여에, 얼마나 오래 근무 했습니다, 당신이 배운 어디 있 었 어 요 이 학교와 미국 뉴스와 월드 리포트 대학 순위 무엇입니까의 주요 무엇입니까? 그것은 사용자가 일치 하는 고용주에 대 한 더 정확한 만드는 구직자의 더 입체 초상화를 설명 하는 다양 한 데이터.

2, "빅 데이터" 노동력의 효율을 향상 시켜줍니다

2011 년 여름, 맨체스터 시티 코치 데이비드 프랫 데이터 분석을 사용 하 여 팀의 성능 문제를 해결 하기 위해 결정 했다. 프랫도 불구 팀 몇몇 크고 강한 선수, 그들의 코너 득점 없음을 만족 발견. 클럽의 사내 데이터 분석, 컨설팅 후 팀의 안쪽-터 닝 모서리 (골키퍼 볼의 방향)의 사용을 증가 했다. 전술 변화는 놀라운 효과 했다. 시즌 내내 맨체스터 시티는 코너와 15 골 되 고 내부 회전 코너를 사용 하 여 목표의 2/3와 함께 프리미어 리그에서 가장 효율적인 팀. 이 연습 데이터 기반 의사 결정에 대 한 강력한 지원을 제공합니다.

높은 품질과 효율적인 데이터 분석 전술과 기업 및 팀의 결정에 더 큰 가치를 표시 하기 시작 합니다.

박쥐, 화 웨이 레 노 버, 등 주요 기술 기업 중 일부는 LinkedIn의 데이터를 사용 하 여 더 많은 비즈니스 결정을 내릴 수 있도록 하기 시작 했습니다. 예를 들어 구직자의 정보를 읽어, 그들은 찾을 수 있습니다 영역을가지고 더 많은 잠재적인 직원 및 새로운 사무실 이나 공장을 설정 하는 위치 결정. 즉, 변경 하고자 하는 LinkedIn 아니다 그냥 그것은 고용 하는 방법 및 작업, 하지만 전체 노동 시장의 효율성.

제프 Venard, 링크 드 인, 최고 경영자의 이상적인 상태에서 링크 드 인 그랜드 "경제 지도"는 데이터에 따라 밖으로 매핑할 수 있습니다. 특히, LinkedIn 구직자, 기업과 대학 간의 관계를 추적할 수 있습니다 작업, 자격 및 고용주의 요구와 능력의 일치 지도 지도 경우 수 점차적으로 노동 시장에 정보의 흐름을 개선 있으며 노동 시장에 큰 데이터를 만들.

요약

오늘, 데이터 수집, 쉽게 지 고 있다 하지만 대부분의 회사는 여전히 데이터, 거 대 한 양의에 노력 더 나은 처리 하 고 비즈니스 기회에 그것을 설정 하 고 값을 향상 시키기 위해 그것을 사용 하는 방법. 전문 소셜 네트워킹 사이트에 깊이 있는 지식과 연습의 큰 데이터 또는 예기치 않은 폭발 시대에 알리다 것입니다.