【期刊信息】

Message

刊名:环境技术
主办:中国电器科学研究院股份有限公司
主管:中国机械工业集团有限公司
ISSN:1004-7204
CN:44-1325/X
影响因子:0.189802
被引频次:9816
数据库收录:
统计源期刊(2018);期刊分类:环境与安全

现在的位置:主页 > 综合新闻 >

重新定义人才:比尔·盖茨的前技术顾问和 Bing

来源:环境技术 【在线投稿】 栏目:综合新闻 时间:2021-05-24

作者:网站采编

关键词:

【摘要】图源:图虫 编者按:本文来自微信公众号硅兔赛跑(ID: sv_race),作者江江,创业邦经授权转载。 最近,招聘赛道蠢蠢欲动。BOSS直聘?2020 年平均 MAU 达到 1822 万,成为唯一一个登上

图源:图虫

编者按:本文来自微信公众号硅兔赛跑(ID: sv_race),作者江江,创业邦经授权转载。

最近,招聘赛道蠢蠢欲动。BOSS直聘?2020 年平均 MAU 达到 1822 万,成为唯一一个登上 QM 年度增长榜单的招聘类 APP,并计划今年赴美上市。

而在此之前,中国的招聘赛道一直都不温不火,低频、周期长、闭环难是这个行业逃不掉的痛点。

从独立设备数来看,中国招聘赛道的三巨头依次为智联、前程无忧和BOSS直聘。而除了 BOSS直聘通过「直接与老板谈」的模式,其他两家都是传统的简历投递类招聘方式,依靠平台流量撮合供需双方。包括使用软件时,应聘者也得自己填写关键词才能获得平台相应关键词下的流量。

这种对应聘者主动性要求极高的模式对于招聘初级员工来说是有效的,因为他们会努力争取机会,而经验丰富的人才简历往往很少出现在这类招聘平台,高级人才稀缺难招是市场的一个痛点。

在国内,这种问题一般靠人力搜寻解决。当然,中国还处于人口红利期,一方面,人才供应量大,尤其是对于头部公司而言;另一方面,人力成本相对较低,用工具取代人力的时机尚未成熟。

美国的情况恰恰相反,攀升的人力成本和放缓的互联网增长速度加速了工具取代人力的步伐。

Seekout?就是一个解决上述招聘问题的工具。

简历定义不了你,全网大数据才可以

2016年,Seekout 只是一个叫做Nextio的职业消息平台,类似于 Linkedin,靠收取用户之间的联系费赚钱。

但 Seekout 产品的核心功能并没有起飞,反而是一个叫做「职业洞见(career insight)」的功能引起了用户的关注,职业洞见能综合分析全平台数百万份简历,告诉用户,如果你想从事某个职业,或者想进入某个公司,应该在什么阶段做什么准备。

似乎在职业领域,相比于发消息给别人,大家其实更关注那些水面下的信息(uncovering information),当然,也包括水面下的人。

所谓「水面下的人」,指的是那些简历没有广泛流入 HR 手中,甚至在任何招聘平台都搜不到他的相关信息,却具有极强的业务能力,且各方面都与一些难招的岗位 JD 非常契合的人才。

招聘这类岗位人才往往令职业 HR 头疼不已,因为他们大部分只能靠投递的简历或者招聘网站搜罗候选人,候选人来源相对局限。

但相比职业 HR,作为资深技术人员的 Seekout 创始人寻找上述人才的路子广得多。CEO?Anoop Gupta?是斯坦福大学教授,Gupta 本人同时还是比尔·盖茨的前技术顾问,在微软呆了 18 年,CTO?Aravind Bala?是前?Bing?的高级工程师,也是搜索引擎发展主要的推动者和领头人之一。两人都在 AI、自然语言和搜索引擎方面有着极其深厚的积淀,光是这些方面的专利,他们俩加起来就有 200 多个。

好的工程师一定会在网上留下自己的「脚印」,即代码、专利和论文,毕竟他们以写代码为生,并靠专利和论文证明自己的实力。

Gupta 说:“网络上公开的个人资料大概有 4.3 亿份,而 Github 上由项目参与和浏览痕迹组成的个人资料也有 2500 万份。”这大大拓宽了 Seekout 搜寻人才信息的思路。

因此,在 2017 年,创始人们决定转变产品的主要功能,做一个特别的招聘平台,专长于招聘两种人:

1)简历未广泛流入 HR 手中却拥有很强能力的人才

2)多元化人才

第一种人才很好理解,而第二种人才则脱胎于美国的多元化社会,Seekout 旨在帮助科技公司招聘到那些能力与岗位匹配却因为人种、性别、学历受到歧视的人才。

由此,Nextio 就变成了 Seekout。在某些方面,Seekout 的路径与Slack?相似,后者的起源可追溯到用于开发在线游戏的内部通信工具。游戏没了,但 Slack 留下了。

在原有简历数据与分析的基础上,Seekout 全网搜罗人才相关的公开数据,来源包括 Github、学术期刊、专利清单、各种校友名单、Linkedin、各大公司网站、个人自建站等等。

以搜集的数据为基础,Seekout 会使用自然语言(NLP)和机器学习(ML)来分析每位候选人的专业程度,为每位潜在员工建立 360 度视角,涉及 20 多种过滤条件,其中就包括区分人才的自建简历和实际表现,前者来源于 Linkedin 等平台,而后者主要从 Github 、专利、论文、人生经历等事实中寻得,最终大大扩展了可用的人才库。

经过一番搜罗和加工,Seekout 会得出关于候选人的综合结果,这个结果会很复杂,但是它同样也更立体地展示了候选人是什么样的,从而提高候选人的匹配度,使招聘更加高效。即 Gupta 所说的“全面地去看一个人”(Looking people as a whole)。


文章来源:《环境技术》 网址: http://www.hjjszz.cn/zonghexinwen/2021/0524/1669.html


上一篇:什么是动力环境监控以及动力环境监控的应用领
下一篇:突破“卡脖子”技术 美的新能源车部件三大产品