「解放」那些频繁离职的年轻人,这项技术可以的

2018 年 7 月 31 日 极客公园

什么是招聘行业追求的终极目标?又该如何实现呢?


2017 年底,薛延波决定结束和赵鹏16 个月的相互「考察」,要举家从加拿大迁回北京。

赵鹏是 BOSS 直聘的 CEO,毕业于北京大学法律系,在人力资源领域有二十余年经验。薛延波是加拿大麦克马斯特大学电子与计算机工程专业的博士,13 年机器学习、5 年量子计算的相关从业经验。一眼看过来,根本想不到两人能有什么交集。

奇妙的是,这两人的关系就像量子纠缠。学文的人喜欢量子物理,而学理的人又喜欢人文社科。一来二去,就聊成了真正的微信好友。有一次,赵鹏在和薛延波讨论技术在招聘行业中的应用时,发现技术能发挥的作用远不止现在这些。聊到兴起时,他激动地说:「要不是事情太多,我真想立马买张机票飞到加拿大和你面谈。」

第一次见面的时间也不算太晚,见面的结果就如开头所说,两人一排即合,由薛延波牵头,成立了 BOSS 直聘职业科学实验室(Career Science Lab,以下简称 CSL),这个实验室的终极目标就是要用技术提高招聘效率,让招聘市场成为稳定双边匹配市场。


稳定的双边市场

薛延波认为,职业市场设计的终极目标就是形成稳定的双边市场,使求职者和招聘者达到「稳定」。而「稳定」有两个假设:第一个是不会出现 A(求职者)和 B(招聘方)之间相互偏好,但没有匹配的情况;第二个是不会出现 A 与 B、 C 与 D 已经配对,但 A 和 D,B 和 C 匹配是更优解的情况。

而目前的就业市场显然没有做到这一点。在薛延波看来,不管是现在的市场还是早些时候的市场,如果不是双边稳定,就会有以下几个方面的表现,人岗匹配效率低、入职过慢、离职过快等等。有关报道指出,2017 年全国平均员工离职率为 19.7%,其中主动离职率为 14.4%,被动离职率为 5.3%。

秦鹭去年 6 月从上一家公司离职,12 月才入职了一家自己相对满意的公司。而入职前前后后的面试沟通时长花了将近 1 个月。杜晓就比较幸运,离职一周后他就入职了自己感兴趣的新公司,因为这家公司的老板和他认识已经快一年时间了。

「现在离职越来越快,年轻人可能在一家公司工作 8-12 个月,但找到下一份满意的工作可能要花 1-3 个月,这种时间成本是非常高的。」薛延波认为这种现象背后的原因是一对「快与慢」的矛盾。

应聘者和招聘方都想将相互「试探」的时间压缩到最短,但真正找到一个合适的员工和公司却需要对个人及这家公司的长期了解。现在的招聘市场,对公司的介绍往往是一张职业简介,而应聘者所有的经历往往是一纸简历。双方沟通只能局限于这些二维指标,并不能有立体图景。

为了解决这个问题,上线于 2014 年的 BOSS 直聘已经迈出了一步,率先解决和谁谈(Who)的问题,搭建应聘者和最了解部门需求的 Leader 之间的高效沟通平台,省去 HR 和其他中间环节带来的成本。但还有两个问题,并没有得到解决,什么时候谈(When)以及怎么谈(How)。

薛延波解释说,When 实际上解决的是一个时机问题,通过科学的分析去解决什么时候去谈会最有价值。因为双边市场有一个很重要的特性,它是一个动态的市场。这个时候和招聘者去谈,和下一个时候再去谈,效果可能不一样;而 How 解决的问题,是在双方沟通时,怎么样才能增进双方的相互了解。他认为,只要解决了这三个问题,招聘市场就会成为稳定的双边市场。


小火星

但后两个问题解决起来并不容易。人材、模型是摆在薛延波面临的两个直接困难。

在这个职业科学实验室里,薛延波想先招六个主心骨。这六个人里头以传统技术人员为主,除此以外,实验室还希望吸引研究微观经济学、心理学、社会学等优秀的研究人员。他说,传统解决招聘的问题的方法,主要还是通过计算科学、数据挖掘、计算学习等,而跨学科可以碰撞出新的火花。比如,对于市场供需平衡问题上,经济学的研究人员一定比技术人员更专业;在对很多概念的操作化定义上,社科背景的人员显然更有优势。

为了吸引人材的加入,BOSS 直聘 CEO 赵鹏出手阔绰。一名硕士学历、工作经验 3-5 年的机器学习科学家,薪资给出了 50k-60k 范畴。赵鹏说,要用顶级的薪酬聘请一流的人材来支持这个实验室。但即便如此,薛延波在最近见过的两位数面试者中只有几位进入了深度沟通的状态,但还没有最终敲定一位。

而模型,则是目前 CSL 面临的最大挑战。薛延波说,「我们回头来思考机器学习三个重要的支柱,数据、模型和算例。数据在以指数的形式增加,模型的发展相对来说是比较缓慢的,现在机器学习可用到的模型也是很少的,基本上都能罗列出来。我们希望完成模型设计方面的工作,这是一个全新的市场,可能需要全新的机器学习来解决这样的问题。」

薛延波已经给实验室确定了两个课题。一个是「利用主动学习和协同滤波解决匹配理论中偏好列表未知的问题」,另一个是「建立起基于职业科学的参数用于衡量动态双边匹配市场的性能」。简而言之,前者基于同类型求职者的相关数据,获取求职者真正的求职意图,找工作的三维场景。后者,则是生成类似于「温度计」的指标,来测量求职方及招聘方的市场冷热程度。

而这些都需要设计全新的软件、模型,工程量巨大。薛延波说,现在我们只是划了一个职业科学的框,我是希望这些软件帮着我们逐渐把内部填满。面对将来的图景,他感慨,现在所做的只是发起了一点小火星儿。赵鹏心里也清楚,这件事要想真正的燎原还需要些漫长的积累。他心里的期待是十年能有小成,有生之年有一些成就就够了。

虽然不知道这件事真正多久时间能做成,但薛延波还是很乐观,「幸运的是,我们没有资金上的困难。」 ■

本文由极客公园原创

转载联系 zhuanzai@geekpark.net


登录查看更多
0

相关内容

招聘是人力资源管理的一项职能,包括职位分析、职位发布、简历筛选、候选人面试、录用决策等。
AI创新者:破解项目绩效的密码
专知会员服务
33+阅读 · 2020年6月21日
【干货书】流畅Python,766页pdf,中英文版
专知会员服务
224+阅读 · 2020年3月22日
阿里巴巴达摩院发布「2020十大科技趋势」
专知会员服务
105+阅读 · 2020年1月2日
最好的激励,是激发员工的自驱力
华章管理
10+阅读 · 2019年4月14日
在 Google 工作六年半后,我还是选择离职了
开源中国
4+阅读 · 2018年10月21日
“搞机器学习没前途”
CSDN
236+阅读 · 2018年9月12日
已删除
AI科技评论
4+阅读 · 2018年8月12日
“我今年36岁了,除了收费啥也不会!”
创业邦杂志
4+阅读 · 2018年1月14日
最可怕的不是被机器淘汰,而是……
全球创新论坛
18+阅读 · 2017年10月28日
Efficient and Effective $L_0$ Feature Selection
Arxiv
5+阅读 · 2018年8月7日
Arxiv
6+阅读 · 2018年4月4日
Arxiv
4+阅读 · 2018年1月15日
Arxiv
11+阅读 · 2018年1月11日
Arxiv
5+阅读 · 2017年12月14日
Arxiv
27+阅读 · 2017年12月6日
VIP会员
相关资讯
最好的激励,是激发员工的自驱力
华章管理
10+阅读 · 2019年4月14日
在 Google 工作六年半后,我还是选择离职了
开源中国
4+阅读 · 2018年10月21日
“搞机器学习没前途”
CSDN
236+阅读 · 2018年9月12日
已删除
AI科技评论
4+阅读 · 2018年8月12日
“我今年36岁了,除了收费啥也不会!”
创业邦杂志
4+阅读 · 2018年1月14日
最可怕的不是被机器淘汰,而是……
全球创新论坛
18+阅读 · 2017年10月28日
相关论文
Efficient and Effective $L_0$ Feature Selection
Arxiv
5+阅读 · 2018年8月7日
Arxiv
6+阅读 · 2018年4月4日
Arxiv
4+阅读 · 2018年1月15日
Arxiv
11+阅读 · 2018年1月11日
Arxiv
5+阅读 · 2017年12月14日
Arxiv
27+阅读 · 2017年12月6日
Top
微信扫码咨询专知VIP会员