作者: 马小丽 北森测评研发部产品经理

Google是世界上受欢迎的互联网公司之一，它每年接收到的简历多达2-3百万，如何对大量的简历进行筛选，既不错过人才，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”，以支持他们的快速招聘决策。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具说服力。

每到年中，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具预测性的应聘者DNA，建立企业自己的招聘预测模型，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我们获得未来明确的改进方向。遍地大数据的，招聘效能分析将会成为每位招聘经理(专员)必备技能之一，让我们一起来get 新技能~

1、数据选取和分析思路的确定

梳理招聘流程，选择效标和预测源

如同游戏通关一样，应聘者从初的几万人到终录取的几百人，我们需要在他们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，设置了什么样的标准，以及通常多少人进入下一环节?我们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，它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。

图1. 校园招聘流程和效能分析框架

确定数据分析思路

梳理出招聘流程后，可以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：

简历字段对录用决策、工作表现的预测分析

能力测评的预测分析，筛选标准分析

胜任力测评的预测分析、筛选标准分析，以及核心维度分析

2、数据归类和编码

开始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，所属类别较为清晰、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自己填写的文本信息，先进行类别提取，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，需要多的人工归类、编码。

当然，有效率的数据整理就是在一开始产生和建立数据的时候，就以结构化的方式来存储数据。

图2. 简历字段编码示例

3、数据分析的方法

(1) 预测分析

哪些简历字段真正对工作表现具有预测作用?通过分析工作表现与简历字段的相关关系，或者进行不同绩效组别之间简历字段上的差异检验，可以发现某些简历字段与绩效存在着显著相关，这些字段就需要在简历筛选环节重点考察;而有些我们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，某公司就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。

(2) 多种测评工具相结合的筛选标准

筛选标准划定

参考信号检测论的思路，通过录取情况和测评得分，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。(这里的录取情况也可以是工作表现，会具预测作用。)当“高分录取率”与“低分淘汰率”相加大时，我们认为此时的划线分数是佳标准，因为这时候“击中率”和“正确拒绝率”的总体效能达到大。当然，“击中率”和“正确拒绝率”之间可以根据具体情况有一定的平衡考量。

图3. 测评筛选标准划线理论基础

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，能力划在多少分，胜任力划在多少分，一方面确保保留了足够多的应聘者进入后面的面试环节，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。

图4. 能力和胜任力筛选标准结合应用示例

4、结果应用：建立企业自己的校招预测模型

对不同的企业来说，核心的简历字段、能力、胜任力对于应聘者后续绩效的预测结果可能是不一样的，企业找到自己的核心预测源就像找到了适合本企业的应聘者DNA，在招聘的各个环节中都注重把握应聘者的这些核心特质对于招聘准确性的提高非常有效。

图5. 校招中的预测模型

5、结果应用：打通校招筛选路径

确定了实际的应聘者规模和招聘的目标数量，有了输入和输出，在这个过程中如何运转、走什么路线可以达到招聘目标是我们需要解决的问题。通过数据模拟整个招聘流程的筛选标准和对应的筛选比例，我们就可以根据实际情况选出从投递简历人群到录用人群合适的路径。

图6. 校园招聘筛选路径的数据模拟

三、       招聘效能分析的效益

1、提高招聘效率，降低面试成本

在校园招聘面试前用好多种测评工具，可以有效筛选掉一定比例的应聘者，将能力和胜任力相结合制定筛选标准，根据标准的松紧不同，可以筛选掉30%-50%的应聘者。当然，工具使用的合理有效使得多适合本企业的应聘者进入面试环节，所以面试的通过率和录用决策的成功率都会相应提高。

2、提高招聘精度，降低培养成本

据北森的不完全统计分析，校园招聘整个流程人均成本约3000元，而应届生毁约超四成，近三成应届生在入职三个月内就离职，保守估计错误地招聘一个人至少要损失2.5万元。校招预测模型能够帮助我们做到招聘，使得招聘的大多数人是那些在未来工作岗位上会有良好表现的应聘者。一方面容易获得晋升机会的应聘者不容易有离职倾向，另一方面企业就可以将多的资源投入到这些人的吸引和保留上。

数据带给我们的效益显而易见，当然我们也要避免无限夸大数据的作用。数据的重要功能是给我们提供了可测量的、符合逻辑的多条路径，究竟走哪一条路还要靠我们的智慧来权衡和决策。但，让我们先习惯让数据来告诉我们有哪些路可走吧。

作者: 马小丽 北森测评研发部产品经理