精准招聘能告诉你几年后升任经理？

又到招聘旺季，求职者的“海投”开始了。扪心自问，自己到底要找什么样的工作，而什么样的工作又是适合自己的？也许智能机器学习系统可以帮到你。

今年6月，e成招聘正式开放求职者注册。这也许不算什么大事儿，现在市场上招聘网站多如牛毛，从最传统的智联招聘、51job,到各类垂直类招聘网站，高中低端，种类齐全。

相对而言，这些网站的信息海量，你只能通过自己的偏好搜索出你觉得合适的工作。但现在，e成招聘的创始人周友鸿却说，可以利用自己后台的大数据系统的精确计算，让求职者可以收到最精准的职位推荐。

求职者不用海投简历，只要在网站注册按照要求填好简历即可坐等合适工作送上门。问题是，这样的求职方式靠谱吗？

给简历画张像

现有的招聘网站中，“海投、海选”以及HR本身流动性较高这三个现象，导致“如何快速帮助企业HR找到合适的人、帮候选人找到合适的机会”成为刚需。

招聘的背后，要解决如何让劳动力这一生产要素在经济行为中实现高效配置，就一定是从刻画企业用人画像、个人职场画像为起点。周友鸿认为，“最好的解决方式只有互联网。”

2012年，周友鸿找了一群志同道合的技术牛人一起创立了逸橙科技。这家公司招聘了15位数据挖掘方面的优秀人才，80%来自百度大搜索和凤巢广告的核心团队。

曾供职腾讯的秦雷是e成的联合创始人之一。据他介绍，通过机器学习大量数据，分析个人能力素质模型、个性化偏好、求职紧迫度等，进而在合适时间内，向求职者推荐合适机会。

e成的机器学习系统可以为企业画出人才需求画像，对简历进行80多维度解析，分别从个人能力模型（学历、经验、职级、专业等）、个人软素质（稳定性、兴趣爱好等）、用户行为（搜索、投递、收藏、简历更新）等维度画出人才画像，求职意向、择业方向、胜任度最终都成为人才画像的绘制素材。“同时，对职位进行60多个维度的解析，分别从基础岗位需求匹配、公司软硬实力、HR用户行为等维度画出企业需求的人才画像。”秦雷表示。

举例来说，通过e成的大数据分析某家公司内部的人员信息和过往人员的流动，可以得出这家公司当前员工从哪个（些）公司跳槽的最多、哪种学校毕业的最多、哪个年龄段的员工最多等。

如某公司当前员工多数来自二本的院校，而复旦、交大毕业的员工离职率很高，出生在1986~1988年的员工稳定性最高，在职员工最认可公司组织的体育活动，公司大多数的程序员总是不修边幅等。那么，如果公司面试了一位名校毕业、不爱运动、衣着光鲜考究的人，那么就得考虑下他是否适合公司。而对于求职者来说虽然看不到这些，但大数据的后台会根据这些因素将适合的职位自动推送给应聘者。

秦雷认为，e成就像红娘，它把这个合适消息在后台直接展示给企业，同时也把企业的意向告诉求职者：你投递这个公司获得offer的概率有多高，你的稳定性和企业要求的是否吻合，你加入这家公司后几年可以升为主管、经理、总监，你是否会有校友、前同事在这个公司工作等，如果彼此合适接下来就是水到渠成的事了。

也就是说，即使是没有积极找工作的人，依然可以在不浪费任何精力的情况下“等”到更好的机会。

精准求职、招聘

周友鸿表示，了解企业的用人喜好是企业招聘行为的起点，当前绝大多数招聘行为都忽略了这一点，导致HR招聘行为低效、成本居高不下。

通常招聘企业在发布职位时会收到大批量意向不明的简历并为此买单，买完单后承担的风险是：候选人无意向，或者候选人有意向但放HR鸽子，这其中需要为一个不确定的人选花费筛选、沟通的成本，占据了大型公司HR每天30%~40%的时间，占据了中小型公司HR每天50%~60%时间。

“基于百万级特征值，学习HR的招聘行为（搜索、收藏、评审、面试、拒绝、offer），刻画了60多个HR用人喜好的维度，我们会最终分析出企业需要谁，更喜欢谁。”秦雷说，“我们在不断帮助HR节省时间和成本。”

e成除了基于机器学习从海量主动投递简历中，通过星级排序的方式最快筛选出合适简历以外，更侧重解决的是“70%的职位无法通过主动投递简历满足招聘需求”这一真正招聘难题。

通过招聘渠道资源的整合和机器学习系统，自动筛选出所有渠道合适简历给到HR，并通过系统自动与候选人完成意向沟通，快速连接企业和人才，让HR告别多渠道切换、人工筛选、人工电话沟通这一传统招聘方式。

周友鸿认为，DT时代的招聘应该更精准，当前这种由于HR与求职者之间的信息不对称所带来的付费行为将慢慢走向终结。e成正在解决“海投”“海选”这种低效率、高成本的求职招聘体验。通过智能搜索、推荐匹配、意向确认服务，企业可以降低人工成本、大大提高简历资源的利用率。与此同时，人与机会的连接将更加便捷。

据e成给出的数据，e成的服务在招聘的简历搜索、筛选、意向沟通的时间成本是HR人工的1/13，是传统招聘渠道的1/4。