기존 인재 풀을 바탕으로 소셜미디어로 대표되는' 빅 데이터' 를 도입하면 H R (인사부) 이 보다 객관적인 고용 결정을 내릴 수 있다.
데이터는 기업의 H R 에 낯설지 않다. 채용을 통한 직원 정보 수집부터 역량 평가, 연도 및 분기별 성과 평가에 이르기까지 축적된 데이터는 적지 않지만, 기업은 실제로 이 데이터를 정리해 분석하여 인재 관리자에게 의사결정을 제공하는 경우는 드물다. 하지만 당신이 사용하든 안 하든, 이 데이터는 계속 증가하고 있으며, 신기술이 등장하고 보급됨에 따라 모바일 장치와 소셜 미디어도 기업의 채용 채널에 참여하고 있습니다. 어떻게 이 데이터를 최대한 활용하여 인적 자원 관리를 보다 효과적으로 지원할 수 있습니까? 기업이 인재 데이터를 사용하는 현황은 어떻습니까? 재능 "빅 데이터" 응용 프로그램 전망은 어떻습니까? 이러한 문제들에 대해 덕근화영 회계사무소 중국 인적자원부 채용 이사왕과 SHL 중국구 사장인 푸천은 각각 기업 실천과 조사 분석의 관점에서 자신의 관점을 천명했다.
"작은 데이터" 부터 시작해보죠.
세계관리자: SHL 이 발표한' 20 13 글로벌 평가 추세 보고서' 에 따르면 기업은 인재' 빅 데이터' 사용에 있어서 아직 초보 단계에 있는 것으로 나타났다. 여기서 말하는' 빅 데이터' 개념은 과거 기업이 채용에 사용했던 인재 데이터와 어떻게 다릅니까?
Wang wenwa: 사실, 데이터는 항상 있습니다. HR 채용 프로세스 자체는 이력서, 필기시험, 면접에 이르기까지 많은 점수를 포함한다. 그러나 현재의 큰 데이터와 비교해 볼 때, 우리는 이것을 작은 데이터라고 부른다. 작은 데이터란 비즈니스 프로세스 목표에 따라 일부 선택 기준을 미리 설정하고 샘플링을 통해 전체 프로세스가 요구 사항을 충족하는지 여부를 판단하고 데이터를 통해 연구하는 것입니다.
덕근도 인재 분석 데이터를 가지고 있지만, 기본적으로 기존의 작은 데이터를 잘 활용하는 방법, 즉 원래 다른 부서나 영역에서 수집한 구조화된 데이터를 데이터 웨어하우스에 입력해 데이터 마이닝을 하는 방법에 기반을 두고 있다. 예를 들어, 덕근에는 후보 추적 시스템인 ——ATS (응용 추적 시스템) 가 있습니다. 후보자가 이력서를 제출하기만 하면 그의 정보는 덕근의 글로벌 인재 풀에 들어가게 되며, 현재 약 30 만 명의 정보가 있다. 이 데이터베이스는 덕근의 다국적 기업 간에 공유할 수 있다. 덕근 중국은 이 데이터베이스를 이용해 미국 덕근이 끌어들이는 사람을 찾을 수 있다. 이것은 방대한 인재 데이터베이스 또는 후보 데이터베이스이며, 우리는 종종 데이터 마이닝을 할 수 있다.
또한 덕근은 SH L 의 특수 도구인 Talent Analytics 를 사용하고 있으며, 데이터 양이 더 크다. 예를 들어 SHL 은 전 세계적으로 금융을 신청하는 모든 학생들을 비교 분석하여 우리가 표지라고 부르는 추세를 분석할 수 있습니다. SHL 의 데이터는 한 회사가 올해 채용한 직원의 전반적인 자질을 확인하려 할 때 세계, 아시아 또는 기타 경쟁 업체와 수평적으로 비교하는 데 도움이 될 수 있습니다.
그러나 실제 빅 데이터는 특정 목표나 설정된 기준을 통해 수집하는 것이 아니라 구조화되지 않은 데이터를 연구하는 것이라고 생각합니다. 빅데이터가 왔다. 빅데이터는 일부 기계 수단을 통해 소셜미디어와 인터넷에서 더 많은 후보자의 구조화되지 않은 자연 정보를 수집하여 기존의 구조화 데이터를 보완하고 판단을 내릴 수 있다는 점이다. 만약 우리가 이것을 할 수 있다면 채용 결정은 더욱 정확할 것이다.
지불권: 이전 데이터는 조사 연구에서 나온 것입니다. American Communications 의 급여 데이터가 다른 기업 HR 의 조사 보고서에서 나온 경우, 올해 다른 직위의 임금 인상 상황을 포함한 다음 한 회사의 효과적인 데이터 처리를 통해 해당 업계의 급여 기준을 도출할 수 있습니다. 그러나 현재 데이터는 모든 사람과 전체 데이터 수집 조직 간의 직접적인 상호 작용에서 비롯된다. 예를 들어, LinkedIn 은 그러한 데이터 수집 기관입니다. LinkedIn 의 데이터는 사용자가 개인으로 자발적으로 제공하는 것이고, LinkedIn 도 소셜 미디어의 개념을 가지고 있기 때문에 그 데이터는 정확하고 믿을 만하다. LinkedIn 은 소셜 미디어일 뿐만 아니라 인재 풀을 만드는 효과적인 도구이기도 합니다.
과거의 큰 데이터든 작은 데이터든, 그것들의 역할은 모두 일치한다. 즉, 성과를 효과적으로 예측하는 것이다. 예를 들어, 후보자가 새 회사에 가입하는 것은 회사가 그를 모르기 때문에 테스트가 필요하다. 이를 위해서는 지원자가 이 기업의 문화와 성과 목표에 부합하는지, 동료들과 잘 어울리고 서로 촉진할 수 있는지를 판단하기 위한 신뢰성과 타당성이 높은 테스트가 필요하다. 테스트는 여러 가지가 있지만 모두 성과를 예측하기 위해서이다. 세계 매니저: 소위 작은 데이터 분석이 채용 및 인재 결정에 어떻게 적용됩니까?
왕문길: 학교 모집과 사회 모집의 관점에서. 학교 모집 방면에서 우리는 개인을 겨냥한 것이 아니라 주로 전체를 겨냥한 것이다. 예를 들어, 현재의 비즈니스 요구에 따라 재정적 배경을 모집할 필요가 없는 학생들은 감사를 받을 필요가 없다는 결론을 내릴 수 있습니다. 작은 데이터에 대한 분석을 통해 금융생과 비금융생의 CPA 합격률에는 차이가 없고, 심지어 비금융생은 첫해와 이듬해에 합격률이 더 높다는 것을 발견했다. 이 현상은 매우 이상해서, 우리는 훈련 부문을 찾아 함께 이 데이터를 연구하여 가능한 많은 원인을 분석했다.
이는 작은 데이터의 한계이기도 하다. 분석을 통해 하나의 결론이 질문에 엄격하게 대답하지 못하고 많은 가능성이 있기 때문이다. 예를 들어, 비금융 전공자들은 이해하지 못하기 때문에 같은 수업에 더 많은 에너지와 동기, 스트레스를 소비할 수 있기 때문에 합격률이 더 높다. 금융생이 들어오면 쓸 수 있기 때문에 프로젝트를 보내는 횟수가 비교적 많지만 숙제를 예습할 시간이 없다. 업무 관리자는 비재무 신입사원을 사용하기를 원하지 않는다. 바로 시작할 수 없기 때문에 복습할 시간이 더 많기 때문이다. 분석을 통해 이러한 상황은 모두 가능하지만, 우리는 확실한 결론을 내릴 수는 없지만, 적어도 채용할 때 반드시 감사, 금융 학생을 모집할 필요는 없다는 것을 알고 있다. 이것은 작은 데이터의 예입니다.
사회 채용 방면에서 덕근은 현재 인재 흡인력, 채널 분포 및 광고 효과를 분석하고 있다. 우리는 이력서, 헤드헌터, 친구 추천 등 사회채용에 참가하는 모든 사람들의 출처를 추적할 것이다. 현재 덕근 채용의 가장 효과적인 채널은 직원 추천으로 최종 채용 총량의 45% 를 차지하고 있다. 그래서 4 ~ 5 년 전, 우리는 직원들이 추천하는 프로젝트 정책을 개혁하여 모두의 적극성을 높였다. 예를 들어, 직원이 추천하는 보상 금액은 반년 후 반불, 1 년 후 전불에서 소개인 후반불, 3 개월 후 전불로 바뀐다. 이렇게 하면 직원들은 큰 적극성을 갖게 된다.
세계매니저: 현재 기업의 HR 은 인재 데이터 관리 시스템에 대한 중시가 낮거나 잘 활용되지 못하고 있습니다. 그 이유는 무엇입니까? 왕문길: 주요 원인 중 하나는 데이터 수집에 필요한 투입이 데이터 분석으로 인한 실제 수익을 초과하는 것 같아요. 즉, 투입과 산출비가 맞지 않는 것 같아요. 예를 들어 덕근용 인재 채용 관리 시스템인 Taleo 는 선별된 모든 이력서에 각종 라벨을 붙이는 기능을 가지고 있다. 예를 들어, 이 사람은 이 직위에 적합하지 않은 것 같지만, 나중에 다른 직위에 적합할 수 있다면 표시를 하고 다음에 찾을 때 불러라. 그러나 현실적인 관점에서 볼 때, 이 도구들은 충분히 활용되지 못했다. 첫째, 채용 담당자는 종종 12 개 이상의 공석을 동시에 관리해야 하기 때문에 이러한 직책을 완수하는 것이 최우선 과제입니다. 자유 시간이 있거나 후보자를 찾을 수 없는 경우 데이터 마이닝을 위해 도구를 사용하는 데 시간을 할애할 수 있습니다. 두 번째는 기술과 도구의 편리성에 관한 문제이다. 한편, 기업 인사부의 기능 구분으로 다양한 인재 관리 데이터를 서로 다른 기능 팀에서 수집하고 관리할 수 있게 되었습니다. 예를 들어, 보상 팀의 데이터, 교육 팀의 데이터, 채용 팀은 종종 파악하지 못합니다. 현실의 역설은 대기업의 HR 이 완벽한 HR 기능 팀과 인프라를 갖추고 있어 많은 유용한 데이터를 수집할 수 있지만, 방대한 양의 데이터와 교차된 관리 아키텍처로 인해 데이터를 효율적으로 활용하기가 어렵다는 것입니다. 따라서 프로젝트 팀을 구성하여 데이터를 수집, 정리 및 분석해야 합니다.
큰 데이터란 무엇입니까?
세계 매니저: 작은 데이터에 비해 큰 데이터가 어떤 병목 현상을 돌파했습니까?
교권: 큰 데이터에 비해 조사를 통해 얻은 작은 데이터는 특수에서 최종까지 일반적인 결론을 형성할 수 있지만 역추리는 어렵다. * * * * 에서 특수를 발견한다. 빅데이터는 특수에서 일반으로 * * * 그리고 일반에서 특수까지 이질적이거나 우수한 인재의 특징을 발견한 다음 특징을 표준화하여 나선 추리를 형성한다. 이것은 과거에 매우 적은 수치로 부족한 것이다.
또한, 빅데이터는 우리가 한 사람의 발전 과정을 추적할 수 있게 해준다. 예를 들어, 10 년 동안 한 투자 관리자의 능력은 크게 변하지 않을 수도 있지만, 그의 성격은 변할 수 있고, 그의 동력은 점차 줄어들거나 증가할 수 있으며, 그의 기술과 경험은 분명 증가하고 있을 것이다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 성공명언) 이 사람이 경험한 변화를 이해하기 위해서는, 우리는 그의 여러 시기의 평가 데이터를 효과적으로 비교 분석하여 그의 발전 경로를 이해해야 한다. 이것은 이전의 작은 데이터 시대에는 존재하지 않았다.
빅데이터 응용에서 가장 중요한 것은 첫째, 실적을 예측하는 수단이 바뀌었다는 것이다. 예전에는 작은 데이터를 사용했고, 지금은 큰 데이터를 사용하고 있습니다. 둘째, 인적 자원 분야에서는 대용량 데이터가 인재 모델에 보다 상세하고 정확한 데이터 지원을 제공하고 기업 관리자가 더 잘 사용할 수 있도록 하는 것이 중요합니다.
세계지배인: 예전에는 직감으로 인재를 판단하고, 큰 데이터에 의존하면 의사 결정 과정이 점점 더 과학적이 될 수 있을까?
지불: 직감이란 수많은 사람들의 경험을 읽음으로써 생기는 첫 번째 반응이다. 이것이 이른바 제 1 원리다. 첫 번째 원칙의 유효성은 의문이다. 어떤 경우에는 엄청난 문화적 차이로 면접관의 행동과 표현이 크게 다를 수 있다. 이러한 표면을 통해 그들의 능력, 성격, 동기, 기술, 경험을 보는 방법은 단순히 직감을 통해 얻을 수 있는 것이 아니다.
큰 데이터는 인재 선발을 더욱 객관적이고 정확하며 쉽게 할 수 있게 한다. 빅데이터는 후보자의' 개황' 에 대한 정확하고 정확한 반영을 제공하고 이를 인재 모델에 매핑하여 그가 이 직위를 감당할 수 있는지 여부를 판단한다. 예를 들어, 데이터를 평가하면 한 사람의 평가 결과가 66 점이고 다른 사람의 점수는 67 점이라는 것을 직관적으로 볼 수 있습니다. 이런 미묘한 격차는 육안으로 직관적으로 판단할 수 없는 것이다. 큰 데이터를 통해 인재 선발을 더 쉽고 객관적으로 만들 수 있다.
소셜 미디어는 실제 후보자를 보여줍니다.
세계 매니저: 점점 더 많은 회사들이 소셜 미디어 네트워크를 사용하여 채용하고 있습니다. 이것은 HR 에게 무엇을 의미합니까?
왕문바: 정밀마케팅에서 빅데이터를 응용한 것처럼, 현재 타오바오에서 찾은 것은 웨이보를 열자마자 동류 제품에 의해 푸시됩니다. (윌리엄 셰익스피어, 윈도, 웨이보, 웨이보, 웨이보, 웨이보, 웨이보) 채용에서 같은 개념이나 방법을 사용한다면, 한 가지 예는 LinkedIn 이 사용자의 사교 정보에 따라' 이 일에 흥미를 가질 수 있다' 는 항목을 푸시한다는 것이다. 이것은 전기상이 사용하는 수단과 동일하며, 과거의 인터넷 행동에 근거하여 현재의 수요를 추론한다.
덕근은 사회 채용과 학교 모집에 대해 이런 초상화를 만들었다. 이상적인 지원자가 어떤 능력과 자질을 가져야 하는지, 어떻게 묘사해야 하는지, 지원자의 특성을 담고 있다는 것이다. 빅 데이터 시대에는 다른 소셜 미디어 행동 지표가 이 초상화에 추가될 수 있다. 큰 데이터와 평가 도구가 없는 상태에서 임원의 최종 결정은 주로 함께 밥을 먹거나 골프를 함께 치면서 그들의 자연스러운 성과를 관찰하는 것이다. 그러나 우리는 이 방법을 모든 지원자에게 적용할 수 없다. 만약 큰 데이터를 사용한다면, 일정한 법적 규범에 부합한다면, 모든 지원자의 일과 사회행위 (work & amp；;) 를 얻을 수 있을까? 사회적 행동은요? 이때 회사에는 두 가지 방법이 있는데, 하나는 제 3 자 배경조사회사를 찾는 것이고, 다른 하나는 그 전 회사의 임원에게 물어보는 것이다. 앞으로 웨이보, LinkedIn 등 소셜 미디어에서 활동하는 사람이 이론적으로 허가를 받거나 몇 가지 간단한 기본 정보를 파악하기만 하면 어떤 메커니즘을 통해 그의 모든 온라인 행동을 찾아볼 수 있다. 이러한 행동을 통합하고 표준화된 방법으로 수집한 정보와 비교하면 채용 품질을 향상시키는 데 도움이 됩니다. 하지만 사실 그렇게 하는 것은 매우 어렵습니다. 이것은 이상적이지만, 우리가 이 비전을 가지고 있다면, 나는 조만간 실현될 것이라고 생각한다. 심지어 모두가 결국 이 방법을 완전히 받아들일 것이다.
세계매니저: 덕근은 어떻게 소셜미디어를 이용해 채용을 합니까?
왕문길: 현재 점점 더 많은 대기업들이 채용팀이 직접 사람을 찾도록 독려하고 있습니다. 즉, 데이터 마이닝을 통해 스스로 관계를 맺도록 독려합니다. 현재 이런 방식은 덕근 총모집의 7% 에 불과하며, 우리의 목표는 최소한 15% 를 달성해야 한다.
이런 상황에서 LinkedIn 으로 대표되는 소셜미디어가 큰 역할을 했다. 우리는 Linkedln 의 채용 전문가 전용 계정을 샀는데, 개인 계좌와는 다르다. Recruiter 계정을 사용하면 직접 데이터 마이닝을 할 수 있고, Linkedln 중국 350 만 국내 사용자 중, 심지어 전 세계 2 억 4 천만 사용자에서도 직접 검색할 수 있습니다. 또한 회사 직원의 Linkedln 계정을 이용하여 더 많은 회사 노출률을 가져왔다. 누군가가 이 사람의 LinkedIn 계정을 클릭하면 옆에 그의 회사 구인 광고가 나온다. 이것은 직원의 인맥을 이용하여 보급하는 최신 솔루션이다. 웨이보, 위챗, 큰언니. 고용주 브랜드 및 채용 정보를 보급하는 데 도움을 줍니다.
올해 Dell 채용 팀은 Deloit te Power House 라는 덕근 인맥 관계를 기반으로 하는 임무 크라우드 플랫폼을 개발했습니다. 목표 대상은 현직 직원, 미래 직원, 인턴, 전직 직원 및 덕근 가입을 원하는 모든 잠재적 후보입니다. 이 플랫폼에서 사용자는 크라우드 소싱 작업을 게시하여 도우미, 리소스 및 연락처를 찾을 수 있습니다. 친구 간의 끊임없는 전달을 통해 사용자가 발표한 임무 항목을 해결하고 인맥을 쌓았다. 또한 사용자가 웹 사이트에 기여할 때마다 보너스 포인트를 받을 수 있습니다. 이 플랫폼은 채용을 도울 뿐만 아니라 모든 직원들이 자신의 직업 인맥을 터트릴 수 있도록 돕고, 이 플랫폼에서 자신의 사회관계를 통합하고 강화할 수 있도록 도와준다.
세계매니저: 기업이 소셜미디어를 채용할 때 어떤 문제가 발생합니까?
왕문길: 많은 회사들이 소셜 미디어를 이용하여 직접 구매를 확대하는 것을 좋아합니다. 그들이 직면한 문제는 두 가지가 있다: 하나는 투입생산비 (ROI) 의 균형이다. 소셜 미디어를 구축하고 유지 관리하려면 인력과 자금을 포함한 더 많은 관리 투자가 필요하지만, 소셜 미디어의 효과는 몇 명을 찾는 것만으로 측정해서는 안 됩니다. 둘째, 기술의 사용. 채용 담당자의 주요 역할은 이력서를 선별하고 후보자를 평가하는 것이다. 하지만 소셜미디어 플랫폼을 잘 관리하려면 마케팅 방법, 수동적인 후보를 끌어들이는 방법, 가입하도록 설득하는 기술이 필요합니다.
기존 채용 인원은 대부분 이 방면의 기술과 사고방식이 부족하여 대량의 학습과 훈련이 필요하다.
그래서 헤드헌터는 현재 소셜미디어를 가장 많이 사용하는 사람이다. 그들은 후보자를 찾고, 열정을 북돋우고, 일자리를 파는 방법을 알고 있는 이 기술을 가지고 있다. (윌리엄 셰익스피어, 윈스턴, 일명언) 내부 HR 은 소셜 미디어 사용에 상대적으로 약하다.
또한 소셜 미디어 데이터를 데이터 분석에 사용할 때 소셜 미디어 데이터 스캔이 새로운 기술인지, 빅 데이터 분석 방법이 신뢰할 수 있는지, 실현 가능한지 등 몇 가지 기술적 및 법적 문제가 발생할 수 있습니다. 개인 정보 사용에 대한 법적 제한과 장벽은 어디에 있습니까? 프라이버시는 어떻게 보호해야 합니까? 현재 이 방면에는 아직 많은 불명확한 점이 있다.