Лучших сотрудников подберет Machine Learning!

Kак найти кандидатов, которые идеально подойдут к существующей команде? Можно ли подобрать самых лучших продавцов с помощью машинного обучения и больших данных?

Machine Learning Recruitment

На прошедшем международном саммите HR Digital 2015  я поделился кейсом CleverDATA по подбору персонала для Inventive Retail Group. Обогащение данных и применение современных методов работы с данными позволяет существенно улучшить качество подбора и сократить расходы. Но главным является то, что…

… вы можете подобрать сотрудников, которые не только будут лучшими, но и идеально впишутся в вашу корпоративную культуру. Как это возможно?

Сегодня каждый из нас оставляет множество цифровых следов, из которых при желании можно собрать наш цифровой профиль. В этом профиле, как в зеркале, можно увидеть не только наши характеристики, но и намерения, интересы, которые обычно не видны работодателю.

Данные из социальных сетей, интернет трафик, факты из истории смс-сообщений, статистика платежей и многое другое. На рынке существует большое количество игроков, которые собирают данные о людях, и предлагают на их основе различные агрегаты для корпоративных клиентов, жаждущих получить дополнительные знания по своей клиентской базе и персоналу.

Данные от разных поставщиков объединяются в единый профиль на Биржах Данных, и становятся доступны для анализа и применения моделей на базе машинного обучения (Machine Learning).

В чем основная идея машинного обучения при решении подобных задач?

Найти похожих кандидатов на тех, которых мы считаем лучшими и отсечь тех, кого мы считаем худшими.

Для того, чтобы применить машинное обучение, сначала необходимо обучить модель. Для обучения модели необходимо подготовить данные, фактически определить для себя — что такое «хороший» и что такое «плохой» продавец.  На практике это самый сложный этап. Но при его успешном прохождении получается модель, которая настроена на поиск только тех, кто действительно подойдет для организации.

Вам не нужно заранее знать, почему ‘хороший’ продавец — ‘хороший’. Вам нужно знать — кто «хороший» и собрать по нему максимальный объем цифровых следов!

При наличии достаточного массива данных о сотрудниках система «сама» (конечно, под контролем и с помощью Data Scientist-а) подберет паттерн, который в дальнейшем будет выискиваться в данных кандидатов на вакансию. Кандидат, заполняет анкету на вакансию и передает данные о себе, которые служат идентификаторами для поиска данных о нем в других массивах внешних данных. Таким образом по каждому кандидату собирается обогащенный цифровой профиль, с которым уже работает «обученный черный ящик», и понимает  — к какой категории «хороший/плохой» ближе кандидат.

Как показал пилотный проект — обогащение данными и правильное обучение модели позволяют повысить точность подбора хороших продавцов более чем на 30%. И в нашем кейсе получились весьма достойные финансовые результаты, после которых такой подход подбора хочется внедрить в ежедневную рутину.

Детали смотрите в презентации.

С каждым днем мы приближаемся к тому моменту, когда системы с искусственным интеллектом будут не только предлагать нам варианты, но и самостоятельно принимать решения.

Вопрос: А вы готовы, что скоро вас на работу будет принимать робот?

Вы можете оставить комментарий здесь