自2012年上線剛滿2年便獲得1億美金融資的今日頭條，通過數據分析不同用戶對新聞的偏好，進而對其推送訂制式新聞的模式幾乎惹怒整個傳統媒體圈；不久前成功上市的萬達集團更是在今年9月與百度、騰訊聯合宣布成立萬達電商，企圖借助百度、騰訊的底層數據庫及會員系統優勢對抗電商霸主阿里……“大數據”在整個商業世界中扮演著越來越重要的角色。

大數據獲得熱捧的背后預示著，商業戰爭將演變為數據戰爭；誰獲得了最大規模、最有價值的數據，誰將贏得整個互聯網的未來。正如移動互聯網從平臺級應用開始走向垂直化一樣，大數據勢能也將從平臺級企業向更多細分垂直領域釋放。在線招聘、互聯網醫療、在線教育、O2O，這些垂直領域都對“大數據”有著最為直觀的需求。我們接下來仔細談談大數據如何改變在線招聘領域。

　　在線招聘1.0，數據厚積時代

中國在線招聘市場可追溯到將近20年前。個人用戶上傳簡歷至招聘網站，企業用戶在海量的個人簡歷中搜尋自己所需要的人才，勞動力供給方與需求方第一次通過互聯網實現對接，在線招聘市場迎來爆發期。我們仔細分析一下在線招聘1.0時代的一些特征：

1.海量數據：在線招聘1.0時代正處于“信息入網”的巨大紅利期中。智聯、中華英才網等行業中的玩家并不需要花費多大代價即能獲得海量用戶簡歷，并以此為資產吸引、對接更多的招聘方、獵頭。當智聯半年前以7億美元估值在美國紐交所上市時，其注冊用戶已達7700萬，數據庫擁有大約近6000萬份完整簡歷。智聯豐富的求職者數據令其在在線招聘1.0時代坐穩龍頭的位置。

2.數據結構化、標準化：該階段的招聘網站擁有的求職者數據高度結構化，包括簡歷呈現方式、職業類型、從事行業等；但現實生活中的從業者所在行業或職業類型可能會更加精細。隨著互聯網技術興起，新興行業越來越多，招聘網站即使擁有多個數據屬性也無法清晰定義用戶能力與經驗。

3.數據帶來的簡歷轟炸與招聘低效：在越來越多企業和求職者瘋狂涌向網絡的同時，缺點也漸漸凸顯出來。由于求職者投遞簡歷的成本過低而導致的“簡歷轟炸”和個人信息不實造假嚴重等現象，讓企業HR們面對越來越寬闊的“簡歷海洋”，苦不堪言。

「我們想要的是一名狙擊手，招聘網站卻為我們招來了一架坦克」。企業和應聘者的信息不對稱，導致招聘網站「亂點鴛鴦譜」，傳統招聘網站的短板開始露出端倪，不再能夠滿足對人才數量及質量需求都與日俱增的企業HR或獵頭。

社交招聘：三維世界與二維世界的競爭

隨著Facebook與Twitter的社交風暴席卷全球，大數據挖掘的命題又不斷刺激著公眾神經。而在大洋彼岸的中國，微博已經開始深入到電影、音樂、臺網聯動等垂直領域，不斷挖掘數據價值深入商業化腹地。在招聘這個垂直領域，大數據的應用也在造福著眾多求職者與雇主品牌。

在線招聘2.0時代，招聘行為融入更多的社交屬性，社交招聘網站逐漸成為招聘行業的主流工具。相較之傳統招聘網站海量數據的扁平化，在社交招聘平臺上則能挖掘出更多層次的數據內容：用戶基礎資料數據，用戶行為數據，以及用戶在社交平臺的互動數據。前兩者在招聘1.0時代為招聘行為提供了最主要的價值；而在2.0時代用戶交互數據的重要價值被挖掘和掌握后，通過構建數據分析模型，整合職場人士網絡行為習慣及社交網絡的數據能形成其更加精準立體的用戶畫像。如果說招聘1.0時代的大數據挖掘仍處于二維世界的話，到社交招聘時代的大數據，則是將整個招聘領域帶入了耳目一新的三維世界。通過挖掘用戶社交行為數據之后，企業在招人效果上整整提升了一個臺階。

以全球最大的職業社交網站LinkedIn（領英）為例——在領英上，個人用戶可以創建簡歷、關注公司職位信息、建立人脈聯系、填寫個人技能，還能夠分享行業資訊信息等；而企業方則可以建立公司主頁，購買付費產品可以發布招聘廣告，搜索全站用戶的檔案并與之聯系。用戶建立人脈關系與分享資訊信息的同時，也在傳遞他們所屬的商業圈子以及他們的價值理念；企業在創立企業主頁的同時也在樹立雇主品牌形象、樹立求職者信心。雙方的形象更加立體化、具象化、情感化。

最近LinkedIn發布的《2015中國人才招聘趨勢報告》中在問及“未來5到10年對決定招聘行業發展起到最重要作用的趨勢會是什么？”的時候，有55%的HR主動選擇了“使用’大數據’預測未來人才需求”這一選項，遠遠高于全球27%的水平；這說明國內的人力資源部門已經意識到大數據的重要性。在被問及“貴公司在用數據了解人才招聘的效率和機會這方面做得怎么樣?”的時候，只有18%的受訪者認為自己公司做得不錯，低于全球24%的水平。這反映出國內的人力資源部門在行動上仍然沒有邁出通過數據的方式來優化招聘效率。

隨著招聘領域進入三維世界，我們可以看到，2.0時代的在線招聘行業發展呈現出一些新的特點：

1.招聘最合適的而非能力最強的

在1.0時代，企業招聘員工更多的是通過關鍵詞基于簡歷進行搜索；這種方式無法從更多緯度判斷求職者的價值觀、社交屬性。而在2.0時代，由于數據類型的豐富與立體化，新的數據算法能讓雇主與用戶更加精準匹配。

美國加州26歲的杰德?多明格斯某天收到一封突如其來的郵件，舊金山一家初創公司請他去面試程序員。多明格斯那時正住在加州某市一間租屋里，靠信用卡賒賬度日，他正在自學編程。多明格斯在高中表現中等，也沒想過要上大學。

是一位名叫盧卡?邦馬薩的人通過一種新的數據算法選中了多明格斯。這種新的數據算法的理念是讓人把目光從傳統的人才指標上移開來一點，比如招募者一般都很關心的麻省理工大學的學位、谷歌公司供職的經歷、同事或友人的推薦等等，同時投入更多注意力在一些簡單的概念上面：這個人的表現如何？這個人能夠做什么？能不能量化分析它？

據了解，這種來自于美國某數據分析公司的新算法在分析一個人時要處理三百來個主要變量：常逛的網站；描述各種技術時使用的語言類型，積極還是消極；在LinkedIn上的技能自述；參與過哪些項目，都干了多久；在哪里上的學、學的什么專業，這所學校當年在《美國新聞與世界報道》上排名是多少。正是這些豐富的數據勾勒出求職者更加立體化的畫像，讓雇主與用戶更加精準匹配。

2.“大數據”提升勞動力運轉效率

2011年夏天，曼城隊助理教練大衛·普拉特決定利用數據分析來解決球隊在表現方面遇到的一個棘手難題。普拉特發現，盡管球隊陣容中擁有多名高大強壯的球員，但他們的角球得分情況卻不盡如人意。在征求了俱樂部內部數據分析師的意見后，該隊增加了對內旋角球（球轉向守門員方向）的使用。戰術轉變產生了驚人的效果。在整個賽季中，曼城隊依靠角球打入15個進球，成為英超角球得分效率最高的球隊，其中2/3的進球采用的是內旋角球。這一實踐為數據驅動型決策提供了強有力的支撐。

高質高效的數據分析開始在企業和團隊的戰術及決策中展示出更大價值。一些走在前列的科技公司如BAT、華為、聯想等本土知名企業，已經開始用LinkedIn的數據協助自己進行更多的商業決策。比如，通過閱讀求職者的資料，它們可以發現哪些地區擁有更多潛在的合適的員工，并決定在何處設立新的辦公室或工廠。換言之，LinkedIn想要改變的不再僅僅是招聘和求職的方式，而是整個勞動力市場的運轉效率。

在LinkedIn首席執行官杰夫·韋納爾（JeffWeiner）的理想狀態下，LinkedIn可以基于這些數據描繪出一幅宏大的“經濟圖譜”。具體說來，如果LinkedIn能夠跟蹤求職者、公司和大學之間的關系，繪制出人們的工作職位、資歷和技能與雇主要求間的匹配圖，它就能夠逐步改善勞動市場信息的流通，創建勞動力市場的大數據。

　　總結：

如今，數據獲取變得越來越容易，然而面對海量的數據，如何更好地加工和運用，使其轉化為商業機會并提升價值，大多數企業依舊在為之努力。職業社交網站憑借著對大數據的深入認知與實踐，或將迎來意想不到的井噴期。