近日，尼尔森公司通过数据发现，那些在两年内有过升职或平级工作调动的员工，离职的可能性很小。为此，公司简化了员工内部职位调动的流程，这一举措直接让员工的年度留任率上升了5%-10%。这是尼尔森公司使用数字化进行人才管理的最新应用。之后，在尼尔森公司的其他部门广泛推广。利用数据进行人才管理决策，成为共识。
我们经历了从能源革命到信息时代到人工智能时代的变革，企业的竞争优势已经逐渐从硬件设备和资金转移到了企业的创新能力上。人力资源作为创新能力的本源，受到越来越多企业的重视，传统粗放的人才招聘管理方式开始向精细化转变。随着人工智能的应用普及，大数据的深入运用、人才的多元化，人才管理向更具战略高度的方向发展，从公司发展、流程再造、企业文化、人才的丰富性等角度，为企业战略性的赢得人才。
利用数据洞察，将人才变成企业的竞争优势
乔布斯曾说自己的成功“得益于发现了许多才华横溢、不甘平庸的人才。”他曾经花四分之一的时间用来为苹果招聘人才，只为和顶尖的人才一起建立出最完美的产品。他认为，一个顶尖人才和普通人才的差距可能是5倍、50倍、甚至100倍。
越来越多HR倾向于发掘优秀人才的特质。领英最新发布的《2019年人才趋势报告》中显示，91%的HR认为候选人的“软技能”非常重要；同时，80%的企业HR认为“软技能”对企业成功越来越重要。其中包括创造力、说服力、协作力、适应能力、时间管理等。科学的数据分析将有助于企业识别具有“软技能”的优秀员工。利用数据洞察将在人才的选、育、用、留等多个阶段中，帮助企业发掘优秀的人才，激活整体员工的潜能，为企业创造更大的价值。
某世界500强公司根据销售人员的业绩表现、当初的面试表现、后期企业培训的表现等多种数据，发掘了高绩效销售人员的特点，并将这些特点运用在新销售的招聘和培训中，优先挑选在这些方面有突出表现的候选人。让人才的筛选不再依靠面试官的个人感受，而是有客观的数据支持。
在可见的未来，大数据和人工智能将更多地应用在企业人才管理上，让企业进行更加科学、精准、细致的人力资源数据分析，洞察人才未来趋势，真正实现智能化的人才管理，赋能企业发展。
数据化赋能首先要解决的就是人才招聘问题
有人说“过去10年是移动互联网红利10年，未来10年一定是人工智能的10年。”近几年来，AI技术在人才招聘中的应用越来越多。今年3月,使用AI进行简历解析，实现人岗匹配的Moka智能化招聘管理系统获得高瓴资本、GGV纪源资本、金沙江创投、襄禾资本在内的共1.8亿元融资。更快、更精准的招到人是企业不变的追求，招聘方式势必越来越智能化、数字化、高效化。
有数据统计，70后的第一份工作平均超过4年才换，80后则是3年半，而90后骤减到1年半，95后更是仅仅在职7个月就选择了辞职。考虑到越来越频繁的人才流动性，人才招聘是众多HR优先考虑使用数字化的领域。经历了“看天吃饭”的招聘阶段，企业越来越重视通过完整、及时、有效的数据分析，赋能企业的人才招聘。
对人才招聘的高效、低成本也促使了人才招聘的数字化转型。AI精准简历解析、简历去重和筛选、移动办公、优质渠道分析、人才库激活等，都将HR从没完没了的人才搜寻、不断重复的面试排期、枯燥乏味的简历筛选中释放出来，投入到更有创造力和高价值的工作中。
构建高效能的数字化招聘团队
面对数字化人才招聘需求，企业如何构建高效能的数字化招聘团队？不妨从涉及招聘完成度的流程、协作、决策和团队等四方面考虑。
打通全链路招聘流程数据
从职位发布、简历初筛、推荐给用人部门、面试邀约、Offer发放等阶段，产生出大量的招聘数据。过去这些招聘数据分散在各个HR、面试官手中，招聘业务分析流于表面且容易出现偏差。单一离散的数据没有意义，只有全量全面的数据集中存储，才有实现精准数据分析的可能。通过“制度流程化、流程表单化、表单信息化”的方式，打通全链路招聘流程数据，将人才管理的方方面面落实到数字化平台中，实现集中化、自动化和智能化的管控。
促进协作提升招聘效率
近几年，企业越发趋于加强人与人之间的高效协作，各种协作工具正打破人们的信息孤岛。有时一家公司里同时使用zoom进行远程视频会议，使用钉钉进行人事考勤，使用Trello进行项目协作管理，使用石墨进行文档协作，使用Moka进行招聘管理……
人才招聘中的协作包括与用人部门沟通、面试时间安排、面试结果反馈、Offer审批等，如何让招聘流程标准化、如何快速响应、跨区域合作如何更高效，都是协作的重点。而招聘过程中沟通不顺畅、反复沟通、反馈不及时都会拉长招聘周期，在人才竞争中失去优势，影响整体的招聘完成度。
在和很多HR沟通中，我们发现大部分HR都需要花大量时间用在与面试官沟通面试时间。而在采用类似Moka的 ATS系统后，反复沟通的问题得到了极大的改善。数字化招聘管理可以帮助招聘团队分析协作中时间都花在哪里，如何调整优化，以提升招聘效率。
某互联网公司上线Moka系统后，平均招聘周期从68天下降到32天
精准数据分析和决策
早在03年谷歌公司就采用招聘系统监控招聘数据，在不降低精准度的同时，将6个人的面试流程降低到4个人。通过数字化进行招聘监控、辅助决策，能大大提高招聘的效率。
然而，在科技飞速发展的今天，依旧有不少HR在使用excle表格，手动处理简历数据和统计报表，“假装”在做数据分析和决策。数据指标不统一、手工操作错误率高，两大因素告诉我们非标准化、非自动化的数据统计只是“天方夜谭”。
有效的数据分析和决策的前提是标准化、流程化和自动化。Buzzfeed使用Greenhouse进行招聘任务自动化后，包括以前手工完成的Offer审批和Offer文档生成，极大地提高了招聘工作的速度和准确性。
精准的数据分析和决策需要贴合企业的业务场景，企业所处的不同阶段决定了核心数据指标的定义。比如，如果企业是精细化运营的需要，那么内部协作的效率盘点、招聘渠道ROI分析更加重要；如果企业处于人力资源快速扩张期，那么招聘的完成度、周期、进度等成为主要关注的数据。
科学的数据分析和决策还应具备前瞻性。通过数据监控，预防风险，制定更有前瞻型的人才管理策略。
使用数据进行招聘决策的过程
培养数字化HR人才
数字化转型，人才先行。HR应该是推动企业数字化转型的先行者。具有前瞻性的HR们已先行出发，从建立自身的数字化能力开始。一方面，了解数字化在人力资源上的关键应用；另一方面，了解数字化人才的生态，行业的需要，企业的需要，以及数字化人才的甄选。当然，还需要在企业内培养数字化人才，提高公司的竞争力。
除此以外，大部分的HR还关注商业动态和数据分析能力。比如商业分析、领导力、业务发展、人际关系管理、组织战略管理、数据分析思维训练、数据分析软件的使用等。越来越多的HR开始“装备”自己，建立具备数字化高度的团队，以便适应瞬息万变的市场环境。
数字化并不是我们的目的，而是企业追求科学化、精细化管理的必经之路。数字化切切实实的来了，我们的企业人才管理该如何“存在”？
开启数字化人才招聘 申请演示Moka系统
