北森云计算:人才测评在校园招聘大数据中的洞察

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

当去年底的“BAT缩招”的新闻余温犹在,英国脱欧引起的全球金融资本市场的震荡给人们和商界再一次最警醒的打击。虽尚未能预估其对中国经济的影响,但在全球化经济时代,这种未知将更加触动已经在经济下行重压下国内企业的敏感神经。因此,如何更加高效更加节约成本的招聘到合适的人才并且留住他们,这是当下经济环境以及人才供给压力下,HR们不得不面对的新课题。而校招,相对于社招来说,是一个人才供应量还在屡创新高的渠道,让企业尚有可能以较低的成本获得更好的潜力人员,并为关键岗位进行人才储备,这也是当前紧张的经济局势下一个HR尚有可为的关键环节。

所以,企业在春招、秋招的校招战争中竞争愈演愈烈:越来越精彩的宣讲、越来越强调互动体验的微信招聘、越来越多的远程在线手段……但这些越来越营销化的“校招套路”,是否真能招来合适企业的90后人才,看似节约成本的远程在线工具是否真的高效,千辛万苦招到的优秀毕业生是否真能留住等等都是HR在花样百出的校招中亟需解决的关键问题。而解决这些问题的要领,并不在“套路”本身,却是要对校招大数据进行深刻的洞察,才能找到优化的方法和途径。

或许大家有些茫然,校招大数据到底能为我们带来些什么价值和启示?北森人才管理研究院在对2015年北森一体化人才管理云平台上运行的基层校园招聘的大数据进行挖掘、分析的基础上,从中找出了一些毕业生的共性与趋势,这些发现将为企业校园招聘效益最大化、人才管理科学化提供保障。在完整发布这份报告之前,让我为大家举几个绝非“套路”能够带给你的启示,先睹为快:

启示一:如果你知道了企业关注的胜任力和毕业生具备的素质的差异所在,你就知道在筛选中哪些素质要重点关注,而哪些可以放宽要求,心中有数,收放自如。

从整体胜任力情况可以看出学生只有抗压能力、团队合作、适应转变、学习能力、高效执行几项击中企业下怀。但企业理想的人才需求和市场上实际的人才素质水平存在这样那样的不吻合,在任何时候都不能避免,不能就此推断毕业生的就业准备不充分。企业在进行关键岗位筛选前,可设置在岗位上最关注的核心素质项,亦可根据候选人情况适当放宽对其他素质的要求。

此外,在胜任力因素中,抗压能力、学习能力、积极主动和坚韧性这四项的离散度明显较高。这意味着毕业生在这些能力素质上个体差异较大,水平参差不齐。对此,企业需要通过测评工具将优秀者从众多的候选人群体中筛选出来。

启示二:如果你知道了自身行业所能吸引的毕业生的特征,你不仅能在筛选中更加有针对性的考察人才特质,更为毕业生进入企业后的培训和管理提供方向性参考。

通过分析互联网、房地产、制造、金融四个行业的共同素质项得分分布,发现不同行业吸引来的学生特征迥异,带有明显的行业特征:

● 互联网行业毕业生应聘者在分析能力上远高于其他行业,而且更注意团队合作。但是毕业生在抗压能力上表现不足,在压力情景下工作,可能影响其工作效率的发挥。这与互联网工作强度相对较大的现实要求不大相符。

● 房地产业求职的毕业生抗压能力较强,最渴望成功,并善于在工作中用自己的思想和观点影响他人。但他们普遍在分析能力上表现较弱,思考问题不够缜密。学习能力较弱,当周围环境变化时,他们往往会比较被动,不能进行积极转化。

● 制造业对优秀毕业生的吸引力相对较小,求职的毕业生整体能力素质相对较低。毕业生在创新方面表现最弱,在工作中可能会因循守旧,最终直接影响企业产品的更新换代。

● 金融业吸引了众多优秀的毕业生资源。然而,毕业生追求更高成就的欲望不强,工作中可能不太愿意付出很大的努力去追求更高标准的工作目标。企业需要在员工激励方面多下功夫。

总的来说,各行业的优秀毕业生在胜任力素质上各有特点,这就要求企业在未来的人才培养和管理上需要因材施教,因材施“管”。

启示三:如果你知道了不同学校素质能力分布,你就能发现你的那片“蓝海”,把有限的精力投放在最合适企业的高校或是区域,而不是挤破头皮在985和211的红海争夺。

从结果可以看出,大部分素质得分985、211院校的学生确实略好于一般院校,重点院校的学生在自我成长方面拥有更强的能力,能够积极主动的去分析、解决问题,在需要决策时也可以综合各种信息来源,按目标导向给出适合的决断和行动。

但也应看到,在认真负责、对组织要求的服从性以及个人做事的严谨细致等方面上,其他院校的学生则显得更为突出一些。企业可以根据自身对于岗位核心素质定位的情况,在激烈的校招中酌情的开辟出另一片“蓝海”。

启示四:如果你知道了不同时间段的不同的校招笔试到达率,你就能更加合理安排笔试时间,提高学生们的到达率,提高校招效率。

企业费尽心力的宣讲、校园传播等活动中,都会组织学生集中笔试。HR们也都非常关心笔试到达率。北森从近千场笔试的结果来看,周五晚上和周六晚上的到达率最低,中途放弃的人也最多。最好的时间段是周五上午,其次是周二上午和下午,以及周三和周日的晚上。当然选择时间的时候还要考虑是否撞车,考虑学生的课程安排,甚至法定休假日的安排。对于海外学生较多的企业,需要避开中午时间。





====================================分割线================================


本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
1天前
|
机器学习/深度学习 人工智能 物联网
深度学习:物联网大数据洞察中的人工智能
深度学习:物联网大数据洞察中的人工智能
|
7天前
|
算法 大数据 数据库
云计算与大数据平台的数据库迁移与同步
本文详细介绍了云计算与大数据平台的数据库迁移与同步的核心概念、算法原理、具体操作步骤、数学模型公式、代码实例及未来发展趋势与挑战。涵盖全量与增量迁移、一致性与异步复制等内容,旨在帮助读者全面了解并应对相关技术挑战。
16 3
|
4天前
|
机器学习/深度学习 人工智能 物联网
深度学习:物联网大数据洞察中的人工智能
深度学习:物联网大数据洞察中的人工智能
|
6月前
|
存储 大数据 云计算
大数据与云计算
大数据与云计算
192 2
|
18天前
|
监控 供应链 安全
云计算环境下的等保测评
云计算环境以其灵活、高效和可扩展性,成为现代企业信息化基础设施的重要组成部分。然而,云环境的复杂性和动态性也给信息安全带来了新的挑战,尤其是等级保护测评(简称“等保测评”)在云环境下变得更加复杂和重要。
22 0
|
3月前
|
自然语言处理 供应链 数据可视化
大数据在市场营销中的应用案例:精准洞察,驱动增长
【8月更文挑战第25天】大数据在市场营销中的应用案例不胜枚举,它们共同展示了大数据技术在精准营销、市场预测、用户行为分析等方面的巨大潜力。通过深度挖掘和分析数据,企业能够更加精准地洞察市场需求,优化营销策略,提升市场竞争力。未来,随着大数据技术的不断发展和普及,其在市场营销领域的应用将更加广泛和深入。
|
3月前
|
存储 数据可视化 大数据
基于Python Django的大数据招聘数据分析系统,包括数据大屏和后台管理
本文介绍了一个基于Python Django框架开发的大数据招聘数据分析系统,该系统具备后台管理功能和数据大屏展示,利用大数据技术收集和分析招聘市场趋势,帮助企业和招聘机构提高招聘效率和质量。
147 3
|
3月前
|
分布式计算 并行计算 大数据
【数据挖掘】百度2015大数据云计算研发笔试卷
百度2015年大数据云计算研发笔试卷的题目总结,涵盖了Hadoop、Spark、MPI计算框架特点、TCP连接建立过程、数组最大和问题、二分查找实现以及灯泡开关问题,提供了部分题目的解析和伪代码。
51 1
|
5月前
|
机器学习/深度学习 存储 算法
云计算和大数据处理
云计算和大数据处理
83 1
|
5月前
|
存储 资源调度 大数据
云计算在大数据分析中的弹性资源调度策略
云计算在大数据分析中的弹性资源调度策略