随着大数据时代的到来,人工智能技术的飞速发展正给各行各业带来深远的影响和颠覆性变革。对于人力资源行业而言,如何利用人工智能技术提升人才招聘的效率和质量,正发展成一个广受关注的、新兴研究课题。近年来,中国会计师行业的迅猛发展,使得审计人才匮乏问题更为凸显,这也极大增加了招聘部门的选聘任用工作的压力。为此,本文基于应聘者简历信息和各类测评数据,综合利用统计分析和数据挖掘技术,实现自动化的人才画像和智能招聘。本文从人才画像和智能招聘两个问题切入进行研究。二者互为联系和支撑,人才画像是实现智能招聘的基础,智能招聘则有助于验证人才画像的有效性。具体来说,人才画像指的基于应聘者的简历和测评数据,构建描述其求职档案的多维特征向量,简单来说对应数据挖掘中的“特征抽取”。简历信息中既包括结构化的个人信息,也包括针实习经验、培训经历等非结构化的文本信息,这些给人才画像的构建带来了挑战。本文综合利用规则抽取、哑变量处理以及常年积累的领域知识,有效完成了人才画像的构建。智能招聘在本文指的基于应聘者的人才画像档案,预测其是否能顺利通过招聘的各个阶段,如简历筛选、笔试、面试和最终录用等。本文将其转化为一个分阶段的分类预测问题,采用解释性较强的逻辑回归、决策树和随机森林等分类算法,基于交叉验证的方法评估、比对了不同分类起的预测能力,并分析了影响审计员录用结果的关键因素。研究发现,有多段审计相关实习经历、具备审计会计专业背景的本地院校学生更容易通过简历筛选。最后,本文基于2020年某大型会计师事务所积累的真实校园招聘数据,实现了有关审计人才的多维特征构建和自动化招聘预测。研究结果初步验证了本文所提出的智能招聘模型的有效性,并为提升注册会计师行业人才选拔机制提出了有针对性地建议。