数据分析应用于人力资源领域并不是一个新话题。高校毕业生是每年企业新生力量注入的一大源泉，企业也逐渐开始用更多的数据分析工具来进行高校毕业生的甄选工作，并且根据数据分析结果来帮助企业做出培育以及管理决策。对于HR来说，面对海量毕业申请人的资料，如何挑选合适的候选人并针对性引导发展，变得日益具有挑战性。

美国：深度与广度共生

　　许多年来，谷歌一直使用其创始人钟爱的学业实力评估测试（SAT）分数和大学平均成绩（GPA）指标来筛选新兴的毕业生员工候选人。但如今谷歌人力资源分析副总裁却表示，仅用绩点的数据和绩效指标不可说明其在谷歌能否取得成功，从今往后它们将不再是最重要的招聘标准。
　　美国Knack公司将先进的数据分析工具和游戏结合在一起，通过一系列游戏实时观察目标对象的实际行为和表现。由于计算机可以从用户参与游戏的每一个瞬间获得有用的数据，15分钟游戏就足以创造100万字节的数据。因此，领导者最终获取到的不只是完美的简历，更有应聘者的社交能力、适应力、情商等多方面信息。
　　目前，美国的许多公司已经通过将大数据和人工智能技术应用到人力资源招聘，综合美国职场所需要的各种能力，结合毕业生们的多方面特点，为学生达到就业目标提供量化依据，致力于招聘培养更具有“美國深度广度”的国际化人才，助力美毕业生顺利突围步入社会的重重困境，实现一步到达最适合自己的“人生岗位”。

德国：效率与质量兼容

　　德国高等教育的问题之一就是大学系统和学科成绩比较复杂，没有标准化。在德国有超过18000个不同专业。此外，还有很多地方可以联合学习几个专业。企业的招聘人员不太可能清楚学生学习成绩或课程的具体分类。现在，德国开发出一个CASE评分系统，使用学生的最终成绩，个性和智商测试的统计数据，利用算法来评估毕业生，也就是说，不同大学的毕业成绩有了一个相互对比的可能，能明确计算该毕业生优于其他候选人的百分比数值。
　　目前，德国已经有15家公司使用这种算法。德国大学协会还将推广这个系统。使用了这个系统，相对能挑选的候选人范围更广了，因为提供了跨学校和跨科目进行比较的可能。

英国：粗放与精细并存

　　对于英国而言，很多数据分析公司极力倡导并推广大数据运用到人力资源工作上，他们认为大数据和人才分析的真正价值需要体现在分辨人的性格类型、能力以及其他优势以帮助组织创造运转良好的团队上面。
　　2016年，专注于研究大学毕业生就业市场的英国公司High Fliers，利用大数据调查了英国前100家著名英企的招聘情况，试图找出哪些目标人才以及哪些大学将被他们优先考虑。结果表明，不同雇主确定的目标大学数量不同，不同行业的毕业生招聘目标也呈现出有趣的趋势。例如，企业招聘时最想要的员工的毕业学校第一名为诺丁汉大学，其次是曼彻斯特大学和剑桥大学。前五名中的另外两名是牛津大学与布里斯托尔大学。和招聘意愿排名形成鲜明对比的是，在官方排名中，诺丁汉大学的TIMES排名为第23位，而曼彻斯特大学排名第26位。
　　此外，从事会计及其专业服务的单位以及法律公共部门的雇主是招聘人数最多的雇主，他们将去大多数大学吸引人才并成为最佳招聘人员。其次是法律的目标大学，而媒体行业的公司用人最精确。
　　英国一家数据分析公司的负责人认为，大数据招聘技术“绝对值得一试”。但是相对而言，它也有它本身的缺陷。大数据招聘技术可以衡量预测所有的变量，但是却测量不了感性的东西，例如直觉。

国内企业还有哪些需要做的工作

　　谈到国内企业招聘毕业应聘者，许多诸如纳人、德勤中国（德勤华永会计师事务所中国区）、领英中国（LinkedIn中国区）的领先企业已在“大数据 人力资源”工作方面取得了重大进展。大数据确实能帮上忙，但是目前国内企业还有很多要做。具体涉及下面几个步骤：
　　●一致性的科学招聘过程
　　为了不辜负毕业人才，企业要精确地描述职位和资格条件，也要精确地表述公司和部门文化。例如纳人有一个特色在线评估平台，该平台上有1000多种考核机制，包括个性、兴趣、行业背景和学习背景等。平台不仅有基于简历匹配的静态招聘模型，还有动态机器测试评估，通过类似的问题测试并以同样公平的方式评估每一位应聘者。而在科学招聘方面，德勤中国正在使用一种叫做SHL（人才数据与结构分析）的特殊工具，SHL可以分析所有应聘财务部门的学生，并与全球范围内申请同职位的学生进行对比。当企业想要确定某财务员工的整体素质时，SHL的数据可以帮助其与世界、亚洲或其他竞争公司进行横向比较。
　　●精准整合社交媒体
　　如今有海量的工具可以用来从社交媒体配置文件中收集信息，找到有才华的应聘者，挖掘应聘者背后不为人知的故事。纳人每年根据企业岗位的要求，利用人工智能系统从各种渠道招募招聘信息，过滤掉大量匹配度不高的简历，目前该系统的准确度高达90%。与此类似，购买领英的专业招聘人员账户，在获得其他使用者的授权后，利用招聘者账号直接进行数据挖掘，可在领英的350万中国国内用户中搜索，简单地整合这些使用者的行为并将它们与通过标准化方法收集的信息进行比较可以帮助提高招聘质量。
　　●细化清晰的人岗匹配过程
　　“人岗匹配”常常出现在“定岗、定编、定员”或“员工职业生涯规划”等场景中。自企业成立以来，纳人90%的成本花在软件系统的开发中，通过建立职位和候选模型，辅以人工智能算法。通过不断测试和改进，目前的人员匹配模型相当于具有一位两年实践经验的招聘专员。再如，德勤使用的人才招聘管理系统Taleo能够在所有选定的简历上贴上各种标签。比如该人的位置似乎不合适，但也许他可以在将来适应其他位置，因此HR可以在下次寻找该方向求职者时使标签调用出来。
　　●不定期人才测评
　　人才测评即利用一些大型人力资源数据库来挖掘潜在信息，通过分析实现更多层面的数据收集，如非应变能力、技能水平、成长情况等，有助于高效地进行人才评估，实现人力资源的合理配置和主动管理。例如领英的薪酬数据来自每个人与整个数据收集组织之间的直接互动，数据由用户作为个人自发提供，同时领英本身也具有社交媒体的概念，因此其数据准确可靠，是建立企业人才库的有效工具。德勤也有人才分析数据，但它基本上是基于如何充分利用现有的小数据，即从数据仓库和数据挖掘中的不同部门或不同领域收集的数据。
　　总的来说，大数据和人力资源是良好的合作关系。企业要想真正抢得招聘优秀毕业者的先机，在大力寻求优秀的数据团队的同时，必须把求职招聘与人才管理大数据玩起来。计算机、数字和算法不能说明一个人的全面情况。无论如何，它们不应该消除所有的商业行为。人的因素是必需的，需要引导到搜索大数据上，以获得最精确的描述。在招聘、培养与管理员工时，HR不仅要考虑毕业生们背后大数据显露出的硬性表现，还要考虑毕业生们内部蕴含的个性、专业性和一致性等要素。特别是在寻找有特定行业经验、符合公司文化的毕业应聘者时，这些要素将对公司有很多好处。