警惕科学招聘_数据科学家

不管你喜欢与否，“以人分析”在这里停留。但是，这并不意味着企业应该把所有的鸡蛋放在一个篮子里，把招聘和人员管理交给算法。事实上，虽然依赖经验/直觉雇用“合适的人”，是充斥着偏见，另外还有危险，在人力资源分析过分依赖发现和培育劳动力极致。

人类的员工似乎与成熟的诺言分析。毕竟，如果企业能够想出更好的办法来衡量潜在的“适合”员工各种角色和责任，随后生产率的提高可能是价值数百万美元。在此背景下，人力资源分析是最新的愤怒，在算法团队通过劳动力数据的山区，以确定最佳的候选人，并预测哪些会具有持久的成功。

根据文章在大西洋杂志，努力量化和测量雇用和发展权的因素，因为20世纪50年代的存在。用人单位给予测试智商，数学，词汇，职业兴趣和个性找到关键的标准，这将有助于他们获得并保持朝气蓬勃的员工队伍。然而，随着1964年的民权法案，其中的一些做法被推开由于受试制剂和管理可能的偏差。

进入“大数据”。如今，数据匮乏不再是常态。实际上，有数据上的候选人谁不是渴望供给他们，或无知的数字足迹，他们自从离开小学已经离开丰盈。虽然性格测试不再盛行，新类型的申请人“测试”已经出现在那里被鼓励申请者玩游戏，观看，并测量他们是如何解决的问题和障碍，导航，在网上地牢或虚构的餐饮场所。

捕捉“大数据”似乎是最挑战的劳动力分析。更大的问题是确定关键的标准是什么造就了成功的员工和辨别这些标准是如何关联和相互影响对方。例如，假设你偶然发现的必杀技，发现两个关键标准为员工长寿。聘请为标准，现在你可以有更多的忠诚的员工，但你仍然需要考虑和屏幕的“资质，技能，个人史，心理稳定，自由裁量权”，职业道德等。以及如何在招聘模式确实一个权重，这些标准是什么？

接下来，假设你已经开发了一个可靠的分析模型，它确定在何种情况下该模型的工作原理是非常重要的。换句话说，没有一个模型，适用于雇佣汉堡包脚蹼在纽约，同时在堪萨斯州威奇托市的同一个角色的工作？季节性是否有玩吗？天气呢？不要紧，该公司的规模，还是其品牌的威信？是否在经济衰退和扩张的模型的工作？正如你所看到的，发现在一个给定的行业，要少得多的角色“雇佣合适的人”，然后加权他们所有相关的属性是合适的年龄段是一个挑战。

更糟的是，一旦你的公司有一个工作的分析模型，人力资源管理，重要的是不完全替代它的主观判断。例如大西洋杂志的文章中，一个高科技的招聘经理感叹：“我们的一些招聘经理甚至不希望再采访，他们只想招到人得分最高。”这可能是不言而喻的，但这无疑是一个配方雇用灾难。

虽然人力资源分析似乎有房跑，还是有的突出问题，是否“数字”在所有问题中聘用合适的人。例如，费城老鹰教练，芯片凯利最近问他为什么雇用他目前的防守协调员，谁在他的最后不惜与亚利桑那红雀队只有不到恒星的数量。

芯片凯利回答说：“我想人们会因此陷入了统计数据，有时它莫名其妙给我。你可以看一个家伙说，’好吧，他们在联赛中的防守底部。“ 那么，他们有13起动了。他们应该在联赛中防守底部。“

他继续说：“我雇了[前俄勒冈的进攻协调员和电流俄勒冈主教练]马克赫尔弗里希作为我们的进攻协调员当我在俄勒冈大学。他们的人数并不大，在美国科罗拉多州。但是，你坐下来谈足球与HELF约10分钟。他是一个非常尖锐的家伙，真的带来了很多的表，和他做了出色的工作。“

高效的数据采集，数据质量，正确的算法开发和过多的大数据相关的杂散都只是少数尚未在人力资源分析需要解决的问题。然而，这不会从尝试阻止数据科学家。最终，最好的员工不会全部来自人力资源分析，但将与行政（主观）判断配对找到一个给定角色的理想人选。然而，在此期间，扣你的安全带为更多使用人力资源分析的。这将是一个颠簸。

转载请注明：数据分析 » 警惕科学招聘_数据科学家