曹文韬：随着海量信息的出现，网络用户正面临匹配效率低下，匹配不精准的问题，不可避免地造成了求职和招聘的低效。
一方面，网络招聘行业的信息海量增长惊人。另一方面，根据中华英才网2012年的一项调研显示，50%的人需要投20份以上简历才能获得一次面试的机会，其中有22%的人需要投到80份以上。对于这7800万人的求职大军来说，仅仅为了获得一次面试机会，所投递的简历量就是相当惊人的数值。
但与海量信息共存的是招聘和求职的低效。据天津南开大学经济学院劳动经济学研究室主任沈士仓2004年的研究表明，在中国，大型企业每周平均要收到 750~1000封简历，HR们能花在每份简历阅读上的时间也不过平均短短的10~30秒。沈士仓认为，现在企业招聘人员面临的信息过量情况更严重，因为互联网招聘行业的规模更大了。中华英才网2012年的调研数据则显示，78%的职位需要一个月以上才能招到合适人才，而有20%的职位需要半年以上才能找到合适人才。与之相对的是，74%的求职者要花费一个月以上才能找到一份理想工作，更有23%的求职者找工作的时间竟超过了半年。
CBR：那么，对这些海量信息的处理方式有哪些“盲区”？ 相比过去，处理信息的方式和内涵出现了哪些改变，是怎么发生的？如何评估这些变化所蕴含的商业价值？
曹文韬：盲区主要体现在三个方面。首先是传统搜索技术的缺陷。基于关键字的传统搜索技术无法理解字面背后的语义，也不能结合语境来理解词的含义，例如，一般的搜索引擎不能理解软件“孙中山”、“中山路”、“中山公园”这些不同语境里“中山”含义的区别。这带来两个问题：一是搜索结果不可避免有所遗漏，二是出现大量的不相关搜索结果。
语义搜索在招聘行业应用有一个得天独厚的优势，因为它是建立在理解用户意图之上的。招聘行业主要有两个用户群：招聘者和求职者，意图相当明确。举个例子，在中华英才网上的搜索词“甲骨文”更可能是关于“甲骨文数据库”或者“Oracle公司”的职位, 而不是关于甲骨文的背景知识。因此，对用户意图的深刻理解让语义搜索能够更有效地满足招聘者和求职者的信息需求。
美国网络招聘公司Monster有一个基于Monster 6Sense语义搜索专利技术的解决方案，叫做超级简历搜索(PRS)。通过与竞品和关键字搜索的对比，与使用关键字搜索相比，PRS平均节约了招聘者65%的时间，同时帮助找到150%的高质量求职者。
其次是信息的存储和信息服务的可获取性。企业如果建立自己的人才库和管理体系，需要在硬件、软件、人力等方面投入很高的成本来整合处理不同数据来源。云计算的出现解决了这个问题，用一句通俗的话来说，就是不必为了喝牛奶而去买头奶牛。
第三是潜在用户的信息服务延伸。Monster率先采用了行为定向技术，能对求职者的网络行为进行统计和分析，判别求职者的特点而有针对性地推送与求职者更精准匹配的广告。这不仅仅解决了主动求职者的问题，还解决了被动求职者的问题。也就是说，对那些还没有明确打算找工作的人来说，当有适合职位推送给他们时，也会积极响应求职。这一技术大大提高了企业和求职者的有效接触，提高了招聘的效率和效果。因此目前财富100强中，有70家使用了该网络招聘系统。
如今网络招聘行业出现了不少新概念，例如微招聘和人脉招聘，给予市场一个新鲜的体验。但微招聘和人脉招聘无法从根本上解决海量信息问题。换言之，解决海量信息必须通过技术手段。语义搜索、云计算和行为定向技术在处理海量信息上商业价值巨大，Monster就不乏这样的成功案例，譬如2012年 Monster就为英国工作与养老金部提供招聘解决方案。
CBR：从“数据流”的角度看，始于网络使用者的大量原始信息如何转变为有效的关键信息？信息处理过程中哪些步骤至关重要？海量信息困局在网络招聘行业是否催生了应对的产品？
曹文韬：可以把整个信息流程抽象成三个环节。第一个环节是要将大量的异构数据转化成同构信息。网络招聘行业里的数据源包括不同格式简历文档、招聘启事以及大量关于用户行为的数据。但由于文化背景、语言背景、教育背景等不同而造成的表达方式不同，导致实现这些数据的关联困难重重，在数据使用上不能达到1+1>2的效果。只有通过语义分析技术理解用户需求，才能让求职者和招聘者从海量信息的泥沼里挣脱出来。这对于整个社会来说都是经济的，因此代表了整个信息处理的大趋势大方向。
第二个环节是在结构化信息的基础上提高信息可用性。这就需要结合语义搜索技术，将各类信息有机地组织到一起，实现智能的处理。例如Monster招聘网站上，有一个功能可以自动根据招聘启事给搜集到的简历打分排序，按优先顺序把简历筛选出来，这个排序大大提高了信息的价值和可用性。
第三个环节是实现高效的信息的存储和推广。信息的最终价值体现在用户的使用和消费中。招聘启事的价值则体现在是否吸引到了能够胜任职位的人才，企业内部的大量简历的价值是体现在能否为企业提供了人才储备。
CBR：国外信息处理、数据挖掘有哪些新趋势值得我们借鉴？
曹文韬：国外已经有许多企业将信息处理数据挖掘面向高效、精准发展，而通过这些案例我们可以发现一些值得商榷的地方：现如今，eBay 的分析平台每天处理的数据量高达100PB，超过纳斯达克交易所每天的数据处理量。为了准确分析用户的购物行为，eBay定义了超过500种类型的数据，对顾客的行为进行跟踪分析。
在Google看来，搜索的发展经历着从数据、信息到知识，最后发展为智慧搜索的演变。目前的搜索引擎正处在从信息搜索向知识搜索发展的阶段，知识搜索可以理解所输入的关键词的意义并反馈正确的结果。比如在未来，知识搜索能够理解“湖”的含义，知道湖的其中一个属性是深度。当有人想知道“10个最深的湖” 时，它能够理解用户想要的是一份关于湖的排名并进行反馈。
而在Monster看来，语义搜索在网络招聘行业应用更有优势，因为语义搜索中理解用户意图是关键。在网络招聘行业，用户意图非常明确——寻找合适的职位或者寻找合适的求职者。把简历和职位信息映射到语义网络中去，同时把用户搜索和用户行为也映射进去，最终通过语义搜索实现精准搜索和精准匹配，进而将招聘者或求职者从搜索和分析工作中解脱出来。
Copyright © 2008-2024 www.zhaopinChina.com. All Rights Reserved. | 粤ICP备11064537号
阅读（
中欧商业评论 
2013-12-27 09:52:42 
