招聘是一个极其缺乏数据的领域，HR们从未像现在这样需要用数据来支持自己的功能和证明自己的价值。数据时代对他们有两点价值：

一是决策支持。各个渠道的效果、面试官的配合程度、校招学校站点的选择、HR的招聘能力，都可以通过数据分析来判断或决定，不再只靠拍脑袋了。

二是证明招聘团队的绩效表现。招聘在用人部门看来往往是非零即一的事情，但其实招不到合适的人原因很复杂，需要深入分析，然而长期缺乏用数据说话的工作方式让HR在组织内部缺少话语权。

新事物总是容易被盲目炒作。大数据在现实中往往是实践太少，畅想太多。这在招聘领域也是一样，HR们对大数据抱有期待，但同时也发现可落地的实践很少。笔者客观地分析，从技术发展的角度和实用性的角度来看，大数据在招聘领域有三种应用会成为主流。

一、人才匹配。大数据最典型的应用场景是推荐。传统的简历推荐通常让HR设定一些条件，例如学历、工作年限、所属行业、期望薪酬等，系统根据这些条件的匹配度(其实是满足条件最多)把候选人排序，这种推荐的实质是搜索。根据心理学家的研究，候选人筛选是一个复杂过程，即使提前设定好硬性筛选条件，HR也难免因为综合考虑而放弃原本的坚持，此时大数据推荐就可以发挥价值了。基于大数据的推荐算法是通过猜测HR筛选简历的原因来建立推荐模型，并且会随着HR不断进行筛选的动作来持续优化模型，再从人才库推荐满足条件的候选人出来。HR的操作行为越多，招聘系统的推荐模型就越准确，从而通过人才挖掘来真正发挥人才库的价值，同时也能大幅降低招聘成本并提升招聘效率。

二、预测招聘效果。什么职位难招?中级职位要多久才能招到位?哪个渠道能提供更多的售后服务管理软件人才?这些基本的招聘问题HR心中会有大概的答案。但大数据分析可以帮助HR更快地回答这些问题，并且把结论量化，从而快速支持决策。原因就在于，HR在招聘中产生的数据能够被记录下来并形成预测模型。举例来讲，当HR多次招聘UI设计师后，再次招聘同一职位时，大数据算法可以根据HR的能力、面试官的响应速度、投放的渠道、市场人才稀缺的程度等因素，预测招聘周期，于是不用再被用人部门牵着鼻子走了。类似的大数据应用还会出现在渠道有效性分析、猎头能力分析、雇主品牌竞争力中。更有价值的是，当数据在更开放的行业环境中被共享时，招聘效果的预测将会更加准确。

三、发现招聘过程规律。不少组织的HR现今还在采用手工记账的方式记录招聘过程的信息，不及时、也难以保证数据准确。对此大数据也有相应的解决方案。例如，在每年一次校园招聘中，有些企业会在每天接近午夜十分通过微信平台发布校招广告，问其原因，答曰分析显示毕业生在那个时段使用手机访问企业微信号的行为最集中。当然还有更复杂的信息，如：学生填写哪些信息最困难，是否能找到关注的内容，面试到场率为什么低，offer毁约率低的群体都存在什么特点，测评结果与面试评价之间的相关性有多大……当数据完整时，分析模型能够自动帮助HR发现规律，并寻找优化招聘过程的契机。

笔者相信大数据是招聘领域的重大发展趋势，它确实可以把HR从招聘的黑箱中解救出来。但是，想要享用大数据带来的价值，HR们不得不正视眼前的挑战：大部分组织的招聘团队仍处于极度缺乏数据或者数据可用性很差的状况中；招聘团队自己不具备大数据处理能力，数据记录成问题；数据记录系统的安全性较低，可能导致重要招聘数据泄露；缺乏数据分析人才，即使有了数据，也无法有效规划和利用。

基于此，保证招聘过程数据能够得到完整记录，同时启用有效的数据分析工具是HR走向大数据时代的第一步。