在线招聘20年:从线下到线上算法或将成为新趋势

五一特别企划:我们的时代我们的行业(环球网科技行业观察系列)

【环球网科技报道记者勃潺】2020年开始,受到疫情的影响,大量招聘应聘工作从线下转为线上,“云求职”“云面试”广泛应用。手机、电脑、平板,都成为了招聘的载体,云端成为了招聘的舞台。线上招聘市场因疫情得到发展的同时,也承载了用户不断提高的需求和就业市场的升级转型需求。

作为就业生态中求职招聘双方的“连接器”,在线招聘平台需要在新技术、新模式的推动下,借助人工智能、大数据等技术,提供更全面的功能帮助求职者提升竞争力,并进一步优化人岗匹配质量,在提升人力资源配置效率上发力。

同时,在中国经济转向高质量发展的大背景下,中国就业市场也在进一步升级转型,帮助“人才流”像“资金流”“信息流”一样,更加科学地配置到新经济产业。

在线招聘20年,当招聘需求与信息技术相遇之后,技术为这一行业带来了哪些改变,又给企业和应聘者带来了哪些便利?同时,在技术的推动下,在线招聘又需要解决那些问题?

在线招聘:求职信息上线

穿着正装,拿着厚厚的资料,一家一家地去投递简历,这是在没有在线招聘的年代,各地人才市场常见的一幕。在技术发展有限、信息匮乏的年代,线下人才市场聚集了大量有招聘需求的企业,成为求职者找工作的主要渠道。

20世纪90年代,互联网在国内兴起,招聘行业成为了最早的触网的行业之一。1997年,猎头公司智联在北京创办智联招聘网,率先尝试通过互联网开展猎头服务;同年,中华英才网在北京成立;1999年,前程无忧成立。随着智联招聘、中华人才网、前程无忧这些主打互联网招聘的公司相继涌现,在线招聘行业迎来“门户时代”。

“门户时代”的一个显著特征是,企业方和求职者两端资源被规模化地整合到网络上,通过互联网在减少物理空间对于招聘的限制,同时通过简单的搜索等手段来缩小人才池。对求职者来说,可以免费在网上查看企业招聘信息、投递简历,减少了线下的来回奔波;对于企业来说,通过付费的方式就可以批量查阅到更多的简历,并且还能通过关键信息搜索找到更加匹配自身需求的候选人。

随后,围绕提升求职招聘效率,在线招聘行业出现了几种探索思路。一种是社交化,依靠熟人、同事推荐,吸引求职者来投递简历,一种是垂直化,如拉勾网只服务于互联网行业的求职者,还有企业对自身的服务人群进行划分,如猎聘网针对的是高端人才招聘市场服务。

移动互联网兴起,算法提供新的解决方案

2011年移动互联网的兴起与发展,使得提高招聘效率的问题有了更好的解决方案。人手一台手机,在线招聘平台能够通过在APP上的脱敏行为数据,越来越“懂”求职者和招聘方,从而更加精准地提升匹配效率。在这样的背景下,Boss直聘这样以技术算法为企业特点的“新玩家”应运而生。

对于在线招聘平台来说,在数据成为了重要的生产力的当下,越多的用户数据则意味着越高的价值。充足的用户数据之下,在线招聘软件可以通过应聘者过往工作经历和换工作的频繁程度来进行人岗匹配,也在一定程度上为公司规避了人才频繁跳槽的风险。而基于大数据进行人工智能分析的算法方案,则为招聘行业提供了新的可能。

Boss直聘首席科学家薛延波认为,通过数据算法来驱动的目的就在于用技术的手段,去解决招聘行业的效率痛点问题,并在这个过程中构建起企业自身的核心竞争力。

根据TalkingData发布的《2020年高校毕业生求职研究报告》显示:高校毕业生已经适应了线上招聘,超八成高校毕业生借助网络招聘平台,高校毕业生倾向于使用手机端APP求职占比达90.4%。

而在技术的驱动的大前提下,在线招聘行业也出现了一些新的变化:

一是5G的发展将推动直播带岗服务成熟。作为疫情下一种新的招聘方式,直播带岗火了起来。这种模式突破了地域限制,借助互联网进行大规模传播,即便是中小型企业也可以接触到更多的求职者,进一步节省了招聘的成本。与此同时,由于求职者掌握的信息更加充分,做出的决定也会更加明智,减少了无效面试。随着5G技术的发展,直播带岗服务也会越来越成熟。

三是随着求职市场竞争压力越来越大,有越来越多的求职者选择求职平台中的一些付费功能来提升自己求职的效率,例如竞争力分析、简历优化、提升简历曝光次数等。市场的不断发展伴随着越来越多新需求出现,这也让不少招聘平台也正尝试为求职者提供更加多元化的服务,满足不同人群的个性化需求,拓展招聘过程中的增值服务。

四、算法、AI等技术行为或将发挥更大的功效。技术侧,在线招聘平台有望从人工智能和大数据入手,加强搜索引擎的算法机制。数据支撑下,AI算法推荐越精准,职位匹配的成功率就越高,用户体验也越好。例如,BOSS直聘已经于2015年3月成立大数据团队,后又在2017年增设NLP中心,做到了用人工智能、大数据等前沿技术来支撑业务模型创新。

THE END
1.机器学习基础超全汇总!机器学习常用术语词汇表(建议收藏同样是监督学习算法,用于预测连续的数值,如预测股票价格、房价等。线性回归是最基本的回归算法之一。 聚类算法 无监督学习算法,将数据对象分成不同的簇,使得同一簇内的数据对象具有较高的相似性,而不同簇之间的相似性较低。例如 K-Means 聚类算法。 决策树 https://www.bilibili.com/read/cv39478871/
2.在线算法和离线算法的区别–PingCode什么是在线算法和离线算法,它们有哪些区别? 在线算法和离线算法都是常见的数据处理算法,但它们在应用场景和运行方式上存在一些区别。 在线算法是什么,它和离线算法有什么不同之处? 在线算法是一种实时处理数据的算法,它在数据到达时立即进行处理,即时的结果可以随时更新。在线算法适用于需要实时响应和动态更新的场景,如https://docs.pingcode.com/ask/202629.html
3.离线算法vs在线算法在计算机科学中,离线和在线算法的本质不同是:在处理数据流和资源使用方面 离线和在线不是具体的某种算法公式,而是一种思维模式,取决于在所给的问题背景下,数据资源是否能够通盘考虑,或是现实场景中不断地有新数据介入 离线算法(OfflineAlgorithm) 离线算法是指在开始处理数据之前,所有需要的输入数据都是已知的。算法https://blog.csdn.net/m0_61678439/article/details/141088418
4.在线算法离线算法在线算法与离线算法是计算机科学中两个重要的概念,它们之间的区别对于理解算法的性能和应用至关重要。在线算法和离线算法在处理问题的方式上存在本质差异。在线算法在运行过程中逐步接收输入,并根据当前已知信息做出决策。它必须做出即时的决策,且这些决策不可逆地影响后续步骤。举例来说,当你在社交媒体平台https://zhidao.baidu.com/question/693651552016535292.html
5.我想问一下不足月如何算月利息呢,具体的算法是什么?结论:如果贷款本身就是按日计息的,那计算月息的时候,不满一个月就是按实际借款天数来算 解析:比如某https://www.64365.com/ask/1926218.aspx
6.在对齐AI时,为什么在线方法总是优于离线方法?澎湃号·湃客根据现有的强化学习研究成果,在线比离线更好似乎是显而易见的结论。在线和离线强化学习算法之间的性能差距也已经被多项研究发现,所以这项研究给出了什么不一样的结论呢? 最重要的是,在线 RLHF 算法依赖于一个学习后的奖励模型,该奖励模型是使用与离线 RLHF 算法一样的成对偏好数据集训练得到的。这与常规强化学习https://www.thepaper.cn/newsDetail_forward_27434433
7.「事实核查」是啥?专题笔记已经整理好啦,直接背!事实核查的人工算法,集智能算法与专业编辑优势于一体,在智能算法抓取社交媒体上的相关信息后,由记者进一步核实信息。 三 社交媒体时代的事实核查的特点 田心说:此部分可在理解的基础上简单记忆。 在实践中,事实核查已成为近年来全球新闻业用以应对数字化浪潮冲击所尝试的最重要的创新项目之一。与海外新闻业相比,事实核https://www.douban.com/note/863236156/
8.在线学习平台常见问题解答——超星尔雅2、总成绩组成和算法 解答:总成绩 =视频成绩*视频考核比例+课堂测验作业的平均成绩*章节测验考核比例+考试成绩*考试考核比例,如果有访问的考核标准,需要加上访问的成绩*访问比例,可以登录后点开课程图片进入,点击导航栏【进度】,进入查看相关进度和分数的分配,如果学校没有特殊要求,总成绩已获得的分数达到60以上即为http://syxt.xjtu.edu.cn/info/1171/2038.htm
9.详解抖音算法:为啥百万粉丝的抖音号,直播时才几十个人在线?视频抖音的算法,就是抖音这款游戏的规则。 成立日期2021年06月04日 法定代表人王生 主营产品抖音小风车,蓝V开通,企业号认证,私信卡片,引流链接,橱窗,跳转微信,在线预约,KS小钥匙,立即预约,升黄金等级,二手车播,橱窗开通 ,二手车直播资质,信息咨询,定位修改,团购达人,电商执照,代办执照抖音团购,小店开通,虚拟号码改https://product.11467.com/info/11530048.htm
10.重建生态:价值与系统的力量——第七届中国教育创新年会11月启幕算法学习的课堂提问艺术 冯书伟(北京亦庄实验小学信息技术中心主任) 合作学习的管理策略 叶丹(武汉经济技术开发区洪山小学校长) 新冠疫情下的混合式学习经验 马鸣燕(美国普利西学校中学部创校老师) 个体学习的崛起对学校传统群体学习的冲击与改造 唐雅月(巴川中学精英班海外首席升学指导) 学生们如何在场馆式https://sghexport.shobserver.com/html/toutiao/2020/08/26/250533.html
11.从玄学走向科学:AB测试驱动的科学增长在这之后,AB实验渐渐普及开来,逐步成为数据驱动增长的经典手段,助力了大量互联网产品的迭代优化。今天,谷歌微软这些科技公司每年进行着数以万计的实验,覆盖了亿级的用户量,实验的内容涵盖了绝大多数产品特征的迭代优化,从产品命名到交互设计,从改变字体、弹窗效果、界面大小,到推荐算法、广告优化、用户增长等等。 https://www.51cto.com/article/745854.html
12.在线匹配问题研究进展:如何应对一般图以及顶点全在线的挑战?在STOC90会议中,Karp, Vazirani和Vazirani三位学者首次提出了在线二分图匹配模型:假设存在一个潜在的二分图 其中一侧顶点为离线顶点(直接给定),而另一侧顶点为在线顶点(逐步到达)。我们要求算法在任何一个在线顶点输入的时间点(此时与中顶点的边同时给出),即时地决定是否将与中某一相邻顶点匹配,并且决策不能反悔。https://www.orsc.org.cn/wechat/article/detail?id=760
13.2024年10款最佳RSS阅读器推荐(在线/软件+免费/付费)现在无论是在新闻媒体、社交平台还是在线视频软件,订阅或者说关注对大多数人来说是一个熟悉的词汇,比如知乎专栏的订阅,抖音的关注等等。为了获取更大懂得利润,很多平台不断地采用算法分析和收集用户数据,从而推荐你潜在可能感兴趣的内容和商品。这样导致你身边的信息具有同质化,让你看不到跟你不一样的观点、接收到https://www.extrabux.cn/chs/guide/6500762
14.算法基础与在线实践带目录完整pdf[31MB]电子书下载1.1 什么是算法 1.2 算法的时间复杂度 1.3 算法时间复杂度分析示例 1.4 PKU 0penJudge在线评测系统 1.5 本章小结 第2章 简单计算与模拟 2.1 基本思想 2.2 例题:鸡兔同笼(POJ 3237) 2.3 例题:校门外的树(POJ 2808) 2.4 例题:装箱问题(POJ 1017) https://www.jb51.net/books/679145.html
15.大数据流的在线HeavyHitters算法(上篇):基于计数器的方法Heavy Hitters(频繁项)以及它衍生出来的Top-K(前K最高频项)是大数据和流式计算领域非常经典的问题,并且在海量数据+内存有限+在线计算的前提下,传统的HashMap + Heap-Sort方式几乎不可行,需要利用更加高效的数据结构和算法来解决。好在大佬们对Heavy Hitters问题进行了深入的研究,并总结出了很多有效的方案,本文简要介https://www.jianshu.com/p/690432d7fc45
16.生物信息学简史1970年,Needleman和Wunsch 开发了第一个成对蛋白质序列比对的动态编程算法,80年代早期,做为Needleman-Wunsch算法的推广,第一个多序列比对(MSA)算法首次公布,但是这个算法并没有太大的价值。 多序列比对第一个真正成熟的算法由Da-Fei Feng和Russell F. Doolitle于1987年开发,流行的MSA软件 CLUSTAL 开发于1988年,作为https://www.biowolf.cn/m/view.php?aid=372
17.蚂蚁金服核心技术:百亿特征实时推荐算法揭秘阿里妹导读:本文来自蚂蚁金服人工智能部认知计算组的基础算法团队,文章提出一整套创新算法与架构,通过对TensorFlow底层的弹性改造,解决了在线学习的弹性特征伸缩和稳定性问题,并以GroupLasso和特征在线频次过滤等自研算法优化了模型稀疏性,在支付宝核心推荐业务获得了uvctr的显著提升,并较大地提升了链路效率。 https://maimai.cn/article/detail?fid=1010621115&efid=mIQCHnkj0zjxlpygUmo5mg