大数据文摘作品，转载要求见文末

　　文 | 魏子敏

　　*本文为清华数据科学研究院联合大数据文摘发起的《数据团队建设全景报告》系列专访内容。

　　当被问及团队发展最大的挑战时，猎聘的首席数据官单艺脱口而出：“首先是人才，高素质的数据人才太稀缺了。我们是招聘方面最难满足的部门。”

　　这似乎是个颇尴尬的场面：猎聘，这家致力于中高端人才招聘多年的互联网人力资源服务公司一直引以为傲的数据团队，竟然也面临着人才招聘的“老大难”问题。

　　而这个招人难的局面不止在猎聘存在，清华数据科学研究院执行副院长韩亦舜称，目前国内数据人才缺口是百万级的。不止中国，全球的数据人才都处于极其稀缺状态，全球最大的人才社区领英LinkedIn也向大数据文摘透露过同样的招人难题（点击查看大数据文摘相关报道《独家专访 | 揭秘LinkedIn总部数据科学战队：技术强者常有，顶级团队胜在软实力》）。它们正无比真实的折射出一个数据团队建设的巨大难点：数据人才的奇缺。

　　宁缺毋滥，数据团队是HR招聘团队最难满足的部门

　　猎聘的数据团队在单艺加入后的2014年10月正式成立。“当时我加入猎聘担任CDO（首席数据官），开始建立大数据团队。我们团队的名称叫大数据研究院，希望做深入的研究和创新的应用，挖掘人才大数据的价值。大数据研究院是一个战略级的部门，我直接向CEO汇报。”

　　目前，猎聘的大数据研究院是一个比较精干的三十人团队，承担着大数据平台研发、机器学习/人工智能研究与应用、数据收集与整合、数据产品开发和支持业务部门数据驱动，五大块业务。单艺认为一个团队的价值，不在于规模，而要看这个团队在公司和所属的行业的定位和贡献。猎聘大数据研究院在内部按照业务线形成了多个敏捷小组，直接和公司各业务线协同工作。

　　这是一支工作严谨，日常欢脱的团队

　　“其实我是希望团队在满足业务增长需要的前提下，能保持一个小而精的一个状态，一个扁平的架构，不能人浮于事。”单艺说，“我们招聘的一个基本原则就是：宁缺毋滥。我们做的工作对于公司的价值是非常大的，如果做得不好，对公司的杀伤力也是很大的。如果一项重要的商业数据分析的结果错了，那会影响到公司作出错误的决策。”

　　这种高标准的招人要求也给公司的人力资源部门提出了挑战，“确实，由于专业性强，没有经验的HR很难准确把握大数据人才的特征。”单艺笑称他们是HR招聘团队最难取悦的部门，而他也从中看到了人才大数据的价值所在，“其实，我们可以用大数据和机器学习帮助HR更好地完成招聘工作。”

　　把求职招聘大数据玩儿起来，实现人岗匹配的人工智能化

　　在HR的工作内容中，找简历是重复性最高的一类活儿。

　　为了找到合适的人选，HR招聘团队需要理解业务团队的五花八门的需求。专业化程度高的技术岗位会要求有多种专业技能。比如数据挖掘工程师，就常常要求候选人能够有良好的数学和最优化理论基础，熟练掌握常用的近十种机器学习模型和算法，还要能够写一手好代码并能够处理大数据。要理解这些需求，对于一般HR来讲近似于读懂天书。

　　猎聘大数据研究院在这方面的主要工作是通过使用深度的信息抽取技术、语义分析和相似度模型，比较准确地分析企业的职位需求和简历内容。同时，通过对HR和候选人的行为进行分析、建模，系统可以自动学习复杂的人岗匹配的模式。

　　“人才大数据有非常大的潜在价值。除了智能人岗匹配之外，我们还在不断地想新的点子，挖掘数据的用户价值，形成产品。”在这方面，猎聘一个比较典型的例子是基于大数据的薪酬数据库。

　　“很多企业，尤其是互联网企业，可能半年就要去看看自己公司的薪酬结构是否合理，这需要市场的数据作为参考。传统的薪酬数据往往是线下调研得来的，这个过程比较漫长，往往需要一年之久。而我们通过挖掘互联网大数据，快速跟踪市场的变化，将更新频率缩减到季度。同时我们通过机器学习技术将行业和职能进一步细分，能够更加精细地反映不同人才的市场价值。这就能帮助HR做更好的薪酬工作。”

　　单艺称大数据对于整个行业也有广泛的价值。“猎聘的人才大数据能够比较全面地反映中高端人才的人才情况。我们可以从数据上看出人才市场的发展趋势和变化。数据可以起到风向标的作用。”猎聘本身也在积极主动的把这些数据分享出去，比如会发布一些相关报告（点击查看大数据文摘相关文章《猎聘：分析70万在线职位后，告诉你数据分析师前景》）；还曾经为国家发改委做专项的课题研究，分析各个地区的经济发展和人才资源是一种怎样的关系。

　　“有一些报告能反映出中国的一些专业人才的职业发展的整体趋势。比如人到中年，35岁，大家逐步地都会产生一些危机感，年轻的时候可能人是很容易的往上走，但是到了这个年纪，可能就遇到了平台期，会思考下一步该怎么走，是跳槽多发期。另外也跟外企现在的发展趋势有关。包括一些大的企业对于35岁以上员工的政策，这也导致了这部分人的跳槽和流失。”单艺举例说。

　　猎聘的行业数据团队经常与市场品牌部的传播团队进行合作，一起探索数据的新闻价值。“市场部门对媒体、热点会有很敏锐的感觉和意识；而数据分析师擅长从指标中发现波动、走势，从数据中看到一些当时还没被发现的情况。”单艺称通过和传播团队进行定期的例会和头脑风暴，在一起讨论可以做什么样的选题，希望能够做出契合社会热点、有深度和态度的内容。

　　闷骚还是外向？搞数据驱动的分析师要有“两面性”

　　而如何让自己的团队与业务部门结合的更加紧密？单艺称，他会鼓励自己的团队成员与业务部门尽可能多的泡在一起，争取嵌入式的工作，主动研究业务，寻求数据驱动的机会。

　　“很多情况下，业务部门能够意识到数据的重要性，他们会主动去邀请我们参与业务优化的项目。但是有的时候，一些业务团队会因为传统的思维或者已有的利益关系，并不能主动地用好数据分析。这时候就需要我们自上而下的去推动他们。这时候往往需要说服业务线的老大。如果还不够，那就会去找CEO来推动。很多数据驱动的事情是一种变革，就是需要自上而下的推动。”

转载请注明出处。