要是你在求職者還未受聘前就知道他們什么時候會辭職會怎么樣?盡管科技公司還不能以精確到分鐘的程度來預測新員工將在崗位上呆的時間，但兩家創(chuàng)業(yè)公司正在銷售模式匹配，模式匹配有助于雇主預測未來的員工能否熬過一年。如果這個技術管用，那么它可以為雇主節(jié)省數十億美元。但是這種回報值得嗎?

 

首先，有Pymetrics這么一家公司，這是一家讓求職者體驗12個在線游戲的數據科學初創(chuàng)公司，它的首席執(zhí)行官兼聯合創(chuàng)始人Frida Polli博士解釋說：但是“它們不單單是游戲。它們是全球認知神經科學界開發(fā)的旨在觀察不同的認知特征和情緒特征的科學實驗。”

 

在埃森哲(Accenture)或聯合利華(Unilever)申請職位的人，即Pymetrics的重要客戶，在網上玩單人紙牌游戲，將虛擬圓環(huán)堆成堆，以及參與旨在破譯申請人大腦內部運作的其它練習：他們是一個無私的人嗎?處理分心時，他們工作得更快還是更慢?這項技術測量了超過90種認知，情感和社交方面的特征，Polli說：所有這些特征“在不同的公司中扮演著不同的角色。”

 

一旦測試測出求職者的思維方式，Pymetrics的預測建模就開始發(fā)揮作用了。Polli解釋說：“對于所有與我們合作的客戶，我們都讓他們的績效優(yōu)異者體驗這些游戲，這就是我們在一家公司的一個職位上確立對于提高績效來說很重要的特征的方式。數據科學模式將求職者的成績與成功的員工的數據進行模式匹配，突然間：Pymetrics提供了基于百分比的匹配度，該匹配度的依據是測試對象工作一年以上的可能性。

 

Polli說，成功的標準是由每個客戶決定的，但是公司鼓勵雇主使用可量化的指標，比如銷售工作完成了多少個季度的目標。從1%到100%，匹配度分為強、中、低。中等或低等的匹配度表示申請人不能很好地配合并且會離職。

 

 

但勞動力研究公司Work Institute的總裁Danny Nelms說，這樣的預測是有問題的：“人員流動率的75%的可控性是更多與更少的問題”，他解釋說，內部的，公司驅動的因素是如何成為員工離職的原因的。有些因素，如低于標準的薪酬，可以在全公司范圍內得到控制，但有些時候，優(yōu)秀的員工只與那些迫使他們離職的壞老板為伍。以一個有40位不同的管理者的工作場所為例，Nelms認為：“好吧，這40位管理者的管理方式都不盡相同，對嗎?我是否要讓人工智能具體到能準確理解——這個人想得到怎么樣的管理?——他們正由此人來管理嗎?”

 

Pymetrics并不從單個團隊的級別考察匹配程度，但它確實說明了不同公司的同一頭銜的職位可能迥然不同。就拿銷售來說：有些企業(yè)需要好斗的獵手，而另一些企業(yè)則尋求公關能手。Polli說：“也許50年前，不同公司的職位更為相似。世界可能并沒有那么復雜。但是現在我認為，人們口中所稱的任何職位的變異多得讓我很難說出這樣的話——‘噢，找到這三樣東西，你們就萬事俱備了。’”

 

但是尋找關鍵特征正是她的公司所做的事情。當本人參與Pymetrics的測試時，我在“高風險偏好”、“低風險偏好”和“規(guī)劃速度”中得了高分。我的成績將這些列為企業(yè)家的消極特征，它預測我只有 6%的可能性成為挺過一年的個案：我是一個兩度創(chuàng)業(yè)的科技公司創(chuàng)始人，在經營了九年之后，我把我創(chuàng)辦的第一家公司以幾倍于收益的價錢賣掉。我作為一名技術創(chuàng)始人，這些所謂的消極特征有助于我履行職責。

 

除了準確性的問題外，人工智能預測留任率的用例仍然是令人信服的。Work Institute的報告指出，美國的企業(yè)每年的人員流動成本為5360億美元，第一年有34%的員工離職。Nelms解釋說：“損失一名員工的成本大約是基本工資的33%”，美國的企業(yè)付出了這樣的代價——招聘成本和培訓成本以及因為沒有合適的在職人員而造成的生產力沖擊。

 

 

在12個Pymetrics考驗應試者的認知測試中，沒有一個測量是針對實際的工作才能的。對于與表現相關的模式匹配，我們有SkillSurvey，這是一家總部位于費城的公司，它分析了所提供的參考標準的反饋。

 

該公司的總裁兼首席執(zhí)行官Ray Bixler表示，這種反饋有兩種形式。首先，參考標準對30個工作場所的行為按1分到7分的程度進行評級。該公司還對他描述為“一個使參考標準得以做出進一步解釋的自由的字段區(qū)...有關優(yōu)勢的三個字段區(qū)和有關發(fā)展的三個字段區(qū)”進行了一字不漏的收集。SkillSurvey逐個字段區(qū)地結合評級，以更好地了解它們，然后將評級與其他申請類似工作的人進行模式匹配。

 

Bixler說：“參考標準響應率——屢屢比任何其它的數據集都更能預測人員流失的數據集——是我們要考察的最最重要的數據集。數據最終還是回來了，因為申請人想要的參考標準實際上將有助于減少人員流動率，并預測一年后的表現。”SkillSurvey的一般客戶發(fā)現其人員流失率下降了35%。

 

但是，要讓模式匹配來預測這一點，你必須使用好的模式。在DocuSign，高級招聘總監(jiān)Susan Ross說，參考標準必須在兩天內響應SkillSurvey，否則申請人將無法得到這份工作。晚于這個時間，內部匹配會表明他們不是最好的新人。參考標準可能不能做出快速響應的理由有很多，這些理由與求職者無關，所以不用擔心。但是這個時間表是DocuSign特有的，Ross說它和其它的匹配很管用：在國際上部署SkillSurvey之后，DocuSign選擇不雇用11個參考標準成績很差的人，節(jié)省了超過100萬美元的可能產生的人員流失成本。

 

Polli說：回到Pymetrics上來，部署了這些后，一年的人員流失率減少了14%到60%。她表示：“我們也看到了工作績效指標的提升(如銷售的提升)與此發(fā)生的聯系。”

 

對于習慣于克服困難的申請人來說，模式匹配可能不是一件好事。而且，如果雇主不雇用這些能超越統(tǒng)計幾率的人，那么他們會錯過這些人本來可以提供的洞察。但是，這并不能降低人員流動的成本，或者減少管理成本。真正的解決方案在于個人招聘者如何使用技術進行預測。引用Bixler的話來說就是：“我們不做任何判斷，說白了只是共享數據。”

 

版權聲明：本文為企業(yè)網D1Net編譯，轉載需注明出處為：企業(yè)網D1Net，如果不注明出處，企業(yè)網D1Net將保留追究其法律責任的權利。