摘要：

在招聘人才時，人們的共同點就是選擇像我們這樣的人，因為相似之處是一個先決條件，而在實施中，卻不知不覺中做出一個具有缺陷的決定。

我們需要考慮那些無法讓人保持公正的例子：

如果是一個罪犯，希望他所面臨的法官最好吃過早餐，而不是饑腸轆轆地審判，并做出判決。根據調查機構2011年的研究，法官在飽餐一頓，經過充分的休息之后，可能會給予罪犯一個更寬松的決定。

如果你是一個學生，希望老師對你的期望值不會很低：美國教育中心通過10年的調查研究發現，那些老師對其有著“更高的期望”的學生考上名牌大學的機率是其他學生的三倍。教師希望給他們更多的時間來回答問題，更多的反饋，以及更高的村準。事實上，教師的期望可能比學生通過自己的動機和努力成功考上好大學成為了一個更好的指標。

如果你是一個求職者，希望你不要坐在一個有著種族或性別歧視思想的招聘經理的面前。

而對于招聘人員的偏見一直都有詳細記載：2009年研究指出，英國一些招聘人員具有種族主義和歧視婦女的思想，一些女性求職者因為還沒有結婚，而失去工作機會。

人類是不完美的。企業已經開始認識到需要采取一些替代措施，以消除這些例子的偏見，并幫助企業作出戰略決策。而這種措施就是技術。

而應用更廣泛的人力資源緩慢而穩步地擁抱大數據移動。調查機構在2014年的調查發現，人力資源數據和分析的支出位于人力資源技術支出列，并且擁有百名以上員工的6400家公司將在2018年實現了大數據分析，那么你就會意識到，時間只有一年多。

從招聘的角度來看，數據為王。人們分析幫助企業挑選適合的人才提供新的選擇。企業對于數據的欲望是如此強烈，雅虎公司最近收購了買了HotJobs公司；微軟公司收購了LinkedIn；Indeed收購了SimplyHired公司，最近，任仕達控股以4.29億美元收購MonsterWorldwide公司。因此大數據是大業務。

數據處理

如今，人才招聘專家有機會獲得比以往任何時候更開放的信息，這要歸功于社交媒體和基于Web的應用程序，使我們能夠大量地收集數據。

而以數據為基礎的招聘，或多或少的是一個跨行業領的域技術：

·例如通過應聘人員發到互聯網上的詳細信息，可以找到理想的候選人。這可能是通過Facebook，LinkedIn或其他專業行業的社交網站（如Github）來進行的。

·使用內部開發的數據聚合軟件，將數千份簡歷和收集的信息歸類整理在一個不斷擴大的數據庫中。

有些公司利用這些數據作為評估和測試的基準，測驗和分析候選人。而其他人可能會使用這些數據，并通過像TalentDash的平臺設置首選項和參數來發掘一批有潛力的人才。

從聚集到算法

一旦所有需要的信息已經收集，那么算法開始發揮作用。這些計算不是簡單的數據集合，使用關鍵字和評分來確定數據的主要方面，并解釋什么樣的算可以法產生成可用的，真實的信息。

最終的結果可能會顯示各種匹配，模式或者容易理解的可視化熱圖。

當然，在人才招聘中，采用數據和招聘技術并不是被全部。人類雖然有缺陷，但卻是這個方程的必要組成部分。

除了那些招聘策略，真實的數據也許讓人難以置信，但熟練的人可以確保所提出的信息被理解，并以最有效的方式利用。

人們分析的正是利用人和數據進行的。人類與機器相結合，以自己的方式挖掘合適的人選。

人類元素的是數據拼圖的最后一個難題，因此需要幫助企業建立連接，并選擇最好的候選人。而這種技術是必要的，以確保有缺陷的人可以微調我們的方法，并在準確的指標和基準的基礎上，最終作出正確的決定。