快数据时代下,Moka携手DataPipeline提升招聘效能

快数据时代下,Moka携手DataPipeline提升招聘效能_第1张图片

新时代下,招聘早已不再是过去被动式的流程管控行为,智能化的招聘技术被越来越多地运用到企业招聘中。

 

为能更好地帮助企业优化招聘渠道,提高招聘效率,提升雇主品牌,Moka从成立之初便秉承“简单”的逻辑,通过提供SaaS的招聘管理系统让不简单的招聘工作变得轻便、高效。

 

在过去的2018年,互联网、地产等行业不时传来裁员消息,消息的背后无不在透露一个信号:企业的扩张和招聘正在逐渐回归理性,更加注重人效。

 

为此,如何利用有限的资源获取最大化的价值,提升招聘效能,成为当前企业管理者和HR关注的问题。

 

就HR而言,在大数据和人工智能时代,他们的数据资产意识也在不断加深,且不再满足于常规的招聘工作,数据素养能力的培养也随之被提上日程。

 

该能力从一定程度上反映了员工使用现有和新兴技术来推动更好业务成果的愿望。

 快数据时代下,Moka携手DataPipeline提升招聘效能_第2张图片   

 

为此,他们开始从数据中寻求答案:

 

从职位发布、简历初筛到推荐给用人部门、面试邀约、Offer发放,中间产生的大量招聘数据该如何发挥其最大价值?

 

哪些招聘渠道获取的简历价值较高?

 

从投递简历到发放Offer的时间,保持在何种区间算是行业正常水平?

 

快数据时代下,Moka携手DataPipeline提升招聘效能_第3张图片

我们深知一位优秀且专业的HR在企业中所扮演的角色不应仅局限于执行,而是基于数据分析为管理者提供决策建议。微软亚太区总裁在最近提到,数字化转型过程中,CEO们应该更多地关注员工技能的再培训,否则员工很可能因为缺少数字化专业知识,而无法从数据中获取能指导行动的洞察,从而导致AI项目失败。

 

基于上述问题,Moka通过数据支持招聘团队更快更精准地做出决策。

 

以数据报表功能为例,HR可以通过该功能直观地了解招聘各维度的数据实施情况,如HR的招聘效率、招聘渠道的投入产出比等,消除人工整理所带来的冗杂事务及误差,在优化招聘环节的同时大大提高了招聘效率。

 

而这背后离不开“快数据”的支持,“抢人大战”的关键在于快,谁能最先获取数据,谁就能先声夺人。

 

快数据时代下,Moka携手DataPipeline提升招聘效能_第4张图片

某互联网公司上线Moka系统后,平均招聘周期从68天下降到32天

 

此时数据的实时同步获取作为“快数据”背后的技术支撑显得尤为重要。

 

随着业务的开展和渠道的多样化,业务和决策部门对于数据及时性的要求越来越高,这给数据部门带来了越来越多的压力。

 

为此,技术部门希望用智能化、平台化、柔性化的方式更好地赋能业务,帮助HR实现数据驱动。

 

基于此,Moka携手DataPipeline基于专业的数据集成与应用基础展开了合作。

 

DataPipeline采用分布式底层框架体系,通过提供批流一体的数据融合与管理服务,实现秒级准实时的数据处理要求,帮助Moka快速实现数据通道,助力企业HR团队打破与IT部门之间壁垒,基于自助式BI更快速、便捷地取数,对各渠道大量的简历数据进行分析和比对,为企业的人才招聘洞见提供科学的数据支撑,同时极大地提高了HR团队的招聘效率。

 

关于Moka

 

北京希瑞亚斯科技有限公司,致力于通过完整的招聘生态体系解决方案帮助企业客户提高招聘能效。其产品Moka是一款新生代的SaaS智能化招聘管理系统,包含三大核心模块:聚合招聘渠道,统一管理招聘流程,提升各节点转化率,促进协同;积累企业人才库,自动且有效的进行持续激活;全方位数据统计,提供招聘洞见--全面帮助企业提升招聘效能。

 

Moka的创始团队毕业于伯克利和斯坦福,对AI/BI的研究和应用有深刻的理解。现已服务小米、搜狗、WPS、金山云、陌陌、丁香园、麦当劳、三只松鼠、森马等数百家知名企业。

 

关于DataPipeline

 

DataPipeline是一家为企业提供批流一体的数据融合服务公司。通过提供数据的批流一体处理、任务调度、数据质量管理、可视化运维与监控、API数据接入、元数据管理等功能,帮助客户更敏捷、高效地实现复杂异构数据源到目的地数据融合和数据资产管理等综合服务,为客户灵活的数据消费需求提供强有力的技术驱动。

 

DataPipeline已经成功服务了星巴克、金风科技、财通证券、龙湖地产、喜茶、玫琳凯、叮当快药、智慧图、销售易等多家行业领先的企业客户,同时已与数十家产业上下游合作伙伴建立了战略合作关系。

 

 

·End·

 

想要了解更多关于DataPipeline的数据同步、数据清洗、元数据管理等信息,可以拨打400 6065709

 

转载于:https://www.cnblogs.com/DataPipeline2018/p/10937296.html

你可能感兴趣的:(面试)