大数据应用到招聘领域，猎头服务走改革创新之路

    在猎头行业越久，就会发现猎头的收费真的不高，花费众多的人力、物力、再加上的丰富的资源才能达到效果。

当我听说有一家猎头公司以候选人年薪1%的服务费招揽业务时，我的第一反应是这绝对不可能。

猎头产业最大的成本是人力成本。整个产业的每一个环节都是由人推动完成的，简历收集、电话沟通、候选人推荐、双方的约见和联络，谈判中拉锯往复，所有这些都是人工完成的，由此带来了相当可观的人力成本。

外面的人看来，猎头每笔业务轻轻松松收着年薪20%甚至30%的高额佣金，但我们自己很清楚，这些佣金有多少是真正的利润，又有多少消耗在日常运营的人力成本中了。

不要说价格低至年薪的1%，即便是10%年薪的佣金，也是一般猎头公司难以承受的低价了。我们不可能便宜，也没办法便宜。

“我在用硅谷的方式做猎头”

这是深圳卓众猎头给我的解释。“在硅谷，一切能用机器完成的事情就决不用人来做。”

在望京SOHO新装修完的办公室里，candi告诉我在公司正式运营之前的一个月里，他们的数据库已经阅读并分析了超过5000万份简历。而我们的经验是，一个普通的猎头行业从业者一年浏览的简历也很难超过5000份。

一个人一年5000份，一台机器一个月5000万份。人和机器在效率上的差距。

但接下来要面对的质疑也很明确：同样是看，但效果可不同。人虽然在速度上逊于机器，然而通过简历来形成对候选人的认识，这种判断力机器是否同样拥有？

答案是在人的大脑中，对一份简历或是一家公司进行分析时，结论是相对孤立的，所能调用的对比数据和信息都是基于经验的，最终的结论往往是直觉化的。

而算法则完全不同。在收集了5000万份简历的信息之后，算法得知了这5000万人的职业履历，把履历倒推回去，就可以像拼图一样，拼出一家公司详尽的人才结构。算法知道一个产业中人才在不同公司间的流动规律，知道一家公司真正内在的用人偏好，甚至比公司自己还了解自己。

对候选人的简历分析，也能够把大量候选人的职场表现和简历中的某些指标，通过大数据对应起来。比如有某种相近经历的候选人，会在职场中会呈现出某些一致性。这种对应让我们看到简历背后的真实一面。而这些，是人在阅读简历时无法获知的。

猎头做的事，其实就是撮合。核心价值是让候选人和客户对彼此达成信任。但实际上，过去这些年我们一直靠资历积累的行业威信来为双方背书，却始终没有客观的标准。也许从历史数据中提炼标准，是个靠谱的方向。

“撮合重在情报，我们就是要用机器做数据分析，掌握的更多，分析的更彻底，把情报学做到极致。我在用硅谷的方式在做猎头。”

有关数据收集和分析的能力，不止体现在候选人身上。

基于高效的机器能力和明确的分析算法，cand说他未来不需要庞大的销售团队，只需要一个标准化的猎头服务团队，辅以少量的运营和品质管理人员，所有中间环节都交给机器来做。

把大数据和人工智能作为武器，让专业的猎头人员武装起来，通过机器的辅助，让效率和产能成倍提升。由于招聘是个容错率很高的产业，对匹配程度的要求并不严苛，这就给只挖掘相关性的大数据留下的操作空间。

我们必须承认这个事实：在招聘渠道已经彻底互联网化的今天，猎头产业前进的步伐比价缓慢。中国目前有活跃着大约10万家猎头公司，大部分公司都是极小的工作室，注册资本10万-50万之间，公司规模5-10人，没有形成大的猎头品牌和相对集中的猎头集团，即使是科锐这样的龙头公司，也只掌握全国市场的1%。

在互联网的浪潮席卷整个经济结构时，每一个尚未被网络和数据改造的产业，就充满着机会。但真正能让一个行业完成改造的，一定不是互联网产业的人，而是在传统产业中互联网意识最先觉醒的人。