員工何時離職，為什么離職，機器學習提前預知

Workday2014年2月收購預測分析公司Identified，市值155億的Workday這次收購案例，說明了它在逐步開辟基于云計算HR SaaS服務藍海市場。

那么如何利用云計算和機器學習及早知道員工何時離職?在硅谷的VMware公司，他們讓機器去辦這件事。

VMware一直在測試人力資源軟件公司Workday的新預測科技，這項系統(tǒng)會通知員工可能準備離職的時間，讓主管可以在來不及之前出手挽回。

在國內，也有家創(chuàng)業(yè)型公司e成在用機器學習去預測員工離職動向，預測人才職業(yè)走向，預測跳槽模型。

VMware靠分析員工活動的趨勢、最近一次升職是何時、地理因素、產業(yè)變化及其他資料來做出預測。

e成用機器學習，從員工個體、企業(yè)內部、行業(yè)外部、地理因素預測離職。根據80+維度解析簡歷，識別同一人在多個渠道的簡歷內容，當一名員工在某一階段外網渠道頻繁登錄、刷新簡歷，且頻率越高，說明離職的時間越近。

除了簡歷維度外，機器還需要對企業(yè)內部數據進行分析：企業(yè)人才晉升周期多長，員工A是否超過了晉升周期?最近的有效工作時間和工作成果如何?崗位在行業(yè)的平均待遇是多少，是否未達到行業(yè)標準待遇?市面上這類人才是否緊俏，需求缺口有多大，企業(yè)是否需要及早護盤?企業(yè)在不同時期，員工離職率是多少?曾經的離職員工又去了哪?

人為觀察員工離職走向，會有滯后性，當木已成舟，為時已晚。機器不僅能提前預測何時跳槽、為什么跳槽，跳槽去向甚至跳槽后的薪酬范疇。

這種數據分析、機器學習除了能應用在離職預測，也能用于企業(yè)選拔、推薦方面。

通過機器學習大量企業(yè)招聘數據以及在離職員工樣本，學習企業(yè)HR的招聘行為(搜篩、收藏、邀請面試、面試評審、拒絕、offer), 最終分析得出企業(yè)需要誰，更喜歡誰。同理，這種數據分析原理也適用于求職者，數據分析個人能力素質模型、個性化偏好、求職緊迫度等，進而在合適時間，智能向企業(yè)推薦合適人才，向人才推薦合適機會。

據e成的搜索算法團隊負責人周杰龍告知，在做HR工作深度調研中，發(fā)現有一個和“聞味識人“的有趣現象，這個“味”就是個人職場DNA。未來e成希望將企業(yè)DNA、個人DNA引入到推薦算法中，讓離職預測以及人才機器推薦更加精準的同時，也能在個性化選拔這塊能更智能。