Решение для HR
март — май 2020

Описание решения
Предлагаемое решение может помочь HR-специалистам:

  • Сфокусировать поиск кандидатов на наиболее подходящих вариантах;
  • Ускорить процесс поиска лучших кандидатов;
  • Определить соответствует ли искомая должность с указанными в резюме;
  • Понять когда кандидат с большей вероятностью будет заинтересован в смене работы.

Используемые технологии:
Python 3.8.2 и библиотеки машинного обучения
Каждый человек при поиске работы описывает себя по-разному.
Может произойти, что специалист по подбору персонала ищет кандидата по определенному алгоритму и упускает некоторые важные моменты.
Это приводит к тому, что HR-специалист пропускает талантливого кандидата.
Наше решение помогает улучшить и ускорить поиск лучших из имеющихся кандидатов.

С помощью алгоритмов машинного обучения происходит ранжирование кандидатов по навыкам и опыту. Что помогает оперативно выбрать самого подходящего кандидата.
На основе большого количества данных, алгоритм, в зависимости от контекста классифицирует и группирует сферы деятельности.
Затем, по описанию в резюме, алгоритм определяет к какой категории навыков подходит кандидат. В зависимости от контекста представляет список альтернативных сфер.
В результате анализа получаются достаточно точные данные.
Точность предсказания по областям знаний составляет более 90%.

Второй основной задачей, с которой справляется алгоритм, является предсказание времени, когда кандидат с большей вероятностью будет заинтересован в смене работы. Также, это возможно предсказать по имеющимся данным в резюме.
Например, кандидат будет заинтересован в смене работы:
  • менее чем через 12 месяцев
  • через 12 - 36 месяцев
  • более чем через 36 месяцев
Используя модель обучения, в результате валидации данных получается достаточно высокая точность.

Применение решения
Данное решение было применено в разработке следующих систем:
Daxtra Search Nexus
  • Система разумно классифицирует и группирует должности в зависимости от описания.
  • Анализируя представленные должности предлагает синонимы.
  • Релевантно распределяет список связанных должностей.
  • Позволяет установить необходимый опыт и знания для каждого уровня.
По проведенным замерам точности:
Точность предсказания по должностям составляет 97%
Точность предсказания времени работы на должности составляет 80-85%