倍智人才研究院核心研究｜以大数据赋能人才供应链管理
“人才供应链是一种先进的人才管理理念和思想，更是一种可以落地的人才管理方法和系统。可以说，自人才供应链思想诞生以来，它就天然地与数智化决策一体共生。”
近日，倍智人才研究院基于多年来的人才供应链管理实践，研发了基于大数据的人才供应链管理方法和系统，并提出了相关发明专利保护申请，日前已通过发明专利审查并授权发证（专利号：ZL202311345295.1）[1]。
从《一种为求职者推荐职位的方法和职位推荐系统》到《一种多维度人才评估方法及系统》，倍智多年来深耕人才数据分析和运用，并紧随着大数据时代发展的浪潮，不断以最先进成熟的数据分析手段赋能人才供应链实践。
那么，人才供应链+大数据到底意味着什么？
01 关联性 | Relatedness
倍智人才研究院认为，构建高绩效人才画像并非将一堆人才数据进行简单的加和。人作为复杂的系统存在，其价值与潜能无法仅通过孤立数据点的叠加来全面体现。正确的做法应是秉持关联性思维，深度挖掘并巧妙联结底层人才数据间的内在逻辑与关联结构，从而提炼出层次更丰富、理解更深刻的人才画像概要。这样的画像不仅能精准捕捉人才的核心特质与优势，更能有效地赋能人才供应链的高效运作与战略决策，使之成为驱动组织持续竞争优势的关键引擎。
02 大数据模型 | Big Data Model
立足人才数据特点选择大数据分析方法
节点图分析作为一种严谨且直观的数据分析方法，非常适用于表示和研究网络结构、关系和模式。该方法在多个领域展现出了强大的适用性，如社交网络解析、生物信息学研究、知识图谱构建等，并在近期的实践应用中进一步拓展至推荐系统精度提升及供应链效能优化[2][3]。
节点图分析基于图论，其核心在于以节点象征各类数据实体，每个节点携带着反映该实体特性的属性，节点间的连线边则量化表达了实体间关联的权重等信息。运用节点图分析手段，能够实现数据结构的可视化呈现，有效探测其中隐藏的模式，以及在海量的数据节点中识别出关键节点。
鉴于人才数据固有的高度关联特性，倍智战略性地采纳节点图分析作为其大数据处理的核心策略。这一选择旨在通过对人才数据进行深度提炼，总结出人才特征摘要。基于这些精炼的人才概貌，系统精准地进行人才匹配与推荐，从而构建出一套高度整合大数据分析能力的人才供应链解决方案。此方案犹如为人才供应链装上了“大数据分析芯片”，极大地提升了其对复杂人才生态的洞察力与响应效率。
03 倍智的实践 | Talebase’s Practice
为什么倍智能够这么快地找准专利布局的定位，发现现有的人才评价方法存在没有考虑到人才标签关联性的问题，并提出解决方案？
实际上，这样的数据实践已经贯穿于倍智的产品底层逻辑之中。倍智能力库（talebase competency frame, tcf）中所包含的当代职场人的52项关键行为能力点，正是基于对长期积累的线上测评数据以及线下行为数据的分析，建立起从大五职业性格测评结果映射到能力倾向测评结果的高阶模型。
大五职业性格与能力倾向之间的关系：以TCF能力指标“培养辅导”为例
通俗来讲，每一个TCF能力指标都是一个小模型。如上图所示，个体的培养辅导潜能预测模型，关联着对同理心、信任、责任感和利他这几项大五职业性格特质的综合考虑。正是这种小模型实践的积累，为大模型的研发和应用打下了坚实的基础。
从人才供应链出发，回到人才供应链本身
动态短期的人才规划，灵活标准的人才盘点，ROI最大化的人才培养和无时差的人才补给，是构成人才供应链管理的四大支柱。大数据方法的加入，也无不围绕着对四大支柱的强化。
基于大数据的人才供应链系统实现了从企业人才数据库到企业人才管理平台的数据自动化管理应用。在数据预处理阶段，求职者的简历、面试记录、工作表现等海量的原始数据，将会经过清洗和整理形成结构化数据，再利用算法将结构化数据优化为标准化数据，进一步提高数据的质量和可用性；在大数据分析阶段，系统基于人才数据的关联性进行了节点图分析，提炼出了人才画像摘要，作为人才招聘和管理的坚实基础；在大数据应用阶段，系统以人才摘要为核心，通过大数据模型计算不断灵活生成各种人才标签，并实现了人岗匹配。
通过这种方法，企业能够成功构建一个高效的人才供应链管理平台，实现对人才的精准识别、管理和推荐，为企业的快速发展提供了有力的人才保障。
实现自动人才评价——人才规划更短期、人才补给零时差
基于大数据的人才供应链系统着力于实现全面且自动的人才评价。只要人才数据入库，人才评价就自动出库，从数据到结论零时差。企业HR只需要把精力全力投入在更新人才规划方案上，一旦明确了最新的岗位需求和人才画像，大数据模型就能够立刻开始计算匹配度并输出匹配结果。
例如，某互联网企业……
某互联网企业正面临新项目启动，急需招聘一批技术骨干。传统的人才招聘方式不仅耗时耗力，而且难以确保招聘到的人才与岗位需求高度匹配。为了解决这一问题，就可以采用基于大数据的人才供应链管理方法。
- 汇总简历：首先，系统可以汇总从各大招聘平台、社交媒体等渠道所收集的大量求职者简历
- 提炼信息：通过算法提取出关键信息，如技能、工作经验、教育背景等
- 人才标签：再利用大数据分析技术对这些结构化数据进行深度挖掘，并为每位求职者打上了相应的人才标签，如“高级开发工程师”、“具有机器学习经验”等
- 结果导向：最终，公司根据大数据分析的结果，向这些筛选出来的人才发出了面试邀请
由于前期已经通过大数据进行了精准匹配，因此面试的成功率必然大大提高，企业就能够快速找到一批合适的技术骨干，为新项目的启动提供了有力的人才保障。
全面探索匹配关系——盘点标准更灵活、人才培养有依据
大数据算法中融入了多角度计算匹配度的机制，对于人岗匹配采取了一种灵活的、多次尝试的策略。如果某一次匹配的结果不佳，系统并不会立即否决，而是允许再次尝试，通过重新选择关键词并重新计算匹配度，尝试寻找其他可能的匹配方案。这种多次尝试的机制有助于更全面地探索人才和企业需求之间的匹配关系，为企业和人才均提供了更多选择和可能性。例如，某大型制造业企业……
某大型制造业企业为优化人力资源配置，需要进行内部人才盘点。传统的盘点方式往往依赖于人工评估和纸质档案，效率低下且难以形成全面准确的人才画像。
- 整合多元化数据：引入基于大数据的人才供应链管理系统后，企业即可整合员工的人事档案、测评数据、绩效评估等多元化数据，形成结构化的员工信息库。
- 个性化人才标签：基于这些数据之间的关联性，提炼出能够代表工作表现、能力特长、发展潜力的有效数据节点，从而为每位员工生成多套个性化的人才标签，如“高绩效员工”、“具备领导力”、“技术专家”等的，将员工列入多个不同标准的人才梯队当中去。
- 优化人力资源配置：在此基础上，通过对比分析不同部门、不同岗位的人才分布和配置情况，企业就能够发现人才结构上的短板和优势，制定针对性的人才培养和调配计划，从而优化人力资源配置，提升组织效能。
[1]许锋, & 沙添. 基于大数据的人才供应链管理方法和系统.
[2]Chicaiza, J., & Valdiviezo-Diaz, P. (2021). A comprehensive survey of knowledge graph-based recommender systems: Technologies, development, and contributions. Information, 12(6), 232.
[3]Hu, Y., Zhang, W., Tominac, P., Shen, M., Gorëke, D., Martín-Hernández, E., ... & Zavala, V. M. (2022). ADAM: A web platform for graph-based modeling and optimization of supply chains. Computers & chemical engineering, 165, 107911.
