自2012年上线刚满2年便获得1亿美金融资的今日头条，通过数据分析不同用户对新闻的偏好，进而对其推送订制式新闻的模式几乎惹怒整个传统媒体圈； 不久前成功上市的万达集团更是在今年9月与百度、腾讯联合宣布成立万达电商，企图借助百度、腾讯的底层数据库及会员系统优势对抗电商霸主阿里……“大数据”在整个商业世界中扮演着越来越重要的角色。
大数据获得热捧的背后预示着，商业战争将演变为数据战争；谁获得了最大规模、最有价值的数据， 谁将赢得整个互联网的未来。正如移动互联网从平台级应用开始走向垂直化一样，大数据势能也将从平台级企业向更多细分垂直领域释放。在线招聘、互联网医疗、在线教育、O2O，这些垂直领域都对“大数据”有着最为直观的需求。我们接下来仔细谈谈大数据如何改变在线招聘领域。
在线招聘1.0，数据厚积时代
中国在线招聘市场可追溯到将近20年前。个人用户上传简历至招聘网站，企业用户在海量的个人简历中搜寻自己所需要的人才，劳动力供给方与需求方第一次通过互联网实现对接，在线招聘市场迎来爆发期。我们仔细分析一下在线招聘1.0时代的一些特征：
1. 海量数据：在线招聘1.0时代正处于“信息入网”的巨大红利期中。智联、中华英才网等行业中的玩家并不需要花费多大代价即能获得海量用户简历，并以此为资产吸引、对接更多的招聘方、猎头。当智联半年前以7亿美元估值在美国纽交所上市时，其注册用户已达7700万，数据库拥有大约近6000万份完整简历。智联丰富的求职者数据令其在在线招聘1.0时代坐稳龙头的位置。
2. 数据结构化、标准化：该阶段的招聘网站拥有的求职者数据高度结构化，包括简历呈现方式、职业类型、从事行业等；但现实生活中的从业者所在行业或职业类型可能会更加精细。随着互联网技术兴起，新兴行业越来越多，招聘网站即使拥有多个数据属性也无法清晰定义用户能力与经验。
3. 数据带来的简历轰炸与招聘低效：在越来越多企业和求职者疯狂涌向网络的同时，缺点也渐渐凸显出来。由于求职者投递简历的成本过低而导致的“简历轰炸”和个人信息不实造假严重等现象，让企业HR们面对越来越宽阔的“简历海洋”，苦不堪言。
「我们想要的是一名狙击手，招聘网站却为我们招来了一架坦克」。企业和应聘者的信息不对称，导致招聘网站「乱点鸳鸯谱」，传统招聘网站的短板开始露出端倪，不再能够满足对人才数量及质量需求都与日俱增的企业HR或猎头。
社交招聘：三维世界与二维世界的竞争
随着Facebook与Twitter的社交风暴席卷全球，大数据挖掘的命题又不断刺激着公众神经。而在大洋彼岸的中国，微博已经开始深入到电影、音乐、台网联动等垂直领域，不断挖掘数据价值深入商业化腹地。在招聘这个垂直领域，大数据的应用也在造福着众多求职者与雇主品牌。
在线招聘2.0时代，招聘行为融入更多的社交属性，社交招聘网站逐渐成为招聘行业的主流工具。相较之传统招聘网站海量数据的扁平化，在社交招聘平台上则能挖掘出更多层次的数据内容：用户基础资料数据，用户行为数据，以及用户在社交平台的互动数据。前两者在招聘1.0时代为招聘行为提供了最主要的价值；而在2.0时代用户交互数据的重要价值被挖掘和掌握后，通过构建数据分析模型，整合职场人士网络行为习惯及社交网络的数据能形成其更加精准立体的用户画像。如果说招聘1.0时代的大数据挖掘仍处于二维世界的话，到社交招聘时代的大数据，则是将整个招聘领域带入了耳目一新的三维世界。通过挖掘用户社交行为数据之后，企业在招人效果上整整提升了一个台阶。
以全球最大的职业社交网站LinkedIn（领英）为例——在领英上，个人用户可以创建简历、关注公司职位信息、建立人脉联系、填写个人技能，还能够分享行业资讯信息等；而企业方则可以建立公司主页，购买付费产品可以发布招聘广告，搜索全站用户的档案并与之联系。用户建立人脉关系与分享资讯信息的同时，也在传递他们所属的商业圈子以及他们的价值理念；企业在创立企业主页的同时也在树立雇主品牌形象、树立求职者信心。双方的形象更加立体化、具象化、情感化。
最近LinkedIn发布的《2015中国人才招聘趋势报告》中在问及“未来5到10年对决定招聘行业发展起到最重要作用的趋势会是什么？”的时候，有55%的HR主动选择了“使用’大数据’预测未来人才需求”这一选项，远远高于全球27%的水平；这说明国内的人力资源部门已经意识到大数据的重要性。在被问及“贵公司在用数据了解人才招聘的效率和机会这方面做得怎么样?”的时候，只有18%的受访者认为自己公司做得不错，低于全球24%的水平。这反映出国内的人力资源部门在行动上仍然没有迈出通过数据的方式来优化招聘效率。
随着招聘领域进入三维世界，我们可以看到，2.0时代的在线招聘行业发展呈现出一些新的特点：
1. 招聘最合适的而非能力最强的
在1.0时代，企业招聘员工更多的是通过关键词基于简历进行搜索；这种方式无法从更多纬度判断求职者的价值观、社交属性。而在2.0时代，由于数据类型的丰富与立体化，新的数据算法能让雇主与用户更加精准匹配。
美国加州26岁的杰德?多明格斯某天收到一封突如其来的邮件，旧金山一家初创公司请他去面试程序员。多明格斯那时正住在加州某市一间租屋里，靠信用卡赊账度日，他正在自学编程。多明格斯在高中表现中等，也没想过要上大学。
是一位名叫卢卡?邦马萨的人通过一种新的数据算法选中了多明格斯。这种新的数据算法的理念是让人把目光从传统的人才指标上移开来一点，比如招募者一般都很关心的麻省理工大学的学位、谷歌公司供职的经历、同事或友人的推荐等等，同时投入更多注意力在一些简单的概念上面：这个人的表现如何？这个人能够做什么？能不能量化分析它？
据了解，这种来自于美国某数据分析公司的新算法在分析一个人时要处理三百来个主要变量：常逛的网站；描述各种技术时使用的语言类型，积极还是消极；在LinkedIn上的技能自述；参与过哪些项目，都干了多久；在哪里上的学、学的什么专业，这所学校当年在《美国新闻与世界报道》上排名是多少。正是这些丰富的数据勾勒出求职者更加立体化的画像，让雇主与用户更加精准匹配。
2. “大数据”提升劳动力运转效率
2011年夏天，曼城队助理教练大卫·普拉特决定利用数据分析来解决球队在表现方面遇到的一个棘手难题。普拉特发现，尽管球队阵容中拥有多名高大强壮的球员，但他们的角球得分情况却不尽如人意。 在征求了俱乐部内部数据分析师的意见后，该队增加了对内旋角球（球转向守门员方向）的使用。战术转变产生了惊人的效果。在整个赛季中，曼城队依靠角球打入15个进球，成为英超角球得分效率最高的球队，其中2/3的进球采用的是内旋角球。 这一实践为数据驱动型决策提供了强有力的支撑。
高质高效的数据分析开始在企业和团队的战术及决策中展示出更大价值。一些走在前列的科技公司如BAT、华为、联想等本土知名企业，已经开始用LinkedIn的数据协助自己进行更多的商业决策。比如，通过阅读求职者的资料，它们可以发现哪些地区拥有更多潜在的合适的员工，并决定在何处设立新的办公室或工厂。换言之，LinkedIn想要改变的不再仅仅是招聘和求职的方式，而是整个劳动力市场的运转效率。
在LinkedIn首席执行官杰夫·韦纳尔（Jeff Weiner）的理想状态下，LinkedIn可以基于这些数据描绘出一幅宏大的“经济图谱”。具体说来，如果LinkedIn能够跟踪求职者、公司和大学之间的关系，绘制出人们的工作职位、资历和技能与雇主要求间的匹配图，它就能够逐步改善劳动市场信息的流通，创建劳动力市场的大数据。
总结：
如今，数据获取变得越来越容易，然而面对海量的数据，如何更好地加工和运用，使其转化为商业机会并提升价值，大多数企业依旧在为之努力。职业社交网站凭借着对大数据的深入认知与实践，或将迎来意想不到的井喷期。
