Сегодня хочу рассказать интересный кейс, который мы делали для одного из HR-подразделения. Он релевантен для любой компании с большой кадровой ротацией (это ритейл, это кол-центры и др. массовые вакансии).

Такие компании достаточно динамичны и очень часто перед ними встает вопрос, как набрать достаточно большой штат за короткий промежуток времени. В целом многие компании уже научились это делать, устраивают массовые интервью, однако нет возможности понять, а на сколько долго сотрудники проработают в штате и на сколько они будут эффективны, ведь не всегда успешное прохождение интервью, гарантирует что сотрудник будет также эффективен в компании. Можно конечно нанять большой штат HR, но это не гарантирует, что они не будут субъективны в своих оценках.

Мы подошли к этой задаче более интеллектуально и решали ее с помощью машинного обучения и автоматического приглашение на интервью с помощью робота.

Нам предстояло решить несколько задач:

  1. Выбрать релевантных кандидатов из большого пула резюме.
  2. Отобрать тех из них которые будут с большой вероятностью успешны
  3. Предсказать срок жизни кандидата в компании
  4. Посчитать срок окупаемости кандидата
  5. Приглашать лучших

Прежде всего мы собрали достаточно большую базу резюме, но нужно было не только собрать но и на основе существующих знаний обогатить эту базу резюме дополнительными метриками, попросту мы занимались Feature Engineering-ом (Генерацией дополнительных переменных), например, из непрерывной переменной о возрасте мы делали дискретную переменную с диапазоном возрастов, из образования, сделали несколько бинарных переменных, например, это юридическое образование или другое, и т.д. В нашей витрине по каждому кандидату стало порядка 60 переменных.

Дальше мы выбрали существующих и ушедших сотрудников (благо ротация достаточно большая) и у нас было много наблюдений как одних, так и других, а также добавили знания об из успешности в компании (конкретные финансовые метрики каждого сотрудника), а также сроки жизни в компании. Ну а дальше дело техники, нам нужно предсказать на основе данных резюме — успешность кандидата и срок его жизни в компании, что уже является задачей машинного обучения.

Посчитать срок окупаемости нам также помогала информация о прогнозном сроке жизни компании, а также о затратах на обучение и адаптацию сотрудников, что уже является обычной детерминированной задачей.

Для автоматического приглашения на собеседование использовался IVR с программируемым скриптом диалога. Таких решений достаточно много, конечно многие слышали о роботе Вера, но на самом деле такие IVR появились задолго до ее появления.

Многие кандидаты даже не догадывались что говорят с роботом и пытались пригласить его на свидание))

Если вам интересно решение такой задачи и собственных ресурсов не хватает, то обращайтесь, поможем.

Эффективных вам решений для бизнеса!