第十九节 数据驱动：量化数据，改善招聘效率

ECT工作法的第二个步骤——计算，即通过量化数据计算出求职者与岗位的匹配指数。数据化管理是国内企业在对精细化管理、准时制生产方式、绩效管理等先进管理方式进行学习并广泛应用过程中逐渐形成的一种新的管理模式，是卓越的管理者采用的基本管理技术之一。管理者通过数据化管理并辅以其他管理手段，能够以实事求是的方法明确地指出下属在工作中存在的各类问题，有效地指导下属开展工作，并针对下属在具体工作中存在的问题，提出解决策略，从而促进团队的整体进步，实现领导效能。

数据化管理是企业改进管理制度的关键，优秀的企业管理制度应该具备完善的运营数据分析体系。一切企业活动都以数据为参考，达成一定的数据指标，循环改进，持续发展。数据化管理是确保企业良性发展的关键，在企业运营的每个环节都发挥着重要作用，企业通过参考经营数据来制订经营计划，制定方针策略。

掌握数据管理技能，首先要具备量化思维。量化思维是把隐性的主观价值判断标准转化为显性的客观价值判断标准，并且以数据化的形式呈现出来，以便快速进行科学决策。一个管理者具备了量化思维后，其价值判断标准就非常客观、清晰、稳定，做决策时不易受外界影响；反之，其价值判断标准则主观、模糊、不稳定，他经常依赖印象、情绪及经验做决策，易受外界影响。

招聘人员在筛选简历时对量化思维的应用，具体分为两个步骤：第一步，对简历筛选六要素进行量化处理并赋分；第二步，对六要素得分进行汇总，加权后评估定级。下面我们针对这两个步骤分别展开说明。

第一步，对简历筛选六要素进行量化处理并赋分。

简历筛选六要素指的是年龄、学历、专业、工作经验、性别、婚育状况。招聘人员需将这六个要素按照一定标准处理，并分别赋分。

1.年龄数据的处理

任何岗位都有其最佳匹配年龄段，岗位不同，最佳匹配年龄段有所不同。年龄数据处理遵循的原则是：把该岗位最佳匹配年龄段设为最高分，以此年龄段为基准，向左右两边延伸递减赋分。例如，某公司研发工程师岗位的年龄这一因素满分为10分，最佳年龄段为28～32岁，赋分为10分。其余年龄段赋分如下：

2.学历数据的处理

学历分为初中、高中、中专、专科、本科、硕士、博士等七个标准。任何岗位都有其最佳学历要求，岗位不同，最佳学历要求有所不同。学历数据处理遵循的原则是：把该岗位最佳匹配学历设为最高分，以此学历为基准，向左右两边延伸递减赋分。例如，某公司销售岗位的学历这一因素满分是10分，最佳学历为专科，赋分为10分，其余学历赋分如下：

企业在招聘销售人员时，一般情况下初中学历赋分要比博士赋分高。因为如果招了个博士，即便他因为某种原因接受这份工作，其稳定性也不高。

3.所学专业的数据处理

从招聘的角度来看，专业一般分为三种类型：精准专业、相关专业和其他专业。精准专业，即与本岗位最匹配的专业；相关专业，即虽非最匹配专业，但具有一定关联性的专业；其他专业，即精准专业和相关专业以外的专业。一般情况下，企业在招聘的时候，精准专业、相关专业往往不单指某一个专业。所学专业数据处理遵循的原则是：精准专业范围内10分，相关专业范围内8分，其他专业5分。

4.工作经验数据的处理

经验是指在工作或生活中多次实践获取的知识或技能，亦指工作或生活经历，一般分为行业经验和岗位经验两大类。行业经验和岗位经验相互交叉后，经验可以分为无工作经验、本行业相关岗位经验、本行业不相关岗位经验、非本行业相关岗位经验、非本行业不相关岗位经验五个标准，在不同标准基础上，工作年限又有所不同。例如，某公司质检岗位对工作经验这一因素的赋分如下：

5.性别数据的处理

性别分为男性和女性两种。岗位工作性质、工作内容不同，对性别要求在一定程度上有所不同。在实际工作中，有些岗位对性别要求比较高，有些岗位对性别要求则没有那么高。招聘人员应该根据不同的岗位，设置不同性别赋分标准。例如，某公司生产管理岗位的最佳匹配性别为男性，行政文秘岗位的最佳匹配性别为女性，人力资源管理岗位则没有性别要求。这些岗位对性别的具体赋分如下：

6.婚育状况数据的处理

婚育状况分为未婚、已婚未育、已婚已育三种情况。婚育状况不同，当下或将来对工作的影响不同。工作岗位性质不同，对求职者的婚育状况要求也不同。例如，某公司一般管理岗位对婚育状况的赋分如下：

第二步，对六要素得分进行汇总，加权后评估定级。

在实际招聘中，不同公司、不同岗位对六要素的要求有所不同，因此对每项数据的处理方式不同。招聘人员可以将每个要素的满分都设为10分，根据每个要素在具体岗位中的重要程度，为每个要素设定相应的权重，得出最终分数，然后根据分数把求职者的简历划分出A、B、C三个等级，比如60分及以上是A级；49～59分是B级；49分以下是C级。简历的等级不同，招聘人员对求职者的关注程度就不同，付出的精力、沟通与互动的频次及方式也不同。宗旨是：确保A级和B级求职者能够成功入职，C级求职者则可以放弃或调整录取条件后再决定是否争取其入职。

以上的分数和权重是以某岗位为例而设置的。在实际招聘过程中，招聘人员要灵活掌握这种数据处理的方式，根据实际情况为每个要素设置分数和权重。