一、招聘过程预测模型的作用

本模型基于历史通过率和人岗匹配算法，测算系统当前流程中「可入职人数」「招聘完成时间」，同时给出渠道质量、候选人画像、人才推荐等建议，帮助HR更好的进行过程管理和进度把控。

二、操作步骤

功能位置

1.第一步 选择招聘流程

不同的招聘流程，所包含的招聘阶段不同，需要先选择具体的招聘流程，可以使预测数据更准确。

2. 第二步 选择部门或职位

如果想了解部门或者职位维度下的招聘情况，可以选择关注的部门名称或职位名称。

3.第三步 选择招聘需求

招聘需求即要达成的招聘目标。可选择招聘需求里的招聘人数、职位需求的招聘人数、或者自定义招聘需求。

4.第四步 选择通过率，可计算得【预计入职人数】

不同的通过率，预测的入职人数不同。可选择历史通过率、预测通过率、或自定义通过率。

第五步 选择处理效率，可计算得【预计完成时间】

不同的外理效率，预测的招聘完成时间不同。可选择历史处理效率、 或自定义处理效率。

三、预测模型的介绍

1.算法

使用梯度提升树算法算法（GBDT）分别训练流程、部门、职位三个预测模型。预测当前流程中的申请在未来一段时间内的阶段通过率。

2.主要模型特征

(1）流程模型

• 流程的所处的招聘模式；

• 流程的各阶段类型；

• 历史通过数据；

• 月份特征（金三银四）

• 等等

（2）部门模型

• 部门模型使用了流程模型所有特征；

• 部门相关属性，如部门类型、部门人数；

（3）职位模型

• 职位模型在上述统计特征的基础上，增加了个性化特征；

• 职位的个性化配置，如职位类别、工作地点、工作经验要求、薪资要求等；

  四、关键指标的介绍

  1.招聘需求

  （1）招聘需求人数：进行中的招聘需求-该需求下已入职的人数；

  （2）职位需求人数：进行中的职位需求-该职位下已入职的人数；

  （3）自定义需求人数：手动输入流程、部门或职位下的需求人数。

  

2.历史通过率

申请时间在所选内的阶段通过数/累计进入阶段数；

3.预计入职人数

各阶段入职人数*阶段通过率的和；

4.还需收取简历数

（招聘需求人数-预计入职人数）/所选通过率

5.历史每天处理效率

（1）收取简历数效率：所选时间内简历收取简历数/天数；

（2）阶段处理效率：所选时间内阶段处理数量/天数。

6.招聘完成所需时间

（当前阶段人数+基于所选通过率进入该阶段的人数）/每天处理效率

五、如何开启招聘过程预测功能

如需开通BI招聘过程预测功能请联系客户经理。