獵聘：職場大數據、調研維度與指標

「戴玉數據圈」是資深數據新聞人戴玉創辦的數據新聞群，裡面匯聚了各類數據報告發布方、數據媒體主編和記者、高校數據新聞教師、可視化人員、數據行業人員等等，旨在搭建切實推動數據新聞行業交流與合作的平台。

數據圈沙龍系列二【數據圈那些數據】，旨在介紹各類優質的數據及其來源，希望為數據報道和數據分析碰撞出新的維度，促進交流。之前的沙龍系列一【數據圈那些人】旨在介紹各類數據媒體，已成功舉辦8期。

分享人：

單藝 獵聘首席數據官、獵聘大數據研究院負責人

把冉 獵聘品牌營銷中心總經理、獵聘非凡僱主項目負責人

分享時間：2017.03.22 下午14:00

嘉賓分享環節

把冉：大家好！特別高興今天能有這次機會，戴玉邀請我和我們的首席數據官Roy 來和大家分享一下我們對職場數據的應用和理解。我是獵聘的把冉，主要負責獵聘的品牌、客戶的僱主品牌服務、職場研究和非凡僱主項目。

單藝：下午好，首先感謝各位朋友還有戴玉老師提供這次交流機會。我是獵聘的首席數據官單藝，我在獵聘主要負責數據的挖掘和應用。很高興有這個機會跟大家交流。

Part1 獵聘數據的應用

把冉：今天我們想分享的第一個話題，就是關於獵聘的職場數據的一些應用。從目前來看，我們的數據除了大數據的研究以外，還有一些調研的研究數據。我們這些數據主要會應用在這幾個方面。

第一類，是我們現在整個戰略上的重點。我們通過大數據去做職位的精準匹配，讓求職者和企業在求職和招聘的過程中效率更高。

第二類，我們主要應用在行業趨勢的研究上。大家都知道人才的數據也是反映國家經濟的晴雨表。所以其實我們會看到，今年整個機械——特別是高端製造業的人才愈發活躍起來。

在2017年到2018年，整個（機械）領域會是一個供需兩旺的領域，所以我們會做行業趨勢的研究。除了對現狀做出分析之外，我們還會預測行業在未來1-2年的發展。

第三類應用，主要是幫助企業去了解他們關注的人才。我們會用大數據去看現在人才的分布狀況、人才流動的情況，以及我們關注的各種求職者的畫像，從而為企業的招聘提供更多的理論依據。

第四類，主要是為我們的廣大求職者提供參考。除了會用我們的大數據給出很多僱主畫像，或者回答一些求職者關心的熱點問題以外呢，我們還會做一些我們比較關心的人群的研究。比如說，現在90後全面成為職場的擔當力量，那麼如今在核心人才的年輕化上，有沒有什麼變化？僱主對95後全面進入職場會有什麼態度？這些來自我們的研究和對僱主方的調研，都會給求職者在求職過程中提供更全的參考依據。

數據的第五類應用主要是和各位媒體老師來合作的。我們會看到，在不同的階段，媒體會關注不同的職場熱點，所以我們會根據媒體關注的熱點來提供數據支持。有一些是我們看到的很重要的現象，或者在職場人中現在比較流行的一些看法或觀察結果。比如我們之前就做過「職場囚徒」的研究，這也是媒體非常關注的一類人，就像多年前的窮忙族、橡皮人這樣的媒體熱點一樣。

那獵聘大數據和獵聘調研數據的第六類應用呢，主要是在職場上的深度研究。那其實後面我們也會分享，比如說我們在非凡僱主項目中，就專門研究了中高端人才的求職意願這兩年有什麼樣的變化。

再比如說，我們知道大家關心數據，這兩年其實整個數據演算法的人才也非常炙手可熱，我們這個春季也剛剛研究了這一類的人，包括他們現在的情況是什麼樣的，未來的就業形勢是怎樣的。我們還和發改委做比較深度的大型項目，會專註於某一點進行深度的研究。

Part2 大數據在招聘領域的應用

剛才跟各位老師簡單介紹了我們數據的主要應用領域，接下來想跟大家分享獵聘整個大數據的運用。大家可能比較關心說，看到現在整個大數據在各個領域上的應用，那麼到底在招聘上面，獵聘是如何應用大數據的呢？接下來我們會請獵聘首席數據官Roy來跟大家分享大數據在招聘領域的應用。

單藝：大家好！剛才把老師已經全面介紹了數據，包括大數據在整個人才管理、職場發展等方方面面的應用。我這邊重點圍繞獵聘求職招聘的核心業務來介紹，我們是如何運用大數據技術解決業務問題，提升用戶體驗。

1.演算法系統：職位供求匹配

獵聘是一家中高端招聘平台，獵聘的核心使命是幫助求職者和用人企業之間能夠進行高效匹配和高效連接。我們做的第一件事，就是根據客戶和企業的需求進行職位和簡歷的匹配。

我們第一個重要運用就是給我們的個人用戶推薦職位。個人用戶在傳統上來講，要不就是根據自己對行業的了解去選擇這家公司投簡歷，要不就是用簡單的關鍵詞去搜索、尋找職位、投簡歷。但這裡面都是有問題存在的，個人的知識面可能會有限，搜索又比較複雜，它跟普通的互聯網搜索是不一樣的。求職搜索會有很多關鍵詞：職能、地域、企業性質、招聘要求等等，有很多條件，用戶用起來並不是特別的方便。

為了解決這個問題，我們做了一套自動推薦的演算法系統。它會根據候選人的求職意向、填寫的簡歷表達出他的行業背景、技能、薪資要求等等，去找到他會感興趣的職位。這裡面每個人都會根據他的不同特點、不同偏好、不同行為，去爭取推薦出符合他個人要求的職位，所以能夠提高他整個的招聘體驗，讓整個投遞求職的效率得到大幅度的提高。

這個系統上線以後，已經得到求職者的廣泛使用，求職者很多時候用我們的app或者我們的pc端進入網站時，就不再需要再找了，只需要每天來看一下更新的，再做一下篩選就可以投遞了，這講的是給求職者的一些應用。

在另外一方面，是給我們的企業、給獵頭提供合適的候選人。這部分它的思路是根據招人這方的要求，比如薪資、行業、地點、技能，去找符合要求的候選人，而且是對這個工作要有一定興趣的。

根據這些條件我們會進行些初篩，篩一些初步結果出來，然後用機器學習、人工智慧的演算法，再去精挑細選，選出一些非常符合客戶要求的候選人。把這些候選人推薦給我們的企業，去請他們再作評判和篩選。這部分我們做了一套很有意思的系統，是一套人機合作的系統。

因為企業端他們對人才的要求是複雜的，而且要求相關性很高。那麼機器呢，由於現在還不能直接跟人溝通，所以我們設置了一套機制，能夠讓我們的招聘顧問和機器一起合作為客戶服務。

本質上來講，我們做的這個AI系統，是能夠幫助公司和企業更快地招到專業人才，它相當於是人力資源部門在招聘方面的助手。但它並沒有說要取代招聘專員的工作，因為其實招聘專員除了招聘工作外，還有很多複雜的溝通工作要去做，那部分我覺得是人的特長。而機器呢，去干一些機械的工作，也能夠提高整個招聘的效率和招聘人員的工作體驗。

2.資料庫產品：薪酬分析

另外我們還在用獵聘大數據做一些數據產品，比如我們做的基於大數據的薪酬分析資料庫產品。以往的薪酬報告是公司在線下去做，會有幾個問題：第一是周期很長，往往要一年的時間；第二是只能調查有限的公司，主要是大公司；還有他們的技術不能細分很多職能。

比如我們在工程師裡面可以分為Java工程師、PHP工程師、數據挖掘工程師等，而他們往往只能粗分到軟體工程師這個級別。

我們的薪酬分析資料庫產品因為用了線上的數據，實時性有很大的改善，能做到每個季度就發一版新的更新，這個對於很多新興行業很有用。比如互聯網、互聯網金融等行業的招聘形勢發展很快，我們就能很快地反應市場真實的情況，幫助HR做更好的薪酬管理。

另外我們也在準備為我們的用戶端做用戶產品，包括TA的未來職業發展、薪酬方面的比較、競爭力等這方面的數據。我們希望能夠成為求職者更好的求職助手，能夠幫助求職者找到符合TA現在情況、符合TA興趣的一個工作，減少信息不對稱，提高整個招聘的效果。

以上，我主要具體介紹了我們在招聘領域怎麼用大數據，以及基於人工智慧做的一些具體工作、產品和服務。

Part3 大數據團隊的搭建以及勝任力模型

把冉：我們也看到，現在很多公司都面臨一個問題，就是大家都意識到大數據特別重要，也想組建自己的大數據團隊，但這個大數據團隊該怎樣搭建呢？應該是一個怎樣的架構？然後我們要招聘的人到底需要具備怎樣的勝任力？

其實Roy在這方面也非常有經驗，因為他從美國回來就組建了整個獵聘的大數據團隊，更重要的一點是他們團隊也是我們全公司招聘最嚴格的，所以他們是有自己的一套勝任力模型。接下來想請Roy給大家介紹一下大數據團隊的搭建和大數據團隊里的勝任力模型。

單藝：大數據是最近比較火熱的一個話題，也得到很多政府、企業方面的承認，所以很多時候大家都有想法去建這樣一個專業團隊。創建這個團隊之前，首先要明白建這個團隊的目的是什麼，它的使命是什麼，可以做哪些事情，它的核心價值在哪裡？這是在創建任何一個組織之前都需要考慮清楚的關鍵問題。

那比如說，我們大數據團隊在獵聘的使命是什麼呢？我們的使命其實概括起來就是，用好大數據和數據科學的方法，加速獵聘的成長，用人才大數據提供更多的社會價值。所以圍繞這樣的使命，我們就開始搭建獵聘大數據研究院這樣一個專門以數據為中心的專業團隊。

團隊構成我們認為可以分成三種人，第一種是負責整個數據基礎工程的數據工程師，他們的主要工作就是從企業的內部外部把各種各樣的數據收集過來，而且把它有效地存儲，使之可以進行高效的處理。

當你的大數據達到了超過一台大型伺服器所能處理的極限，比如說十個TB之後，我們經常就需要有一個大數據的集群來做數據存儲和處理的工作，這裡面用得最多的就是Hadoop ，所以我們首先需要懂Hadoop搭建處理系統的工程師，然後我們需要建立一整套技術的架構，能夠從各個地方、各個資料庫、企業的資料庫把數據抽取過來，也就是所謂「數據流水線」。

比如我們網站上用戶行為發生的時候，我們都要把它收集下來，就是所有的數據收集和數據流水線的工作。接下來就需要去做數據的實時高效的計算，這一方面可以用Hadoop或Spark這樣的計算平台，也需要相應的工程師做這方面的工作。同時工程師還需要寫代碼，讓很多的任務在這個平台上能夠高效調度起來，有這樣的基礎之後，我們可以逐步往上層走。

原始數據往往是比較雜亂無章的。這時候我們就需要有一個數據倉庫的團隊，他們負責規整這些數據。這些數據就像從各個地方運來的貨物一樣需要有人員整齊地放到貨架上去，便於大家查詢和訪問，這是他們的主要工作。

接下來我們會根據業務的需要去搭建不同的業務數據團隊。比如說我們在內部就針對市場部門、銷售部門、產品研發部門的需要，去組建相應的數據分析團隊。他們的主要工作就是同業務團隊一起把數據指標、數據看板、日常數據需求做好，能夠保證業務團隊有數據可以用，讓有效的報表能夠輸出給業務團隊，跟業務團隊一起用數據驅動去做商業決策。

如果公司裡面還需要大數據去做人工智慧、推薦這種個性化的有關場景，就可以考慮建一個以機器學習為核心技能的數據挖掘團隊。他們主要用機器學習的方法完成帶有智能特性的推薦、分類、推理等產品功能。

這裡面總結一下我們要招的三種人：第一種是數據工程師，負責底層的基礎設施；第二種是業務分析團隊，主要用數據去幫助業務做得更好；第三種是做智能應用的機器學習演算法工程師。

這三種人，他們各自的核心技能不一樣。比如數據工程師，他們往往以工程師為主，負責搭系統、搭資料庫建設和維護；分析師往往要業務能力要強、理解溝通能力要強，還需要報表開發和數據建模，包括商業策略的設計能力；而數據挖掘的機器學習工程師，要同時懂數據挖掘和機器學習演算法，編程能力要很好，同時能夠開發複雜的生產系統。這三種人各自的勝任力模型是不一樣的。

總的來講，這種數據團隊的建設一定要根據公司的遠景、公司的核心業務目標要去建設，這三種人都要有相應的配備，根據公司的業務體系設置相應的組織結構，這樣才能夠設計出一個高效的落地的數據團隊出來。

Part4 如何做僱主畫像和人才畫像

把冉：我們獵聘用大數據做的一個非常重要的事情，還有僱主畫像和人才畫像，我先請Roy為我們介紹一下，獵聘是怎麼來做這些畫像的。

單藝：我們做畫像是根據用戶的基本信息和他的行為。那下面我具體講一下我們這些畫像是怎麼生成出來的。我拿大家比較容易理解的候選人人才這方面來說，每個用戶在註冊之後會留下基本信息，比如行業、所在公司的職位等，如果用戶有比較強的求職意願的話，還會填寫一份詳細的簡歷出來，簡歷裡面會有他的個人工作史，包括他的薪資等，這裡面就有很多很有價值的信息可以去挖掘，從中就可以把用戶的基本信息、核心工作信息抽取出來成為他的畫像。

我們感興趣的包括，他是哪個行業的、哪個地區、在什麼公司工作過、有什麼工作經驗、有什麼樣的項目經驗、有什麼樣的工作職責、有什麼樣的核心技能、還包括是從什麼學校畢業的、什麼專業畢業的、這個人工作了多少年、這個人目前的薪資是多少。所有這些，我們會通過數據挖掘的方法把它提取出來，形成一個結構化的數據，這是一個基本的相對靜態的用戶畫像。

接下來，我們會根據用戶在網站上的求職和社交行為，去形成他的動態畫像。比如看他瀏覽了哪些職位、看了哪些公司的介紹、投遞了哪些職位、在我們的社交網路上交了哪些朋友，所有的這些我們都會去做進一步的挖掘和分析，通過這些動態的行為我們看出這個用戶是不是在主動找工作、求職的傾向是什麼、喜歡去什麼樣的公司、想去做什麼樣的工作、他的社交方面傾向於交往什麼樣類型的人。

然後在這個基礎上，我們就可以逐步由個體的數據形成宏觀層次的數據。比如說我們可以看到這個地區、這個行業、甚至一些企業的人才畫像是怎樣的，他們有什麼樣的動向，所有的這些合在一起就形成一個職場人動態的畫像。

企業這端也是類似，企業在註冊時會留下他的描述、他的規模這類信息。接下來他會發職位去招聘，這時候我們就會從企業的基本信息和職位信息裡面去判斷這個企業它所在的行業、它相對應的規模、企業在招什麼樣的人、它對人才有什麼樣的吸引力，我們從人才對它的投遞方面看出這個企業是不是有吸引力、還有企業要求有什麼樣的核心技能，包括企業發的職位的薪資水平，可以看出整個人才市場薪資的一些變化。

HR的具體行為，比如TA處理投遞、自己去找人、去搜索、去下載、去看我們的推薦，都反應了TA需求方面的很多數據。在企業數據基礎上我們往上集合，我們就可以看到這個行業、這個地區，整個對人才的需求是怎樣、人才發生什麼樣的變化；在宏觀方面我們可以看到人才在企業之間、地區之間、行業之間的流動，所有合起來的畫像就是大家比較感興趣的、我們能做的一些主要數據。

Part5 獵聘在大數據報告上的一些具體研究

把冉：那剛才這三個部分我主要請Roy幫我們做一些理論上的解讀，那接下來想跟各位老師分享我們在大數據報告上面的具體研究。

1.季度報告

我把我們大數據報告的輸出大概分成三個類別，第一類是以季度為單位的報告。我們會看在過去的季度中，一些重要的人力市場的信號，以及在下一個季度中，人才會有一個什麼樣的走向。季度是我們最小的一個單位，一般到Q4的時候我們會有年度報告，那我一會兒會把我們在今年年初做的報告分享在群里：

這份報告是我們在今年一月份的時候，總結的2016年的情況，大家會看到我們會關注這樣幾個點：第一個是說整個人才的供需情況，我們會看到說全年的整體都是供不應求的。三季度的時候有一個供不應求的峰值，那麼在二季度的時候人才的求職是最活躍的，而年底的時候是相對謹慎一點。第二個我們會看人才和供給需求上的情況。第三，剛才講到人才的供給，那我們看需求，互聯網的需求依然是最高的。

整個2016年，互聯網行業是冷下來得比較厲害，但整體上需求量依然是最大的。同時我們也看到，機械製造也在不斷向前，我們會關注重點的行業。我從一開始的分享中也說了，機械製造和高端製造會是這幾年熱門的行業。所以我們接下來在第四、第五部分，也特別對機械製造行業進行了分析，那大家也可以看出特別是長三角的機械製造業是全國最具吸引力的。

除了人才的供需和重點行業的分析之外， 我們也會關心人才的流動，我們的第六部分是關於人才流動的，講的是霧霾驅趕人才。這個報告也是這個部分引起了很多城市，包括地區人事局的關注。在我們的研究中，發現杭州是當下人才凈流入比例最高的一個城市。

其實大家也看得到，在這兩年整個互聯網發展的帶動下，「後G20時代的杭州」對人才的吸引力是最大的，我們會研究區域間的人才流動。第七部分就是行業間人才的流動。那麼剛才說了，有需求、有流動，那我們肯定還要看錢，我們會看看這一年下來各季度相比，不同行業的年薪方面有什麼樣的變化，還會去看什麼專業的人員更吃香。

這整個基本上是我們一個季度研究的模板，那麼根據每季度的熱點不同，我們也會結合我們的熱點去討論。比如我記得在2016年Q2 的時候，我們就能夠看到地產有一個非常爆發的增長，因為大家都知道在Q2到Q3在「930新政」之前房地產業是非常熱的，同樣在人才報告中也能看到。

2.人群報告

那我們的這個大數據報告輸出的第二類呢，就是我們昨天才新鮮出爐，在微信上發布的：

我們會關注某一個特定的人群。大家可能都知道，春季是跳槽的旺季，大家也能看到很多人才機構和人力資源的網站都在發布跳槽意願的報告。那麼獵聘的優勢在哪裡呢？

我們會發現，在獵聘上有一大批活躍的、有相當工作經驗的人群。我們發現在職場上的很多研究，更關注於那些主動的求職者，因為他們在招聘網站很活躍，會帶來很多數據。

但其實呢，他們往往都會是比較junior的人才。在獵聘上其實活躍著一批30歲-40歲的人，而且大家也知道這個春節回來後，關於華為34歲的這個話題也特別熱，所以結合今年的春季跳槽，我們想看一下30歲-40歲人群的跳槽情況。而事實上我們也真的發現，30歲-40歲人群的跳槽意願一點都不比年輕人差，並且會有更強的跳槽意願。

很多是想要抓住職業生涯的最後一次機會，不管是主動想要挑戰一次或是被動的面臨淘汰的危機，他們都有更強烈的跳槽意願。在這裡我就不一一講述這樣的數據，大家可以通過這些微信文章看到一些很有趣的觀點。

大家都知道，互聯網人肯定是跳槽的活躍分子，因為我們按照以前的研究，也會發現互聯網人的平均跳槽時間要比傳統的行業，比如機械製造、金融要短很多。

那麼在互聯網人裡面，我們會看到軟體工程師、運營這些都是比較活躍的；從地區上看上海30歲+的跳槽意願是最強的；同時會看到現在在外企的人跳槽的意願是比較強的，特別是30歲+至35歲上下的，他們也積累了很多經驗，也看到了在外企發展的瓶頸，他們有更強烈的跳槽意願。所以我們覺得是一個全新的研究角度，而不是簡單的把跳槽的群體放在一起來看，分年齡段還是會有很多的變化的。

其實像這種特殊人群的研究，像我剛開始說的，我們對大數據的人才有專門的研究，這我們也會隨後發布。

另外我們也啟動了一個非常非常有趣的調研，預計會在2017年6月份的時候在北上廣深杭發布，就是我們對整個「95後」求職意願的研究。大家知道，今年畢業的學生裡面已經有大量的95後了，那麼今年秋天校招、明年畢業的都是95後了。

所以我們準備以大三的學生作為研究的主體（也包括大一和大二），看他們從一進入大學的時候對待職業的態度和我們以前的想法有什麼不一樣。這也是我們針對某一類人的研究，這一結果發布的時候也一定會邀請各位老師來參加我們的發布會。

3.深度研究

關於我們的大數據報告的輸出的第三部分呢，就是我們有一些深度研究。那可能不是簡單的通過一篇新聞稿讓大眾知曉就好了的，可能它對於整個國家甚至對國家的政策是有一定幫助的。

比如像開始說過的，我們和發改委聯合做的項目，也會在今年的上半年發布。那其實，現在我們也在非凡僱主項目中，想跟北大研究一些中國具有吸引力的僱主的特質，所以它都會是一些比較深入研究的項目。獵聘在做研究這個事情上，除了希望具有新聞傳播性之外呢，也希望具有更大的社會意義。

Part6 調研報告分享

儘管現在大數據很熱，大家都會關注大數據，但是我們認為一個完整的研究除了大數據以外，一些調研也是非常重要的。接下來我想跟大家分享我們三個比較有趣的調研報告，看看和大家的工作及關注的點是否有結合的地方。

第一個想跟大家分享的，也是我們對於人群的求職意向的研究。《中高端人才求職意向調查》裡面是15000個樣本，是我們去年在非凡僱主項目期間做的一些調研。有一些特別有趣的數據，也真的特別想跟各位老師分享。

大家會看到，從公司的吸引力來講，其實創業公司的吸引力已經比傳統巨頭公司要大得多了。我們會看到真正的創業團隊和快速發展的互聯網公司是具有很強的吸引力的。而在吸引什麼樣的人上呢，也特別有趣，我們把人群分成 「70後、80-84、 85-89、90-94、95後」，大家會看到呈一個「凹」字型的分布。

「凹」字型的分布特別有意思，就是從創業公司的吸引力來看，對兩頭的人特別有吸引力。其實這個大家也很好理解，70後的人通常都遇到自己職業的發展的瓶頸，想憑藉自己的寶貴經驗，在創業公司最後再搏一次。

而95後是初生牛犢不怕虎，而且我們也提到95後一代，沒有很大經濟壓力，更願意找一個自己感興趣並且能發揮自己價值的地方，所以我們會看到兩端對創業公司的渴望度要遠遠高於中間，特別少的是30歲上下的85-89 這一代有生活壓力的人。

關於吸引他們的要素也很有意思。

大家很關注的薪酬福利，其實在總體的要素中只排第五位，排在第一位的是「發展空間廣闊」，這是不用說的，每個人在工作中都是渴望發展的。但是我們可以看到，排在 2、3、4位的都是很軟性的因素：跟環境、學習、價值觀，都是直接相關的。而且特別有趣的一點是，「人際關係簡單」其實是排在第二位的。那更有趣的是按年齡段吸引的要素來看，會發現除了70後以外，80後的人認為最重要的就是發展空間。

第二個很有趣的是，我們發現不管你是哪個年齡段的人，人際關係簡單都入選了前三。所以其實我們在跟企業做分享的時候，也跟很多企業講，在招聘的時候雖然沒有人會把這個作為自己的重點做宣傳，但是求職者非常在意。

另外我們也發現，薪酬福利這一項，除了85-89後的人會選這一項之外，其他的人都沒有把薪酬福利選進前三，這個也很有意思。那我們知道，像85-89後是30歲前後了嘛，他們是生活壓力最大，角色轉變最大，都要開始結婚生子，所以經濟壓力對於他們是很大的，所以作為一家企業面對不同年代的人需要用不同的方式去吸引他們。

與吸引要素相反的肯定就是最怕什麼、最不能接受什麼，大家也可以看到最不能接受的就是人際關係複雜。所以人際關係已經成為了整個中高端求職者非常關心的一個因素。

更有意思的是最怕的選項裡面，加班加點其實是被排在了最後，並不是大家覺得「錢多、事兒少、離家近」是好工作，前面講吸引力的要素我們也能看到這一點。所以職場人並不會偷懶，上班對他們來說是為了發揮自己的價值，而且能夠非常愉悅的工作，像人際關係、發展空間，會是他們非常關注的。

我們還看了一下按年齡段劃分，職場人最怕的是什麼？首先大家看到的是「人際關係複雜」被所有人都選了，而且除了95後以外，所有人都把它選在第一位，這是一個很有趣的現象。

然後第二個現象有趣的現象是值得大家注意的，除了「人際關係複雜」以外，95後最不能容忍的三個因素是其他任何年代的人都沒有選進前三的：無所事事混日子、作為一顆螺絲釘、只談夢想不談錢。所以我們可以看到，95後真的有不一樣的特點。雖然我覺得每一次強調代際的時候，大家都難免帶著過去一代人的標籤和偏見，但從調研結果來看，我們的95後真的是不同於之前人的一代。

但是我們在他們身上，其實看到了很多好的東西。我記得之前騰訊有個報告說，超過半數的95後不願意就業，當時其實也是引發了討論。那我們其實可以看出，他們不是懶惰的不願意就業的一代，而是他們是不願意湊活就業的一代。

你看他們最不能容忍的是無所事事混日子，所以他們不能接受的是不發揮自己的價值，而不是說因為他們懶惰、他們家庭環境好、他們沒有經濟負擔、他們願意啃老，不是這樣的。而且大家可以看到95後是既理想又現實的一代，他們不能接受只談夢想不談錢。所以我們認為在他們身上是一代非常有自我驅動力和非常知道自己要什麼的一代，這也對僱主提出了挑戰，所以這就是獵聘為什麼要認真對95後做研究的原因。

然後獵聘調研的第二類報告呢，會主要針對一些特別的日子。像三八節，我們推出了關於職場人怎麼看待自己的女老闆這樣的調查，推出了例如「什麼樣女老闆比較受職場認的歡迎呢」「女性領導是不是樣貌比能力更重要」等等大家比較關心的問題。由於時間的關係我在這裡就不詳細講了，各位老師去可以看一下我們的鏈接。

鏈接：http://m.cankaoxiaoxi.com/finance/20170309/1750552.shtml?fr=mb&from=groupmessage&isappinstalled=1

我們職場調研的第三類，會去關注一些熱點。我也知道有很多媒體老師在「戴玉數據圈」的群裡面，有些新詞熱詞，是媒體非常關注的，比如大家很關注的一個「職場囚徒」的調研。

「職場囚徒」其實是當時哈佛商業評論裡面提出的新的概念，就是說這些人基本上不會正面地去宣傳公司，然後也不會太努力地去工作，當然也不會走，所以是一種不敬業者。其實針對於「職場囚徒」，我們也做了一些研究，像之前媒體一度很關注的窮忙族、橡皮人，那現在關注「職場囚徒」。

鏈接：

http://w.huanqiu.com/r/MV8wXzEwMTkzNDkxXzQ4XzE0ODc5MDM0MzM=?from=groupmessage&isappinstalled=0

Part7 關於合作

有什麼樣的機會，獵聘能夠榮幸地跟媒體老師、其他數據單位、其他的公司來合作呢，我覺得主要有兩方面：

第一個方面就是當我們的媒體、學術研究中有關於職場的話題或者職場的項目的時候，可能某一部分您希望有一些數據的支持，那可以把這樣的需求提給我們。有些是我們有現成的數據可以支持到的，有些是需要現成去跑這些數據、去調研，可能需要給我們一點點時間，我們可以探討用什麼樣的指標和數據維度來印證這樣的話題比較好。

對於分析師、職場顧問，我們都會基於這些數據給出解讀和建議。因為我們一直認為這個數出來本身沒有太大的意義，關鍵是你如何去解讀這個數字、這個數字背後意味著什麼、看到這些數字我們有什麼可以做的事情、給到什麼樣的建議，我們覺得這個才是獵聘做這麼多職場研究想去做的事情。所以說，基於數據本身的專家解讀和建議，也是我們基於各位的職場選題可以提供的。

第二個方面的合作，我們認為就是深度合作。比如說我們可以去聯合發布、聯合調研一些東西。像我們現在在與學術機構去做職場人的向上流動變遷的研究。

那我相信每一個單位或者每一個媒體都會有自己感興趣的深度的年度話題和項目，我們歡迎大家能夠和我們聯繫，只要我們的能力、精力達得到，我們就願意和大家一起把這個事情做好。從開始對這個項目選題的數據維度的設計，到中期的調研與大數據的支持，以及到最後報告的發布，我們可以提供更多幫助。

以上就是今天我和Roy想跟各位老師分享的內容，接下來的時間看看大家有什麼問題，借著這個難得的機會和大家溝通一下。也特別感謝戴玉老師給我們這樣一個機會，能夠讓我們和大家聊得這麼開心。

交流提問環節

@陳嘉慧 財新：非常感謝兩位老師的分享。想問個問題：目前互聯網行業中各個垂直領域的主要企業都有自己的數據業務，人才數據比其他垂直領域（例如是出行、電商）的數據有什麼優勢嗎？另外，獵聘的數據部門除了您剛才提到的主營業務以外，還有什麼更創新的變現模式嗎？

@單藝@獵聘大數據研究院：陳老師您好，您提的問題非常棒。關於人才數據比其他垂直領域的數據有什麼優勢，我覺得人才數據不管獵聘的還是其他家做的人才數據，都是挺特別的一個數據。電商記錄人的消費數據，出行是記錄日常行動數據，而人才數據主要記錄人的職業發展的數據。

從這裡面，我們分析人才數據可以看到一些問題，比如中國的人才分布情況是什麼？人才核心技能是什麼？他的職業發展的過程是什麼？他是怎樣從一個應屆生變成了資深的專業人才？這些是人才數據所獨有的。人才、人是經濟活動中最活躍的經濟要素，所以我們去研究去挖掘。人才數據有巨大的社會意義，也有很多商業應用的價值。

在商業變現方面，一方面我們是做獵聘的一些核心業務當中的關鍵技術，另外自己的數據也有變現的機會的。就比如說我們已經做了一個薪酬的產品，已經有數千家企業在用我們的薪酬產品來幫助他們定薪定酬。

另外的話，我們想針對個人的發展和個人的職場競爭力、人的培訓去做一些嘗試和努力，包括個人怎麼了解行業的現狀等等。我覺得數據對人如果是有用的，那它就有價值；如果用戶還願意付費，那就有變現的機會。

@薛婭菲-清華THU數據派：非常感謝老師們的分享和戴老師的組織。我的問題是：獵聘內部的數據團隊的組建歷程？數據團隊跟業務部門和IT部門是如何協作的呢？

@單藝@獵聘大數據研究院：我是從2014年10月份加入獵聘的，在這之前，獵聘有一個很小的5個人的團隊，他們在做一些基礎的數據方面的工作。來到這兒之後，我和公司的管理團隊、業務部門一起定義了獵聘大數據團隊的使命和價值在哪裡，接下來我們主要先把基礎設施做起來，接下來就開始招聘。

招聘了數據工程師、數據分析師、機器學習演算法工程師之後，搭建了跟業務直接對接的小組，支持各個業務線的發展，也參與去做創新型的產品，去更好地服務客戶、解決業務的問題。

至於我們跟業務部門的合作呢，因為我們是一個集中式的團隊，我們會給業務部門提供集中的數據服務。比如說我們有提供一整套線上報表的系統，常規的很多需求可以通過報表系統來滿足。我們也提供查詢的介面、甚至還有人來做分析服務的工作，解決業務部門的基本數據需求。

接下來，我們分析師會和業務部門形成合作夥伴的關係，幫助業務部門去提高效率、明確KPI、設計商業策略。但這件事情也並不太容易，有時候會需要和業務部門做深入的溝通，反覆討論我們的合作方式和目標。

數據驅動這件事情在中國還是一個比較新鮮的事物。雖然大家都理解用好數據可以做更好的決策，但是由於方方面面的問題，比如思維習慣、傳統的做法、還有數據本身存在的數據質量問題、數據沒有準備好的問題、數據分析師的能力的問題等等，所以怎樣能切實的做好這樣的工作，是一個需要長期配合、長期交流協作的過程。

數據分析師雖然在集中的團隊，但我們期望他們能有嵌入式的合作，所以他們就被深入到各個工作團隊，跟業務團隊合作。我們的機器學習工程師——就是做演算法的同事，主要和產品經理去合作，和產品經理一起設計產品，根據產品的需求設計演算法，把系統做出來上線。這與大部分的演算法團隊是比較相似的。

@戴玉：我想問下獵聘的人才及人才流動數據等等，和其他公司的人才數據有何不同，有何特色？如果說有選題需求，你們的響應時間大概是多少？可能媒體要考慮時效性。

@單藝@獵聘大數據研究院：獵聘的人才數據和人才流動數據有幾個特點。第一個，我們主要的人群是中高端人群，主要表現是受過比較好的教育、很多是大學以上學歷、有三年工作經驗、或者年收入在一線城市超過十幾萬年薪的，這是我們主要關注的人群。

在人才流動方面，我們是做全行業的，各行各業的我們都可以觀察到。而且我們在人才流動、企業需求、還有人才的供給方面，用了比較先進的、統計降維的方法，能夠把很多的信號、很多的數據合成一個科學的指數，這跟單純的簡單看一些職位數、投遞數這類粗糙的數據比起來，我們看得會更精細和更準確一些。

我們在數據基礎方面，也就是畫像方面做得很細。像人的技能這一層次，是一個不太容易做到的層次，因為現在後工業時代，整個人類社會的分工是非常細的，所以我們有大量的技能要去分析和發現它們之間的關係。所以這點上來講，我覺得我們獵聘的數據分析在這一方面做得比較深入、細緻。

@把冉：如果是我們沒有的數據，根據數據難度，我們的響應時間應該需要1-2個工作日。

整理人/安娜、高赫

排版/廖麗清

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！