建立人才库是什么意思

人才招聘是企业HR工作的最大组成部分。过去20年间，企业招聘需求专业性要求越来越高，对人才筛选要求也越来越高，企业需要建立人才库，沉淀海量人才数据实现高效招聘。

越来越多的企业开始寻求智能化技术建立人才库。

高效率智能化人才招聘的核心是构建一个智能人才库、以往，由于人工智能数据技术渗透率低，大部分企业把人才库等同于一个大型可交互的excel，人才库的真正价值其实远没有被有效挖掘。这篇文章笔者想依托麦穗人工智能这两年的案例经验，详解企业HR如何建设智能人才库，实现企业高效率招聘到岗。

什么是智能人才库

有句俗话，70%的HR决策因子是简历之外的，是一个有经验的HR阅读简历时赋予简历的额外信息。智能人才库指在结构化后的企业人才简历上，充分利用已有的知识（公司图谱、职位发展图谱、技能图谱和学校图谱等），模拟一个有经验的HR为简历补全全部必要特征。

麦穗人工智能团队打造的智能人才库是以企业收到的人才简历为基础，融合外部数据的知识图谱、既往行为数据、职位和公司选择偏好，模拟一个阅读了上亿份简历，并精密学习了跳转路径、行业背景、职位和用人偏好的「HR」最强大脑，整理企业的人才库信息，构建每一个人才的智能画像，帮助企业HR快速筛选人才，实现智能用人决策。

智能的人才库包含哪些内容

1）全面的简历信息抽取：

专业的简历解析团队会根据上述提到的网站简历、pdf非标简历、图片简历和List简历进行智能解析，提取为结构化信息。简历的样式各异，需要利用智能模型从中快速抽取全部有效关键信息。从排版上可以区分为单栏、双栏，从语言上可以区分中文、英文，中英双语（尤其有那种一行中文，一行英语的混合）；从格式上可以区分word, pdf, html, 图片（还有少量ppt, excel等等），猎头公司手上还会有不少excel格式的通讯录简历；从来源上可以区分为主流招聘网站的不同事情简历，个人自写还有一些模板简历。可以看到五花八门，针对不同格式简历我们往往会有不同的抽取模型

2）知识图谱嵌入打造智能人才库标签

新兴互联网行业崛起，使得公司的产品名远比公司的原名被人熟知。比如几个人知道 饿了么，小红书的企业原名是什么？大家收到的简历中越来越多人开始只写公司的简称、公司产品名或部门名这些更为人熟知的简称，这里需要知识图谱补全、完善和聚类。

同时，也需要避免由于文本上高度相似带来的歧义。比如：京东 v. 京东方，仅从单纯的简历解析提取信息而言，后续所有HR在人才库搜索中做公司名检索「京东」都会检索出「京东方」，因为「京东方」中完整包含了「京东」两字。但大家都知道，这是两家完全不同的知名企业，所以这里需要知识图谱了解词背后的含义，这是解析工具单一无法解决的问题。

类似案例也会包括搜索【上海交大】，如何对应到人才库中【上海交通大学】，却不会出现【上海交通大学继续教育学院】

搜索【985】时候，如何只给第一学历即本科学历或硕士是985学校的精准构建985标签，绕开专升本。这些都需要依托知识图谱有效甄别，构建智能人才画像。

这里我们需要依托知识图谱，高效快速地梳理不同企业产品的叫法、解决高度文本层面相似但实际意义不同的公司、职位、学校和专业等等。

3）分行业的项目、业绩、领域深度信息抽取

光实现以上两点是不足够的，我们人才库中可能有100个销售经理候选人，如何判定这些销售经理曾经卖过的商品是符合我们企业的行业领域，这些销售曾经实现过哪些业绩？这些信息以往都包含在大段的工作经历和项目经历描述中，需要机器模拟有经验的HR一份份简历阅读，提取简历中的相关信息描述并实现有效抽取