人力资源管理，本质上是寻找一种平衡。在人性与制度的冲突之间寻找平衡，在老板与员工的博弈之间寻找平衡，在不同部门的利益之间寻找平衡，在人力成本和人才回报之间寻找平衡。
尤其是人力成本与人才质量之间的平衡。其它的工作都属于人力资源管理本身，是一种技术；而最后这一个平衡，称得上人力资源管理的艺术，它跃出了人力资源部门的局限，直接关系到企业运转的投入产出、现金流、利润率等核心领域。如果一个人力资源从业者，能够站在一个求职者将会带来的成本与回报这一角度思考问题，我会认为他的管理水平，已经从技术流跃升为艺术流了。
问题是，怎么做到？
为一件商品定价，非常简单。只需要核算商品的生产成本，计入原料费、物流费、人工费、场地费、设备损耗费等等，再加上想要攫取的利润，就可以了。
然而为一个人定价，应该核算什么？学历？年龄？过往经验？每一个维度又价值多少？在复杂的真实社会里，我们总是无法用精确的数字来衡量它们，所以漫天要价坐地还钱的事情，发生在几乎每一家公司。
这些年我一直期待着一种技术，一个工具，一套标准，来完成这件事。可以让我不再需要耗费巨大精力思索之后仍要用经验和直觉来为人才估出一个难以准确的价格，而只需一眼，就看穿一份简历，为一个人定价。
现在我找到了。在这份51猎头处理过的简历上，我看到了我想要的一切。
将原先的表格式简历，经过技术处理，从繁杂的文字叙述中，提炼出真正有价值的简历要素，并以图形化的数据图表展现出来，一个人的各项素质都一目了然。
据51猎头的解释，这套数据模型基于稀疏组结构正则化模型（Regularized Sparse Models）。
通过构造具有组织结构先验的悉数组结构惩罚函数，以预测为指标，对于高维问题，自动选择出重要的影响因子。这一模型应用于薪资预估和牛人指数预测问题时，基于海量的简历信息，计算机能够自动提取出简历中影响模型的主要因子，实现个人薪资预估和牛人指数预测。
这些影响因子分为基础信息、教育/工作经历和行为数据三个部分。这也正是人脑在评估一份简历时所考量的三个主要方面。其中更细小的维度还包括年龄、婚姻状况、学校、学历、专业、工作年限、跳槽频次、职业路径、项目经验等众多内容。在51猎头的系统中，所有的维度都建立了打分体系，彼此又形成联结，相互影响。最终在超大量简历的对比中，形成了每一份简历的价值评估，并给出了人才的薪资建议。
所有这一切，都只需要我看一眼。
人力资源产业努力多年未能真正建立的统一且标准化的人才评估体系，被一群科技宅男开发的人工智能和大数据技术建立起来了。体系背后的理念并不复杂，它只是把我们平日口口相传的好学校、好专业、好公司量化了。我们都知道985、211比一般的大学好，也知道BTA比一般的互联网公司好，但究竟好多少，好在哪里，谁也说不清楚。
而这些问题，在大数据的面前，都迎刃而解。通过对海量样本的分析，让人脑无法精确的计算的问题，得到了确切的答案。时代洪流真是滚滚而来。
早在1990年，库兹韦尔就在《灵魂机器时代》一书中预测，计算机即将超越人类智能。
纵然许多人并不期待，但这一天还是到来了。1997年夏天，IBM的“深蓝”在正常时限的国际象棋比赛中击败了当时等级积分排名世界第一的加里·卡斯帕罗夫。那时我还是个刚入人力资源产业的新兵，我还不能预见这场胜利将在近20年后的今天，影响到我的职业生涯。
但于今天回望，也许历史是早已写定的。
彼时“深蓝”凭借大量计算超越了用经验和直觉下棋的人类选手，今天51猎头的计算机也凭借大量计算比肩用经验和直觉评估简历的人类HR。明天呢？我很紧张，但更期待。一定还会有更多的事情，只需一秒就能完成。
|
