员工何时离职，为什么离职，机器学习提前预知

    Workday2014年2月收购预测分析公司Identified，市值155亿的Workday这次收购案例，说明了它在逐步开辟基于云计算HR SaaS服务蓝海市场。

    那么如何利用云计算和机器学习及早知道员工何时离职?在硅谷的VMware公司，他们让机器去办这件事。

    VMware一直在测试人力资源软件公司Workday的新预测科技，这项系统会通知员工可能准备离职的时间，让主管可以在来不及之前出手挽回。

    在国内，也有家创业型公司e成在用机器学习去预测员工离职动向，预测人才职业走向，预测跳槽模型。

    VMware靠分析员工活动的趋势、最近一次升职是何时、地理因素、产业变化及其他资料来做出预测。

    e成用机器学习，从员工个体、企业内部、行业外部、地理因素预测离职。根据80+维度解析简历，识别同一人在多个渠道的简历内容，当一名员工在某一阶段外网渠道频繁登录、刷新简历，且频率越高，说明离职的时间越近。

    除了简历维度外，机器还需要对企业内部数据进行分析：企业人才晋升周期多长，员工A是否超过了晋升周期?最近的有效工作时间和工作成果如何?岗位在行业的平均待遇是多少，是否未达到行业标准待遇?市面上这类人才是否紧俏，需求缺口有多大，企业是否需要及早护盘?企业在不同时期，员工离职率是多少?曾经的离职员工又去了哪?

    人为观察员工离职走向，会有滞后性，当木已成舟，为时已晚。机器不仅能提前预测何时跳槽、为什么跳槽，跳槽去向甚至跳槽后的薪酬范畴。

    这种数据分析、机器学习除了能应用在离职预测，也能用于企业选拔、推荐方面。

    通过机器学习大量企业招聘数据以及在离职员工样本，学习企业HR的招聘行为(搜筛、收藏、邀请面试、面试评审、拒绝、offer), 最终分析得出企业需要谁，更喜欢谁。同理，这种数据分析原理也适用于求职者，数据分析个人能力素质模型、个性化偏好、求职紧迫度等，进而在合适时间，智能向企业推荐合适人才，向人才推荐合适机会。

    据e成的搜索算法团队负责人周杰龙告知，在做HR工作深度调研中，发现有一个和“闻味识人“的有趣现象，这个“味”就是个人职场DNA。未来e成希望将企业DNA、个人DNA引入到推荐算法中，让离职预测以及人才机器推荐更加精准的同时，也能在个性化选拔这块能更智能。