获得A轮融资，这家公司如何用大数据+AI让企业“纳人”精准匹配？

人工智能和大数据应用正在逐渐渗透到各个垂直行业，而具备大量企业和人才数据库的招聘平台，也不可避免地被卷入其中。

现在，位于线上和线下的各招聘渠道，已经非常丰富了。但是，无论是传统线下招聘会，还是线上招聘平台，以及猎头公司，都还只是招聘信息的陈列，还严重依赖人工筛选和匹配。而这带来的主要问题就是，这样处理信息主观性极强，难以实现对人才和岗位的高效和有效匹配。

姜海峰创办的智能招聘平台“纳人”就是选择从这一点切入。在他看来，随着经济从粗放式发展走向精细化，下一步企业用人必然也是精细化管理，更追求人的单位产能，而不再是廉价劳动。

2014年3月， 纳人正式成立，这家公司的主要业务，即是力图实现从HR看简历到简历筛选合并、约面整个过程的智能化，从本质上实现精准的人岗匹配。纳人目前的产品形态包括基于SaaS模式的Web功能性网站+移动端APP+猎头多功能操作平台，据姜海峰透露，纳人目前拥有5000万简历数据，服务超过1万家企业，使其招聘效率可以比传统方式提高5倍。

目前，纳人已获三轮融资：2014年6月获得了北软的天使轮投资；2015年7月，获得大河创投Pre-A轮投资；A轮融资也已在2016年底完成。

姜海峰将纳人的使命定为“人尽其才”，他说：“我们希望把每个人都放到合适的工作岗位，我认为，这样一个人的产能至少会提高20%。如果每个企业都能做到人尽其才，那么整个中国企业的工作效率就会提高很多。”

纳人创始人 姜海峰

用AI解决招聘痛点

姜海峰是陕西人，曾就读于西安电子科技大学物理系。他已累计申请了17项国内外发明专利。1998年，姜海峰来到北京，加入了北京书生公司，担任部门经理，负责技术；并在2001年升任CTO，2003年担任总经理，2004年成为集团总裁。他从事的业务范围从电子政务拓展到数字图书馆、移动图书馆和云存储，也积累了丰富的技术、产品、战略规划、管理和运营经验。

2014年2月底，姜海峰却做出了一个决定，辞职创业，成立人工智能招聘平台——纳人。

创业之前，姜海峰对招聘行业进行了长期的观察和思考。他发现，集团进进出出很多人，有的人在原单位业绩不是很突出，但换公司后却做得很有亮点。有些人简历优秀，但进公司后产出不是很高。

姜海峰认为，其中的大部分原因在于，个人是否和企业的价值观、文化等等相契合。在每家公司里，个人就像一个零部件，如果和其他齿轮咬合紧密，那么组织里所有人的价值增长总量就会非常惊人。而还要实现这样的目标，需要在招聘期就解决人员和企业的匹配度问题。

但是，现在很多招聘平台，都还是在用传统方法筛选简历。在一个在线招聘平台上，HR要下载多份简历，逐个看一遍，然后从大约100份中才筛选出二三十份合适的，再一个个打电话通知面试。在姜海峰看来，这和传统的线下招聘会没有本质区别，缺陷很明显：完全依赖人工，浪费时间，而且筛选结果具有极强的主观性。

于是，姜海峰决定在“纳人”中，通过智能化评测和匹配模型，来解决问题。

智能人岗匹配模型，满足企业人才精细化需求

纳人构建了一套NR人岗匹配评测模型。针对求职者，纳人基于大数据的方式，组织了近200位超过10年经验的招聘专家，提取他们的招聘经验，设定了1000多个纬度，比如性格、兴趣、价值观、行业背景、行业特殊案例、教育背景、家庭背景等，以此判断求职者的情况。针对用人单位，纳人也建立了300多个与不同岗位相关的纬度。

纳人通过这种方法，先建立出一种通用模型。随后在此基础上，针对不同岗位、不同行业，再进一步建立不同类别的专用模型，进行更深层的智能化匹配。

求职者简历上传后，系统根据每个维度进行评分，之后再进行综合评分，区间为0-120分。得分在60分以下的求职者，系统会自动筛出，不会向各企业HR推荐。

除此之外，纳人的系统还设置了动态测评。例如，HR总是希望了解求职者的性格、兴趣、心理状态等信息，来综合评判其与岗位的匹配度，纳人推出了人工智能在线测评，根据每份简历和对应的职位，都会自动生成可评分的面试测评题，来实现“千人千题，自动评价”。该测评结果可以作为简历的补充信息，供HR参考。

姜海峰对黑智透露，现在，纳人已累积了近5000万份简历数据。“这些样本数据可以不断地验证NR人岗匹配模型，发现问题后及时调整。”通过各种公开渠道获取数据后，更重要的是对数据的整合分析。纳人自己有一套基于深度学习和自然语言处理的文本挖掘算法，对简历数据进行分析，自动对内容进行语义识别生成标签，形成对简历的更精准判断，与企业或岗位进行匹配推荐。

姜海峰向黑智解释，数据训练固然重要，但同时纳人的算法模型也在不断调整改进。“很多人认为，把成千上万个棋谱丢给AlphaGo，它就能去打败人类高手了。但事实并非如此，它也要依赖工程师一直在改进它的算法程序。海量数据的获取、机器学习和系统算法模型的不断改进，一个都不能少。”

而在姜海峰看来，这样的三种技术能力结合，不断提高模型匹配的精准度，就是纳人的竞争优势所在。“并不是任何一家企业，拥有了数据和算法模型，就一定能够在这场竞争中胜出。”

面试前环节的“一站式解决”

目前，纳人的整个网站平台上部署了三部分业务。一是帮企业筛选求职者的应聘管理，一家企业可能会有多个招聘渠道，但如果HR在注册纳人平台时，选择绑定这些平台帐户并设置职位转发后，这些渠道投递的简历都会转发到纳人平台。经过合并去重，机器会自动筛选出相关求职者，并对其进行在线测评。最后，后台自动将匹配的求职者简历推荐给HR。

姜海峰表示，这个过程简历筛选的淘汰率可以达到90%。也就是说，如果每天HR在不同渠道收到100份简历，纳人后台会自动筛选出其中最优的10份，一般一两天后就可以实现和求职者沟通得出结果，效率比传统方式大大提高。

其次是简历推荐服务。根据HR发布的职位，机器每天会自动推荐合格的简历。HR也可以在纳人简历库中搜索，里面都是机器匹配的职位筛选初步合格的求职者，经过纳人的算法筛选后，和职位的对应精准度，比起传统平台的关键词对应来也具有极大提升。“绝对不会出现HR输入java关键词，寻求java工程师，结果会搜索出做过Java 面试官的HR来的情况。”

第三则是猎头服务。企业在平台的猎头服务模块发布了职位，猎头沟通确认需求细节后，再次在平台上录入，进行人才挖掘。之后由机器根据条件自动筛选出候选人，由猎头进行沟通和对企业的推荐。姜海峰表示，这样，猎头的关注点集中在如何与“人”沟通上，筛选简历过程由机器进行，既能完全发挥猎头的经验和能力，又能实现效率的明显提高。

90%的简历淘汰率，对于求职者来说，似乎是增加了求职难度，但是姜海峰认为，“很大一部分原因是，很多求职者简历写得没有亮点。”他介绍说，纳人5月即将上线自动简历诊断服务，运用典型的自然语言处理，分析并诊断简历内容，找出简历存在的问题。同时，平台还会生成一份优秀简历模版，供求职者进行参考，优化简历，增加求职者的机会。

目前，纳人的营收来源主要是针对B端收取服务费，例如精准简历下载和猎头服务费用。此外，纳人还提供一种“保入职服务”，按效果服务企业，直到员工入职。

姜海峰透露，目前，纳人已经服务了一万多家企业用户，但和其他平台不同的是，其中有大约三分之二都是通过智能化服务方式获取的。“我们会自动扫描当前市场上企业招聘信息，我们会自动推荐相匹配的简历，企业就自然发展成我们的注册客户。”

在姜海峰看来，不仅仅是招聘平台，在未来，人工智能在所有领域都会成为像基础设施一样的存在。所有需要投入大量人力的、高重复性的劳动，都会逐步使用机器来辅助，提高效率。

想当年，微软小冰就曾担任过“面试官”，对微软亚洲互联网工程院招募的实习生进行面试，在十几个小时里完成面试初筛12000多人，其中超过3500名粉丝通过面试。或许机器对如何找出最合适的人还不是那么在行，但是在海量简历中，筛掉“不合适”的数据，或许效率已经能够超过人类。姜海峰也对未来的AI招聘平台做过设想：HR可能只要打开平台，要求把主动投递的简历进行智能筛选，再点击按纽获取就可以了。或许，在未来，机器真正担任在线的“面试官”也将能够真实地发生。毕竟，比起人类来，机器远不会被情绪、感情和自身的经历，影响面试的结果。

欢迎关注黑智