TW201737167A - 資料處理方法及裝置 - Google Patents

資料處理方法及裝置 Download PDF

Info

Publication number
TW201737167A
TW201737167A TW106105972A TW106105972A TW201737167A TW 201737167 A TW201737167 A TW 201737167A TW 106105972 A TW106105972 A TW 106105972A TW 106105972 A TW106105972 A TW 106105972A TW 201737167 A TW201737167 A TW 201737167A
Authority
TW
Taiwan
Prior art keywords
interview
interviewer
interviewers
data
average value
Prior art date
Application number
TW106105972A
Other languages
English (en)
Inventor
hua-qing Song
Tao Fang
shi-qi Liu
Ren Tang
chuan-jun Peng
Original Assignee
Alibaba Group Services Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Alibaba Group Services Ltd filed Critical Alibaba Group Services Ltd
Publication of TW201737167A publication Critical patent/TW201737167A/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/105—Human resources
    • G06Q10/1053—Employment or hiring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06398—Performance of employee with respect to a job function
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申請涉及一種資料處理方法及裝置。其中，資料處理方法包括：獲取設定歷史期間內對候選人的面試資料，所述面試資料以次為單位，每次的面試資料包括候選人、面試官、面試結果；基於所述面試資料反映出的不同面試官的面試結果差異，對面試官進行評價。本發明能夠自動利用海量的歷史面試資料對面試官的面試能力進行評價，一方面節省了人工評價面試官的工作量，降低了企業管理面試官隊伍的成本，另一方面對面試官的面試能力的評價更加客觀、準確，有助於企業選拔優秀的面試官，從而提升本企業的面試效果。

Description

資料處理方法及裝置
本發明關於電腦領域，尤其關於一種資料處理方法及裝置。
人才招聘是企業發展過程中不可缺少的一個重要環節。在各個企業中，通常具有專門的面試官負責進行招聘的面試工作。特別是具有較大招聘需求的大企業，面試官隊伍非常龐大。
而面試官本身的能力有著參差不齊。對於大企業，處在面試環節初期的簡歷評估和第一輪面試任務，直接面對海量的應聘請求，面試官難免會有一些主觀或者誤判的情況。這時，評價一位面試官的面試能力尤為重要。一位優秀的面試官可以大大減少誤判，並可以留下具有參考價值的面試回饋，供後續其他面試官參考，提升資訊的互通，提供效率。反之，則會形成惡性循環。
目前，對面試官面試能力的評價主要通過人工的方式，由HR(人力資源)或者主管的主觀感覺或者統計面試結果來評價和管理面試官，這種方式有兩個缺陷：一是 對面試官面試能力的評價結論過於主觀，不夠準確，二是評價面試官面試能力的人工工作量大，效率低下，特別是面試官隊伍比較大時，工作量大增，效率更低，其效果也會大打折扣。
本發明的目的在於提供一種資料處理方法及裝置，能夠使對面試官的面試能力的評價更加客觀、準確，有助於提升面試效果。
為實現上述目的，本發明提出了一種資料處理方法，包括：獲取設定歷史期間內對候選人的面試資料，所述面試資料以次為單位，每次的面試資料包括候選人、面試官、面試結果；基於所述面試資料反映出的不同面試官的面試結果差異，對面試官進行評價。
進一步地，上述方法還可具有以下特點，所述基於所述面試資料反映出的不同面試官的面試結果差異，對面試官進行評價，包括：基於所述面試資料反映出的不同面試官對相同候選人的面試結果差異程度確定待評定面試官在一定面試官群體中的相對面試能力層級。
進一步地，上述方法還可具有以下特點，所述不同面試官的面試結果差異包括：不同面試官對相同候選人在不 同應聘的相同環節給予所述相同候選人的面試結果差異，和/或，不同面試官對相同候選人在相同應聘的不同環節給予所述相同候選人的面試結果差異。
進一步地，上述方法還可具有以下特點，所述基於所述面試資料反映出的不同面試官對相同候選人的面試結果差異程度確定待評定面試官在一定面試官群體中的相對面試能力層級包括：按照設定的評價分值模型，利用所述面試資料計算每次面試的評價分值，所述評價分值模型以不同面試官對相同候選人的面試結果差異程度為基礎；分別計算各個面試官單次面試的評價分值平均值，記為第一平均值；按照設定的排名得分模型，根據所述第一平均值計算各個面試官的排名得分；按照所述排名得分降冪順序對各個面試官進行排名，所述待評定面試官取得的排名名次即為所述待評定面試官在所述面試官群體中的相對面試能力層級。
進一步地，上述方法還可具有以下特點，所述按照設定的排名得分模型，根據所述第一平均值計算各個面試官的排名得分包括：令各個面試官的排名得分等於各自對應的第一平均值。
進一步地，上述方法還可具有以下特點，所述按照設定的排名得分模型，根據所述第一平均值計算各個面試官 的排名得分包括：計算所述面試資料涉及的所有面試官單次面試的評價分值平均值，記為第二平均值；根據所述第一平均值和所述第二平均值的權重，得到各個面試官的排名得分。
進一步地，上述方法還可具有以下特點，所述根據所述第一平均值和所述第二平均值的權重，得到各個面試官的排名得分包括：設置所述第一平均值的權重與v/(v+m)正相關、所述第二平均值的權重與m/(v+m)正相關，其中，v為所述面試資料中涉及的相應單個面試官的總面試次數，m為預設的面試次數閾值。
本發明實施例的資料處理方法，能夠自動利用海量的歷史面試資料對面試官的面試能力進行評價，一方面節省了人工評價面試官的工作量，效率高，且降低了企業管理面試官隊伍的成本，另一方面對面試官的面試能力的評價更加客觀、準確，有助於企業選拔優秀的面試官，從而提升本企業的面試效果。
為實現上述目的，本發明還提出了一種資料處理裝置，包括：獲取模組，用於獲取設定歷史期間內對候選人的面試資料，所述面試資料以次為單位，每次的面試資料包括候選人、面試官、面試結果；評價模組，用於基於所述面試資料反映出的不同面試 官的面試結果差異，對面試官進行評價。
進一步地，上述裝置還可具有以下特點，所述評價模組包括：確定模組，用於基於所述獲取模組獲取的所述面試資料反映出的不同面試官對相同候選人的面試結果差異程度確定待評定面試官在一定面試官群體中的相對面試能力層級。
進一步地，上述裝置還可具有以下特點，所述不同面試官的面試結果差異包括：不同面試官對相同候選人在不同應聘的相同環節給予所述相同候選人的面試結果差異，和/或，不同面試官對相同候選人在相同應聘的不同環節給予所述相同候選人的面試結果差異。
進一步地，上述裝置還可具有以下特點，所述確定模組包括：評價分值計算模組，用於按照設定的評價分值模型，利用所述面試資料計算每次面試的評價分值，所述評價分值模型以不同面試官對相同候選人的面試結果差異程度為基礎；第一計算模組，用於分別計算各個面試官單次面試的評價分值平均值，記為第一平均值；排名得分模組，用於按照設定的排名得分模型，根據所述第一計算模組計算出的第一平均值計算各個面試官的排名得分；排名模組，用於按照所述排名得分模組計算出的排名 得分降冪順序對各個面試官進行排名，所述待評定面試官取得的排名名次即為所述待評定面試官在所述面試官群體中的相對面試能力層級。
進一步地，上述裝置還可具有以下特點，所述排名得分模組包括：第一處理單元，用於令各個面試官的排名得分等於各自對應的第一平均值。
進一步地，上述裝置還可具有以下特點，所述排名得分模組包括：第二計算單元，用於計算所述面試資料涉及的所有面試官單次面試的評價分值平均值，記為第二平均值；第二處理單元，用於根據所述第一計算模組計算出的所述第一平均值和所述第二計算單元計算出的所述第二平均值的權重，得到各個面試官的排名得分。
進一步地，上述裝置還可具有以下特點，所述第二處理單元包括：設置子單元，用於設置所述第一平均值的權重與v/(v+m)正相關、所述第二平均值的權重與m/(v+m)正相關，其中，v為所述面試資料中涉及的相應單個面試官的總面試次數，m為預設的面試次數閾值。
本發明實施例的資料處理裝置，能夠自動利用海量的歷史面試資料對面試官的面試能力進行評價，一方面節省了人工評價面試官的工作量，效率高，且降低了企業管理面試官隊伍的成本，另一方面對面試官的面試能力的評價 更加客觀、準確，有助於企業選拔優秀的面試官，從而提升本企業的面試效果。
16‧‧‧查詢請求接收模組
18‧‧‧查詢模組
20‧‧‧資訊建立模組
22‧‧‧資訊發送模組
28‧‧‧呼叫請求接收模組
30‧‧‧查詢請求發送模組
32‧‧‧號碼資訊接收模組
34‧‧‧呼叫模組
40‧‧‧號碼請求接收模組
42‧‧‧號碼分配模組
44‧‧‧綁定模組
46‧‧‧呼叫模組
100‧‧‧伺服器
110‧‧‧伺服器
120‧‧‧伺服器
圖1為本發明實施例一中資料處理方法的流程圖。
圖2為一個候選人的面試資料關聯示意圖。
圖3為本發明實施例二中資料處理裝置的結構框圖。
以下結合附圖對本發明的原理和特徵進行描述，所舉實施例只用於解釋本發明，並非用於限定本發明的範圍。對於本領域普通技術人員來講，在不付出創造性勞動的前提下，根據本發明精神所獲得的所有實施例，都屬於本發明的保護範圍。
圖1為本發明實施例一中資料處理方法的流程圖。如圖1所示，本實施例中，資料處理方法可以包括如下步驟：
步驟S101，獲取設定歷史期間內對候選人的面試資料，其中，面試資料以次為單位，每次的面試資料包括候選人、面試官、面試結果；這裡，獲取的面試資料是過去一段時期內的面試資料，例如，可以是過去一年或兩年中的面試資料，也可以是過去幾個月內的面試資料。
其中，面試結果可以包括是否通過、面試官給予候選 人的評定層級等。在具體應用中，可以將通過面試標記為1，將未通過面試標記為0。而面試官給予候選人的評定層級可以是設定的整數範圍，比如1到5的整數、1到10的整數等等。
步驟S102，基於面試資料反映出的不同面試官的面試結果差異，對面試官進行評價。
在本發明實施例中，步驟S102可以包括：基於面試資料反映出的不同面試官對相同候選人的面試結果差異程度確定待評定面試官在一定面試官群體中的相對面試能力層級。
本文中，相同候選人可以包括一個候選人，也可以包括多個候選人。面試官對間接相同的候選人進行面試的結果也可以用來進行評價。
其中，一定面試官群體一般可以是一個公司內部的所有面試官。步驟S102中的面試官群體可以理解為是步驟S101中面試資料涉及的所有面試官。
其中，面試結果差異程度是針對相同候選人，不同面試官給予的面試結果之間的差別大小。例如，一個候選人申請了一個公司的5個職位，每一個職位的面試中有一個面試官，而且每一個職位的面試都只有1輪。假如在這5個職位的面試中，只有一個面試官(假設為面試官A)的面試結果是未通過面試，而其他4位面試官的面試結果都是通過面試，那麼面試官A與其他面試官對相同候選人的面試結果差異程度很大。而如果有3個面試官(包括面試 官A在內)的面試結果是未通過面試，而其他2位面試官的面試結果都是通過面試，那麼面試官A與其他面試官對相同候選人的面試結果差異程度較小。
當然，面試結果差異程度是基於步驟S101中的大量的面試資料產生的，而不是只根據一次或少數幾次的面試結果確定的。也就是說，面試結果差異程度是基於很多次的大量的面試結果得出的結論，而不是基於個別的一次或幾次的資料。
其中，不同面試官的面試結果差異可以包括不同面試官對相同候選人在不同應聘的相同環節給予該相同候選人的面試結果差異。不同面試官的面試結果差異還可以包括不同面試官對相同候選人在相同應聘的不同環節給予該相同候選人的面試結果差異。在本發明實施例中，可以同時包括這兩種情形，也可以包括這兩種情形之一。
在本發明實施例中，基於面試資料反映出的不同面試官對相同候選人的面試結果差異程度確定待評定面試官在一定面試官群體中的相對面試能力層級，可以包括如下步驟a至步驟d：
步驟a，按照設定的評價分值模型，利用面試資料計算每次面試的評價分值，該評價分值模型以不同面試官對相同候選人的面試結果差異程度為基礎；本步驟實質上是對每一次面試進行打分的過程。基於相同標準(這裡指相同的評價分值模型)對每一次面試進行打分，然後後續再對大量這樣的打分結果進行處理。
步驟b，分別計算各個面試官單次面試的評價分值平均值，記為第一平均值；假設一個面試官的總面試次數是M，該面試官在該M次面試中得到的評價分值之和為N，則該面試官的第一平均值等於N/M，其中，符號“/”表示除以運算。
面試官某一次的評價分值具有較大的偶然性，但很多次面試的評價分值的平均值可以比較真實地反映該面試官在單次面試中的評價分值水準。
步驟c，按照設定的排名得分模型，根據第一平均值計算各個面試官的排名得分；排名得分用於評價面試官的面試能力，排名得分越高，面試官的面試能力越強，反之，排名得分越高，面試官的面試能力越差。
步驟d，按照排名得分降冪順序對各個面試官進行排名，其中，待評定面試官取得的排名名次即為待評定面試官在該面試官群體中的相對面試能力層級。
在本發明實施例中，上述的步驟c可以包括：令各個面試官的排名得分等於各自對應的第一平均值。
在本發明實施例中，上述的步驟c可以包括：計算面試資料涉及的所有面試官單次面試的評價分值平均值，記為第二平均值；根據第一平均值和第二平均值的權重，得到各個面試官的排名得分。例如可以對第一平均值和第二平均值進行加權相加，將加權相加的結果作為面試官的排名得分。假設面試資料涉及的所有面試官的總面試次數是 T，該T次面試的評價分值總和是Q，則第二平均值等於Q/T，其中，符號“/”表示除以運算。對第一平均值和第二平均值進行加權相加得到的排名得分更加客觀和有針對性。
在本發明實施例中，根據第一平均值和第二平均值的權重，得到各個面試官的排名得分可以包括：設置第一平均值的權重與v/(v+m)正相關、第二平均值的權重與m/(v+m)正相關，其中，v為面試資料中涉及的相應單個面試官的總面試次數，m為預設的面試次數閾值。m的設定依據可以是單次面試評價分值最高的前設定數目個面試官的最低面試次數。也就是說，可以將單次面試評價分值最高的前設定數目個面試官的最低面試次數設置為面試次數閾值。
下面通過具體應用示例來對本發明的資料處理方法作進一步的詳細說明。
示例一
本示例中，假設面試結果包含兩方面內容，一是是否通過面試，通過標記為1，未通過標記為0，二是面試官給予候選人的層級。一個候選人的面試資料可以用圖2所示的面試資料關聯圖表示。
圖2中，橫坐標Application表示每一次應聘，縱坐標Task表示每一輪面試任務。圖2中，Pij表示第i場應聘的第j輪面試任務是否通過(Pij的值為0或1)，Lij 表示第i場應聘的第j輪面試任務中面試官給出的層級。
本示例中設置，對單次面試的評價分值最高為5分。
(11)按照設定的評價分值模型，利用面試資料計算每次面試的評價分值，本示例中的評價分值模型如下：S=Max{WHorizontal*SHorizontal+WVertical*SVertical，5} 公式(1)
其中，WHorizontal和WVertical為根據經驗值預先設置的權重，SHorizontal為水平權重，由下面的公式(2)計算得到，SVertical為垂直權重，由下面的公式(3)計算得到。
WHorizontal和WVertical兩者之和為定值，當更注重水平權重SHorizontal時，可以設置WHorizontal大於WVertical，當更注重垂直權重SVertical時，可以設置WHorizontal小於WVertical。
水平權重SHorizontal的計算公式如下：SHorizontal=Max{SP1+SL1，5} 公式(2)
計算水平權重SHorizontal時，j固定，其中，當Pi=1且Pi+1=0時，SP1=2；當Pi=1且Pi+1=1時，SP1=4；當Pi=0時，SP1=0；當Li=Li+1時，SL1=α1*(Li+β1)；當|L i -L i+1|=1時，SL1=0，|L i -L i+1|表示Li與Li+1之差的絕對值；當|L i -L i+1|>1時，SL1=-α2*(|L i -L i+1|+β2)。
其中，α1、β1、α2、β2為預設的加權因數，且α1、β1、α2、β2為正數。
垂直權重SVertical的計算公式如下：SVertical=Max{SP2+SL2，5} 公式(3)
計算垂直權重SVertical時，i固定，其中，當Pj=1且Pj+1=0時，SP2=2；當Pj=1且Pj+1=1時，SP2=4；當Pj=0時，SP2=0；當Lj=Lj+1時，SL2=α1*(Li+β1)；當|L j -L j+1|=1時，SL2=0，|L j -L j+1|表示Lj與Lj+1之差的絕對值；當|L j -L j+1|>1時，SL2=α2*(|L j -L j+1|+β2)。
其中，α1、β1、α2、β2為預設的加權因數，且α1、β1、α2、β2為正數。
根據本示例中的評價分值模型，如果兩次的評價不同，則兩次評價之間的差距越大，評價分值將會越低。
(12)分別計算各個面試官單次面試的評價分值平均值，記為第一平均值，假設待評定面試官的第一平均值為R；假設一個面試官的總面試次數是M，該面試官在該M次面試中得到的評價分值之和為N，則該面試官的第一平均值等於N/M，其中，符號“/”表示除以運算。
(13)計算面試資料涉及的所有面試官單次面試的評價分值平均值，記為第二平均值，假設第二平均值為C；假設面試資料涉及的所有面試官的總面試次數是T， 該T次面試的評價分值總和是Q，則第二平均值等於Q/T，其中，符號“/”表示除以運算。
(14)對第一平均值和第二平均值進行加權相加，得到各個面試官的排名得分；設置第一平均值的權重為v/(v+m)、第二平均值的權重為m/(v+m)，其中，v為面試資料中涉及的相應單個面試官的總面試次數，m為單次面試評價分值最高(這個排名按照(11)中計算出的單次面試得到的S值排列)的前設定數目個面試官的最低面試次數。
則待評定面試官的排名得分WR的計算方法如下面的公式(4)：
每個面試官的排名得分都可以按照公式(1)至公式(4)計算得到。
(15)按照排名得分降冪順序對各個面試官進行排名，其中，待評定面試官取得的排名名次即為待評定面試官在該面試官群體中的相對面試能力層級。
示例二
本示例中，假設面試結果只包含一方面內容，即是否通過面試。假設每一個候選人應聘數個職位，每次應聘的面試只有一輪，每次面試只有一個面試官。
(21)按照設定的評價分值模型，利用面試資料計算 每次面試的評價分值，本示例中的評價分值模型如下：評價分值等於面試結果在對相同候選人的所有面試結果中所占的比例。例如，一個候選人應聘10個職位，其中，給予未通過面試的面試結果有4個，給予通過面試的面試結果有6個，那麼給予未通過面試的面試的評價分值為4/(4+6)=0.4，給予通過面試的面試的評價分值為6/(4+6)=0.6。
(22)分別計算各個面試官單次面試的評價分值平均值，記為第一平均值；(23)對面試官的第一平均值作為面試官的排名得分；(24)按照排名得分降冪順序對各個面試官進行排名，其中，待評定面試官取得的排名名次即為待評定面試官在該面試官群體中的相對面試能力層級。
本發明實施例的資料處理方法，能夠自動利用海量的歷史面試資料對面試官的面試能力進行評價，一方面節省了人工評價面試官的工作量，效率高，且降低了企業管理面試官隊伍的成本，另一方面對面試官的面試能力的評價更加客觀、準確，有助於企業選拔優秀的面試官，從而提升本企業的面試效果。
圖3為本發明實施例二中資料處理裝置的結構框圖。圖3中的資料處理裝置可以用於實施本發明前述實施例中的資料處理方法。本發明前述資料處理方法實施例中的原理說明也適用於下述的資料處理裝置。
如圖3所示，本實施例中，資料處理裝置300可以包括獲取模組310、評價模組320。其中，獲取模組310用於獲取設定歷史期間內對候選人的面試資料，其中，面試資料以次為單位，每次的面試資料包括候選人、面試官、面試結果。評價模組320用於基於所述面試資料反映出的不同面試官的面試結果差異，對面試官進行評價。
在本發明實施例中，評價模組320可以包括確定模組。確定模組用於基於面試資料反映出的不同面試官對相同候選人的面試結果差異程度確定待評定面試官在一定面試官群體中的相對面試能力層級。
其中，不同面試官的面試結果差異可以包括不同面試官對相同候選人在不同應聘的相同環節給予該相同候選人的面試結果差異。不同面試官的面試結果差異還可以包括不同面試官對相同候選人在相同應聘的不同環節給予該相同候選人的面試結果差異。在本發明實施例中，可以同時包括這兩種情形，也可以包括這兩種情形之一。
在本發明實施例中，確定模組可以進一步包括評價分值計算模組、第一計算模組、排名得分模組、排名模組。其中，評價分值計算模組用於按照設定的評價分值模型，利用面試資料計算每次面試的評價分值，其中，評價分值模型以不同面試官對相同候選人的面試結果差異程度為基礎；第一計算模組用於分別計算各個面試官單次面試的評價分值平均值，記為第一平均值；排名得分模組用於按照設定的排名得分模型，根據第一計算模組計算出的第一平 均值計算各個面試官的排名得分；排名模組用於按照排名得分模組計算出的排名得分降冪順序對各個面試官進行排名，待評定面試官取得的排名名次即為待評定面試官在該面試官群體中的相對面試能力層級。
在本發明實施例中，上述的排名得分模組可以包括第一處理單元。第一處理單元用於令各個面試官的排名得分等於各自對應的第一平均值。
在本發明實施例中，上述的排名得分模組可以包括第二計算單元和第二處理單元。第二計算單元用於計算面試資料涉及的所有面試官單次面試的評價分值平均值，記為第二平均值。第二處理單元用於根據第一計算模組計算出的第一平均值和第二計算單元計算出的第二平均值的權重，得到各個面試官的排名得分。例如可以對第一平均值和第二平均值進行加權相加，將加權相加的結果作為面試官的排名得分。
在本發明實施例中，上述的第二處理單元可以包括設置子單元。設置子單元用於設置第一平均值的權重與v/(v+m)正相關、第二平均值的權重與m/(v+m)正相關，其中，v為面試資料中涉及的相應單個面試官的總面試次數，m為預設的面試次數閾值。
本發明實施例的資料處理裝置，能夠自動利用海量的歷史面試資料對面試官的面試能力進行評價，一方面節省了人工評價面試官的工作量，效率高，且降低了企業管理面試官隊伍的成本，另一方面對面試官的面試能力的評價 更加客觀、準確，有助於企業選拔優秀的面試官，從而提升本企業的面試效果。
以上所述僅為本發明的較佳實施例，並不用以限制本發明，凡在本發明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發明的保護範圍之內。

Claims (14)

  1. 一種資料處理方法，其特徵在於，包括：獲取設定歷史期間內對候選人的面試資料，該面試資料以次為單位，每次的面試資料包括候選人、面試官、面試結果；基於該面試資料反映出的不同面試官的面試結果差異，對面試官進行評價。
  2. 根據申請專利範圍第1項所述的資料處理方法，其中，所述基於該面試資料反映出的不同面試官的面試結果差異，對面試官進行評價，包括：基於該面試資料反映出的不同面試官對相同候選人的面試結果差異程度，確定待評定面試官在一定面試官群體中的相對面試能力層級。
  3. 根據申請專利範圍第1項所述的資料處理方法，其中，該不同面試官的面試結果差異包括：不同面試官對相同候選人在不同應聘的相同環節給予該相同候選人的面試結果差異，及/或，不同面試官對相同候選人在相同應聘的不同環節給予該相同候選人的面試結果差異。
  4. 根據申請專利範圍第2項所述的資料處理方法，其中，所述基於該面試資料反映出的不同面試官對相同候選人的面試結果差異程度，確定待評定面試官在一定面試官群體中的相對面試能力層級包括：按照設定的評價分值模型，利用該面試資料計算每次面試的評價分值，該評價分值模型以不同面試官對相同候 選人的面試結果差異程度為基礎；分別計算各個面試官單次面試的評價分值平均值，記為第一平均值；按照設定的排名得分模型，根據該第一平均值計算各個面試官的排名得分；按照該排名得分降冪順序對各個面試官進行排名，該待評定面試官取得的排名名次即為該待評定面試官在該面試官群體中的相對面試能力層級。
  5. 根據申請專利範圍第4項所述的資料處理方法，其中，該按照設定的排名得分模型，根據該第一平均值計算各個面試官的排名得分包括：令各個面試官的排名得分等於各自對應的第一平均值。
  6. 根據申請專利範圍第4項所述的資料處理方法，其中，該按照設定的排名得分模型，根據該第一平均值計算各個面試官的排名得分包括：計算該面試資料涉及的所有面試官單次面試的評價分值平均值，記為第二平均值；根據該第一平均值和該第二平均值的權重，得到各個面試官的排名得分。
  7. 根據申請專利範圍第6項所述的資料處理方法，其中，所述根據該第一平均值和該第二平均值的權重，得到各個面試官的排名得分包括：設置該第一平均值的權重與v/(v+m)正相關，該第二 平均值的權重與m/(v+m)正相關，其中，v為該面試資料中涉及的相應單個面試官的總面試次數，m為預設的面試次數閾值。
  8. 一種資料處理裝置，其特徵在於，包括：獲取模組，用於獲取設定歷史期間內對候選人的面試資料，該面試資料以次為單位，每次的面試資料包括候選人、面試官、面試結果；評價模組，用於基於該面試資料反映出的不同面試官的面試結果差異，對面試官進行評價。
  9. 根據申請專利範圍第8項所述的資料處理裝置，其中，該評價模組包括：確定模組，用於基於該獲取模組獲取的該面試資料反映出的不同面試官對相同候選人的面試結果差異程度確定待評定面試官在一定面試官群體中的相對面試能力層級。
  10. 根據申請專利範圍第8項所述的資料處理裝置，其中，該不同面試官的面試結果差異包括：不同面試官對相同候選人在不同應聘的相同環節給予該相同候選人的面試結果差異，及/或，不同面試官對相同候選人在相同應聘的不同環節給予該相同候選人的面試結果差異。
  11. 根據申請專利範圍第9項所述的資料處理裝置，其中，該確定模組包括：評價分值計算模組，用於按照設定的評價分值模型，利用該面試資料計算每次面試的評價分值，該評價分值模型以不同面試官對相同候選人的面試結果差異程度為基 礎；第一計算模組，用於分別計算各個面試官單次面試的評價分值平均值，記為第一平均值；排名得分模組，用於按照設定的排名得分模型，根據該第一計算模組計算出的第一平均值計算各個面試官的排名得分；排名模組，用於按照該排名得分模組計算出的排名得分降冪順序對各個面試官進行排名，該待評定面試官取得的排名名次即為該待評定面試官在該面試官群體中的相對面試能力層級。
  12. 根據申請專利範圍第11項所述的資料處理裝置，其中，該排名得分模組包括：第一處理單元，用於令各個面試官的排名得分等於各自對應的第一平均值。
  13. 根據申請專利範圍第11項所述的資料處理裝置，其中，該排名得分模組包括：第二計算單元，用於計算該面試資料涉及的所有面試官單次面試的評價分值平均值，記為第二平均值；第二處理單元，用於根據該第一計算模組計算出的該第一平均值和該第二計算單元計算出的該第二平均值的權重，得到各個面試官的排名得分。
  14. 根據申請專利範圍第13項所述的資料處理裝置，其中，該第二處理單元包括：設置子單元，用於設置該第一平均值的權重與 v/(v+m)正相關、該第二平均值的權重與m/(v+m)正相關，其中，v為該面試資料中涉及的相應單個面試官的總面試次數，m為預設的面試次數閾值。
TW106105972A 2016-03-31 2017-02-22 資料處理方法及裝置 TW201737167A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610195728.3A CN107292575A (zh) 2016-03-31 2016-03-31 数据处理方法及装置

Publications (1)

Publication Number Publication Date
TW201737167A true TW201737167A (zh) 2017-10-16

Family

ID=59963475

Family Applications (1)

Application Number Title Priority Date Filing Date
TW106105972A TW201737167A (zh) 2016-03-31 2017-02-22 資料處理方法及裝置

Country Status (6)

Country Link
US (1) US20190034884A1 (zh)
EP (1) EP3438898A4 (zh)
JP (1) JP2019512788A (zh)
CN (1) CN107292575A (zh)
TW (1) TW201737167A (zh)
WO (1) WO2017167117A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108734445A (zh) * 2018-05-24 2018-11-02 佛山市轻遣网络有限公司 一种招聘管理系统及其方法
CN109522511B (zh) * 2018-10-22 2021-04-20 大连理工大学 一种基于复盘的面试计分方法
CN110209972B (zh) * 2019-05-16 2021-08-10 北京字节跳动网络技术有限公司 一种数据处理方法、电子设备及存储介质
JP6741319B1 (ja) * 2019-10-04 2020-08-19 Ｆａｍｚ株式会社 面接支援方法、面接支援装置、面接支援プログラムおよび記録媒体
CN111027833B (zh) * 2019-11-29 2020-11-10 珠海随变科技有限公司 商品转化指数的计算方法、装置、设备和存储介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009114129A1 (en) * 2008-03-10 2009-09-17 Hiaim, Inc. Method and system for managing on-line recruiting
CN101847223A (zh) * 2009-03-24 2010-09-29 一零四管理顾问股份有限公司 对企业进行评价的方法
CN102609771A (zh) * 2011-01-24 2012-07-25 马军 一种对企业进行评估的方法
CN202677456U (zh) * 2012-07-04 2013-01-16 黑龙江省计算中心 考生面试信息管理系统
KR101616909B1 (ko) * 2012-10-31 2016-04-29 에스케이텔레콤 주식회사 자동 채점 장치 및 방법
US20140156356A1 (en) * 2012-12-05 2014-06-05 Michael Olivier Systems and methods for determining effectiveness of interviews and meetings
US20150120398A1 (en) * 2013-10-31 2015-04-30 Linkedln Corporation Systems and methods for evaluating interviewers

Also Published As

Publication number Publication date
US20190034884A1 (en) 2019-01-31
JP2019512788A (ja) 2019-05-16
CN107292575A (zh) 2017-10-24
EP3438898A1 (en) 2019-02-06
WO2017167117A1 (zh) 2017-10-05
EP3438898A4 (en) 2019-02-06

Similar Documents

Publication Publication Date Title
TW201737167A (zh) 資料處理方法及裝置
Alwi et al. Identifying the important causes of delays in bulding construction projects
Datta et al. Upper‐echelon executive human capital and compensation: Generalist vs specialist skills
Heinrich Do government bureaucrats make effective use of performance management information?
Baba et al. Leveraging non-expert crowdsourcing workers for improper task detection in crowdsourcing marketplaces
CN112232706A (zh) 基于行为与能力维度的能力评价方法、系统、终端及介质
CN112766869A (zh) 一种数字化人力资源管理的人岗匹配算法
Hoffmann et al. Earnings dynamics and labor market reforms: The Italian case
Mambwe et al. Impact of stakeholder engagement on performance of construction projects in Lusaka District
Aigbavboa et al. Construction project delays in Lusaka, Zambia: causes and effects
US20150348206A1 (en) Mortality Progression Methods and Systems
Janizar et al. MULTI DIMENSIONAL TRADE-OFF MODEL STUDY ON REMUNERATION OF CONSULTANTS IN THE CONSTRUCTION SECTOR
Osano et al. Factors influencing performance of business process reengineering projects in banks in Kenya: Case of Kenya commercial bank
CN110322273A (zh) 一种基于QoS的用户激励信息处理方法及系统
Reddy et al. Impact of incentive schemes on employee performance: A case study of singareni collieries company limited, kothagudem, andhra pradesh, india
US20240161064A1 (en) System and method for improving fairness among job candidates
Aliyu et al. Influence of building contractors’ performance on construction process in Nigeria: A review of emerging literature
KR102156587B1 (ko) 인공지능 학습데이터 생성을 위한 크라우드소싱 기반 프로젝트의 작업자 및 검수자의 증감 운영 방법
KS Human Resource Accounting Practices and its Impact on Managerial Performance-A Study
Mohammed The Impact of Financial Crisis on Construction Projects-A Case Study: the Erbil Governorate in Kurdistan Region of Iraq
Zhang et al. Value-for-money drivers of PPP projects in China
Freyens Measuring firing costs: The case for direct methods
CN116562551B (zh) 一种保安服务公司的信用评价方法及评价系统
Addo Determination of contingency sum for building projects in Ghana
Goodman et al. The Australian Context and Background to the Research