京公网安备 11010802034615号
经营许可证编号:京B2-20210330
纳人:用大数据来招聘到最合适的人才
招聘不是招最优秀的人,而是招最合适的人。纳人坚持的就是如此。
“企业核心就是团队、战略方向和资金,只有一群人能有效组织,搭配合理,企业才能高效运转。这就像齿轮一样,只有合适的尺寸放在一起才可以无消耗运转,不然就算有福利等润滑油,也无济于事。”纳人创始人姜海峰介绍道。
在创立的近一年时间,纳人以在线考评为核心,建立了1000多个维度的考核机制,包括个人性格、行业背景、学习背景等。纳人再根据背后大数据的逻辑来分析评价,为每个企业提供合适的人选。
在此之后,纳人可以提供两种服务,一种是免费的,纳人通过自己建立的模型和人工智能来帮助企业进行职位匹配,筛选那些企业通过各种渠道收集到的各种简历,准确率可以高达90%。
另外一种服务则是人才服务系统,纳人为一些企业提供招聘服务,从精准匹配筛选到最后帮助企业招到合适的人才,这包括筛选简历、匹配简历、电话预约面试、预约到场面试等,时长最短一周,最长两三周。同时纳人收取0.1到0.6的月薪佣金,这大概是猎头服务费的十分之一。
对于个人用户来说,纳人是完全免费的,用户通过手机客户端完成在线考评和信息更新,纳人就会采用区别于传统定制推送的静默式服务,一个月系统自动推送一个适合的职位给个人用户。
同时纳人人才经纪人也会去跟用户联系,一旦用户觉得有更好的发展机会,想变动,就会进行工作机会的撮合。
纳人坚持做的是推动型,而不是鼓动型就业。用户有思考的余地,有合适的机会就可以考虑。尤其是发现职业规划合适、离家近等各方面非常贴切的,就跟用户进行沟通,力争达到双方都满意。
“现在的IT行业,人才的流动基本在一年半到两年之间。虽然不是特别高频的事情,但由于高效,目前也积累到了150万用户,而且这些用户都有完整的简历。”联合创始人李瑛示。
至于盈利模式,纳人打破传统的招聘平台广告付费的模式,而是为效果付费。“我们建立了一个专门的人才经纪服务团队,对每家有招聘需求的企业都会进行深入了解,从创始人到公司的发展历程,熟悉业务和氛围等,列出详细的职位需求表,给用户提供高品质的需求,他们何乐而不为。”
这一切都是通过纳人的技术来实现的。姜海峰表示,“我本人申请的国内外发明专利达17项。我们通过模型和算法筛选简历,看100份简历只需要1分钟即可。目前该模型的智能化程度已经相当于有两三年工作经验的招聘经理。”
、
“我们不是简单的炒概念,创立一年半以来,我们不断投入研发,本身就具有技术壁垒,未来也会保持高速发展。不断优化机器的智能化,与人工的经验水平接近“
在姜海峰看来,传统的猎头不能规模化,猎头都是需要训练的,符号复制。而纳人最大的核心是机器智能,这就相当于猎头的2.0版本,可以复制规模化,效率就回提高很多。
此外,“招聘经理都很难做到5到6年,大部分都会转岗,这部分的价值损失还是很大的。机器就不会有这样的困扰。“
而在谈及跟传统招聘的竞争关系时,他又表示,纳人跟这些企业本质上并不是竞争关系,传统的招聘拼图就是简历和信息的媒介平台,是自由撮合的,最大的问题就是不匹配,纳人正是在解决匹配的痛点和难题。
“就像在割麦子,一个人拿镰刀,现在有收割机,就会更高效。传统招聘平台就像人工割麦子,纳人则像是收割机来割麦子。至少可以提高20%的企业效能。”
目前,纳人服务的主要是包括软件、硬件、互联网等广义上的IT行业,其简历的模型也主要在IT行业通用。之后,将拓展到其他行业,预计将从现在的150万用户拓展到300万用户。
数据显示,纳人目前已经融资两轮,拿到了A轮融资
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-08-12在数据分析、统计建模、数据挖掘与商业调研过程中,原始数据往往无法做到绝对干净规整。受系统故障、人工录入失误、设备误差、突 ...
2026-08-11在数据分析工作中,聚类分析是典型的无监督学习方法,核心作用是依据数据自身的多维特征,将相似样本自动划分为若干类别,实现“ ...
2026-08-11