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
在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20