最优秀的员工为一个组织的收入贡献了巨大的比例，然而，寻找这些有才华的候选人对传统的招聘流程来说是一个挑战。但是组织使用数据驱动的招聘方法找到表现更好的候选人，作为奖励，可以减少人员流失。
通过在招聘中使用分析方法，我的雇主PSG Global Solutions能够确定两个招聘成功的基准——从我们的一个月的全职培训项目中毕业，以及在工作一年后被认可为a级人才(始终达到或超过客户的KPI目标)——以确定我们招聘的质量。结合求职者来源数据、他们在前雇主的表现以及我们自己的招聘流程，我们改进了我们的招聘和招聘方式海外招聘服务团队。
以下是我们的一些发现，以及您的企业如何实现类似的结果。
过去的表现没有定论
我们进行分析的假设是，过去的表现可以预测未来的表现。我们认为“没有问题”的应聘者，如果没有因为缺勤、表现不佳(未能达到关键指标)或迟到而受到任何纪律处分，就会表现得更高。然而，我们的预测分析发现，“没有问题”的候选人从我们的培训项目毕业的可能性只比普通候选人多2%，但他们成为一流人才的可能性却比普通候选人高28%。回顾过去的表现并没有给我们带来我们想要的改善。
我们的内部团队发挥了作用
我们的一些内部招聘人员比他们的同行表现更好吗?我们对这一假设进行了测试，发现我们的两位招聘经理在寻找未来的优秀员工时提供了更好的结果。他们雇佣的求职者从我们的全职培训中毕业的可能性比普通求职者高出80%，在一年内被认为是一流人才的可能性高出82%。接受我们的数据驱动招聘方法的发现，我们决定有两个课程来改善我们的招聘:让这两个招聘经理进行所有的最终面试，或确定他们的最佳实践，并使用人力资源来提高我们团队的表现。我们过程中的任何一种改变都有可能对我们的员工做出相当大的改善。
一个不可思议的来源被忽视了
在我们评估我们的数据之前，我们已经怀疑员工推荐是一个优秀的来源给我们最优秀的员工。社团报道,2016年，30%以上的招聘是通过员工推荐完成的．员工推荐被证明是一个可靠的候选人来源，但我们惊讶地发现一个几乎完全被忽视的候选人来源:申请人推荐。
通过求职者推荐获得的候选人留任率比通过招聘网站获得的候选人留任率高133%，比员工推荐的候选人留任率高30%。甚至我们发现，招聘公告栏，我们招聘的最大来源，却是我们绩效结果的最差来源。当我们意识到这种差异后，我们大幅减少了招聘网站的预算，并将注意力重新集中在获得申请人推荐上。
母校带来了一种违反直觉的差异
在我们开始采用数据驱动的招聘策略之前，我们认为更有声望的大学能提供最成功的招聘。然而，数据却显示出不同的情况。我们最成功的招聘人员就读的学校都不是最顶尖的学校。虽然数据告诉我们发生了什么(例如，就读的学校和PSG的成功之间的相关性)，但它没有告诉我们原因。一种假设是，名牌大学的毕业生不太可能在招聘人员的起起落落中坚持下来，因为他们很容易找到另一份好工作(鉴于他们的名牌学位)。
继续下面的条
不管原因是什么，我们现在知道了相关性，并可以根据这些信息调整我们的招聘流程。
将数据驱动的招聘应用到你的业务中
如何复制我们的成功?虽然我们预计，用于预测最优秀员工的因素与我们过去为菲律宾RPO服务聘请的人员不同，但我们认为有两个结论是普遍适用的:
1.不要取消任何数据的资格-由于数据分析平台越来越复杂，现在利用数据不那么麻烦了。这扩大了您的组织能够有效评估的数据范围。比较来自外部来源和不同部门的不同数据集可能会为您的业务提供影响您的生产力和性能的见解。
2.对你的发现持开放态度-虽然我们确实有假设，但我们从不让它们影响我们测试的数据或我们实施的招聘策略，以改善数据驱动的招聘。保持同样开放的心态，你的公司不仅会提高谁可能成为最佳执行者的可预见性，还会提高团队的整体质量。
