ФРЭНДВОРК

Новая разрабатываемая версия Сервиса позволит: - автоматически оценивать резюме кандидатов и их профили в соцсетях (первичный скоринг); - оценивать способности и склонности кандидатов на основе тестов; - прогнозировать готовность кандидатов сменить работу; - оценивать рыночный уровень вознаграждения для открытой позиции; - использовать широкий функционал для оценки компетенций и развития штатных работников. Клиенты: Норильский Никель, Газпром нефть, Пятерочка, PwC, Estée Lauder, Skyeng, BORK, Selecty и др.

Платформа FriendWork Recruiter Программный комплекс FriendWork Recruiter Система FriendWork Recruiter Программа FriendWork Recruiter

Продукт решает проблемы в сфере рекрутинга, а также оценки и развития талантов. Для 3-х категорий пользователей: рекрутинговые агентства; компании, с отделом рекрутинга; компании, заинтересованные в привлечении, выявлении и развитии талантов внутри. FriendWork – комплексная система управления подбором персонала, являющаяся полноценной инфраструктурной и цифровой платформой, основанная на искусственном интеллекте, с умной аналитикой, механизмом умного подталкивания и формирования планов действий для HR-специалистов. Продукт обеспечивает Цифровизацию процесса рекрутинга и позволяет добиться высокой скорости найма персонала, недостижимой для рекрутеров и сотрудников HR-отделов, выполняющих большинство операций вручную. Гибкая лицензионная политика обеспечивает возможность выбора необходимого набора инструментов под различные задачи бизнеса, тем самым расширяя клиентскую базу и становясь доступной большему числу пользователей. Прозрачная и понятная организационная и управленческая структура, автоматизирующая общение между сотрудниками и увеличивающая скорость взаимодействия в команде, все участники подбора работают в одной системе, настроенной под бизнес-процессы компании. Доработка сервиса FriendWork Recruiter позволит решить следующие проблемы: Сложность автоматизации работы с неструктурированными резюме До 50% всех резюме составляются кандидами в виде приложенного файла без использованиям унифицированного шаблона. Автоматические рекрутинговые системы в настоящее время не могут работать с такими файлами, то есть рекрутеры вынуждены обрабатывать их вручную, тратя существенное количество время, в том числе, не получая качественного поиска по своей базе резюме. Рейтингование кандидатов по резюме в различных профессиональных областях При большом количестве кандидатов на вакансию крайне важно не просто отсеять неподходящих кандидатов, но и составить их рейтинг в зависимости от соответствия их навыков вакансии, чтобы выбирать среди лучших кандидатов и минимизировать ошибку найма. Эта задача является достаточно сложной, поскольку навыки и опыт, ключевые для каждой профессиональной сферы, существенно различаются. Планируется реализации и доработки следующих модулей. 1. Модуль идентификации и классификации значимых полей неструктурированных наборов данных Модуль необходим для обогащения существующих структурированных баз данных вакансий и резюме компаний рекрутинга и кадрового сопровождения сотрудников данными из текстовых документов, генерируемых в свободной форме и разной детализацией (TXT, DOC, DOCX, XLS, XLSX, PDF), как соискателями, так и работодателями. Обогащение данных позволит применять более глубокий интеллектуальный анализ, в том числе, в задачах построения моделей ранжирования и классификации кандидатов. Модуль обладает инновационностью по причине применения современных подходов глубокого машинного обучения (и их оригинальных каскадов) к организации обработки неструктурированных данных, с целью выявления динамически варьируемых иерархических групп свойств с внутренними подкатегориями. Функциональные возможности: распознавание мета-параметров (групп параметров), например “Образование”, “Опыт работы”; распознавание основных однозначных характеристик вакансий; распознавание основных однозначных характеристик резюме; распознавание сложных семантических критериев, например “ответственность”; выявление отсутствующих характеристик (свойств). 2. Модуль соответствия резюме вакансии Модуль соответствия резюме вакансии необходим для повышения качества процесса поиска и подбора соискателей требуемой вакансии. В нем, помимо качественных метрик, также оптимизируются и временные характеристики. Метод является инновационным, так как построен на уникальном сочетании современных моделей машинного обучения в сочетании с существующими подходами автоматического машинного обучения, включая использование оригинальных сложных признаков, собранных на базе концепции алгоритмов ссылочного ранжирования. Функциональные возможности