Близко ли живет кандидат? Или как мы помогали Сберу фильтровать резюме через ML)

Привет, я Ярослав технический директор www.r77.ai и расскажу, как помогали Сберу подбирать резюме через делали ml-метчинг, а еще прогнозировали карьерное развитие кандидатов.

Название: Smart Recruitment

Система: SAP Success Factors

Заказчик: Сбер

рассматривали процесс массового подбора персонала (=сотни однотипных позиций);
огромный поток информации → более 100 откликов (иногда 500) на одну вакансию;
у рекрутера нет времени просмотреть 500 резюме, берет 3-4 рандомно из них выбирает кандидата;
не использовались онлайн тесты, только информация по откликам.

Отличия от точечного еще и в критериях отбора:

- по словам бизнеса - главный фактор это близость от метро 🙂

- жесткие критерии на пол / возраст / кол-во лет опыта

Сделать систему скоринга кандидатов для каждой вакансии и показать рекрутеру наиболее подходящих кандидатов.

Дополнительно хотим попробовать:

прогнозировать lifetime сотрудника в компании (>1 года или меньше);
прогнозировать до какой позиции вырастет кандидат (а-ка карьерное развитие / трек);
прогнозировать вероятность того, что кандидат примет оффер.

3 сущности (таблички) в SAP SF:

Вакансия: позиция, требования, адрес, отдел, сфера, …
Кандидат (резюме): опыт, адрес, образование, …
Заявка (связь = отклик кандидата на вакансию, статус: принят / не принят, источник подбора, номер вакансии).

Всего уникальных связок 43000.

➕ большинство данных - структурированных (не нужно парсить / классифицировать)

Сложно дать относительный / отнормированный score от 0 до 100%
решать как классификацию или как ранжирование?
Как всегда imbalanced данные

❗Стандартный CV-Resume Matching от SAP не подошел (русский язык, нестандартные поля приводили к нулевому качеству). Плюс, он делал matching 2 текстовых документов.

supervised задачка

feature generation - ключ к решению

Строковое расстояние м\у адресом проживания кандидата и адресом из вакансии
Внутренний кандидат или нет: 0 – внешний, 1 – внутренний
Значение схожести м\у текущей позицией кандидата и должностью из вакансии
Строковое расстояние м\у предыдущими позициями кандидата в Сбербанке (если внутренний) и должностью из вакансии
Строковое расстояние м\у предыдущими позициями кандидата (вне) и должностью из вакансии
Наличие наград у кандидата: 0 – нет, 1 – есть
Уровень образования кандидата: среднее, высшее, PhD, …
Строковое расстояние м\у отделением в пред. опыте кандидата в Сбербанке (если внутренний) и отделом из вакансии
Строковое расстояние м\у отделением в пред. опыте кандидата (вне) и отделом из вакансии
Подсчет количество общих слов между полем «Область бизнеса» в пред. опыте кандидата и полем «Доп. требования» из вакансии
Наличие опыта руководства у кандидата: 0 – нет, 1 – есть
Подсчет количество общих слов между полем «Область руководства» в пред. опыте кандидата и полем «Доп. требования» из вакансии
Наличие функционального опыта у кандидата: 0 – нет, 1 – есть
Подсчет количество общих слов между полем «Функциональный опыт» в пред. опыте кандидата и полем «Доп. требования» из вакансии
Подсчет количество общих слов между полем «Функциональный опыт» в пред. опыте кандидата и полем «Функциональный блок» из вакансии
Подсчет количество общих слов между полем «Язык» кандидата и полем «Доп. требования» из вакансии
Количество иностранных язык, которыми владеет кандидат
Является ли вакансия конфиденциальной: 0 – нет, 1 – да
Причина возникновения вакансии: расширение численности, стажировка, …
Разряд по должности вакансии

Метрики

Accuracy (a-ka hit rate): 82% - очень плохая метрика для текущей задачи (баланс классов, задача ранжирования)
Recall (полнота): 83% - показывает с какой вероятностью мы не пропустим релевантного кандидата, т.е. score будет высоким

Соответствие между позицией в вакансии и позицией в резюме кандидата
Соответствие между позицией в вакансии и позицией предыдущего внешнего места работы кандидата (вне Сбербанка)
Разряд по должности
Соответствие между функциональной сферой позиции в вакансии и образованием кандидата
Соответствие между городом вакансии и городом кандидата
Конфиденциальная ли вакансия
Соответствие между функциональной областью позиции в вакансии и образованием кандидата
Соответствие между подразделением позиции в вакансии и отделом предыдущего внешнего места работы кандидата (вне Сбербанка)
Соответствие между дополнительными требованиями вакансии и функциональной областью позиции кандидата с предыдущего внешнего места работы (вне Сбербанка)
Источник резюме - доска объявления
Соответствие между дополнительными требованиями вакансии и функциональной областью позиции кандидата с предыдущего внутреннего места работы (внутри Сбербанка)
Соответствие между подразделением позиции в вакансии и отделом предыдущего внутреннего места работы кандидата (внутри Сбербанка)
Соответствие между позицией в вакансии и позицией предыдущего внутреннего места работы кандидата (внутри Сбербанка)