吉威時代大數據招聘

❶ 數據調研工作室干什麼的啊創業項目

1.數據調研工作室干以下的創業項目的。
2.文本挖掘項目；2、網路安全大數據；3、健康狀況預測；4、雲伺服器異常檢測；5、大數據崗位招聘。

「大數據」一詞對我們來說並不陌生，尤其近些年來隨著數字經濟的高速發展，大數據已經與我們完美地結合在一起，充斥於生活的點點滴滴：刷臉結算、實時監控、智能快遞、精準營銷、DNA序列解碼、運動健康管理……大數據是一個令人興奮的話題，它能幫我們探究出意想不到的發展模式和完美的解決方案。
1、文本挖掘項目
文本挖掘的市場需求量很大，練熟這個項目，那你瞬間會為自己擁有數據科學家的優勢而洋洋得意。學員必須對給定的文檔進行文本分析並將文檔可視化。 你必須使用自然語言處理技術來完成此項任務。
2、網路安全大數據
該項目將研究大量數據中的長期和時不變的依賴關系。這個大數據項目的主要目的是通過利用復雜的多元時間序列數據的漏洞披露趨勢來對抗現實世界的網路安全問題。
3、健康狀況預測
它的目的在於通過海量數據集來預測健康狀況。完成這個項目需要創建一個機器學習模型，該模型可以根據用戶的健康屬性准確地對用戶進行分類，從而確定他們是否患有心臟病。

4、雲伺服器異常檢測
在本項目中，將實施一種針對流式大型數據集的異常檢測方法。該項目將利用兩種核心演算法——狀態總結演算法和新型嵌弧隱半馬爾可夫模型(NAHSMM)來檢測雲伺服器中的異常。
5、大數據崗位招聘
招聘對於任何一個公司的人力資源部門來說都是一項具有挑戰性的工作。在這里，我們將創建一個大數據項目，該項目可以對線上發布的真實職位中收集的大量數據進行分析。
在數字經濟時代，我們的生活正隨著大數據、雲計算、人工智慧的快速發展而發生著越來越深的變革。大數據更被認為是「未來的新石油」，在經濟建設和社會生活中發揮的作用日益凸顯。
內容來自全球加盟網
加盟星溫馨提示
1、以上展示的項目信息均由全球加盟網發布，內容的真實性、准確性和合法性由全球加盟網負責。
2、投資有風險，選擇需謹慎。本頁面內容僅供參考，建議您在投資前與企業核實確認加盟情況，務必多咨詢、多考察，以企業確認為准，以便降低投資風險。
3、加盟星網站僅進行信息展示，如您發現頁面有任何違

❷ 大數據行業就業方向有哪些大數據技術就業崗位有哪些

方向：大數據開發方向，數據挖掘、數據分析和機器學習方向，大數據運維和雲計算方向

就業崗位：

1、大數據工程師

大數據工程師的話其實包涵了很多，比如大數據開發，測試，運維，挖據等等，各個崗位不同薪資水平也不大相同。總的來說的話它共有6093個崗位在智聯招聘上招聘，平均工資也在11643元。

2、Hadoop開發工程師

職位描述：參與優化改進新浪集團數據平台基礎服務，參與日傳輸量超過百TB的數據傳輸體系優化，日處理量超過PB級別的數據處理平台改進，多維實時查詢分析系統的構建優化。

3、大數據研發工程師

職位描述：

構建分布式大數據服務平台，參與和構建公司包括海量數據存儲、離線/實時計算、實時查詢，大數據系統運維等系統；服務各種業務需求，服務日益增長的業務和數據量。

4、大數據架構師

大數據架構師的招聘崗位有1446個，從招聘的薪資來看，大數據架構師基本薪資都是15K~60K，大數據架構師的薪資可以說是相當可觀的，在大數據行業里，大數據架構師的酬勞可以說是領先與其他的，所以大數據架構師對於人才的要求也是比較嚴格的。

5、大數據分析師

工作職責:根據公司產品和業務需求，利用數據挖掘等工具對多種數據源進行診斷分析，建設徵信分析模型並優化，為公司徵信運營決策、產品設計等方面提供數據支持；負責項目的需求調研、數據分析、商業分析和數據挖掘模型等，通過對運行數據進行分析挖掘背後隱含的規律及對未來的預測。

❸ 大數據時代十大熱門IT崗位_大數據崗位有哪些

大數據時代十大熱門IT崗位

大數據時代十大熱門IT崗位,新的想法誕生新的技術，從而造出許多新詞，雲計算、大數據、BYOD、社交媒體、3D列印機、物聯網在互聯網時代，各種新詞層出不窮，令人應接不暇。這些新的技術、新興應用和對應的IT發展趨勢，使得IT人必須了解甚至掌握最新的IT技能。另一方面，雲計算和大數據乃至其他助推各個行業發展的IT基礎設施的新一輪部署與運維，都將帶來更多的IT職位和相關技能技術的要求。

毫無疑問，這些新趨勢的到來，會誕生一批新的工作崗位，比如數據挖掘專家、移動應用開發和測試、演算法工程師，商業智能分析師等，同時，也會強化原有崗位的新生命力，比如網路工程師、系統架構師、咨詢顧問、資料庫管理與開發等等。下面分別為大家介紹著十大IT技能所體現的工作崗位：

一、演算法工程師

何萬青博士曾經介紹把一件事做快做好的三種方法，其中就提到過「提高流水線效率、更好的演算法和更短的代碼關鍵路徑。」可以看出演算法在系統效率中的轎碰重要地位。演算法是讓機器按照人類設想的方式去解決問題，演算法很大程度上取決於問題類型和工程師對機器編程的理解，其效率的高低與演算法息息相關。

在數學和計算機科學之中，演算法(Algorithm)為一個計算的具體步驟，常用於計算、數據處理和自動推理。在大數據時代，演算法的功能和作用得到進一步凸顯。比如針對公司搜索業務，開發搜索相關性演算法、排序演算法。對公司海量用戶行為數據和用戶意圖，設計數據挖掘演算法。

演算法工程師，根據研究領域來分主要有音頻/視頻演算法處理、圖像技術方面的二維信息演算法處理和通信物理層、雷達信號處理、生物醫學信號處理等領域的一維信息演算法處理。另外數據挖掘、互聯網搜索演算法這些體現大數據發展方向的演算法，在近幾年越來越流行，而且演算法工程師也逐漸朝向人工智慧的方向發展。

二、商業智能分析師

演算法工程師延伸出來的商業智能，尤其是在大數據領域變得更加火熱。IT職業與咨詢服務公司Bluewolf曾經發布報告指出，IT職位需求增長最快的是移動、數據、雲服務和面向用戶的技術人員，其中具體的職位則包括有商業智能分析師一項。

商業智能分析師往往需要精通資料庫知識和統計分析的能力，能夠使用商業智能工具，識別或監控現有的和潛在的客戶。收集商業情報數據，提供行業報告，分析技術的發展趨勢，確定市場未來的產品開發策略或改進現有產品的銷售。

商業智能和邏輯分析技能在大數據時代顯得特別重要，擁有商業知識以及強大的數據和數學分析背景的IT人才，在將來的IT職場上更能獲得大型企業的青睞。不過這些技能並不是一般人都能掌握的，一些公司目前正在招聘統計學家並教授他們有關技術和商業的知識。

三、數據挖掘工程師

數據挖掘工程師，也可以叫做「數據挖掘專家」。數據挖掘是通過分析每個數據，從大量數據中尋找其規律的技術。數據挖掘是一種決策支持過程，它主要基於人工智慧、機器學習、模式識別、統計學、資料庫、可視化技術等，高度自動化地分析企業的數據，做出歸納性的推理，從中挖掘出潛在的模式，幫助決策者調整市場策略，減少風險，做出正確的決策。

數據挖掘專家或者說數據挖掘工程師掌握的技能，能夠為其快速創造財富。當年亞馬遜的首位數據挖掘工程師大衛·賽林格(DavidSelinger)創辦的數據挖掘公司，將類似於亞馬遜的產品推薦引擎系統銷售給在線零售和廣告銷售商，而這種產品推薦引擎系統，也成為亞馬遜有史塌帆中以來最賺錢的工具。數據挖掘的價值由此可見一斑。

四、咨詢顧問(專家)

任何業務部門和任何行業企業，都有IT系統在背後默默無聞地支撐著。在雲計算大數據時代，業務面臨的挑戰和機遇也會給IT系統帶來更多要求。在這種情況下，IT系統的規劃部署和運維，都要有更為精通的專業人士才能勝任，並滿足面向未來大數據分析、雲計算服務應用的需要。

紐約蒙特法沃醫療中心(center)的副主席傑克-沃夫(JackWolf)曾經表示，他尋求不僅會建立和使用系統而且還會給予其他員工技術支持的新員工，他說："新的系統意味著你必須有更多的咨詢台來處理更多的咨詢量。"當然，這里體現的主要是某個系統的技術支持的功能，但管中規豹我們不難發現，無論是部署初期的物料采購還是運維過程中的金玉良言，都凸顯出這種技術咨詢顧問的重要性。

五、網路工程師

網路工程師可以說是一個「綠色長青」的職業，網路技術一直以來就處於團山急需之中，美國人力資源公司羅勃海佛國際(RobertHalf)第三季度IT招聘指數和技能報告指出，網路管理占總需求技能排名中的第二位。對於雲計算時代來說，網路在雲資源池中(計算、存儲、網路)更是扮演著更為重要的作用。

另一方面，IPv6標准、物聯網、移動互聯等蓬勃發展，使得對於網路工程師尤其是新型網路工程師(移動、IPv6、雲計算方向)的人才和技能要求也越來越多。網路工程師也因此而可以細分成多個發展方向，相應的技能要求其側重也有所不同。比如網路安全、網路存儲、架構設計、移動網路等等。

六、移動應用開發工程師

移動應用開發，會隨著移動互聯網時代的到來變得更受追捧。截至2012年底我國已經有10億手機用戶，移動智能終端用戶超過4億，在移動支付、移動購物、移動旅遊、移動社交等方面涌現了大量的移動互聯網游戲、應用和創業公司。

移動平台智能系統較多，但真正有影響力的也不外乎iOS、Android、WP、Blackberry等。大量原來PC和互聯網上的信息化應用、互聯網應用均已出現在手機平台上，一些前所未見的新奇應用也開始出現，並日漸增多。

移動應用開發，由於存有多個平台系統，因此不同的平台開發者其所面臨的機遇和挑戰也不盡相同。一個很明顯的例子就是，當初由Google公司和開放手機聯盟領導及開發的基於Linux的安卓系統，在開源之後就給廣大開發者(商)帶來巨大商機，而堅定選擇iOS平台的的開發工程師，也通過蘋果生態系統的不斷擴建和智能設備的高市場佔有，使得較早的一批開發者都賺得盆滿缽滿。不過在國內由於用戶習慣、產業環境和版權保護的問題，移動應用開發者並沒有因此而獲得相應的收益。

七、軟體工程設計師

近年IT業界逐漸涌現出一股軟體定義網路(SDN)、軟體定義數據中心、軟體定義存儲(SDS)和軟體定義伺服器(MoonShot)等浪潮，大有軟體定義未來一切IT基礎設施的趨勢。

PaaS、SaaS、數據挖掘和分析、數據管理和監控、虛擬化、應用開發等等，都是軟體工程師大展身手的好舞台。相應的，這些技術領域也對軟體工程師的要求會更高，尤其是虛擬化和面向BYOD、雲計算、大數據等應用的開發和管理，都需要有更高深的技術支撐。

和演算法工程師有點類似的地方在於，軟體工程師也需要注重設計模式的使用，一位優秀的工程師通常能識別並利用模式，而不是受制於模式。工程師不應讓系統去適應某種模式，而是需要發現在系統中使用模式的時機。

八、資料庫開發和管理

資料庫開發和管理在大數據時代顯得尤為重要，相關的資料庫管理、運維和開發技術，將成為廣大BI、大型企業和咨詢分析機構特別看重的技能體現。代表著更多類型(尤其是非結構化類型)的海量數據的涌現，要求我們實時採集、分析、傳輸這些數據集，在對基礎設施提出嚴峻挑戰的同時，也特別強調了資料庫開發和管理人員的挑戰。

比如分布式的、面向海量數據管理的資料庫系統之一NoSQL，就是面向大數據領域的非關系型資料庫的流行平台，高可用、大吞吐、低延遲、數據安全性高等應用特點成為了很多企業的看重的特點，並希望有足夠多的優秀IT開發人員深度開發NoSQL系統，解決對存儲的擴容、宕機時長、平滑擴容、故障自動切換等問題的困惱。

另外，更為知名的Hadoop分布式資料庫HBase的數據管理，需要藉助HRegion、HMaster、HClient組成的體系結構從整體上管理數據。這些也都需要有對Hadoop深刻理解和業務的精通才能勝任。而除此以外的大數據的存儲管理、內存計算、包括基於這些應用上的平台開發等等，也得會越來越受市場歡迎。

九、系統架構師

去年三星首席系統架構師吉姆·莫加德(JimMergard)跳槽至蘋果，屬於近期比較大的系統架構師人事變動，這種變動也說明了當今對於系統架構師的高度重視和認可。

眾所周知，雲計算和大數據的出現，使得傳統的數據中心基礎設施難以勝任;另一方面，日益激烈的市場競爭和移動互聯等商機的出現，勢必會給企業業務帶來深刻變革。這種變革和IT架構轉型，都會牽扯到IT系統架構這個核心問題。相比之前介紹的那些IT技能和所對應的崗位，系統架構師的規劃部署能力顯得尤為重要，它牽扯的是整個面而不是某個領域某個點的痛點。

十、系統安全師

同樣的，網路、計算、存儲還是系統架構，也都需要關注安全問題，而安全在現在的雲計算環境下，個人隱私和企業敏感數據的保護也不斷被強化。

在當前很多企業都收縮IT安全預算開支後，還不斷面臨著增強的合規要求等問題。企業們都在考慮是否應當將某些IT運營交給雲端服務提供商處理。實際上，每個人都深感壓力，預算不夠地情況下還要盡力防護數據地安全，特別是中小型企業，這也就意味著企業需要將部分IT運轉外包給第三方以減少資金和人力方面地投資。

即使不採用外包的形式，無論個人還是企業都會更加註重安全，因為「安全」本身是沒有行業限制和劃分的，尤其是企業在構建雲計算環境、提交或者收集海量數據進行處理分析、存儲和傳輸等等一系列環節，都會面臨新的挑戰。這種挑戰勢必會需要有更多更專業的技術人才幫助解決這些問題。相比傳統來說，系統安全師將更多的會結合具體的業務展開，而根植於系統平台和底層基礎設施的系統安全，則更多的會出現在運營

❹ 「大數據」時代下的企業招聘

「大數據」時代下的企業招聘
在原有的人才資料庫的基礎上，導入以社交媒體為代表的「大數據」將使H R （人力資源部門）做聘用決策時更客觀。
數據，對於企業的H R 來說並不陌生，從最開始通過招聘搜集員工信息，到能力測評，以及年度、季度的績效考評，日積月累的數據不可謂不大，但是真正將這些數據整理分析，提供給人才管理者做決策的企業卻並不多見。然而，不管你用不用，這些數據還在增大，而且，隨著新技術的出現和普及，移動設備和社交媒體也加入到企業招聘的渠道中。如何充分利用這些數據以便更有效地支持人力資源管理工作？目前企業利用人才數據的現狀如何？人才「大數據」應用的前景是怎樣的？針對這些問題，德勤華永會計師事務所中國區人力資源部招聘總監王文佶和SHL 中國區總經理付權分別從企業實踐和調研分析的角度闡述了各自的看法。
從「小數據」說起
世界經理人：SHL發布的《2013 年全球評測趨勢報告》顯示，企業在利用人才『大數據』方面還處於起步階段。這里提到的『大數據』概念跟以前企業在招聘中運用的人才數據有何不同？
王文佶：其實數據一直存在，HR招聘過程本身就涉及很多數據，從應聘者的簡歷、筆試到面試都包含很多評分（rating）。但相比較現在所說的大數據，我們把這些稱為小數據。所謂小數據就是按照某個業務流程目標，預先設定一些甄選標准，通過抽樣的方法來判斷整個流程是否符合你的需要，通過數據來研究。
德勤也有人才分析數據，但基本都是基於怎樣利用好現有的小數據，就是把原來從不同部門或不同領域採集來的本身結構化的數據，錄入數據倉庫（ Data Warehouse），並進行數據挖掘（ Data Mining）。比如，德勤有一個候選人跟進系統—ATS （Applicant Tracking System），只要應聘者投遞簡歷，他的信息就會進入德勤的全球人才庫，現在約有30 0 萬人的信息。這個資料庫可以在德勤的各個跨國公司之間共享。德勤中國可以利用這個資料庫尋找美國德勤吸引來的人。這是一個巨大的人才資料庫或者候選人資料庫，我們可以經常進行數據挖掘。
另外，德勤也在用SH L 專門的工具叫做人才數據與結構分析（Talent Analytics），它從數據的體量上來講更大。比如，SHL能對所有應聘財務的學生，在全球范圍做各種比對和分析，從而分析出一種趨勢，我們將這種趨勢稱之為對標。當一家企業想確定今年招收員工的整體質量時，SHL 的數據可以幫我們橫向地跟全世界、亞洲或者其他競爭公司的情況做比較。
但是，我認為真正的大數據是研究非結構化數據，而非通過某一個特定目標、一個已經設定的標准去採集。當大數據來臨，產生的最主要的區別在於：大數據可以通過某種機器的手段，更多地採集候選人非結構化的、自然的、在社交媒體和網路上的信息，來輔佐目前已有的結構化數據，並幫助進行判斷。如果能做到這些，那麼招聘決策就會更加准確。
付權：以前的數據來源於調查研究。假如美聯社的薪酬數據來源於針對不同企業的HR所做的調研報告，內容可能包括今年不同崗位的薪酬漲幅如何，然後通過某個公司進行有效的數據處理後，便得出這個行業的薪酬基準（ Bench mark）。但現在的數據來源於每個人與整個數據採集機構直接的互動。比如LinkedIn就是這樣的數據採集機構，上面的數據是使用者作為個體自發提供的，而LinkedIn 同時也有社交媒體（Social Media） 的概念，所以它的數據是准確可信的。LinkedIn不僅僅是一個社交媒體，也是建立企業人才庫（Talent Pool） 的有效工具。
無論是大數據還是過去的小數據，它們的功能是一致的，就是對業績進行有效預測（ Predict Performance）。舉例來說，一個應聘者加入新公司，就需要接受測試，因為公司並不了解他。這就需要一個信效度較高的測試來判斷該應聘者是否符合這個企業的文化和業績目標，以及能否跟同事友好相處，互相促進。測試的種類非常多，但所有目的都是為了預測業績。世界經理人：所謂小數據的分析是怎樣運用到招聘和人才決策中去的？
王文佶：從校招和社招兩個角度來說。在校招方面，我們不是針對個人，而主要是針對整體進行分析。比如根據現在業務的需要，可能分析得出不一定非要招財務背景的學生做審計。通過小數據分析，我們發現財經類和非財經類的同學在考CPA 的通過率方面沒有差別，甚至非財務類的學生第一第二年的通過率更高。這個現象很奇怪，於是我們就找到培訓部門一起研究這些數據，並分析出很多可能原因。
這也是小數據的局限，因為通過分析產生一個結論，這種結論不能嚴密地解答疑問，會產生很多可能性。比如可能非財務類的學生由於不懂，所以同樣的課程花了更多精力，上進心和壓力感都更強，因此他們的考試通過率更高；還可能是因為財經類的學生進來就能用，所以更多時候被派到項目上去，反而沒時間預習功課。業務經理不願意用非財經類新人，因為他們不能立刻上手，所以他們有更多的時間去復習。經過分析，這些情況都有可能，但無法得出確定的結論，但至少我們知道，招聘時不一定非要招審計和財經類的學生，這就是一個小數據的例子。
在社招方面，德勤目前更多是在人才吸引、渠道分布和廣告有效性上做分析。對所有參加社招的人員，我們都會追蹤其消息來源，是通過自投簡歷、獵頭邀請，還是朋友推薦過來應聘的。就目前來說，德勤社招最得力的渠道是員工推薦，占整個最終招聘量的45%.於是，四五年前，我們把員工推薦的項目政策重新進行了改革，以提高大家的積極性。比如員工推薦的獎勵金額從原來的半年後付一半、一年後付全額，改為了把人介紹過來就付一半、三個月後付全額。這樣員工有很大積極性。
世界經理人：目前，企業HR對人才數據管理系統的重視程度偏低，或者說利用得不太好，是什麼原因？王文佶：一個主要的原因可能是數據收集所需要的投入超出了數據分析所帶來的實際收益，即投入產出不成比。比如德勤用過的人才招聘管理系統Taleo，它的一個功能是可以對所有篩選過的簡歷貼上各種標簽，比如此人這個職位好像不合適，但也許他將來能適合其他職位，於是可以做一個標記，下次找的時候就可以調出來。但是從現實的角度來看，這些工具沒有得到充分的利用。首先因為招聘官經常同時要管理十幾個空缺職位，而能把這些職位完成是首要任務。如果有剩餘時間或者找不到應聘者，他們才可能會花時間利用工具進行數據挖掘；第二個是技巧問題和工具方便性問題。另一方面，企業人力資源部門的職能條塊分割，使得各項人才管理數據分別由不同的職能團隊來收集和管理。比如薪酬團隊的數據和培訓團隊的數據往往就不被招聘團隊所掌握。現實的悖論往往是，大企業的HR有非常完善的HR職能團隊和基礎架構，可以收集到很多有用的數據，但是龐大的數據量和縱橫交錯的管理結構使得數據比較難以被有效利用，必須建立起一個項目團隊來收集、整理、分析這些數據。
大數據是什麼？
世界經理人：與小數據相比，大數據突破了哪些瓶頸？
付權：相對於大數據而言，通過調研得到的小數據可以從特殊到最後形成普遍的結論，卻很難逆向推理—從共性中找出特殊。大數據是從特殊到一般來推理出共性，然後還能從一般到特殊，尋找到異類或者優秀人才所具有的特徵，再把該特性標准化，從而形成了一個螺旋上升的推理。這是過去的小數據所缺少的。
此外，大數據可以讓我們跟蹤一個人的發展過程。比如，某位投資經理在十年的時間跨度內，盡管其能力可能變化不大，但個性可能會有所變化，他的動機可能逐漸降低或逐漸增加，技能和經驗一定是在增加的。為了了解這個人所經歷的變化，我們需要對他不同時段的評測數據進行有效的比對和分析，從而了解他的發展路徑。這在以前的小數據時代是不存在的。
大數據應用最重要的是，第一，它改變了預測績效的手段，以前是用小數據，現在是用大數據；第二，在人力資源領域裡面，大數據為人才模型提供更為詳盡、准確的數據支撐，更好地為企業管理人員所用，這非常重要。
世界經理人：與以前靠直覺來進行人才判斷相比，依靠大數據進行判斷是否會讓決策過程越來越科學化？
付權：所謂直覺是通過閱人無數所產生的經驗的第一反應，叫第一性原則。第一性原則的有效性是存疑的。有些情況下，由於巨大的文化差異，導致面試者的行為表現和表述方式都會非常不同，怎樣透過這些表面看到他們的能力、個性、動機、技能和經驗，這些都是無法通過直覺簡單獲取的。
大數據能夠讓人才選擇更加客觀、精確、容易。大數據為某位候選者的「畫像」（profile）提供一個正確、准確的反射，去映射到人才模型上面，來判斷他是否勝任這一職位。比如說通過評測數據，我們可以直觀看到一個人的評測結果是66 分，另一個人是67 分，這種微妙的差距是通過肉眼和直覺無法判斷的。而通過大數據，這就讓人才選擇更加容易和客觀。
社交媒體展現真實的應聘者
世界經理人：越來越多的企業開始利用社交媒體網路來進行招聘，這對HR意味著什麼？
王文佶：如同大數據在精準營銷上的應用，現在用戶在淘寶上搜過什麼，一打開微博也會出現同類商品的推送，如果說在招聘上也是用同樣的觀念或方法，有一個例子是LinkedIn 會根據用戶的社交信息，推送 「Maybe interesting in this job」的條目。這和電商運用的手段一樣，根據過去的網路行為推斷出你現在的需求。
德勤對社招和校招都做過這個畫像，就是找到理想候選人應該具備什麼樣的能力素質，怎樣描述，它包括候選人特徵。而在大數據時代，這個畫像里可能還要添加其他一些社交媒體的行為指標。在沒有大數據和測評工具的情況下，高管的最終決策主要通過一起吃飯或一起去打高爾夫等活動，為了觀察他們舉手投足自然的表現。但我們不可能把這套方法運用到每個應聘者。如果運用大數據，只要符合一定的法律規范，是不是能獲得每一個應聘者工作和社交行為（ Work & Social Behavior） 相關信息呢？這時候公司有兩種方法，一種是找第三方的背景調查公司，一種是詢問其以前所在公司的高管。將來如果一個人在微博、LinkedIn等社交媒體上都很活躍，那麼理論上，只要獲得他的授權，或是幾個簡單的基本信息，就能通過某種機制瀏覽到他所有的網路行為，而這些行為只要整合起來，再與通過標准化方法收集的信息做比對，就有助於提高招聘質量。但實際上要做到這些很難。這是一個理想，但只要我們有這個願景，我想早晚會實現，甚至大家最終會完全接受這種方法。
世界經理人：德勤是如何利用社交媒體進行招聘的？
王文佶：現在越來越多的大公司鼓勵招聘團隊自己直接、主動地去找人（Proactive Sourcing），也就是通過數據挖掘，通過自己建關系去找人。目前這種方式只佔德勤總招聘量的7%，而我們的目標至少要達到15% 以上。
在這種情況下，以LinkedIn為代表的社交媒體起到了較大的作用。我們購買Linkedln專門的招聘者（recruiter） 帳號，它和個人帳號不同，使用招聘者賬號就可以直接做數據挖掘，在Linkedln的350 萬中國國內用戶中直接搜索，甚至是在全球兩億四的用戶中搜索。還有，利用公司員工的Linkedln賬戶帶來更多企業曝光率。當有人點擊這個人的LinkedIn賬戶時，其所在公司的招聘廣告就會在旁邊跳出來。這是一個最新的解決方案，藉助員工的人脈做推廣。微博、微信、大街網等則幫助我們進行僱主品牌和招聘信息的傳播。
今年我們招聘團隊特地開發了一個基於德勤人脈關系的任務眾包平台：德勤聚力網（Deloit te Power House）。它的目標受眾是德勤現員工、准員工、實習生、前員工以及任何有志加入德勤的潛在候選人。在這個平台上，用戶可以發布眾包任務去找幫手，找資源，拓人脈。通過朋友間的不斷傳遞， 用戶發布的任務項目得到解決的同時也積聚了人脈。 並且， 用戶在網站上的每一次貢獻都可以獲得積分獎勵。這個平台不僅可以幫助招聘，還能幫助每一個員工把他們的職業人脈打通，在這個平台上整合和強化他們自己的社交關系。
世界經理人：企業在利用社交媒體進行招聘方面遇到哪些問題？
王文佶：很多公司都喜歡利用社交媒體來擴大直接招聘（ Direct Sourcing）。他們碰到的問題有兩個：第一，投入和產出比的權衡問題（ROI）。建設和維護社交媒體需要更多的管理投入，包括人員和資金，但社交媒體的效果不能也不應該僅用找到幾個人來衡量；第二，使用技巧問題。招聘官的主要職責是篩選簡歷並對應聘者進行評測。但是要管理社交媒體這一平台，要求的技能是如何做市場營銷，如何吸引被動候選人並說服他們加入。
大部分現有的招聘官缺乏這方面的技巧和思維方式，需要很多學習培訓。
所以，現在用社交媒體最多的是獵頭，他們有這個技能，知道如何找到候選人，激發他們的工作熱情，把工作機會銷售給他。企業內部HR 在社交媒體的使用方面相對較弱。
此外，當我們利用社交媒體數據進行數據分析時，也會遇到一些技術和法律問題，比如掃描社交媒體數據是一個新興技術，大數據分析的方法到底是否可靠、能否實現；對使用個人信息的法律限制和壁壘在哪；隱私權應該怎麼保護？目前在這些方面還有很多不清晰的地方。