吉威时代大数据招聘

❶ 数据调研工作室干什么的啊创业项目

1.数据调研工作室干以下的创业项目的。
2.文本挖掘项目；2、网络安全大数据；3、健康状况预测；4、云服务器异常检测；5、大数据岗位招聘。

“大数据”一词对我们来说并不陌生，尤其近些年来随着数字经济的高速发展，大数据已经与我们完美地结合在一起，充斥于生活的点点滴滴：刷脸结算、实时监控、智能快递、精准营销、DNA序列解码、运动健康管理……大数据是一个令人兴奋的话题，它能帮我们探究出意想不到的发展模式和完美的解决方案。
1、文本挖掘项目
文本挖掘的市场需求量很大，练熟这个项目，那你瞬间会为自己拥有数据科学家的优势而洋洋得意。学员必须对给定的文档进行文本分析并将文档可视化。 你必须使用自然语言处理技术来完成此项任务。
2、网络安全大数据
该项目将研究大量数据中的长期和时不变的依赖关系。这个大数据项目的主要目的是通过利用复杂的多元时间序列数据的漏洞披露趋势来对抗现实世界的网络安全问题。
3、健康状况预测
它的目的在于通过海量数据集来预测健康状况。完成这个项目需要创建一个机器学习模型，该模型可以根据用户的健康属性准确地对用户进行分类，从而确定他们是否患有心脏病。

4、云服务器异常检测
在本项目中，将实施一种针对流式大型数据集的异常检测方法。该项目将利用两种核心算法——状态总结算法和新型嵌弧隐半马尔可夫模型(NAHSMM)来检测云服务器中的异常。
5、大数据岗位招聘
招聘对于任何一个公司的人力资源部门来说都是一项具有挑战性的工作。在这里，我们将创建一个大数据项目，该项目可以对线上发布的真实职位中收集的大量数据进行分析。
在数字经济时代，我们的生活正随着大数据、云计算、人工智能的快速发展而发生着越来越深的变革。大数据更被认为是“未来的新石油”，在经济建设和社会生活中发挥的作用日益凸显。
内容来自全球加盟网
加盟星温馨提示
1、以上展示的项目信息均由全球加盟网发布，内容的真实性、准确性和合法性由全球加盟网负责。
2、投资有风险，选择需谨慎。本页面内容仅供参考，建议您在投资前与企业核实确认加盟情况，务必多咨询、多考察，以企业确认为准，以便降低投资风险。
3、加盟星网站仅进行信息展示，如您发现页面有任何违

❷ 大数据行业就业方向有哪些大数据技术就业岗位有哪些

方向：大数据开发方向，数据挖掘、数据分析和机器学习方向，大数据运维和云计算方向

就业岗位：

1、大数据工程师

大数据工程师的话其实包涵了很多，比如大数据开发，测试，运维，挖据等等，各个岗位不同薪资水平也不大相同。总的来说的话它共有6093个岗位在智联招聘上招聘，平均工资也在11643元。

2、Hadoop开发工程师

职位描述：参与优化改进新浪集团数据平台基础服务，参与日传输量超过百TB的数据传输体系优化，日处理量超过PB级别的数据处理平台改进，多维实时查询分析系统的构建优化。

3、大数据研发工程师

职位描述：

构建分布式大数据服务平台，参与和构建公司包括海量数据存储、离线/实时计算、实时查询，大数据系统运维等系统；服务各种业务需求，服务日益增长的业务和数据量。

4、大数据架构师

大数据架构师的招聘岗位有1446个，从招聘的薪资来看，大数据架构师基本薪资都是15K~60K，大数据架构师的薪资可以说是相当可观的，在大数据行业里，大数据架构师的酬劳可以说是领先与其他的，所以大数据架构师对于人才的要求也是比较严格的。

5、大数据分析师

工作职责:根据公司产品和业务需求，利用数据挖掘等工具对多种数据源进行诊断分析，建设征信分析模型并优化，为公司征信运营决策、产品设计等方面提供数据支持；负责项目的需求调研、数据分析、商业分析和数据挖掘模型等，通过对运行数据进行分析挖掘背后隐含的规律及对未来的预测。

❸ 大数据时代十大热门IT岗位_大数据岗位有哪些

大数据时代十大热门IT岗位

大数据时代十大热门IT岗位,新的想法诞生新的技术，从而造出许多新词，云计算、大数据、BYOD、社交媒体、3D打印机、物联网在互联网时代，各种新词层出不穷，令人应接不暇。这些新的技术、新兴应用和对应的IT发展趋势，使得IT人必须了解甚至掌握最新的IT技能。另一方面，云计算和大数据乃至其他助推各个行业发展的IT基础设施的新一轮部署与运维，都将带来更多的IT职位和相关技能技术的要求。

毫无疑问，这些新趋势的到来，会诞生一批新的工作岗位，比如数据挖掘专家、移动应用开发和测试、算法工程师，商业智能分析师等，同时，也会强化原有岗位的新生命力，比如网络工程师、系统架构师、咨询顾问、数据库管理与开发等等。下面分别为大家介绍着十大IT技能所体现的工作岗位：

一、算法工程师

何万青博士曾经介绍把一件事做快做好的三种方法，其中就提到过“提高流水线效率、更好的算法和更短的代码关键路径。”可以看出算法在系统效率中的轿碰重要地位。算法是让机器按照人类设想的方式去解决问题，算法很大程度上取决于问题类型和工程师对机器编程的理解，其效率的高低与算法息息相关。

在数学和计算机科学之中，算法(Algorithm)为一个计算的具体步骤，常用于计算、数据处理和自动推理。在大数据时代，算法的功能和作用得到进一步凸显。比如针对公司搜索业务，开发搜索相关性算法、排序算法。对公司海量用户行为数据和用户意图，设计数据挖掘算法。

算法工程师，根据研究领域来分主要有音频/视频算法处理、图像技术方面的二维信息算法处理和通信物理层、雷达信号处理、生物医学信号处理等领域的一维信息算法处理。另外数据挖掘、互联网搜索算法这些体现大数据发展方向的算法，在近几年越来越流行，而且算法工程师也逐渐朝向人工智能的方向发展。

二、商业智能分析师

算法工程师延伸出来的商业智能，尤其是在大数据领域变得更加火热。IT职业与咨询服务公司Bluewolf曾经发布报告指出，IT职位需求增长最快的是移动、数据、云服务和面向用户的技术人员，其中具体的职位则包括有商业智能分析师一项。

商业智能分析师往往需要精通数据库知识和统计分析的能力，能够使用商业智能工具，识别或监控现有的和潜在的客户。收集商业情报数据，提供行业报告，分析技术的发展趋势，确定市场未来的产品开发策略或改进现有产品的销售。

商业智能和逻辑分析技能在大数据时代显得特别重要，拥有商业知识以及强大的数据和数学分析背景的IT人才，在将来的IT职场上更能获得大型企业的青睐。不过这些技能并不是一般人都能掌握的，一些公司目前正在招聘统计学家并教授他们有关技术和商业的知识。

三、数据挖掘工程师

数据挖掘工程师，也可以叫做“数据挖掘专家”。数据挖掘是通过分析每个数据，从大量数据中寻找其规律的技术。数据挖掘是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策。

数据挖掘专家或者说数据挖掘工程师掌握的技能，能够为其快速创造财富。当年亚马逊的首位数据挖掘工程师大卫·赛林格(DavidSelinger)创办的数据挖掘公司，将类似于亚马逊的产品推荐引擎系统销售给在线零售和广告销售商，而这种产品推荐引擎系统，也成为亚马逊有史塌帆中以来最赚钱的工具。数据挖掘的价值由此可见一斑。

四、咨询顾问(专家)

任何业务部门和任何行业企业，都有IT系统在背后默默无闻地支撑着。在云计算大数据时代，业务面临的挑战和机遇也会给IT系统带来更多要求。在这种情况下，IT系统的规划部署和运维，都要有更为精通的专业人士才能胜任，并满足面向未来大数据分析、云计算服务应用的需要。

纽约蒙特法沃医疗中心(center)的副主席杰克-沃夫(JackWolf)曾经表示，他寻求不仅会建立和使用系统而且还会给予其他员工技术支持的新员工，他说："新的系统意味着你必须有更多的咨询台来处理更多的咨询量。"当然，这里体现的主要是某个系统的技术支持的功能，但管中规豹我们不难发现，无论是部署初期的物料采购还是运维过程中的金玉良言，都凸显出这种技术咨询顾问的重要性。

五、网络工程师

网络工程师可以说是一个“绿色长青”的职业，网络技术一直以来就处于团山急需之中，美国人力资源公司罗勃海佛国际(RobertHalf)第三季度IT招聘指数和技能报告指出，网络管理占总需求技能排名中的第二位。对于云计算时代来说，网络在云资源池中(计算、存储、网络)更是扮演着更为重要的作用。

另一方面，IPv6标准、物联网、移动互联等蓬勃发展，使得对于网络工程师尤其是新型网络工程师(移动、IPv6、云计算方向)的人才和技能要求也越来越多。网络工程师也因此而可以细分成多个发展方向，相应的技能要求其侧重也有所不同。比如网络安全、网络存储、架构设计、移动网络等等。

六、移动应用开发工程师

移动应用开发，会随着移动互联网时代的到来变得更受追捧。截至2012年底我国已经有10亿手机用户，移动智能终端用户超过4亿，在移动支付、移动购物、移动旅游、移动社交等方面涌现了大量的移动互联网游戏、应用和创业公司。

移动平台智能系统较多，但真正有影响力的也不外乎iOS、Android、WP、Blackberry等。大量原来PC和互联网上的信息化应用、互联网应用均已出现在手机平台上，一些前所未见的新奇应用也开始出现，并日渐增多。

移动应用开发，由于存有多个平台系统，因此不同的平台开发者其所面临的机遇和挑战也不尽相同。一个很明显的例子就是，当初由Google公司和开放手机联盟领导及开发的基于Linux的安卓系统，在开源之后就给广大开发者(商)带来巨大商机，而坚定选择iOS平台的的开发工程师，也通过苹果生态系统的不断扩建和智能设备的高市场占有，使得较早的一批开发者都赚得盆满钵满。不过在国内由于用户习惯、产业环境和版权保护的问题，移动应用开发者并没有因此而获得相应的收益。

七、软件工程设计师

近年IT业界逐渐涌现出一股软件定义网络(SDN)、软件定义数据中心、软件定义存储(SDS)和软件定义服务器(MoonShot)等浪潮，大有软件定义未来一切IT基础设施的趋势。

PaaS、SaaS、数据挖掘和分析、数据管理和监控、虚拟化、应用开发等等，都是软件工程师大展身手的好舞台。相应的，这些技术领域也对软件工程师的要求会更高，尤其是虚拟化和面向BYOD、云计算、大数据等应用的开发和管理，都需要有更高深的技术支撑。

和算法工程师有点类似的地方在于，软件工程师也需要注重设计模式的使用，一位优秀的工程师通常能识别并利用模式，而不是受制于模式。工程师不应让系统去适应某种模式，而是需要发现在系统中使用模式的时机。

八、数据库开发和管理

数据库开发和管理在大数据时代显得尤为重要，相关的数据库管理、运维和开发技术，将成为广大BI、大型企业和咨询分析机构特别看重的技能体现。代表着更多类型(尤其是非结构化类型)的海量数据的涌现，要求我们实时采集、分析、传输这些数据集，在对基础设施提出严峻挑战的同时，也特别强调了数据库开发和管理人员的挑战。

比如分布式的、面向海量数据管理的数据库系统之一NoSQL，就是面向大数据领域的非关系型数据库的流行平台，高可用、大吞吐、低延迟、数据安全性高等应用特点成为了很多企业的看重的特点，并希望有足够多的优秀IT开发人员深度开发NoSQL系统，解决对存储的扩容、宕机时长、平滑扩容、故障自动切换等问题的困恼。

另外，更为知名的Hadoop分布式数据库HBase的数据管理，需要借助HRegion、HMaster、HClient组成的体系结构从整体上管理数据。这些也都需要有对Hadoop深刻理解和业务的精通才能胜任。而除此以外的大数据的存储管理、内存计算、包括基于这些应用上的平台开发等等，也得会越来越受市场欢迎。

九、系统架构师

去年三星首席系统架构师吉姆·莫加德(JimMergard)跳槽至苹果，属于近期比较大的系统架构师人事变动，这种变动也说明了当今对于系统架构师的高度重视和认可。

众所周知，云计算和大数据的出现，使得传统的数据中心基础设施难以胜任;另一方面，日益激烈的市场竞争和移动互联等商机的出现，势必会给企业业务带来深刻变革。这种变革和IT架构转型，都会牵扯到IT系统架构这个核心问题。相比之前介绍的那些IT技能和所对应的岗位，系统架构师的规划部署能力显得尤为重要，它牵扯的是整个面而不是某个领域某个点的痛点。

十、系统安全师

同样的，网络、计算、存储还是系统架构，也都需要关注安全问题，而安全在现在的云计算环境下，个人隐私和企业敏感数据的保护也不断被强化。

在当前很多企业都收缩IT安全预算开支后，还不断面临着增强的合规要求等问题。企业们都在考虑是否应当将某些IT运营交给云端服务提供商处理。实际上，每个人都深感压力，预算不够地情况下还要尽力防护数据地安全，特别是中小型企业，这也就意味着企业需要将部分IT运转外包给第三方以减少资金和人力方面地投资。

即使不采用外包的形式，无论个人还是企业都会更加注重安全，因为“安全”本身是没有行业限制和划分的，尤其是企业在构建云计算环境、提交或者收集海量数据进行处理分析、存储和传输等等一系列环节，都会面临新的挑战。这种挑战势必会需要有更多更专业的技术人才帮助解决这些问题。相比传统来说，系统安全师将更多的会结合具体的业务展开，而根植于系统平台和底层基础设施的系统安全，则更多的会出现在运营

❹ “大数据”时代下的企业招聘

“大数据”时代下的企业招聘
在原有的人才数据库的基础上，导入以社交媒体为代表的“大数据”将使H R （人力资源部门）做聘用决策时更客观。
数据，对于企业的H R 来说并不陌生，从最开始通过招聘搜集员工信息，到能力测评，以及年度、季度的绩效考评，日积月累的数据不可谓不大，但是真正将这些数据整理分析，提供给人才管理者做决策的企业却并不多见。然而，不管你用不用，这些数据还在增大，而且，随着新技术的出现和普及，移动设备和社交媒体也加入到企业招聘的渠道中。如何充分利用这些数据以便更有效地支持人力资源管理工作？目前企业利用人才数据的现状如何？人才“大数据”应用的前景是怎样的？针对这些问题，德勤华永会计师事务所中国区人力资源部招聘总监王文佶和SHL 中国区总经理付权分别从企业实践和调研分析的角度阐述了各自的看法。
从“小数据”说起
世界经理人：SHL发布的《2013 年全球评测趋势报告》显示，企业在利用人才‘大数据’方面还处于起步阶段。这里提到的‘大数据’概念跟以前企业在招聘中运用的人才数据有何不同？
王文佶：其实数据一直存在，HR招聘过程本身就涉及很多数据，从应聘者的简历、笔试到面试都包含很多评分（rating）。但相比较现在所说的大数据，我们把这些称为小数据。所谓小数据就是按照某个业务流程目标，预先设定一些甄选标准，通过抽样的方法来判断整个流程是否符合你的需要，通过数据来研究。
德勤也有人才分析数据，但基本都是基于怎样利用好现有的小数据，就是把原来从不同部门或不同领域采集来的本身结构化的数据，录入数据仓库（ Data Warehouse），并进行数据挖掘（ Data Mining）。比如，德勤有一个候选人跟进系统—ATS （Applicant Tracking System），只要应聘者投递简历，他的信息就会进入德勤的全球人才库，现在约有30 0 万人的信息。这个数据库可以在德勤的各个跨国公司之间共享。德勤中国可以利用这个数据库寻找美国德勤吸引来的人。这是一个巨大的人才数据库或者候选人数据库，我们可以经常进行数据挖掘。
另外，德勤也在用SH L 专门的工具叫做人才数据与结构分析（Talent Analytics），它从数据的体量上来讲更大。比如，SHL能对所有应聘财务的学生，在全球范围做各种比对和分析，从而分析出一种趋势，我们将这种趋势称之为对标。当一家企业想确定今年招收员工的整体质量时，SHL 的数据可以帮我们横向地跟全世界、亚洲或者其他竞争公司的情况做比较。
但是，我认为真正的大数据是研究非结构化数据，而非通过某一个特定目标、一个已经设定的标准去采集。当大数据来临，产生的最主要的区别在于：大数据可以通过某种机器的手段，更多地采集候选人非结构化的、自然的、在社交媒体和网络上的信息，来辅佐目前已有的结构化数据，并帮助进行判断。如果能做到这些，那么招聘决策就会更加准确。
付权：以前的数据来源于调查研究。假如美联社的薪酬数据来源于针对不同企业的HR所做的调研报告，内容可能包括今年不同岗位的薪酬涨幅如何，然后通过某个公司进行有效的数据处理后，便得出这个行业的薪酬基准（ Bench mark）。但现在的数据来源于每个人与整个数据采集机构直接的互动。比如LinkedIn就是这样的数据采集机构，上面的数据是使用者作为个体自发提供的，而LinkedIn 同时也有社交媒体（Social Media） 的概念，所以它的数据是准确可信的。LinkedIn不仅仅是一个社交媒体，也是建立企业人才库（Talent Pool） 的有效工具。
无论是大数据还是过去的小数据，它们的功能是一致的，就是对业绩进行有效预测（ Predict Performance）。举例来说，一个应聘者加入新公司，就需要接受测试，因为公司并不了解他。这就需要一个信效度较高的测试来判断该应聘者是否符合这个企业的文化和业绩目标，以及能否跟同事友好相处，互相促进。测试的种类非常多，但所有目的都是为了预测业绩。世界经理人：所谓小数据的分析是怎样运用到招聘和人才决策中去的？
王文佶：从校招和社招两个角度来说。在校招方面，我们不是针对个人，而主要是针对整体进行分析。比如根据现在业务的需要，可能分析得出不一定非要招财务背景的学生做审计。通过小数据分析，我们发现财经类和非财经类的同学在考CPA 的通过率方面没有差别，甚至非财务类的学生第一第二年的通过率更高。这个现象很奇怪，于是我们就找到培训部门一起研究这些数据，并分析出很多可能原因。
这也是小数据的局限，因为通过分析产生一个结论，这种结论不能严密地解答疑问，会产生很多可能性。比如可能非财务类的学生由于不懂，所以同样的课程花了更多精力，上进心和压力感都更强，因此他们的考试通过率更高；还可能是因为财经类的学生进来就能用，所以更多时候被派到项目上去，反而没时间预习功课。业务经理不愿意用非财经类新人，因为他们不能立刻上手，所以他们有更多的时间去复习。经过分析，这些情况都有可能，但无法得出确定的结论，但至少我们知道，招聘时不一定非要招审计和财经类的学生，这就是一个小数据的例子。
在社招方面，德勤目前更多是在人才吸引、渠道分布和广告有效性上做分析。对所有参加社招的人员，我们都会追踪其消息来源，是通过自投简历、猎头邀请，还是朋友推荐过来应聘的。就目前来说，德勤社招最得力的渠道是员工推荐，占整个最终招聘量的45%.于是，四五年前，我们把员工推荐的项目政策重新进行了改革，以提高大家的积极性。比如员工推荐的奖励金额从原来的半年后付一半、一年后付全额，改为了把人介绍过来就付一半、三个月后付全额。这样员工有很大积极性。
世界经理人：目前，企业HR对人才数据管理系统的重视程度偏低，或者说利用得不太好，是什么原因？王文佶：一个主要的原因可能是数据收集所需要的投入超出了数据分析所带来的实际收益，即投入产出不成比。比如德勤用过的人才招聘管理系统Taleo，它的一个功能是可以对所有筛选过的简历贴上各种标签，比如此人这个职位好像不合适，但也许他将来能适合其他职位，于是可以做一个标记，下次找的时候就可以调出来。但是从现实的角度来看，这些工具没有得到充分的利用。首先因为招聘官经常同时要管理十几个空缺职位，而能把这些职位完成是首要任务。如果有剩余时间或者找不到应聘者，他们才可能会花时间利用工具进行数据挖掘；第二个是技巧问题和工具方便性问题。另一方面，企业人力资源部门的职能条块分割，使得各项人才管理数据分别由不同的职能团队来收集和管理。比如薪酬团队的数据和培训团队的数据往往就不被招聘团队所掌握。现实的悖论往往是，大企业的HR有非常完善的HR职能团队和基础架构，可以收集到很多有用的数据，但是庞大的数据量和纵横交错的管理结构使得数据比较难以被有效利用，必须建立起一个项目团队来收集、整理、分析这些数据。
大数据是什么？
世界经理人：与小数据相比，大数据突破了哪些瓶颈？
付权：相对于大数据而言，通过调研得到的小数据可以从特殊到最后形成普遍的结论，却很难逆向推理—从共性中找出特殊。大数据是从特殊到一般来推理出共性，然后还能从一般到特殊，寻找到异类或者优秀人才所具有的特征，再把该特性标准化，从而形成了一个螺旋上升的推理。这是过去的小数据所缺少的。
此外，大数据可以让我们跟踪一个人的发展过程。比如，某位投资经理在十年的时间跨度内，尽管其能力可能变化不大，但个性可能会有所变化，他的动机可能逐渐降低或逐渐增加，技能和经验一定是在增加的。为了了解这个人所经历的变化，我们需要对他不同时段的评测数据进行有效的比对和分析，从而了解他的发展路径。这在以前的小数据时代是不存在的。
大数据应用最重要的是，第一，它改变了预测绩效的手段，以前是用小数据，现在是用大数据；第二，在人力资源领域里面，大数据为人才模型提供更为详尽、准确的数据支撑，更好地为企业管理人员所用，这非常重要。
世界经理人：与以前靠直觉来进行人才判断相比，依靠大数据进行判断是否会让决策过程越来越科学化？
付权：所谓直觉是通过阅人无数所产生的经验的第一反应，叫第一性原则。第一性原则的有效性是存疑的。有些情况下，由于巨大的文化差异，导致面试者的行为表现和表述方式都会非常不同，怎样透过这些表面看到他们的能力、个性、动机、技能和经验，这些都是无法通过直觉简单获取的。
大数据能够让人才选择更加客观、精确、容易。大数据为某位候选者的“画像”（profile）提供一个正确、准确的反射，去映射到人才模型上面，来判断他是否胜任这一职位。比如说通过评测数据，我们可以直观看到一个人的评测结果是66 分，另一个人是67 分，这种微妙的差距是通过肉眼和直觉无法判断的。而通过大数据，这就让人才选择更加容易和客观。
社交媒体展现真实的应聘者
世界经理人：越来越多的企业开始利用社交媒体网络来进行招聘，这对HR意味着什么？
王文佶：如同大数据在精准营销上的应用，现在用户在淘宝上搜过什么，一打开微博也会出现同类商品的推送，如果说在招聘上也是用同样的观念或方法，有一个例子是LinkedIn 会根据用户的社交信息，推送 “Maybe interesting in this job”的条目。这和电商运用的手段一样，根据过去的网络行为推断出你现在的需求。
德勤对社招和校招都做过这个画像，就是找到理想候选人应该具备什么样的能力素质，怎样描述，它包括候选人特征。而在大数据时代，这个画像里可能还要添加其他一些社交媒体的行为指标。在没有大数据和测评工具的情况下，高管的最终决策主要通过一起吃饭或一起去打高尔夫等活动，为了观察他们举手投足自然的表现。但我们不可能把这套方法运用到每个应聘者。如果运用大数据，只要符合一定的法律规范，是不是能获得每一个应聘者工作和社交行为（ Work & Social Behavior） 相关信息呢？这时候公司有两种方法，一种是找第三方的背景调查公司，一种是询问其以前所在公司的高管。将来如果一个人在微博、LinkedIn等社交媒体上都很活跃，那么理论上，只要获得他的授权，或是几个简单的基本信息，就能通过某种机制浏览到他所有的网络行为，而这些行为只要整合起来，再与通过标准化方法收集的信息做比对，就有助于提高招聘质量。但实际上要做到这些很难。这是一个理想，但只要我们有这个愿景，我想早晚会实现，甚至大家最终会完全接受这种方法。
世界经理人：德勤是如何利用社交媒体进行招聘的？
王文佶：现在越来越多的大公司鼓励招聘团队自己直接、主动地去找人（Proactive Sourcing），也就是通过数据挖掘，通过自己建关系去找人。目前这种方式只占德勤总招聘量的7%，而我们的目标至少要达到15% 以上。
在这种情况下，以LinkedIn为代表的社交媒体起到了较大的作用。我们购买Linkedln专门的招聘者（recruiter） 帐号，它和个人帐号不同，使用招聘者账号就可以直接做数据挖掘，在Linkedln的350 万中国国内用户中直接搜索，甚至是在全球两亿四的用户中搜索。还有，利用公司员工的Linkedln账户带来更多企业曝光率。当有人点击这个人的LinkedIn账户时，其所在公司的招聘广告就会在旁边跳出来。这是一个最新的解决方案，借助员工的人脉做推广。微博、微信、大街网等则帮助我们进行雇主品牌和招聘信息的传播。
今年我们招聘团队特地开发了一个基于德勤人脉关系的任务众包平台：德勤聚力网（Deloit te Power House）。它的目标受众是德勤现员工、准员工、实习生、前员工以及任何有志加入德勤的潜在候选人。在这个平台上，用户可以发布众包任务去找帮手，找资源，拓人脉。通过朋友间的不断传递， 用户发布的任务项目得到解决的同时也积聚了人脉。 并且， 用户在网站上的每一次贡献都可以获得积分奖励。这个平台不仅可以帮助招聘，还能帮助每一个员工把他们的职业人脉打通，在这个平台上整合和强化他们自己的社交关系。
世界经理人：企业在利用社交媒体进行招聘方面遇到哪些问题？
王文佶：很多公司都喜欢利用社交媒体来扩大直接招聘（ Direct Sourcing）。他们碰到的问题有两个：第一，投入和产出比的权衡问题（ROI）。建设和维护社交媒体需要更多的管理投入，包括人员和资金，但社交媒体的效果不能也不应该仅用找到几个人来衡量；第二，使用技巧问题。招聘官的主要职责是筛选简历并对应聘者进行评测。但是要管理社交媒体这一平台，要求的技能是如何做市场营销，如何吸引被动候选人并说服他们加入。
大部分现有的招聘官缺乏这方面的技巧和思维方式，需要很多学习培训。
所以，现在用社交媒体最多的是猎头，他们有这个技能，知道如何找到候选人，激发他们的工作热情，把工作机会销售给他。企业内部HR 在社交媒体的使用方面相对较弱。
此外，当我们利用社交媒体数据进行数据分析时，也会遇到一些技术和法律问题，比如扫描社交媒体数据是一个新兴技术，大数据分析的方法到底是否可靠、能否实现；对使用个人信息的法律限制和壁垒在哪；隐私权应该怎么保护？目前在这些方面还有很多不清晰的地方。