[论文解读] A Comprehensive Survey of Artificial Intelligence Techniques for Talent Analytics

Chuan Qin, Le Zhang+9 more|arXiv (Cornell University)|Jul 3, 2023

AI and HR Technologies被引用 18

一句话总结

本文综述在人才管理、组织管理与劳动力市场分析领域的AI人才分析技术，强调数据基础与方法学分类体系。

ABSTRACT

In today's competitive and fast-evolving business environment, it is a critical time for organizations to rethink how to make talent-related decisions in a quantitative manner. Indeed, the recent development of Big Data and Artificial Intelligence (AI) techniques have revolutionized human resource management. The availability of large-scale talent and management-related data provides unparalleled opportunities for business leaders to comprehend organizational behaviors and gain tangible knowledge from a data science perspective, which in turn delivers intelligence for real-time decision-making and effective talent management at work for their organizations. In the last decade, talent analytics has emerged as a promising field in applied data science for human resource management, garnering significant attention from AI communities and inspiring numerous research efforts. To this end, we present an up-to-date and comprehensive survey on AI technologies used for talent analytics in the field of human resource management. Specifically, we first provide the background knowledge of talent analytics and categorize various pertinent data. Subsequently, we offer a comprehensive taxonomy of relevant research efforts, categorized based on three distinct application-driven scenarios: talent management, organization management, and labor market analysis. In conclusion, we summarize the open challenges and potential prospects for future research directions in the domain of AI-driven talent analytics.

研究动机与目标

• 提供人才分析数据基础（内部数据与外部数据）的结构化概览。
• 对用于人才管理、组织管理和劳动力市场分析的AI技术与模型进行分类。
• 总结各场景中的代表性研究及数据到方法的映射。
• 确定AI驱动的人才分析面临的开放挑战与未来研究方向。

提出的方法

• 提出以数据为中心的分类法，组织内部（招聘、员工、组织）与外部数据源。
• 构建三场景分类法：人才管理、组织管理和劳动力市场分析。
• 回顾应用于每个数据类别的AI技术与模型，包括NLP、深度学习、基于图的方法，以及传统分类器。
• 提供表格，总结各场景的数据类别与AI方法。
• 讨论行业级数据源与趋势（如Indeed、LinkedIn、雇主品牌数据）以推动建模选择。
• 概述开放挑战与潜在未来研究方向。

实验结果

研究问题

• RQ1 不同的组织情境下，AI驱动的人才分析需要哪些数据？
• RQ2 已应用于人才管理、组织管理和劳动力市场分析的AI技术有哪些？它们如何与数据类型结合？
• RQ3 AI驱动的人才分析的关键挑战与未来方向是什么？
• RQ4 如何将大规模外部劳动力市场数据与内部HR数据整合以支持决策？

主要发现

• AI驱动的人才分析利用大规模的内部与外部数据来指导招聘、发展、保留和组织决策。
• 深度学习、NLP和表示学习（如BERT、CNN/RNN、LSTM）被广泛用于简历-职位匹配、人才检索和面试分析。
• 外部数据源如社交媒体和求职网站（如LinkedIn、Indeed）为劳动力市场分析和雇主品牌提供丰富背景信息。
• 案例示例显示影响，例如IBM在离职相关任务中实现了高预测准确度，并在留任成本方面获得可观的节省。
• 本综述强调数据驱动、基于分类法的视角，作为将AI整合到人才分析的基础并确定未来研究方向。