首页 > 其他分享 >ATL:用对方法招对人,智能招聘降低人工成本

ATL:用对方法招对人,智能招聘降低人工成本

时间:2024-01-02 14:33:16浏览次数:37  
标签:人才 简历 ATL 招聘 面试 大易 人工成本 招对

降本增效已经成为近年来企业频频提起的「关键词」,无可非议,降低成本,提升效率是保证企业运营成果的前提,也是企业稳健发展的先决条件。


当企业身负降本增效的重责,人力资源部门通常都被认为是冲锋军般的存在,降低招聘成本,提高员工人效,于整个组织而言都意义重大,尤其是在人才需求量大,高级技术人才占比高的新能源科技企业。


ATL新能源集团(简称ATL)作为全球排名第一的聚合物锂离子电池供应商,其人才招聘也具有「补给需快、质量需高」的特点。在企业加速发展之际,如何快速筛选出适合企业的优质人才,同时降低人才招募成本成为ATL急需解决的问题。



01

降本增效,ATL的刚性任务


一、招聘量激增

新能源是一个快速发展的行业,业务的快速扩张需要人才的强力支持。一个新板块的开拓往往需要HR快速供给大量人才,招聘人员的招聘效率直接影响了企业跑马圈地的速度。此外,新能源企业的人才招募具有专业性及复杂性等特点,HR需要准确判断候选人的能力及特质,以匹配企业的发展需要。人才招聘不仅要快,更要准,ATL提效已是当务之急。


二、招聘成本走高

新能源行业对人才要求较高,企业间对优质人才的争夺十分激烈,这也导致了新能源企业的外部招聘渠道成本持续走高。ATL每年会投入大量的招聘费用在各类外部渠道,投入产出比降低。ATL需要摸索渠道创新方式,低成本规模化地触达潜在候选人。


02

用友大易招聘云助力ATL实现降本增效


用友大易帮助ATL搭建了线上一体化招聘管理平台,实现包括人才吸引、简历投递、筛选、面试、录用等在内的全流程线上化高效运转,减少HR事务性工作,优化应聘者体验,提升招聘管理效率。


一、渠道提效,搭建私域网络

不依赖外部渠道,用友大易为ATL搭建PC端与移动端招聘官网,建立人才直接进入企业的快捷通道,在校招中,ATL还将官网作为唯一投递渠道及宣传统一出口,持续更新校招最新动态,沉淀官方渠道的影响力。


此外,ATL通过用友大易招聘系统创建内推码活动,同时制定内推规则与奖励,通过微信公众号高频传播,借助裂变玩法增强内推码曝光机会。


ATL:用对方法招对人,智能招聘降低人工成本_智能招聘



二、筛选提效,加速人才甄选

数智化的招聘解决方案能够帮助ATL高效筛选人才。在校招中,借助用友大易招聘云,ATL可以按照项目设置志愿投递数,根据候选人投递志愿锁定简历,第一志愿优先处理,第二志愿锁定,当第一志愿淘汰放入共享池后可才能解锁第二志愿,保障面试筛选流程的有序推进。


此外,用友大易招聘云支持设定多个校招筛选规则,不同的职位绑定对应的筛选规则,系统将不符合要求的简历自动过滤进入相应的人才库,便于日后进行二次激活,降低未来的招聘成本。


最后,针对各环节面试通过/不通过的简历,HR可设置自动流转规则将简历转移到对应环节,有效缩减流程推进所用时间,大幅提高招聘效率。


三、面试提效,科学面试管理

面试流程繁琐往往会占用企业大量的资源,因此优化面试流程、提高面试效率成为企业招聘提效的重要环节。在校招中,ATL借助用友大易招聘云实现面试的科学管理。


首先,面试时间支持学生自由选择,充分尊重学生意愿,提升应聘体验感和到场率,同时,HR也可集中查看和掌控各场次的预约进度。候选人成功预约后,系统会线上发起测评邀约,兼顾考核候选人软/硬实力,实现高效、精准招聘。


其次,ATL通过用友大易的视频面试平台,让线上面试随时随地开启。候选人无需注册,扫码直达面试间,面试官也可边看简历边面试边评价,提升面试效率与双方面试体验。

ATL:用对方法招对人,智能招聘降低人工成本_智能招聘_02


03

降本增效成绩单

一、全流程管控,效率显著提升

从HC同步到入职同步,完成与内部流程的无缝集成,实现全流程线上化;简历自动筛选和流转,优化HR使用体验,减少事务性工作,自动淘汰简历占初筛淘汰简历总数的29%。


二、玩转私域,渠道成本降低

通过官网/微官网建设、内推码、人才库运营等手段降低了外部招聘渠道的成本投入,2024秋招简历收取较往年提升142%,其中内推码简历占比34%,通过人才库运营带来1100+简历的二次盘活。


企业加入降本增效的阵列,组织内的各部门也纷纷交上自己的「降本增效」成绩单。于招聘而言,提招聘之效的意义不仅仅在于可以以更低的成本、更快的速度招到人,更在于借助科学的方法帮助企业择优劣汰,让真正优秀并适合的人才进入企业。而用友大易招聘云所做的,就是借专业的服务和领先的技术,通过优化招聘流程、提升筛选效率、精准匹配人才,为企业打造高效的人才引入和筛选体系,助力企业在激烈的人才市场竞争中获得优势。


在未来,用友大易将继续想企业所想,急企业所急,以降本增效为旨,帮助企业高效高质网罗人才,为组织发展引入强劲动力。

标签:人才,简历,ATL,招聘,面试,大易,人工成本,招对
From: https://blog.51cto.com/u_15942516/9069603

相关文章

  • matlab读写pgm文件
    读文件1@4l#|,g3m/X$g$p+t%functiondisp_pgm(pgm_image_name)%不支持文件中有注释pgm_image_name='tmp.pgm';f=fopen(pgm_image_name,'r');iff==-1error(['Couldnotopenfile',pgm_image_name]);end/t2V;a(c$l1A$C'j......
  • matlab中函数的句柄是什么意思
    比定义f(x)=x^2写f=@(x)(x.^2)其@(x)(x.^2)匿名函数第括号面自变量第二括号面表达式@函数指针f=@(x)(x.^2)表示匿名函数@(x)(x.^2)赋值给f于f表示该函数于f(2)=2.^2=4;f(1:3)=[1:3].^2=[149]等等定义匿名函数调用别匿名函数比f1=@(x,y)(x.^2+y.^2)定义函数x^2+y^2f2=@(......
  • MATLAB 的字符串分析
    MATLAB的字符串分析。字符串实际上是指1Xn的字符数组。MATLAB软件具有强大的字符串处理功能,提供了很多的字符或字符串处理函数,包括字符串的创建、字符串的属性、比较、查找以及字符串的转换和执行等。由于MATLAB语言是用C语言进行开发的,因此它的字符串操作与C语言的相应操作非......
  • Matlab与线性代数
    %判断一个矩阵是否可以对角化并求解其对角化矩阵%定义矩阵AA=[4,2,-2;2,1,-1;-2,-1,1];%定义矩阵A%A=[4,-2;1,1];%计算特征向量和特征值[V,D]=eig(A);%判断是否存在足够数量的线性无关特征向量ifrank(V)==size(A,1)%构造对角矩阵D=d......
  • MATLAB 实现sobol参数敏感性分析
    1%sobol参数敏感性分析2%参考:3%csdn:https://blog.csdn.net/xiaosebi1111/article/details/465174094%wiki:https://en.wikipedia.org/wiki/Variance-based_sensitivity_analysis5%运行环境matlab2016b6%作者[email protected]年6月7日7%%初始......
  • MATLAB工具箱介绍
    Toolbox工具箱序号工具箱备注 数学、统计与优化 1SymbolicMathToolbox符号数学工具箱2PartialDifferentialEuqationToolbox偏微分方程工具箱3StatisticsToolbox统计学工具箱4CurveFittingToolbox曲线拟合工具箱5OptimizationToolbox......
  • 基于深度学习网络的美食检测系统matlab仿真
    1.算法运行效果图预览  2.算法运行软件版本matlab2022a 3.算法理论概述      美食检测是一项利用计算机视觉技术来识别和分类食物图像的任务。       特征提取是食品检测的核心步骤,其目的是从输入图像中提取出有效的特征,以便于后续的分类。常见的......
  • 基于FPGA的图像差分运算及目标提取实现,包含testbench和MATLAB辅助验证程序
    1.算法运行效果图预览  2.算法运行软件版本matlab2022a 3.算法理论概述      基于FPGA(Field-ProgrammableGateArray)的图像差分运算及目标提取实现主要涉及图像处理、差分运算和目标提取等原理和数学公式。 一、图像处理原理       图像处理是......
  • m基于深度学习网络的美食识别系统matlab仿真,带GUI界面
    1.算法仿真效果matlab2022a仿真结果如下:    2.算法涉及理论知识概要       基于深度学习网络的美食识别系统是一个复杂的机器视觉应用,它结合了深度学习、图像处理、模式识别等多个领域的知识。GoogleNet是一种深度卷积神经网络(CNN),它由多个卷积层、池化层......
  • m基于深度学习网络的美食识别系统matlab仿真,带GUI界面
    1.算法仿真效果matlab2022a仿真结果如下:2.算法涉及理论知识概要基于深度学习网络的美食识别系统是一个复杂的机器视觉应用,它结合了深度学习、图像处理、模式识别等多个领域的知识。GoogleNet是一种深度卷积神经网络(CNN),它由多个卷积层、池化层和全连接层组成。该模型可以自动学......