資料科學無法分析一切》演算法還不能擔當招募大任

徵才主管迫切需要新的工具，因為現有的工具（非結構化的面談、性格測驗、個人推薦等），都不太有效。目前在招募方面的最新發展，是資料科學的興起，這種做法由演算法驅動，以找出及評估求職者。這種趨勢看來既有前景，也令人擔憂。根據我的統計，目前有上百家供應商正在開發及銷售這些工具給公司。遺憾的是，資料科學在招募人才方面仍處於初步階段，還不是雇主想要的萬靈丹。

供應商承諾，這些新工具將會協助減少社會偏見對人才招募的影響。這些演算法確實可以找出以前因缺乏某種學歷或社會背景，而遭淘汰的優秀求職者。但這些工具也有可能找到並促成使用一些會引起麻煩（或應該會帶來麻煩）的預測變數。

資料科學家的挑戰

根據過去的資料，預測力很有限

大多數資料科學家似乎不太了解就業環境，因此他們的工具往往用了比不用還糟。例如，很多資料科學家只根據職場上「績效最佳員工」的屬性來打造模型，接著就用這個模型來尋找有相同屬性的求職者，而這麼做的資料科學家所占百分比高得驚人。他們使用容易衡量的屬性，例如臉部表情、用字遣詞、社群媒體上的留言等等。但他們沒有仔細檢視高績效員工和績效不佳員工在這些屬性上的真正差異，因而限制了這些工具的效用。此外，從社群媒...