[发明专利]一种企业招聘周期的动态预测方法及装置

权利要求书

1.一种企业招聘周期的动态预测方法，其特征在于，包括：

获取企业招聘周期的管理需求信息，所述管理需求信息包括简历筛选过程信息、甄选过程信息、发放Offer过程信息、入职过程信息；

通过预先建立的静态线性回归模型计算所述管理需求信息的招聘周期，所述静态线性回归模型为根据企业历史数据通过统计软件建立的统计公式；

解析所述招聘周期的子周期的分布参数信息，利用水晶球Crystal Ball软件设置分布类型，并运行所述水晶球Crystal Ball软件得到企业招聘周期的预测值。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

提取招聘数据库信息中不同类型、不同岗位、不同候选人、不同各录取人条件的变量数据；

根据所述变量数据的字段信息，在统计软件中建立静态线性回归模型，所述静态线性回归模型：招聘周期＝-12.7+1.46×(简历筛选过程平均天数+甄选过程平均天数+发放Offer过程平均天数)。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

为所述管理需求信息划分里程碑时间点，并分别计算所述里程碑时间点的目标达成率；

将所述目标达成率与初始目标达成率、所述预测值进行比较，并结合敏感度分析，确定所述里程碑时间点对应的改善策略。

4.根据权利要求3所述的方法，其特征在于，所述将所述目标达成率与初始目标达成率、所述预测值进行比较，并结合敏感度分析，确定所述里程碑时间点对应的改善策略包括：

将所述目标达成率与初始目标达成率、所述预测值进行比较；

若根据企业招聘需求判断所述比较结果符合风险条件，则进行敏感度分析，根据敏感度分析的结果对不同里程牌时间点选取不同的改善策略；或，

若判断出所述目标达成率小于所述初始目标达成率的40％，则进行敏感度分析，根据敏感度分析的结果对不同里程牌时间点选取不同的改善策略。

5.一种企业招聘周期的动态预测装置，其特征在于，包括：

获取单元，用于获取企业招聘周期的管理需求信息，所述管理需求信息包括简历筛选过程信息、甄选过程信息、发放Offer过程信息、入职过程信息；

计算单元，用于通过预先建立的静态线性回归模型计算所述管理需求信息的招聘周期，所述静态线性回归模型为根据企业历史数据通过统计软件建立的统计公式；

运行单元，用于解析所述招聘周期的子周期的分布参数信息，利用水晶球CrystalBall软件设置分布类型，并运行所述水晶球Crystal Ball软件得到企业招聘周期的预测值。

6.根据权利要求5所述的装置，其特征在于，所述装置还包括：

提取单元，用于提取招聘数据库信息中不同类型、不同岗位、不同候选人、不同各录取人条件的变量数据；

建立单元，用于根据所述变量数据的字段信息，在统计软件中建立静态线性回归模型，所述静态线性回归模型：招聘周期＝-12.7+1.46×(简历筛选过程平均天数+甄选过程平均天数+发放Offer过程平均天数)。

7.根据权利要求5所述的装置，其特征在于，所述装置还包括：

划分单元，用于为所述管理需求信息划分里程碑时间点，并分别计算所述里程碑时间点的目标达成率；

确定单元，用于将所述目标达成率与初始目标达成率、所述预测值进行比较，并结合敏感度分析，确定所述里程碑时间点对应的改善策略。

8.根据权利要求7所述的装置，其特征在于，

所述确定单元，具体用于将所述目标达成率与初始目标达成率、所述预测值进行比较；若根据企业招聘需求判断所述比较结果符合风险条件，则进行敏感度分析，根据敏感度分析的结果对不同里程牌时间点选取不同的改善策略；或，若判断出所述目标达成率小于所述初始目标达成率的40％，则进行敏感度分析，根据敏感度分析的结果对不同里程牌时间点选取不同的改善策略。