Johnson & Johnson utilise Apprentissage automatique trouver et embaucher des candidats hautement qualifiés

Machine Learning - Human Ressources

Trouver des employés qualifiés est très difficile ...

Les candidats qualifiés sont très difficile à trouver. Cela est particulièrement vrai lorsqu'il s'agit de rôles spécialisés dans les domaines de l'ingénierie, de la recherche et d'autres domaines techniques, où il y a moins de candidats que d'opportunités ouvertes sur le marché du travail.
Pour Johnson & Johnson, leur site web de carrière est leur «porte d'entrée» et un outil très important pour attirer les meilleurs talents.

 

Mais pour les candidats, trouver le bon emploi est encore plus difficile!

Cet article a été écrit inspiré par l'histoire originalepublié ici.
Supposons qu'un doctorat hautement qualifié à Londres soit à la recherche d'un emploi dans le domaine de la recherche sur les allergies et, par chance, qu'il se rende au site Web de la carrière de Johnson & Johnson. Il commence d'abord par taper des mots clés comme "allergies", "recherche" ou "Londres", mais chaque fois le moteur de recherche fournit uniquement des résultats d'emploi qui correspondent à ces mots-clés spécifiques sur le titre du poste ou la description du poste.

  • Johnson & Johnson est en effet le fabricant deZyrtec, un médicament contre les allergies qui pourrait potentiellement intéresser le candidat, mais sur le mot clé "Allergies", le moteur de recherche a également renvoyé des centaines d'emplois non pertinents en ventes et marketing liés à ce produit.
  • Sur le mot-clé "Recherche", le moteur de recherche a renvoyé des milliers d'emplois non pertinents, simplement parce que tous contenaient un texte générique comme "Johnson & Johnson est le leader mondial de la recherche".
  • Sur le mot-clé "London", tous les emplois non pertinents à Londres ont été retournés.

Après quelques minutes de recherche frustrée, la personne perd patience et quitte le site. Johnson & Johnson vient de perdre un employé potentiellement hautement qualifié.
Le plus triste est qu'il y avait en effet une excellente opportunité d'emploi étiqueté "Zyrtec science liaison EMEA" que le candidat n'a tout simplement pas réussi à voir.

Opportunity

Le problème avec la recherche par mot clé et le jargon interne

Le bon candidat n'a pas vu une opportunité existante correspondant à ses compétences. Pourquoi est-ce arrivé?
Recherche par mot clé
S'appuyant sur la recherche par mots-clés est une méthode très peu fiable pour construire un moteur de recherche. En outre, une recherche pour "allergie" ne correspondra pas à un texte avec le mot "allergies". Techniquement, les deux mots sont différents et sans Machine Learning, il n'y a aucun moyen pour un ordinateur de savoir que les deux mots sont identiques.

Jargon interne
Ce qui peut être évident pour quelqu'un, peut ne pas être à quelqu'un d'autre. Les gens de l'entreprise savent que "EMEA" est l'acronyme de "Europe, Moyen-Orient et Afrique" et que, par définition, cela inclut le Royaume-Uni et l'ensemble de Londres. Ils connaissent également le terme «liaison scientifique», car c'est ainsi qu'ils appellent leurs chercheurs dans un domaine spécifique. Cependant, les candidats ne sont pas nécessairement familiers avec l'un de ces termes et acronymes et ils peuvent simplement ne pas voir l'opportunité en face d'eux.

Volontiers, nous vivons dans l'avenir et il existe un incroyable modèle de Machine Learning "en tant que service" développé par Google, qui aborde ce problème spécifique et améliore radicalement les moteurs de recherche d'emploi ... Google Cloud Jobs Découverte Api!

 

 

 

Convertir plus de candidats!

 

Google Cloud Jobs Discovery est une solution Web prête à l'emploi (API) qui a permis à Johnson & Johnson de former et de mettre en œuvre un modèle d'apprentissage automatique qui comprend mieux le jargon de l'entreprise et classifie les offres d'emploi dans leurs catégories. En utilisant cette API, le travail renvoie également des résultats plus pertinents basés sur:

  • Alignement de l'ancienneté (il est très différent de chercher "manager" et de chercher "assistant du manager")
  • Requête d'élargissement (étend automatiquement les résultats à des positions similaires)
  • Correction d'orthographe (au cas où il y aurait une faute d'orthographe sur la requête)
  • Reconnaissance de concept (pour séparer les résultats "serveur", comme dans "serveur", de "serveur Linux")
  • etc

C'est un modèle ML incroyablement puissant qui a permis à Johnson et Johnson d'augmenter de 41% la conversion des candidats.

MLab, les spécialistes de la Machine Learning à votre service!

 

Si Machine Learning vous inspire et que vous pensez que vous souhaitez implémenter un cas d'utilisation dans votre organisation, veuillez Contactez nous.Nous sommes indépendants et nous recommanderons et intégrerons la technologie qui s'adapte le mieux à vos besoins. Si les technologies disponibles ne répondent pas à vos besoins, nous pouvons toujours développer un modèle personnalisé adapté à votre projet.

Le meilleur de tous, vous seriez surpris d'apprendre le coût de mise en œuvre d'une telle solution :-)

 

Avertissement:MLab n'a pas été directement impliqué dans le développement de ce projet. Nous publions simplement cette étude de cas comme une source d'inspiration sur ce que Machine Learning peut réaliser.