财务成本结构安排论文提纲

论文题目：基于简历智能分析的薪酬期望影响因素研究

摘要：最近,招聘过程已发生了重大变化。造成这种情况的最强烈诱因是大流行和新的工作条件。但是,由于计算机技术,人工智能和机器学习的发展,这些变化仅加强了现有趋势。现在,这些新技术正在招聘领域积极使用。整个招聘周期正在逐步实现自动化:从发布职位空缺开始,筛选简历,逐步选择候选人以达成雇佣条件协议。人力资源管理中的技术应用正在迅速发展,但仍然有大量人力资源专家必须手动完成的工作。简历筛选流程就是其中之一,被雾化的潜力巨大。这项研究工作的目的是提出改进方法使用数据分析工具和机器学习算法的简历筛选。这项研究工作考虑了招聘流程第一阶段的自动化,哪个是简历筛选,使用免费的开源软件解决方案。在研究工作的理论部分,从人力资源经理和求职者的角度描述了传统的人员搜寻和选择方法。此外,还确定了传统的人员选拔方法。该研究的理论部分还涵盖了机器学习的基本概念,这些概念可用于使招聘过程自动化。除了经典的统计分析之外,在研究中还应用了线性回归方法以及其他机器学习方法,例如聚类分析,决策树回归,随机森林回归和梯度提升回归为了揭示简历数据集中包含的模式。研究工作内容共分为五章。在引言中,作者提出了研究主题并解释了课题的来源、研究背景和意义,并提供了相关文献的回顾并讨论了研究的目标和期望。在第二章中讨论了研究的理论方面。描述了人力资源管理招聘过程的基本原则,以及在人力资源管理领域使用数据分析的方法。分析了招聘流程、招聘趋势和人力资源经理用于简历筛选的方法,这允许确定特定的标准清单,经理根据这些标准决定进一步考虑该职位的候选人。在本章中,作者提出了研究假设,并为每个被检验的假设提供了研究背景。第三章介绍了基于机器学习算法的简历分析方法。本章的第一部分解释了数据源和数据集描述。第二部分列出了研究的变量。本节描述了在简历数据集中执行的必要转换,这些转换是未来分析所必需的,例如编码分类变量和其他与变量类型相关的转换。第三部分考虑了研究中使用的机器学习的基本方法,并讨论了可以衡量所描述模型质量的指标。研究的第四章致力于数据分析和假设检验。第一部分进行了全面的探索性数据分析,使作者能够更深入地研究数据集的结构,对数据中包含的规律和见解有一些基本的了解。第二部分直接研究简历数据分析,包括使用Python工具进行统计假设检验,以及不同类型的回归分析,包括:线性回归分析、决策树回归分析、随机森林回归分析和梯度提升回归分析。在这一步中,对研究的初始假设进行了检验,得出了结果,主要发现和结果在第三节中进行了描述。在研究过程中,使用Python开放源代码库对1000多名申请者的简历进行了分析。他们都在申请莫斯科的项目经理职位。对于分类变量的统计检验,使用了Mann-Whitney检验。对于连续变量的统计检验,如年龄和工作经验,使用了Pearson相关系数。使用上述统计和机器学习分析方法,可以确定影响候选人的薪资期望的因素。还提出了一种可以预测新候选人的薪水期望的模型。进行了一些统计测试来确定自变量对求职者薪资期望的影响。在第五章中,作者为商业组织的人力资源分析招聘流程的自动化提供了一些建议,提出了在现代数据分析工具和机器学习算法的帮助下改进现有简历筛选方法的方法。在人力资源部门使用灵活的分析工具可以通过减少寻找最佳人才的成本和时间来从根本上改善招聘流程,并有助于做出有利于候选人的更准确和正确的决策。在过去的几十年中,使用Python工具进行数据分析已被广泛应用于几乎所有行业,处理数百万数据的能力显着提高。早期对数据分析的投入主要集中在财务等业务功能上,本质上涉及数据分析。然而,这个概念对于许多人力资源部门来说仍然是新的。作为招聘和人力资源管理流程的一部分,数据分析在与候选人合作的过程中产生了可喜的结果。当公司每年处理数千份简历时,这一点尤其重要。招聘自动化是使公司能够自动化招聘任务和工作流程的技术应用。它有助于提高招聘人员的生产力,加快招聘流程,从而降低招聘成本并在劳动力市场上保持组织的积极形象。流程自动化在人员搜索和选择方面具有很大优势。自动化可以减少手工劳动量,减少时间和其他成本,提高生产力和决策速度。通过自动化发布招聘广告、简历筛选和面试安排等常规流程,招聘人员不仅可以专注于更有意义的工作,例如与候选人建立关系,还可以降低公司的财务成本。这项研究证明了使用开源方法创建招聘智能系统和算法的可能性。因此,本研究工作提出的结论和框架对于正在努力实现招聘流程自动化和提高招聘质量的俄罗斯和外国公司都非常有用。

关键词：人力资源管理;人力资源分析;招聘自动化;简历筛选

学科专业：工商管理

详细摘要

Abstract

List of Abbreviations and Acronyms

Chapter 1 Introduction

1.1 The source of topic, research background and significance

1.1.1 The source of topic

1.1.2 Research background and significance

1.2 Literature review and analysis

1.2.1 Automation Trend in Human Resource Management

1.2.2 The use of Machine Learning algorithms in Personnel Selection

1.2.3 Literature review and comments

1.3 Main research content and basic study methods

1.3.1 Main research content

1.3.2 The goal and tasks of the research

1.3.3 Methods of the research

Chapter 2 Theoretical basis and research hypothesis

2.1 Recruiting process in Digital Era

2.1.1 The process of employee search and selection

2.1.2 HR Manager's approach to Personnel Selection

2.1.3 The approach of Applicants to Job Search

2.1.4 The Problems of traditional approach to Personnel Selection

2.2 Theoretical basis of the research

2.3 Hypotheses of the research

2.3.1 The influence of gender on candidate's salary expectations

2.3.2 The influence of foreign language proficiency on candidate's salary expectations

2.3.3 The influence of skills on candidate's salary expectations

2.3.4 The influence of educational background on candidate's salary expectations

2.3.5 The influence of age on candidate's salary expectations

2.3.6 The influence of work experience on candidate's salary expectations

2.4 Chapter summary

Chapter 3 Research design and methods

3.1 Data collection

3.2 Variable measurement

3.2.1 Objects and features

3.2.2 Transformation of data into categorical format

3.2.3 Valid work experience extraction

3.3 Analysis methods and quality metrics

3.3.1 The Superiority of using Machine Learning Methods for Data Analysisand Hypothesis testing

3.3.2 Machine Learning Algorithms used in the research

3.3.3 Algorithm quality metrics

3.4 Chapter summary

Chapter 4 Data Analysis and Results

4.1 Exploratory Data Analysis

4.2 Data analysis

4.2.1 Statistical hypothesis testing

4.2.2 Cluster analysis

4.2.3 Regression analysis

4.3 Main findings and results

4.4. Chapter summary

Chapter 5 Discussion and suggestions

5.1 Current approach to resume analysis in Russian companies

5.2 Understanding candidates’ salary expectations trough the Intelligent Resume Analysis

5.2.1 Why it is important for companies to understand the candidate’s salary expectations

5.2.2 The Benefits a company can gain while implementing the Intelligent approach to Resume Analysis

5.3 Recommendations for implementation of Intelligent Resume Analysis incommercial companies

5.4 Chapter Summary

Conclusion

结论

References

Acknowledgements

Resume