El análisis de CV , también conocido como análisis de CV , extracción de CV o extracción de CV , permite el almacenamiento y análisis automatizados de los datos de CV . El currículum se importa a un software de análisis y la información se extrae para que pueda ser ordenada y buscada.
Descripción
Los analizadores de currículums analizan un currículum, extraen la información deseada e insertan la información en una base de datos con una entrada única para cada candidato. [1] Una vez que se ha analizado el currículum, un reclutador puede buscar en la base de datos palabras clave y frases y obtener una lista de candidatos relevantes. Muchos analizadores admiten la búsqueda semántica , que agrega contexto a los términos de búsqueda e intenta comprender la intención para que los resultados sean más confiables y completos. [2]
Aprendizaje automático
El aprendizaje automático es extremadamente importante para el análisis de currículums. Cada bloque de información debe tener una etiqueta y clasificarse en la categoría correcta, ya sea educación, historial laboral o información de contacto. [3] Los analizadores basados en reglas utilizan un conjunto predefinido de reglas para analizar el texto. Este método no funciona para currículums porque el analizador necesita "comprender el contexto en el que aparecen las palabras y la relación entre ellas". [4] Por ejemplo, si la palabra "Harvey" aparece en un currículum, podría ser el nombre de un solicitante, referirse a la universidad Harvey Mudd o hacer referencia a la empresa Harvey & Company LLC. La abreviatura MD podría significar "Doctor en Medicina" o "Maryland". Un analizador basado en reglas requeriría reglas increíblemente complejas para tener en cuenta toda la ambigüedad y proporcionaría una cobertura limitada.
Esto nos lleva al aprendizaje automático y específicamente al procesamiento del lenguaje natural (PNL). La PNL es una rama de la inteligencia artificial y utiliza el aprendizaje automático para comprender el contenido y el contexto, así como para hacer predicciones. [5] Muchas de las características de NLP son extremadamente importantes en el análisis de currículums. La normalización y etiquetado de acrónimos da cuenta de los diferentes formatos posibles de acrónimos y los normaliza. La lematización reduce las palabras a su raíz utilizando un diccionario de idiomas y Stemming elimina "s", "ing", etc. La extracción de entidades utiliza expresiones regulares , diccionarios, análisis estadístico y extracción basada en patrones complejos para identificar personas, lugares, empresas, números de teléfono, direcciones de correo electrónico, frases importantes y más. [4]
Eficacia
Los analizadores de currículum vitae han logrado hasta un 87% de precisión, [6] que se refiere a la precisión de la entrada de datos y la clasificación de los datos correctamente. La precisión humana no suele ser superior al 96%, por lo que los analizadores de currículum han logrado una "precisión casi humana". [7]
Una empresa de contratación de ejecutivos probó tres analizadores de currículums y personas para comparar la precisión en la entrada de datos. Ejecutaron 1000 currículums a través del software de análisis de currículums e hicieron que los humanos analizaran e ingresaran manualmente los datos. La compañía contrató a un tercero para evaluar cómo les fue a los humanos en comparación con el software. Descubrieron que los resultados de los analizadores de currículums eran más completos y tenían menos errores. Los humanos no ingresaron toda la información en los currículums y ocasionalmente escribieron mal palabras o escribieron números incorrectos. [8]
En un experimento de 2012, se creó un currículum para un candidato ideal basado en la descripción del trabajo para un puesto de científico clínico. Después de pasar por el analizador sintáctico, una de las experiencias laborales del candidato se perdió por completo debido a que la fecha se enumeró ante el empleador. El analizador tampoco captó varios títulos educativos. El resultado fue que el candidato recibió una clasificación de relevancia de solo el 43%. Si este hubiera sido el currículum de un candidato real, no habría pasado al siguiente paso a pesar de que estuvieran calificados para el puesto. [9] Sería útil si se realizara un estudio similar sobre analizadores de currículum actuales para ver si ha habido alguna mejora en los últimos años.
Beneficios
- Un famoso estudio realizado por Marianne Bertrand y Sendhil Mullainathan en 2003 analizó si los candidatos con los nombres de Emily y Greg tenían más posibilidades de empleo que Lakisha y Jamal. La conclusión fue que los currículums con nombres que suenan en blanco recibieron un 50% más de devoluciones de llamada que aquellos con nombres que suenan en negro. [10] En 2014, se realizó un estudio en Australia y Nueva Zelanda para investigar la discriminación de nombres basada en el género. Insync Surveys, una firma de investigación y Hays, un especialista en reclutamiento, enviaron un currículum vitae a 1.029 gerentes de contratación, siendo el nombre la única diferencia. La mitad de los gerentes de contratación recibieron un currículum de Simon Cook y la otra mitad un currículum de Susan Campbell. El estudio encontró que era más probable que Simon recibiera una devolución de llamada. [11] El análisis de currículum permite clasificar a los candidatos en función de información objetiva y puede ayudar a prevenir el sesgo que aparece tan fácilmente en el proceso de contratación. El software se puede programar para ignorar y ocultar factores que contribuyen al sesgo, como el nombre, el género, la raza, la edad, la dirección y más. [12]
- La tecnología es extremadamente rentable y ahorra recursos. En lugar de pedir a los candidatos que ingresen manualmente la información, lo que podría disuadirlos de presentar una solicitud o perder el tiempo del reclutador, la entrada de datos ahora se realiza automáticamente. [13]
- La información de contacto, las habilidades relevantes, el historial laboral, la formación académica y la información más específica sobre el candidato son fácilmente accesibles. [13]
- El proceso de selección de candidatos ahora es significativamente más rápido y más eficiente. En lugar de tener que mirar cada currículum, los reclutadores pueden filtrarlos por características específicas, clasificarlos y buscarlos. Esto permite a los reclutadores avanzar en el proceso de entrevistas y cubrir puestos a un ritmo más rápido.
- Una de las mayores quejas que tienen las personas que buscan trabajo es la duración del proceso de solicitud. Con los analizadores de currículum vitae, el proceso ahora es más rápido y los candidatos tienen una experiencia mejorada. [14]
- La tecnología ayuda a evitar que los candidatos calificados pasen desapercibidos. En promedio, un reclutador pasa 6 segundos mirando un currículum. [15] Cuando un reclutador está buscando entre cientos o miles de ellos, puede ser fácil pasar por alto o perder el rastro de los candidatos potenciales.
- Una vez que se ha analizado el currículum de un candidato, su información permanece en la base de datos. Si surge un puesto para el que están calificados, pero no se han postulado, la empresa aún tiene su información y puede comunicarse con ellos.
Desafíos
El software de análisis tiene que depender de reglas complejas y algoritmos estadísticos para capturar correctamente la información deseada en los currículums. Hay muchas variaciones de estilo de escritura, elección de palabras, sintaxis, etc. y la misma palabra puede tener múltiples significados. La fecha por sí sola se puede escribir de cientos de formas diferentes. [1] Sigue siendo un desafío para estos analizadores de currículums tener en cuenta toda la ambigüedad. El procesamiento del lenguaje natural y la inteligencia artificial todavía tienen un camino por recorrer para comprender la información basada en el contexto y lo que los humanos quieren transmitir en el lenguaje escrito.
Reanudar la optimización
Los analizadores de currículums se han vuelto tan omnipresentes que en lugar de escribir a un reclutador, los candidatos deben centrarse en escribir en el sistema de análisis. Comprender cómo funcionan es un gran primer paso, pero también hay cambios específicos que un solicitante puede hacer para optimizar su currículum. A continuación, se ofrecen algunos consejos sobre cómo hacerlo:
- Use palabras clave de la descripción del trabajo en lugares relevantes de su currículum. Es casi seguro que estas palabras clave se incluirán en el proceso de análisis. [13]
- No utilices encabezados ni pies de página. Tienden a confundir los algoritmos de análisis. [dieciséis]
- Use un estilo simple para fuentes, diseños y formato. [dieciséis]
- Evite los gráficos. [dieciséis]
- Utilice nombres de sección estándar como "Experiencia laboral" y "Educación". [3]
- Evite el uso de acrónimos a menos que estén incluidos en la descripción del trabajo. La opción más segura puede ser escribir la forma larga e incluir el acrónimo después entre paréntesis. [3]
- No empiece con fechas en la sección "Experiencia laboral". Los analizadores suelen buscar fechas que siguen a los títulos de trabajo o nombres de empresas. [3]
- Mantenga la coherencia con el formato de la experiencia laboral pasada. El estándar es el título del trabajo, el título de la empresa y luego las fechas de empleo. [9]
- La mayoría de los analizadores de currículums afirman que funcionan con todos los tipos de archivos principales, pero se adhieren a docx, doc y pdf para estar seguros. [3]
Software y proveedores
Hay muchas opciones independientes para analizadores de currículums, incluidas [17] RChilli , CandidateZip, Sovren, Daxtra, Textkernal, Hireability y también suelen estar incluidas en los sistemas de seguimiento de candidatos , que las empresas utilizan para agilizar el proceso de contratación. El 90% de las empresas de Fortune 500 utilizan sistemas de seguimiento de candidatos y pueden hacer de todo, desde procesar solicitudes de empleo, gestionar el proceso de contratación y ejecutar la decisión de contratación. [18]
Con los avances recientes en la sofisticación de la inteligencia artificial y el aprendizaje automático, y las mejoras en los procesos de análisis y minería de texto , que garantizan hasta un 95% de precisión [19] en el procesamiento de datos, muchas tecnologías de inteligencia artificial [20] han surgido para ayudar a los solicitantes de empleo en el creación de documentos de solicitud. Estos servicios se enfocan en la creación de currículums compatibles con ATS, ejecutar la verificación y selección de currículums, y ayudar con todos los procesos de preparación y solicitud. Algunos de los creadores de IA, como Leap.ai y Skillroads, se concentran en la creación del currículum, mientras que otros, como Stella, también ofrecen ayuda con la búsqueda de empleo en sí, ya que hacen coincidir candidatos con las vacantes adecuadas. En 2017, Google intentó desmantelar el mercado global de contratación de 215,68 mil millones de dólares (a partir de 2017) a través de la creación de Google for Jobs, que se prevé que afectará en gran medida al mercado laboral. Esta expansión del motor de búsqueda utiliza Cloud Talent Solution, [21] la propia invención de Google, que es otra iteración del sistema inteligente de creación de currículums y combinación de IA.
Futuro
Los analizadores de currículum ya son estándar en la mayoría de las empresas medianas y grandes y esta tendencia continuará a medida que los analizadores se vuelvan aún más asequibles. [13]
El currículum de un candidato calificado puede ignorarse si no tiene el formato adecuado o no contiene palabras clave o frases específicas. A medida que el aprendizaje automático y el procesamiento del lenguaje natural mejoren, también mejorará la precisión de los analizadores de currículums.
Una de las áreas en las que el software de análisis de currículum está trabajando en expandirse es realizar un análisis contextual de la información en el currículum en lugar de simplemente extraerla. Un empleado de una empresa de análisis dijo que "un analizador necesita clasificar los datos, enriquecerlos con conocimientos de otras fuentes, normalizar los datos para que se puedan utilizar para el análisis y permitir una mejor búsqueda". [22]
También se les pide a las empresas de análisis que se expandan más allá de los currículums o incluso los perfiles de LinkedIn. Están trabajando para extraer información de sitios específicos de la industria, como GitHub y perfiles de redes sociales. [22]
Referencias
- ^ a b "¿Qué es el análisis de CV / CV?" DaXtra , Daxtra Technologies Ltd, 18 de octubre de 2016, www.daxtra.com/2016/10/18/what-is-cvresume-parsing/.
- ^ Ratcliff, Christopher. "Observación de motores de búsqueda". ¿Qué es la búsqueda semántica y por qué es importante? , ClickZ Group Limited, 21 de octubre de 2015, seekchenginewatch.com/sew/opinion/2431292/what-is-semantic-search-and-why-does-it-matter.
- ^ a b c d e "¿Está listo su currículum para la detección automática?" Resume Hacking , Resume Hacking, 2 de enero de 2016, www.resumehacking.com/ready-for-automated-resume-screening.
- ^ a b Nelson, Paul. "Técnicas de procesamiento del lenguaje natural (PNL) para extraer información". Tecnologías de búsqueda , Tecnologías de búsqueda, www.searchtechnologies.com/blog/natural-language-processing-techniques.
- ^ Reynolds, Brandon. "El terrible problema con el procesamiento del lenguaje natural (somos nosotros)". Blog de Salesforce , Salesforce.com, Inc., 17 de agosto de 2016, www.salesforce.com/blog/2016/08/trouble-with-natural-language-processing.html.
- ^ https://medium.riminder.net/hr-software-companies-why-structuring-your-data-is-crucial-for-your-business-f749ecf3255a
- ^ "Tipos de analizadores y cómo funcionan". Daxtra , Daxtra Technologies Ltd, 26 de febrero de 2014, www.daxtra.com/2014/02/26/types-of-parser-and-how-they-work/.
- ^ "Un reclutador ejecutivo superior pone la precisión a la prueba definitiva". Reanudar el análisis: Poniendo la precisión a la prueba definitiva , Sovren Group, Inc., www.sovren.com/resource-center/a-top-executive-recruiter-puts-accuracy-to-the-ultimate-test/.
- ^ a b Levinson, Meridith. "5 secretos de información privilegiada para vencer a los sistemas de seguimiento de candidatos (ATS)". CIO , CIO, 1 de marzo de 2012, www.cio.com/article/2398753/careers-staffing/careers-staffing-5-insider-secrets-for-beating-applicant-tracking-systems.html.
- ^ Howard, Jacqueline. "Un nuevo estudio confirma una verdad deprimente sobre los nombres y los prejuicios raciales". The Huffington Post , TheHuffingtonPost.com, 8 de octubre de 2015, www.huffingtonpost.com/entry/black-sounding-names-study_us_561697a5e4b0dbb8000d687f.
- ^ Cohn, Laura. “Esta ejecutiva cambió su nombre por el de un hombre para conseguir un trabajo. ¿Deberías? Fortune , Time, Inc., 8 de junio de 2016, fortune.com/2016/06/08/name-bias-in-hiring/.
- ^ "3 formas en que los reclutadores pueden usar la inteligencia artificial para reducir el sesgo inconsciente". Reclutador encubierto , 12 de mayo de 2017, theundercoverrecruiter.com/ai-reduce-unconsciente-bias/.
- ^ a b c d "Pequeños pasos en la tecnología de recursos humanos: ¿Qué es el análisis de currículum?" Recruiterbox , Recruiterbox Inc, 12 de octubre de 2017, recruiterbox.com/blog/baby-steps-in-hr-technology-what-is-resume-parsing-2/.
- ^ Caín, Áine. "La verdadera razón por la que el 60% de los solicitantes de empleo no puede soportar el proceso de solicitud". Business Insider , Business Insider, 16 de junio de 2016, www.businessinsider.com/why-most-ob-seekers-cant-stand-the-application-process-2016-6.
- ^ Schultz, Carol. "¿Tienes un minuto? Si es así, invítelo a mirar currículums ". ERE , ERE Media., 3 de mayo de 2012, www.ere.net/got-a-minute-if-so-spend-it-looking-at-resumes/.
- ^ a b c Cappelli, Peter. "¿Cómo conseguir trabajo? Vence a las Máquinas ". Time , Time Inc., 11 de junio de 2012, business.time.com/2012/06/11/how-to-get-a-job-beat-the-machines/.
- ^ https://www.quora.com/What-is-the-best-resume-parsing-software/answer/Vinay-Johar-1
- ^ Hu, James. "Respuestas a sus 7 preguntas principales sobre los sistemas de seguimiento de candidatos". Recruiter , Recruiter.com, Inc., 16 de agosto de 2017, www.recruiter.com/i/your-top-7-questions-about-applicant-tracking-systems-answered/.
- ^ "hasta un 95% de precisión" . Hacia la ciencia de datos .
- ^ "Tecnologías de IA que te ayudan a conseguir contrataciones" . Skillroads .
- ^ "Solución de talento en la nube" . Google .
- ^ a b Zielinkski, Dave. “¿Su analizador de currículum se acumula? Cómo evaluar sistemas de próxima generación ". SHRM Society for Human Resource Management , SHRM, 10 de mayo de 2016, www.shrm.org/resourcesandtools/hr-topics/technology/pages/does-your-resume-parser-stack-up-how-to-evaluate-next-generation -systems.aspx? sthash.2dz2wgkl.mjjo.