随着招聘领域进入三维世界，我们可以看到，2.0时代的在线招聘行业发展呈现出一些新的特点：

1、 招聘最合适的而非能力最强的

在1.0时代，企业招聘员工更多的是通过关键词基于简历进行搜索，这种方式无法从更多纬度判断求职者的价值观、社交属性。而在2.0时代，由于数据类型的丰富与立体化，新的数据算法能让雇主与用户更加精准匹配。

美国加州26岁的杰德•多明格斯某天收到一封突如其来的邮件，旧金山一家初创公司请他去面试程序员。多明格斯那时正住在加州某市一间租屋里，靠信用卡赊账度日，他正在自学编程。多明格斯在高中表现中等，也没想过要上大学。是一位名叫卢卡•邦马萨的人通过一种新的数据算法选中了多明格斯。

这种新的数据算法的理念是让人把目光从传统的人才指标上移开来一点，比如招募者一般都很关心的麻省理工大学的学位、谷歌公司供职的经历、同事或友人的推荐等，同时投入更多注意力在一些简单的概念上面：这个人的表现如何？这个人能够做什么？能不能量化分析它？

据了解，这种来自于美国某数据分析公司的新算法在分析一个人时要处理三百来个主要变量：常逛的网站、描述各种技术时使用的语言类型、积极还是消极、在LinkedIn上的技能自述、参与过哪些项目、都干了多久、在哪里上的学、学的什么专业，这所学校当年在《美国新闻与世界报道》上排名是多少……正是这些丰富的数据勾勒出求职者更加立体化的画像，让雇主与用户更加精准匹配。

2、“大数据”提升劳动力运转效率

2011年夏天，曼城队助理教练大卫·普拉特决定利用数据分析来解决球队在表现方面遇到的一个棘手难题。普拉特发现，尽管球队阵容中拥有多名高大强壮的球员，但他们的角球得分情况却不尽如人意。在征求了俱乐部内部数据分析师的意见后，该队增加了对内旋角球（球转向守门员方向）的使用。战术转变产生了惊人的效果。在整个赛季中，曼城队依靠角球打入15个进球，成为英超角球得分效率最高的球队，其中2/3的进球采用的是内旋角球。这一实践为数据驱动型决策提供了强有力的支撑。

高质高效的数据分析开始在企业和团队的战术及决策中展示出更大价值。

一些走在前列的科技公司如BAT、华为、联想等，已经开始用LinkedIn的数据协助自己进行更多的商业决策。比如，通过阅读求职者的资料，它们可以发现哪些地区拥有更多潜在的合适的员工，并决定在何处设立新的办公室或工厂。换言之，LinkedIn想要改变的不再仅仅是招聘和求职的方式，而是整个劳动力市场的运转效率。

在LinkedIn首席执行官杰夫·韦纳尔(Jeff Weiner)的理想状态下，LinkedIn可以基于这些数据描绘出一幅宏大的“经济图谱”。具体说来，如果LinkedIn能够跟踪求职者、公司和大学之间的关系，绘制出人们的工作职位、资历和技能与雇主要求间的匹配图，它就能够逐步改善劳动市场信息的流通，创建劳动力市场的大数据。

总结

如今，数据获取变得越来越容易，然而面对海量的数据，如何更好地加工和运用，使其转化为商业机会并提升价值，大多数企业依旧在为之努力。职业社交网站凭借着对大数据的深入认知与实践，或将迎来意想不到的井喷期。