招聘效果的衡量指标

2月7日

公司的人事部门都一直在试图用各种方法来衡量招聘的效果Recruitment Metrics,包括的方法有许多种。从cost per hire(单位招聘成本)到time to fill(招聘时间跨度)、以及招聘过程衡量、满意度衡量等等。但最有效的衡量指标还是应该能够用钱来进行描述。
BCG的专家们提出了一个简单而有效的公式:
P = S - (SC + CC + EC)
P economic profit per employee 个人经济利润
S sales per employee 个人销售业绩
SC supplier cost (including outsourced activities) per employee 个人供应商成本
CC capital cost per employee 个人销售成本
EC employee costs including salaries, bonuses, and benefits, per employee 个人福利收入
* 如果不扣除EC,那么结果就是体现了雇员的单位生产力Productivity per employee
这个方法的最大优点就是能够用简单而不可争辩的财务数据来体现招聘的效果,这要比采用过程化或满意度来衡量要客观很多。这样的衡量指标是可以跨部门进行的。
当然这样的方法只能用在和销售直接相关的岗位上面,其他很多类型的岗位都不一定能够直接拿到数据。他们的生产力和成本支出很多就只能估计了。即使对于销售人员,这个简单的公式里面也没有考虑很多其他因素,比如广告、品牌、产品、地理位置等等。
结果是最能说明问题。不管你是否喜欢,对于一个企业而言能够带来经济效益的招聘就好的招聘。在任何一个老板眼里,这个比招聘成本、招聘时间、满意度调查都要直接许多。
德卡猎头 ( www.dacare.com)
【电动汽车充电站有序充电调度的分散式优化】基于蒙特卡诺和拉格朗日的电动汽车优化调度(分时电价调度)(Matlab代码实现)内容概要:本文介绍了基于蒙特卡洛和拉格朗日方法的电动汽车充电站有序充电调度优化方案,重点在于采用分散式优化策略应对分时电价机制下的充电需求管理。通过构建数学模型,结合不确定性因素如用户充电行为和电网负荷波动,利用蒙特卡洛模拟生成大量场景,并运用拉格朗日松弛法对复杂问题进行分解求解,从而实现全局最优或近似最优的充电调度计划。该方法有效降低了电网峰值负荷压力,提升了充电站运营效率与经济效益,同时兼顾用户充电便利性。 适合人群:具备一定电力系统、优化算法和Matlab编程基础的高校研究生、科研人员及从事智能电网、电动汽车相关领域的工程技术人员。 使用场景及目标:①应用于电动汽车充电站的日常运营管理,优化充电负荷分布;②服务于城市智能交通系统规划,提升电网与交通系统的协同水平;③作为学术研究案例,用于验证分散式优化算法在复杂能源系统中的有效性。 阅读建议:建议读者结合Matlab代码实现部分,深入理解蒙特卡洛模拟与拉格朗日松弛法的具体实施步骤,重点关注场景生成、约束处理与迭代收敛过程,以便在实际项目中灵活应用与改进。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值