1、招聘数据解决方案,目录,背景分析,需求分析,1,2,总体架构,4,产品思路,3,技术解决方案,5,落地实施方案,6,招聘行业现状分析,互联网目前对招聘行业的改变，是极其有限的，只是让服务场景延伸了。和前互联网时代的“人才市场”模式相比，现在招聘企业，在服务上，并没有实质性的提升，仍然是提供一个平台，然后把C端（候选人）卖给B端（用人企业）。但服务场景延伸了.,这体现在，以前只能去人才市场找工作，现在在家里找工作；以前只能在家里找工作，现在可以在公交车上用手机找工作。包括新兴的“职场社交”，其实仍然只是服务场景的改变：以前是通过中介、猎头找工作，现在跟HR、跟CEO社交，通过相处，熟悉后找工作。
2、招聘行业如果只是延伸服务场景，却不提升服务品质，是迟早会被互联网市场淘汰的。目前也有一些招聘企业，已经开始升级对C端的服务品质，比如拉勾做的专车送入职者上班，比如强制要求用人企业发布的招聘职位薪资透明，再比如一些公司猎头给付费用户提供的一对一服务，帮他们去完善简历。,求职者,求职者,人才市场,互联网招聘平台,招聘行业业务痛点分析,互联网给人类最大的财富就是前所未有的前沿实时资讯，所以互联网对招聘行业服务品质的提升，最终必然也是依靠资讯的处理。,服务痛点,信息痛点,模式痛点,需求痛点,为什么要引入大数据处理技术,移动互联网时代，新业务/新商业模式不断涌现，极大的丰富了人们生活，随之带来的是各种形
3、态业务数据的爆发式增长；新形势下的数据仓库不再局限于传统的经营决策统计分析报表，而是要改变运营方式、提供符合新业务/新商业模式的运营支撑能力；传统数据仓库技术难以满足高速增长的海量数据的处理要求，迫切需要引新的技术来提升支撑系统的能力。,大数据特点,高端集中式存储设备扩容成本高高端集中式计算小型机设备扩容成本高，且难以扩展,传统数据仓库挑战,结构化文件数据采集和处理能力有限缺少非结构化网页数据的采集和处理能力,海量数据分析及时性难以保障缺乏实时消息/信令数据的采集和处理能力,应用多为统计分析报表，数据价值有限缺乏实时商业机会捕捉和处理能力,数据量巨大,处理速度快,数据多样化,商业价值高,基于廉
4、价X86服务器的Hadoop和MPP数据库的分布式存储和计算技术，降低投资成本，保障长期的可扩展性,大数据解决方案,基于Hadoop的云化ETL技术，实现海量结构化文件数据的采集和处理基于Hadoop的网页爬取技术，实现非结构化网页数据的采集与解析,MPP数据库技术，实现大规模数据的并行处理流处理/内存数据库技术，实现消息/信令数据的实时采集和处理,基于Hadoop的分布式数据挖掘技术，实现从海量数据中挖掘更深的价值基于流处理和复杂事件处理技术，及时捕捉商业机会，并基于预定义的策略，执行相应的运营动作,观点1：大数据是一种正在进行的业务转型,大数据是互联网经济的主要支撑模式，强调以数据先行的方
5、式孕育创新，平台技术以适应变化的方式支持业务发展。数据驱动业务是终极目标。,大数据概念席卷了各个领域，造成了传统经济阵营的一种恐慌。但是，这种恐慌的根源并非来自大数据，而是背后充满活力、高速发展的互联网经济。因此，我们无法仅仅借鉴大数据的细枝蔓藤，应用一两种新技术、或模仿建设某一种平台来根本上消除这种差距。从业务角度看，出路在于向数字时代的商业模式转型。,观点2：大数据同时是一种技术革新,软件发展趋势,海量数据处理、实时、智能，既关注群体规模又关注个性化，是商业模式对大数据技术发展的主要诉求。业界软硬件平台总的发展方向，可以总结为两点：更高的处理性能、以及更多的细分领域。,灵活、松耦合的设计，
6、适应业务变化分布式架构，充分利用网络的力量混搭，以最合适的技术支撑业务,云化，将分散的设备资源聚合善用内存、闪存和高带宽，这些设备发展速度远远超过CPU虚拟化，适用于需要将资源分隔使用的场景,硬件发展趋势,目录,背景分析,需求分析,1,2,总体架构,4,产品思路,3,技术解决分析,5,落地实施方案,6,招聘行业大数据需求分析求职端需求,智能招聘的入口和核心，高成功率的智能匹配,根据用户基本属性与行为，进行精确推荐,结合求职反馈与招聘需求，提供简历智能优化,记录个人求职里程，形成求职基因分析库,1,2,3,4,针对求职端而言，亦是求职者，他们急需能够快速的找到合意的工作；求职者也需要了解自身在求职过程中的得失。求职端的信息需求主要表现为对工作机会的精确推荐需求以及有效清晰的掌控求职过程。,招聘行业大数据需求分析企业端需求,