2019年新年快乐!
我为BOSS直聘写的《2019年人才报告——开源时代》所写的最后一章,关于匹配理论在就业市场中的运用(introduce the application of market design in the job market to non-market designers 转载请注明出处:)。欢迎使用我们的app:https://app.zhipin.com/
一、搜寻与匹配——就业市场动态变化的微观基础
当前,就业市场仍然存在着显著的“失业”和“空岗”并存的现象。搜寻与匹配是影响就业的重要微观过程。中国的经济增长一直保持了良好的势头,每年能够持续不断地提供工作岗位,同时每年高校学生毕业,也不断地有新的劳动力涌入市场。搜寻时间直接影响失业时间和岗位间转换的时间,而人岗匹配的程度则影响就业市场的稳定性。近年来,随着互联网技术的发展与普及,网络招聘平台的兴起使求职者们找工作,雇主们招人变得更加便捷和有效。
招聘网站和APP变革了传统的雇主单向选择的招聘市场,大幅降低了雇主垄断、人才和职位信息滞后、等待回应时间过长、匹配效率低下,以及匹配不当等问题。招聘市场呈现的新特点如下:
一、就业逐渐成为一个双向选择的过程。在传统的招聘市场,议价能力占上风的往往是雇主。而现在,随着更加开放与自由的市场带来人们选择面的扩大,一个愈来愈强的趋势是,就业市场不仅是雇主在挑选求职者,更是求职者在挑选雇主。例如,在BOSS直聘的APP里,雇主(“老板”)能够发布职位,邀请求职者(“牛人”)进行聊天并向其索取联系方式和简历,以及发起面试邀请。牛人也能够主动邀请老板聊天,并向其提供自己的联系方式和简历等信息,以及决定是否接受老板的面试邀请。
二、找工作与招人时间变短。这得益于互联网的普及、信息的愈加完善和信息流通速度的加快,职位和人才的搜寻变得更加方便,达成匹配的时间大大降低。用传统的手段,人们找工作往往需要几个月时间,而现在利用招聘工具,找工作可缩短到只需要几天时间。这一方面是因为招聘工具如BOSS直聘能够根据人才和雇主提供的信息(比如人才简历,期望薪资要求,以及雇主提供的岗位信息,对人才的要求等),自动地为用户进行搜寻,使搜寻的成本大大降低。另一方面是因为平台集合了人才和岗位的信息,大大地提高了市场密集程度,人们不必花很长时间等待合适对象的出现。
三、人岗匹配程度得到加强。得益于大数据的搜集与积累,机器学习与人工智能技术得以大展拳脚。其实很多岗位曾出现“用工荒”的情况,其中主要一个原因是雇主没有招人的渠道,或者不知道什么样的人才符合这个岗位。另外,很多求职者,尤其是刚刚毕业的大学生,对就业环境了解甚少,不知道自己适合什么样的工作,怎样做职业生涯规划,也不知道自己在社会上的价值。招聘平台在搜集用户数据之后对此进行挖掘与分析,对各维度的信息进行整合与优化,为求职者精准推荐合适的岗位,以及为雇主精准推荐合适的人才。同时,通过对多年数据做分析,不仅能够对人才的职业生涯做出规划,而且能够对行业的兴衰做出预测。除此之外,利用大数据,高校能够对专业设置和招生人数进行调整与规划,使培养的人才能够更好地符合社会的需求。
四、就业市场的风险在增大。技术是一把双刃剑。招聘平台获取了人们的信息,可以为人们提供更好的服务,但同时引发了一些风险。一方面,虚假信息与真实信息并存。网上存在大量虚假招聘广告,黑中介或黑心企业,骗取求职者的钱财甚至生命。要使此类骗局得到控制,需要依赖于信息验证技术和监管技术的提高,以及法制的完善。另一方面,求职与招聘平台上用户提交的内容包含了大量个人信息,如果这些信息被泄露并被恶意利用,不仅会对用户会造成伤害,如果流入国外,更是甚至会威胁到国家安全。
以上的几个的趋势,归因于招聘平台的兴起,使得就业市场朝着越来越集中化的方向发展。凭借信息、技术与用户量的垄断优势,招聘平台不仅能够利用大数据为个体的雇主与求职者提供优质的服务,它更肩负着保护用户信息,并且对就业市场进行重新定义与设计的责任。
二、从市场设计角度看就业——从微观回归宏观
我们应该如何站在市场的角度评估招聘平台的效果呢?市场如何让求职者与雇主之间实现快速、高效、公平地匹配呢?从市场设计的角度看,一个好的匹配市场应该有如下特点:
一、稳定性。
就业市场上人岗不匹配的现象越少,则市场越稳定。错配的存在形式有两种:
其一是求职者申请了自己原本并不想去的公司甚至接受了其面试和录取,或者雇主招收了不适合该岗位的人员。造成这种现象一般是因为可供选择的对象太少,所以求职者出于生计的考虑选择了原本自己不想从事的工作,或者是岗位上没有满足其要求的人才,因此雇主不得不降低或改变要求。这样的求职者即使工作了,一般也无法全心全意,很多人一边工作一边寻求其他机会,跳槽率很高;或者他们会因为无法适应该工作而不得不离职。这种选择错误在经济学上称“非理性”。
其二是求职者和一个岗位达成了配对,但其实有另外的岗位更加适合该求职者,该岗位或许是空的,或许正被其他并不合适该工作的人占用。造成这种现象的原因一般是出于信息的不完善,或者匹配机制的不合理。当这种错配的情况发生,后来雇主或求职者发现了更好的选择的时候,他们会有强烈的动机去替换当前的对象。比如,一个IT的岗位招了一名学物理的博士生,但当时在招聘市场上是有更加适合该岗位的IT科班出身的硕士生也想申请这份工作的。之所以IT硕士生没有和这份工作配上,很可能是因为物理博士先于他申请了这份工作并被录取,也有可能是因为雇主和求职者对彼此所发的信号不能被完全接收到。这种现象在经济学上称“正当的嫉妒”。
二、有效性。
市场能否在不损坏其他人利益的情况下提高任何其他人的利益。如果不能,则该市场是一个有效的市场。经济学对此的术语是“帕累托最优”。在匹配市场中,如果重新配对能使某些人变得更好,而又不会伤害其他人,则我们称该市场有“帕累托改善”的空间。
例如,在上面IT岗位的例子中,假设当时有一份在研究院物理所的工作出现,能够提供丰厚的科研资金,而且研究方向也非常符合该物理博士的兴趣。如果让那位IT硕士生从事本来给那位物理博士的IT工作,而安排该物理博士去该研究院,则使得两人的效用都更高,市场则变得更加有效。再例如,某行业的人才供给大于人才需求,
基于这种思想,一个好的就业市场设计不应该只是考虑一对求职者-岗位匹配的好坏,还应该照顾到市场的各个层面,让尽可能多的人找到满意的匹配。市场的设计者应该有全局的视角,以最大化社会总福利为目标。
三、抗操控性。
人们是否不敢表达自己的真实信息与偏好?比如,求职者很想去某家公司,但考虑到该公司竞争激烈而放弃了申请;或者,在求职过程中,求职者故意隐瞒或编造某些信息;在与雇主交流或面试的时候,求职者不敢说真话。有很多原因会导致人们这么做。比如,如果求职者知道自己最喜欢的公司竞争激烈,而自己有极大的概率被另一家公司接受,则可能由于时间精力等约束,该求职者就没有申请自己最喜欢的公司,而保守地申请了那另一家公司。
如果在一个市场机制下,人们表达自己的真实偏好符合他们利益的最大化,则我们称这个市场具有“抗操控性”。在一个具有抗操控性的就业市场,人们敢于大胆追求自己的职业梦想,敢于表达自己真实的求职和雇人偏好而不担心会有不好的后果。
担忧个人信息安全问题是人们不敢充分表达自己真实信息、实践自己真实想法的一个原因。更重要的是,市场设计机制的不完善是市场不具有抗操控性的根本原因。虽然绝对抗操控性的市场在现实中是不存在的,但可以通过完善设计甚至重新设计来提高就业市场的抗操控性。
利用BOSS直聘2018年11月份的其中5天由144位北京Java职位由雇主主动发起聊天邀请的数据做分析,并与其他有效或稳定中央机制(各机制的具体算法见附录)做对比,我们发现当前的就业市场在稳定性和有效性上能够提升的空间非常大。在大数据的情景下,中央计划的优势凸显。
有效性 |
雇主发起 |
实际情况 |
波士顿机制 |
延迟接受机制 |
首位交易环 |
随机连续独裁 |
第1偏好匹配率 |
2.78 |
32.41 |
6.9 |
18.62 |
13.79 |
|
前5偏好匹配率 |
14.58 |
53.1 |
32.41 |
44.14 |
39.31 |
|
前10偏好匹配率 |
21.53 |
60.69 |
51.72 |
53.1 |
57.24 |
|
前30偏好匹配率 |
39.58 |
77.93 |
77.24 |
79.31 |
78.62 |
|
前100偏好匹配率 |
90.97 |
97.93 |
98.62 |
97.93 |
97.93 |
|
稳定性 |
不稳定的匹配数 |
7866 |
645 |
0 |
6920 |
6068 |
中央式的招聘在大数据、信息化的时代会越来越具有优势。随着法制和市场机制的完善,未来的招聘市场也会变得更加公平和高效。据此,我们对求职者、雇主和招聘平台的系统设计者和市场设计者提以下几点建议:
一、求职者和雇主应该被鼓励充分提供真实的信息。由于机器学习(ML)和人工智能(AI)需要大量数据的支撑,因此真实的信息能够帮助产生更加有效的预测与推荐。用户们提供的信息越完善、越真实,则他们从招聘平台获得的服务也会质量更高。同时,他们贡献的数据能进一步加强ML和AI功能的完善。两者相辅相成。
二、求职者和雇主应该被鼓励大胆表达真实的偏好。随着市场设计的优化和市场密度的增加,以及系统的信号表达机制和匹配算法的优化,市场供求两方的需求都将越来越容易被满足,社会流动性大大增强。由于招聘平台往往集合了各类求职者和职位的信息,很多看起来高高在上的雇主和人才不再高不可攀。求职者应该被鼓励去申请自己最喜欢的职位,雇主也应该被鼓励向自己中意的求职者发送信号。
三、市场设计者和招聘平台的系统设计者应该:1)应该有权定义用户个人数字数据的使用权限并提供知情同意,并提供数据核查服务;2)不仅要追求个人层面的满意度和匹配质量,更要从最大化市场总福利的目标来做设计;3)兼顾匹配的公平和稳定,通过透明和可追溯的标准来设计算法和系统。
附录一、匹配理论背景介绍
中央式匹配理论最早源于大卫·盖尔(David Gale)和劳埃德·S·沙普利(Lloyd S. Shapley)在1962年对婚姻市场上男女如何匹配以及学校如何招生的论述。他们提出了稳定匹配的理论。后来阿尔文·罗斯(Alvin E. Roth)与他的同事们对此理论进行了完善与扩展,并广泛地将此运用于房屋分配、学校选择、肾脏交换等真实世界的分配系统中。因为此贡献,沙普利和罗斯在2012年获得了诺贝尔经济学奖。
一个著名的例子是罗斯把稳定匹配理论运用到美国住院医师配对项目(National Resident Matching Program,NRMP)中。NRMP每年为医学院毕业生找工作的匹配过程如下:医学院毕业生提交自己对住院医课题组的偏好排序列表(ROL),一般可提交15组,但也可递交更多但需要额外的收费。各课题组也有自己相关的录取政策来决定如何对每个申请者进行排序。一个中央的匹配系统根据ROL帮助医师匹配到合适的课题组。其过程如下:
第一轮,NRMP向排在求职医师ROL第一偏好的课题组提起申请。如果一个课题组收到多个申请,则比较各个申请者的信息,根据优先权和课题组偏好择优(暂时)录取直到空缺被填补。
第二轮,对于未被录取的申请者,NRMP向其ROL还未拒绝他们的课题组中选择他们ROL上排名最前的课题组提起申请。收到申请的课题组会把当前的申请者信息和已经被暂时录取的申请者信息一起进行比较,根据优先权和课题组偏好择优(暂时)录取直到空缺被填满。
……
第N轮,对于未被录取的申请者,NRMP向其ROL还未拒绝他们的课题组中选择他们ROL上排名最前的课题组提起申请。收到申请的课题组会把当前的申请者信息和已经被暂时录取的申请者信息一起进行比较,根据优先权和课题组偏好择优(暂时)录取直到空缺被填满。
……
一、当求职者供大于求时,如果求职医师ROL上所有课题组都已经被申请过了,但还是未被录取,则该过程终止。
二、当求职者供小于或等于求时, 如果所有求职医师都已经被录取但课题组还有空缺,则该过程终止。
附录二、理论模型
延迟接受算法与及时接受算法
NRMP采用的算法叫“延迟接受算法”(deferred acceptance algorithm,简称DA)。与之相对的是“及时接受算法”(immediate acceptance algorithm,简称IA)。由于该算法曾在波士顿公立高中录取学生时运用,因此又叫“波士顿机制”。在求职的框架下,求职者和招聘者都可以作为主动方。以求职者为主动方为例,DA和IA的步骤和细微差异如下:
第一轮,求职者向自己最喜欢的公司发起申请。如果一个职位收到多份申请,则该公司会比较各个求职者的信息,择优录取直到空缺被填补,淘汰其他求职者。
……
第N轮,在前一轮中被淘汰的求职者向还未申请过的公司中挑选自己最喜欢的公司发起申请。如果一个职位收到多份申请,则该公司会比较各个求职者的信息,择优录取直到空缺被填补,并淘汰其他求职者。
……
在以上各轮中,用IA的算法,录取一旦完成,则结果是最终的;用DA的算法,每次录取都是暂时的——如果下一轮有新的申请者,则被录取者会被与新的申请者相比较。
如果有求职者申请完了他们所有想申请的职位但还是没有找到工作,则该过程停止。或者是如果所有求职者都录取了但公司还有职位空缺,则该过程也停止。
首位交易环
首位交易环(top trading cycle,TTC)最早由大卫·盖尔(David Gale)提出。最早将此理论应用于实践的是劳埃德·沙普利(Lloyd Shapley)和赫伯特·斯卡夫(Herbert Scarf)在1974年提出的对不可分割物品(“房屋”)的分配。模型里假设每个人都拥有自己的房子,他们对所有房子有自己不同的偏好(其中有些人更喜欢别人的房子),而且市场中不存在货币,唯一的交易形式是交换房子。TTC可以使人们交换房子并使市场福利达到最大化。在这个过程中,所有人指向他们最喜欢的房子,房子“指向”它们的主人,这样就至少会形成一个循环。在这个循环中,房子的原主人把自己的房子让给最喜欢他们房子的人,交换得到自己最喜欢的房子。
在求职的场景中,则代表让每个求职者申请(“指向”)他们最喜欢的职位,如果该职位已经被人占用了,则“指向”当前的人,否则,该职位“指向”其最喜欢的求职者。已经在该职位上的人可以“指向”当前的职位——如果他(她)的工作恰好是其最喜欢的工作——则他继续留在该职位中。或者,他(她)可以“指向”其他自己最喜欢的职位,则意味着准备跳槽。依此类推。
如果人们的偏好有所差异的话,则至少会形成一个循环。切断循环的方法有两种:如果从求职者的利益考虑,则把他们最喜欢的职位分配给他们;如果从招聘者的利益考虑,则把他们最喜欢的求职者分配给他们。
随机连续独裁
随机连续独裁(random serial dictatorship, RSD)是对市场参与者进行随机排序,然后让他们依次选择自己最喜欢的匹配。在求职市场上,假设对求职者进行随机排序,则RSD的过程如下:
第一轮,让排在随机数第一位的求职者选择自己最喜欢的职位,然后离开市场。
第二轮,让排在随机数第二位的求职者在剩下的职位中选择自己最喜欢的职位,然后离开市场。
……
第N轮,让排在随机数第N位的求职者在剩下的职位中选择自己最喜欢的职位,然后离开市场。
……
当市场上所有的职位都被选择尽了,或者所有求职者都找到工作了,则该过程停止。 如果是对雇主进行随机排序,则依次让雇主选择自己最喜欢的求职者。
传统的RSD不考虑接受方的偏好,可以对RSD稍作改良,使得接受方也能够有拒绝的权利。则改良后的方法如下:
第一轮,让排在随机数第一位的求职者选择自己最喜欢的职位,该职位的雇主可以选择接受还是拒绝该申请。如果接受,则该求职者与该空缺的职位离开市场。如果拒绝,则该求职者在剩下的职位中选择自己最喜欢的职位。依此类推,直到该求职者被接受为止。
第二轮,让排在随机数第二位的求职者在剩下的职位中选择自己最喜欢的职位,该职位的雇主可以选择接受还是拒绝该申请。如果接受,则该求职者与该空缺的职位离开市场。如果拒绝,则该求职者在剩下的职位中选择自己最喜欢的职位。依次类推,直到该求职者被接受为止。
……
第N轮,让排在随机数第N位的求职者在剩下的职位中选择自己最喜欢的职位,该职位的雇主可以选择接受还是拒绝该申请。如果接受,则该求职者与该空缺的职位离开市场。如果拒绝,则该求职者在剩下的职位中选择自己最喜欢的职位。依次类推,直到该求职者被接受为止。
……
参考文献:
[1] D. Gale and L. S. Shapley, “College Admissions and the Stability of Marriage,” Am. Math. Mon., vol. 69, no. 1, pp. 9–15, 1962.
[2] D. Gale, The Theory of Linear Economic Models. University of Chicago Press, 1960.
[3] L. Shapley and H. Scarf, “On Cores and Indivisibility,” J. Math. Econ., vol. 1, no. 1, pp. 23–37, 1974.
[4] Roth AE. Marketplaces, Markets, and Market Design. Am Econ Rev. 2018;108(7):1609–58.
[5] The IEEE Global Initiative on Ethics of Autonomous and Intelligent Systems, Ethically Aligned Design, 2018.