FROM RECRUITMENT DATA SOURCES TO PLACEMENT INTELLIGENCE — AN AUTOMATED ETL PIPELINE FOR CAMPUS HIRING ANALYTICS AND DECISION SUPPORT - (HIRESTREAM)

校园招聘是工科院校最受关注的活动之一，但其背后的数据通常分散在多个地方。学生的学业记录存放在学校的ERP系统中，简历以PDF文件形式提交，公司的职位描述通过电子邮件送达，能力倾向测试成绩从在线测评平台导出，面试结果则由就业指导中心记录在电子表格中。要生成一份关于有多少学生符合某场招聘会资格或某院系就业率为何下降的简单报告，就需要数天的人工复制工作。本文提出了HireStream，一个自动化提取、转换和加载（ETL）流水线，将上述招聘数据源整合在一起，并将其转化为面向培训与就业指导办公室的就业智能。该流水线按计划从ERP数据库、简历共享文件夹、职位描述收件箱、测评平台导出文件和面试反馈表中提取数据。在Apache Airflow的编排下，转换阶段对学号、专业代码和日期进行标准化，依据完整性和范围规则验证记录，使用基于spaCy的信息抽取模型解析简历，并将自由文本技能映射到统一的技能分类体系中。清洗后的数据被加载到设计为星型模式的PostgreSQL数据仓库中，事实表涵盖申请、测评尝试、面试轮次和录用通知，维度表涵盖学生、公司、招聘会、技能和时间。多个分析模型在该数据仓库上运行。梯度提升分类器根据CGPA、补考科目数、能力倾向百分位、编程测试成绩、实习经历和匹配技能等特征，估计每位学生获得录用通知的概率。匹配模型使用TF-IDF和句子嵌入将学生技能画像与职位描述进行比对，并为每场招聘会对符合条件的学生进行排序。技能差距分析将近期招聘季中招聘方所要求的技能与各届学生所具备的技能进行对比，漏斗分析则展示候选人在注册、测试、面试和录用各环节之间的流失情况。