一种通用人力招聘系统开发方法及通用人力招聘系统

技术领域

本发明涉及人力招聘技术领域，特别涉及一种通用人力招聘系统开发方法及通用人力招聘系统。

背景技术

人力招聘在不同企业内是一个有典型共性的工作内容，基本流程一般包括简历收集录入、初筛淘汰、面试、二面、入围、入围后体检、签约等与招聘相关的全部和部分流程。但由于不同企业或不同时期对预招聘人才的招聘流程或评定标准不尽相同，传统人力招聘系统不能完全适配不同的招聘计划或招聘方案，导致系统经常要重复开发，无法共用。此外，由于招聘流程的开发需要将招聘方案及各环节对应的权重提供给开发人员，因此不能避免开发人员泄密的可能性，对于一些公平性要求高的招聘，现有的人力招聘系统难以满足要求。

发明内容

本发明要解决的技术问题，在于提供一种通用人力招聘系统开发方法及通用人力招聘系统，通过将人力招聘所有可能的环节进行拆解并存储到参数库，参数库的数据均可进行多层组装，保证了流程设计的灵活性，也减少了不同批次招聘的重复定制工作。

第一方面，本发明提供了一种通用人力招聘系统开发方法，包括：

参数库构建过程：将人力招聘所有可能的环节进行拆解，并对实现这些环节的系统数据进行分类整理，最终存储到参数库，所述参数库包括：

环节库，用于存放人力招聘过程中所需的基础环节；

指标库，用于存放人力招聘的各流程环节中所需的招聘指标数据项要素，包括环节间指标和环节内部指标；

运算库，用于存放数学/逻辑运算符或运算函数，作用于各招聘指标或招聘环节；

权重库，用于存放招聘方案所需的各项权重，包括招聘环节所对应的权重以及环节内部细分指标的权重；

招聘流程设计过程：获取基于招聘需求在所述环节库、指标库、运算库及权重库中对应选择的对象然后进行连接，环节与环节之间有且只有一个算法用于连接，所述算法为由指标库里的招聘指标、运算库里的运算符号以及权重库里的权重组合而成的招聘运算规则或计算公式，最终组装成为招聘方案或子流程。

进一步地，所述参数库还包括算法库，所述算法库中的算法用于直接复用或修改生成新的算法，所述算法作用于招聘流程中需要得到计算、分组、排序结果的环节之间或环节内部。

进一步地，所述参数库还包括招聘方案库，用于保存生成的招聘方案或子流程，供直接复用或修改生成新的招聘方案。

进一步地，还包括招聘执行过程：依次获取每一环节对应的数据输入项，包括上游环节的输出数据和/或应导入对应环节的数据，然后输出经算法加工得到的指标和权重数据，以及该环节的对应的计算、分组或排序结果，当所有环节执行完毕后，得到符合招聘要求的人选排序结果。

进一步地，所述方法还包括，招聘流程引擎构建过程，所述招聘流程引擎支持参数库内的对象以拖拽的方式加入招聘流程引擎并结合流程逻辑运算集，生成招聘方案流程图。

第二方面，本发明提供了一种通用人力招聘系统，包括：

参数库模块，用于将人力招聘所有可能的环节进行拆解，并对实现这些环节的系统数据进行分类整理，最终存储到参数库，所述参数库包括：

环节库，用于存放人力招聘过程中所需的基础环节；

指标库，用于存放人力招聘的各流程环节中所需的招聘指标数据项要素，包括环节间指标和环节内部指标；

运算库，用于存放数学/逻辑运算符或运算函数，作用于各招聘指标或招聘环节；

权重库，用于存放招聘方案所需的各项权重，包括招聘环节所对应的权重以及环节内部细分指标的权重；

招聘流程设计模块，用于获取基于招聘需求在所述环节库、指标库、运算库及权重库中对应选择的对象然后进行连接，环节与环节之间有且只有一个算法用于连接，所述算法为由指标库里的招聘指标、运算库里的运算符号以及权重库里的权重组合而成的招聘运算规则或计算公式，最终组装成为招聘方案或子流程。

进一步地，所述参数库还包括算法库，所述算法库中的算法用于直接复用或修改生成新的算法，所述算法作用于招聘流程中需要得到计算、分组、排序结果的环节之间或环节内部。

进一步地，所述参数库还包括招聘方案库，用于保存生成的招聘方案或子流程，供直接复用或修改生成新的招聘方案。

进一步地，还包括招聘执行模块，用于依次获取每一环节对应的数据输入项，包括上游环节的输出数据和/或应导入对应环节的数据，然后输出经算法加工得到的指标和权重数据，以及该环节的对应的计算、分组或排序结果，当所有环节执行完毕后，得到符合招聘要求的人选排序结果。

进一步地，招聘流程引擎模块，用于支持参数库内的对象以拖拽的方式加入招聘流程引擎并结合流程逻辑运算集，生成招聘方案流程图。

本发明实施例中提供的技术方案，至少具有如下技术效果：

采用“拆分+组合”的设计思路，将人力招聘所有可能的环节进行拆解，并为用于实现这些环节的系统数据进行分类整理，最终存储到参数库，参数库的数据可进行多层组装，将多个环节关联拼接组合成一套符合需求的招聘流程，保证了招聘流程设计的灵活性，也减少了不同批次招聘的重复手工定制工作。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

下面参照附图结合实施例对本发明作进一步的说明。

图1为本发明实施例一中方法的流程示意图；

图2为本发明实施例一中参数库的组成示意图；

图3为本发明实施例一中环节库的组成示意图；

图4为本发明实施例一中指标库的组成示意图；

图5为本发明实施例一中运算库的组成示意图；

图6为本发明实施例一中权重库的组成示意图；

图7为本发明实施例一中算法库的组成示意图；

图8为本发明实施例一中招聘方案库的组成示意图；

图9为本发明实施例一中招聘方案流程示意图；

图10为本发明实施例一中系统使用流程示意图；

图11为本发明实施例一中招聘流程示意图；

图12为本发明实施例二中系统的结构示意图。

具体实施方式

本发明实施例通过提供一种通用人力招聘系统开发方法及通用人力招聘系统，通过将人力招聘所有可能的环节进行拆解并存储到参数库，参数库的数据均可进行多层组装，保证了流程设计的灵活性，也减少了不同批次招聘经常出现的重复手工定制工作。

本发明实施例中的技术方案，总体思路如下：

本发明实施例旨在开发一个通用人力招聘系统，系统使用人员可通过流程拖拽即可完成一套独立的招聘流程和评分规则。企业在开展招聘工作时，系统使用人员只需根据本次制定的招聘计划，复用或者新拼接出一个的招聘流程，并为流程选择配套的评分指标、指标权重、计算规则等，最终自动实现一个可以满足招聘需求的应用系统。系统还可支持多个不同的招聘目标和招聘流程并行开展。

为提升系统的通用性，系统采用“拆分+组合”的设计思路，将人力招聘所有可能的环节进行拆解，并为用于实现这些环节的系统数据进行分类整理，最终存储到参数库。参数库的数据均可进行多层组装，保证了流程设计的灵活性，也减少了不同批次招聘经常出现的重复手工定制工作。本发明实施例的技术设计主要包括环节库、指标库、运算库、权重库、算法库、招聘方案库等各类与招聘相关的参数库。

实施例一

本实施例提供一种人力招聘系统开发方法，如图1所示，包括：

参数库构建过程：将人力招聘所有可能的环节进行拆解，并对实现这些环节的系统数据进行分类整理，最终存储到参数库，如图2所示，所述参数库可以包括：

环节库，用于存放人力招聘过程中所需的基础环节，包括但不限于简历筛选、笔试、面试、入围、入围后体检、签约等与招聘相关的全部和部分环节，如图3所示。环节是技术上实现招聘方案的最细粒度步骤，用于描述指标数据的加工方式。判断环节成立的标准是该步骤有且只有两个输出，即一个结果和一个关于下一环节的判断。其中，结果包括但不限于成绩、排名、人员分组等等。每个环节的数据输入项为上游环节的输出数据和手工导入的其它数据(如招聘人员名单、基础信息、上游环节生成的各类数据等)；环节输出的是经算法加工的指标和权重数据，作为本环节的结果，可参与后续环节运算。例如，某个招聘方案包含了一次笔试和一次面试，面试包含了无领导小组讨论和结构化面试。在业务流程中，该方案可以被简单表示为笔试面试，然而这并不是最细粒度的划分方式；在技术流程中，该方案需要被拆分为笔试人员分组无领导小组讨论结构化面试，该流程将面试过程进行最细粒度的划分，因此笔试、人员分组、无领导小组讨论、结构化面试是该方案的环节。

指标库，用于存放人力招聘的各流程环节中所需的招聘指标数据项要素，包括环节间指标和环节内部指标，如图4所示，环节内外的指标之间可以存在关联关系。系统使用人员可以针对不同的招聘条件在指标库里新增、维护各流程环节中所需的招聘指标数据项要素，便于制定招聘流程时选择与使用。指标库中的指标属性包含了指标名、指标标识、指标取值类型、取值范围以及指标类型。其中，指标的类型包括条件性指标，分数指标，等级指标等多种指标。条件性指标表示该指标为招聘条件之一，分为满足和不满足；分数指标表示该指标可以使用数值衡量；等级指标表示该指标可以被分成几个等级，这些等级各自对应到具体的分值。

指标是招聘方案最细粒度的数据，用于量化应聘者的原生数据(应聘者提供的数据如性别、年龄等)和衍生数据(招聘过程中基于应聘者个人能力生成的数据如学校等级、表达能力、组织能力等)。每个指标的数据要素包括指标标识，指标名，指标属性，指标值类型以及合法性检验，系统为使用者提供自定义指标维护界面。每一次招聘均通过对指标的值进行各种运算最终得出入选人员名单。

运算库，用于存放数学/逻辑运算符或运算函数，作用于各招聘指标或招聘环节，运算符包括但不限于大于、小于、等于、包含、不包含、与、或、非等运算符号，以及求和、平均值、标准差、中位数、时间、随机分组等运算函数，如图5所示。系统使用人员根据实际用人需求选择或新增运算符和运算函数，将其用于所述算法库中的算法，计算或者比较所述指标库中的指标，得出符合招聘需求的结果。

权重库，用于存放招聘方案所需的各项权重，包括招聘环节所对应的权重以及环节内部细分指标的权重，如图6所示。权重代表了每个环节和指标在招聘中的重要性程度，系统使用人员可以对权重进行新增和维护。

在一种可能的实现方式中，所述参数库还包括算法库，所述算法库中的算法用于直接复用或修改生成新的算法，所述算法作用于招聘流程中需要得到计算、分组、排序结果的环节之间或环节内部，如图7所示。基于招聘方案中不同指标或者环节之间的关联，系统使用人员还能够使用常用编程语言编写自定义的招聘算法代码，生成针对此次招聘方案的特定算法。

所述算法库中，开发人员可以预先定义部分常见的用于招聘的算法，例如得分算法、排序算法、分组算法、偏离值去除算法等等，便于制定招聘方案时使用。然而，预定义的算法无法满足所有招聘流程的需求。为了提升所述系统的通用性，系统使用人员可以根据不同指标或者环节之间的关联，使用常用编程语言自定义针对指标或者环节之间的算法代码，生成符合实际招聘需求的算法，并存入算法库。自定义算法代码示例如下：

在一种可能的实现方式中，所述参数库还包括招聘方案库，如图8所示，用于保存生成的招聘方案或子流程，供直接复用或修改生成新的招聘方案。系统使用人员每次创建的招聘方案，以及由多个基础环节构成的常用招聘子流程构件都会被留存在招聘方案库中。并且系统使用人员可以基于原有的招聘方案或者招聘流程构件，修改部分参数以生成符合实际招聘需求的方案。

招聘流程设计过程：获取基于招聘需求在所述环节库、指标库、运算库及权重库中对应选择的对象然后进行连接，环节与环节之间有且只有一个算法用于连接，所述算法为由指标库里的招聘指标、运算库里的运算符号以及权重库里的权重组合而成的招聘运算规则或计算公式，最终组装成为招聘方案或子流程，如图9所示。

方案算法是描述方案的数据计算方式，可以得到每个环节或方案的结果。同一个方案使用时，相同环节的算法，不同环节的算法，均可不同。例如，某个招聘方案包括笔试+面试两个环节，该方案被某一年的春招和秋招使用。两次招聘笔试环节的得分计算方式不同：在春招时，笔试的得分算法是客观题分数×0.6+主观题分数×0.4；在秋招时，笔试的得分算法是客观题分数×0.3+主观题分数×0.7。两次招聘使用的环节间算法也不同：春招时，笔试>80分即可直接录取；秋招的录取算法是笔试分数×0.6+面试分数×0.4，并对总分进行排序，根据招聘计划择优录取相应人选。

招聘方案定义了一个流程，用于描述如何得出本次入选人员名单。每次招聘开始时，招聘人员首先根据本次招聘的标准，在招聘系统提供的设计界面，制定一个新的招聘方案，方案制定完成后加入招聘方案库，以供未来招聘工作复用。招聘方案是一个端到端招聘流程(流程可拆分为子流程+子流程、子流程+环节、环节+环节等组合)，流程通过本次招聘选定的算法(方案算法)对招聘指标(指标数据)进行各种加工，最后得出入选人员名单。

子流程用于描述招聘方案中常用的多个连续环节的组合，简称招聘的子流程，技术上的实现是环节连通，目标是提升可复用性。如果多次招聘之间不存在多环节经常复用，可以不定义子流程。

在一种可能的实现方式中，所述方法还包括，招聘流程引擎构建过程，所述招聘流程引擎支持参数库内的对象以拖拽的方式加入招聘流程引擎并结合流程逻辑运算集，生成符合实际招聘需求的招聘方案流程图。招聘流程引擎，是将招聘过程中复杂的业务流程抽取出来，形成特定的招聘方案，使得招聘按照预先定义的流程进行。流程逻辑运算集包含了逻辑判断、算术运算以及循环三种组件，其作用于招聘流程的环节之间，根据不同条件，推进求职者的招聘进程到对应的环节。招聘流程引擎减少了因为流程改变而带来的系统改造的工作量，能够基于求职者的自身条件适当增减招聘流程，减少人工判断，提高了系统可用性和招聘效率的同时，还降低了系统的维护成本。

系统使用人员可以在招聘方案设计界面拖拽选择环节库里的流程环节和流程逻辑运算组件，关联拼接组合成一套招聘流程，接着自助选择使用指标库、运算库、权重库、算法库等各类参数库中的招聘参数，对各招聘环节进行细化维护，按此方法通过灵活组合各类招聘参数实现一套招聘方案。招聘方案库里包含一套或多套可用的招聘方案，每次招聘工作启动前，招聘人员可在招聘方案库里选择使用适合的招聘方案，修改部分参数以生成符合实际招聘需求的方案。

在一种可能的方式中，如图10所示，可以通过如下步骤进行招聘流程设计：

步骤S1：系统使用人员在所述招聘方案库中的现存招聘方案中选择合适的方案，并基于招聘需求对部分参数进行适应性修改，以生成符合实际招聘需求的方案。

步骤S2：如果招聘方案库中不存在满足需要的方法，系统使用人员需要自定义新的招聘方案。基于招聘需求，系统使用人员在招聘方案设计界面中的招聘流程引擎拖拽相应的招聘环节，并结合流程逻辑运算集中的组件以组成招聘流程，生成招聘流程图。

步骤S3：招聘流程制定完成后，系统使用人员可在所述指标库中添加每个环节所需的招聘指标项。

步骤S4：基于招聘方案，系统使用人员可在所述权重库中添加招聘流程各环节所对应的权重以及环节内部细分指标的权重。

步骤S5：系统使用人员基于招聘需求，结合指标库、运算库、权重库等相关参数在所述算法库中选择用于环节内部和环节之间的计算方法。此外，基于招聘方案中不同指标或者环节之间的关联，系统使用人员能够使用常用编程语言编写自定义的招聘算法代码，生成针对此次招聘方案的特定算法。

步骤S6：将含有指标、权重、计算方式的完整招聘方案放入招聘方案库中，便于系统使用人员日后复用。

在一种可能的实现方式中，还包括招聘执行过程：依次获取每一环节对应的数据输入项，包括上游环节的输出数据和/或应导入对应环节的数据，然后输出经算法加工得到的指标和权重数据，以及该环节的对应的计算、分组或排序结果，当所有环节执行完毕后，得到符合招聘要求的人选排序结果。

如图11所示，以某次招聘为例，包含业务流程如下：

简历初筛→简历复筛→一面→笔试→二面→专项三面→体检→签约

其中，专项三面是指报考专设岗位额外安排的第三次面试，报考其他岗位的考生无需参加。

针对该业务流程，本系统的技术实现方案如下：

简历初筛→简历复筛→人员分组1→一面→笔试→人员分组2→二面→人员分组3→专项三面→体检→签约

该方案秉持环节为最细粒度步骤的原则，在技术实现上将三次面试分别拆分成两个环节，包括人员分组和面试。在人员分组环节中，使用分组算法得出后续面试的人员名单；在面试环节中，结合面试时得到的数据和上游环节数据，使用特定算法得出该环节所需结果。

某次招聘活动开始，招聘人员首先新建一个空的招聘方案，然后在招聘系统招聘方案库界面搜索是否存在与本次招聘方案和算法都匹配的方案。方案准备无需技术人员配合，招聘人员在系统上自行操作即可。搜索结果可能出现如下三种情况：

情况一：存在与本次招聘方案和算法都一致的方案，可直接复制，成为本次的招聘方案。至此，本次招聘系统可投产使用。

情况二：如果方案已存在，但算法和部分参数(指标、权重等)不同，招聘人员复制该方案，并对算法和参数做一定修改。例如，原有方案一面环节的分数所占权重为30％，当前方案该环节变为35％，则招聘人员直接在方案界面上对应的数值填写处直接修改(本系统以拖拉拽的可视化方式展示每一个方案，方便用户对方案的定义修改)，修改的方案会作为一个新的招聘方案存放在招聘方案库中，方便未来再次使用。(注意：每一次新的招聘都不会覆盖原方案，原方案配套的可能是过往的某次已完成招聘，保留历史方案能够实现对每一次招聘的完整重现)。

情况三：如果方案不存在，则需要新增招聘方案。招聘人员进入招聘系统，在招聘方案设计界面的招聘流程引擎拖拽相应的招聘环节，并结合流程逻辑运算集中的组件以组成招聘流程，生成招聘流程图。

环节设计(针对情况三进行详细叙述)：

如果是新方案，招聘人员需要对方案的环节进行定义。招聘人员进入招聘系统，在招聘方案设计界面的招聘流程引擎拖拽相应的招聘环节，并结合流程逻辑运算集的组件组成招聘流程，生成招聘流程图。其中，环节与环节之间有且只有一个算法用于连接，但算法并不是简单的计算，可能会由多个复杂运算组合而成。

虽然方案间存在不同，但招聘系统目标都一样，即采集各类数据再选择适合的算法，最后得到每个求职者的总分和录用人选。

基于以上考虑，虽然不同环节涉及的数据不同，比如笔试环节采集的数据是各类题目分数或者分数排名、简历筛选环节采集的是学历、学校排名、学校级别，但所有的数据都可以定义为指标，每个指标有相应的数据范围或者比较运算规则。指标是个丰富的数据集，可以由使用者不断丰富，只要指标名不重复即可。比如性别，人力招聘人员可以定义成SEX(指标库)，结果定义为0/1，其合法输入为0/1。另一家公司可以将“性别”的数据取值定义为男/女，这就是该公司输入性别时的合法输入；招聘人员可以将学历成绩定义为等级，指标名为学历等级，取值范围为本一、本二等。简而言之，每个新定义的指标都要明确其输入的合法范围。指标库中的指标在被新建时与环节不存在一一对应的关系，可以在任何有需要的地方调用。但为了避免计算出错，指标在一个方案中只能被定义一次，即与环节绑定。其他环节可以调用该指标参与运算，但不可对其重复赋值。

基于分配好的指标，招聘人员进入系统权重库界面为指标设置权重。选择具体招聘方案后，每个指标都有归属环节，而且并非所有指标都参与权重计算。因此，在权重库界面中，招聘人员需要在参与权重计算的指标所对应的权重输入框中录入相应的权重，其中，权重的取值为0-1。例如，本次招聘中设置简历初筛的权重占10％、复筛占15％，一面成绩占25％，笔试成绩占20％，不参与专项三面的求职者的二面成绩占30％。对于参加专项三面的求职者，其二面成绩和专项三面成绩各占15％。在简历初筛中，学历权重为10％，生源地权重为5％。在一面和二面中，表达能力的权重分别为15％和10％，等等。

招聘人员基于招聘需求，将指标和权重设置完毕后，进入系统算法库界面，选择符合需求的算法。如果不存在，招聘人员可自定义算法。而后，将指标库和权重库的内容引入，使用选定算法进行处理。

例如，本次招聘中，指标库中简历的指标为R＝(r

接着根据招聘需求，在算法库中选择用于计算总分S的算法：

其中，总分S为各个环节得分的总和。

此外，招聘流程中存在专项面试，这是报考某一特定岗位的专属面试。为了避免打分出错，应调用系统中的分组算法，将考生区分开。

分组算法通常会用在面试人员的分组上。系统中预定义了常见的分组算法，包括随机分组、根据报考岗位分组、根据学历分组等等，招聘人员可自行选用。如果不存在符合要求的算法，招聘人员还能自行定义新的分组算法。例如，根据招聘要求，某次面试为10人一组，招聘人员需要根据报考岗位对考生进行分组，那么直接选用系统预定义的根据报考岗位分组算法即可。系统在招聘过程中会自动给出面试分组名单，每一组都是10名报考相同岗位的考生。

招聘方案完成配置后会被保存到招聘方案库中，并对其命名。招聘人员可以在招聘方案选择界面看到所有现存的招聘方案或者流程组件，根据实际招聘需求选择合适的方案。方案被新建后也需先保存至方案库中，招聘人员再进入方案库选择并使用。至此，本次招聘系统可投产使用。

通用招聘系统的使用过程如下：

首先，招聘人员将人员简历上传系统，进行简历初筛环节。在该环节中，已预先设置好相关指标、其相应取值范围以及对应权重，例如学历不低于本科、学校分为普通本科、双一流高校、211高校、985高校等。在该环节中，计算简历初筛得分的算法也被预先定义。基于设置的指标和权重，该环节的算法将得出所有人员的简历初筛分数，并选择符合要求的人员进入下一环节。

简历初筛的分数会被保存在该环节对应的指标中，作为数据之一，连同其他简历数据一起传入下一环节，即简历复筛。该环节数据均来源于上游环节，无新数据导入。简历复筛环节的关注重点与简历初筛不同，因此，指标设置与上一环节不同。当前环节也设置了相应的算法，结合简历初筛成绩得出每份简历的分数后，存入该环节的总分中。

下一环节为人员分组，本次分组的要求为同岗位间随机分组，10人一组，分组后的名单传入下一环节，即一面。招聘人员根据该名单通知求职者面试的时间地点和相关要求。

进入一面后，基于求职者的表现，评委根据招聘人员给出的评分标准对各个指标评分。例如表达能力，思维逻辑，工作或实习经验等。而后调用本环节的算法对指标数值进行加工。该算法首先计算每个求职者的得分，并进行排序，部分分数不合格的求职者将止步于此，而部分特别优秀的求职者将会被邀请直接进入体检环节。其余求职者将进入下一环节。

而后进入笔试环节。该环节指标量较少，以笔试成绩为主，按照报考岗位将成绩从高到低进行排序，并将成绩存入笔试成绩指标中。

下一环节是人员分组。根据招聘要求，本次面试要求每一组面试者中都含有每个岗位的报考者，一组8人。分组完成后，招聘人员将面试的时间地点和相关要求通知求职者。

而后进入二面环节，二面的关注重点是求职者的团队协作能力、语言表达能力、学习能力等等，这些能力都被量化成指标存在于系统中。评委针对这部分指标给出具体分数后，该环节的算法将计算出该部分的总体得分并排序，筛选出合格的求职者进入下一阶段。

接下来的环节为人员分组，在这个环节中将出现分流。由于下一环节为某个岗位的专项面试，因此只有报考该岗的人员才需参加，其余二面成绩合格的人员可以进入体检环节。本次面试将根据二面成绩的高低，以5人为一组进行面试。给出人员名单后，招聘人员将通知通过二面但不需要参加专项面试的人员进行体检，并通知需要参加面试的人员时间地点以及相关需求。

而后进入专项面试环节。本次面试为专业面试，关注点在求职者的专业能力上，设置的指标大多与专业相关。评委评分后，本环节的算法将对每个求职者的得分进行计算，得出合格的人员进入体检环节。

在体检环节中，设置的指标与求职者的身体健康相关。体检结束后，系统还设置了一个评分排序算法，该算法收集了所有环节的得分，并调用了部分上游环节的指标参与计算。最终得出所有求职者的排列位次，招聘人员根据位次征询求职者的签约意愿，根据综合评判，最终决定要发出签约邀请的人选。待签约结束，签约人数达到本次招聘要求，则本次招聘结束。

基于同一发明构思，本申请还提供了与实施例一中的方法对应的系统，详见实施例二。

实施例二

在本实施例中提供了一种通用人力招聘系统，如图12所示，包括：

参数库模块，用于将人力招聘所有可能的环节进行拆解，并对实现这些环节的系统数据进行分类整理，最终存储到参数库，所述参数库包括：

环节库，用于存放人力招聘过程中所需的基础环节；

指标库，用于存放人力招聘的各流程环节中所需的招聘指标数据项要素，包括环节间指标和环节内部指标；

运算库，用于存放数学/逻辑运算符或运算函数，作用于各招聘指标或招聘环节；

权重库，用于存放招聘方案所需的各项权重，包括招聘环节所对应的权重以及环节内部细分指标的权重；

招聘流程设计模块，用于获取基于招聘需求在所述环节库、指标库、运算库及权重库中对应选择的对象然后进行连接，环节与环节之间有且只有一个算法用于连接，所述算法为由指标库里的招聘指标、运算库里的运算符号以及权重库里的权重组合而成的招聘运算规则或计算公式，最终组装成为招聘方案或子流程。

在一种可能的实现方式中，所述参数库还包括算法库，所述算法库中的算法用于直接复用或修改生成新的算法，所述算法作用于招聘流程中需要得到计算、分组、排序结果的环节之间或环节内部。

在一种可能的实现方式中，所述参数库还包括招聘方案库，用于保存生成的招聘方案或子流程，供直接复用或修改生成新的招聘方案。

在一种可能的实现方式中，还包括招聘执行模块，用于依次获取每一环节对应的数据输入项，包括上游环节的输出数据和/或应导入对应环节的数据，然后输出经算法加工得到的指标和权重数据，以及该环节的对应的计算、分组或排序结果，当所有环节执行完毕后，得到符合招聘要求的人选排序结果。

在一种可能的实现方式中，招聘流程引擎模块，用于支持参数库内的对象以拖拽的方式加入招聘流程引擎并结合流程逻辑运算集，生成招聘方案流程图。

由于本发明实施例二所介绍的系统，为实施本发明实施例一的方法所采用的系统，故而基于本发明实施例一所介绍的方法，本领域所属人员能够了解该系统的具体结构及变形，故而在此不再赘述。凡是本发明实施例一的方法所采用的系统都属于本发明所欲保护的范围。

本发明采用“拆分+组合”的设计思路，将人力招聘所有可能的环节进行拆解，并为用于实现这些环节的系统数据进行分类整理，最终存储到参数库，参数库的数据可进行多层组装，将多个环节关联拼接组合成一套符合需求的招聘流程，保证了招聘流程设计的灵活性，也减少了不同批次招聘的重复手工定制工作。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

虽然以上描述了本发明的具体实施方式，但是熟悉本技术领域的技术人员应当理解，我们所描述的具体的实施例只是说明性的，而不是用于对本发明的范围的限定，熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化，都应当涵盖在本发明的权利要求所保护的范围内。