使用技术手段对两个人进行匹配、然后为他们安排约会绝非易事。必须要考虑许多因素和期望。他们的兴趣爱好是否相同？他们是否住在同一个地方？他们的目标是什么？然后，还会有很多隐藏的期望，比如外貌。匹配一直都是一项复杂的任务。
而要将合适的人员与合适的工作安排在一起，同样也是如此。即使对于具有多年经验的专家来说，将工作和技能进行匹配也是巨大的挑战。谁适合做什么？如何确信会做出好的决定？每天都必须正确回答这些问题，才能够成功地将人员与工作进行匹配。这需要全面的知识和良好的信息。此外，雇主和潜在员工的期望都很高，机器或算法能否满足这些期望？
How to match this complex data? Source: Getty Images.
准确匹配能否实现？
首先，我们要来确定是否可以实现准确匹配。匹配是将两个实体的互补属性相互结合的行为，在我们的案例中，要匹配的是工作和人员。然而，即使在这种情况下，“匹配”这个词也可以有多种含义。在某些工作中，候选人是否适合某项工作只是他或她能否工作的问题。例如，如果您身体健康，就应该可以摘草莓。但另一些工作则会需要各种证书、专业知识和经验。比如，在尝试将新生儿医生与医院部门的工作进行匹配时。
虽然人力资源专家知道，在匹配过程中必须考虑最细微的细节，但他们的任务仍然非常复杂。这是因为，当时的情况会不断变化。昨天的常见要求今天可能不再适用，而今天的要求到了明天也许不再有效。我们对工作、潜在员工和劳动力市场的定义一直在不断变化。在几年前，谁能想到公司会需要数字开发总监？谁会在他或她的简历中列出此类专业程度？
在必须使用机器处理任务时，匹配会变得更加复杂。机器必须以同样的方式运用专家具备的所有经验和知识、注意最小的细节、对劳动力市场的变化做出反应。此类机器的供应商主要通过不同的数据来克服这个高度复杂的问题。例如，考虑申请人以前的职位或他们的技能。然后，使用某种算法来比较工作申请和简历并进行匹配。但能否成功呢？
Bricklayer 等于 bricklayer？Sales consultant 等于 sales consultant？
正如我们所了解的那样，一些算法会根据以前的职位进行匹配。如果候选人在 A 公司拥有职位 X，他或她也可以在 B 公司担任职位 X？在过去，可能确实如此。我们曾经是全科医生、秘书、律师、瓦工等，而今天，我们是销售顾问、数据专家、设施经理等。但是，销售顾问到底是在零售商店工作并为顾客提供建议的人员，还是准备报价、接受订单以及与客户谈判合同的人员？在查看简历时，专家们就已经开始提出这样的问题。现在，机器应该能够有效地做出这样的区分。
职位过于笼统不行，但太具体也不行，因为公司内部术语会影响职位，因此最好的方法是描述职能。如今，每个人都是某类经理。如果没有更详细的工作描述，我们往往会感到困惑，不知道申请人是否真的适合某个职位 — 反之亦然。
比较技能
光有职位，还不足以进行准确匹配。因此，有些工作匹配提供商使用另一些参数来解决匹配问题 — 他们关注技能和能力，因为这些技能和能力代表了某些模糊职位背后的“内容”。基于技能或基于能力的匹配更具有意义和前景，因为它不仅考虑申请人以前担任的职位，还会考虑这个人的知识、才能、见解和教育。因此，它会考虑候选人具备的技能和工作所需的技能，然后将它们进行匹配。
这听起来很合理：我想要招聘一位思想开明、容易沟通、领导力强、善于解决问题的经理。我发现有人在简历中列出了这些特质，因此他/她就符合我的条件。那么，现在机器根据我的空缺评估完美匹配时，技能属于可靠因素吗？
让我们仔细来看看技能。技能源自于知识。亚里士多德认为，知识是绝对的真理。绝对的真理只有在亲身经历并对知识进行验证后才能获得。我在沟通和学习中获得的知识必须经过验证，因此它不一定是绝对的真理。如果有人告诉我一些新的东西，我如何确定它是不是真的？
所以，只要我没有经历过这种新知识 — 并相应地运用它 — 它仍然是不完整的。毫无疑问，良好的教育很有价值，但在我知道某人如何使用所获得的知识之前，它就是没有被证明的知识，不能给我从中受益的机会。只有经过测试，它才能为我提供一定的优势或在某种程度上采取行动的空间。
让我们再来看看我要招聘的经理，他是一位思想开明、容易沟通、领导力强、善于解决问题的经理。我们的潜在候选人能不能是建筑、金融或服装行业的经理？如果不考虑他们的经验，这个空缺与所有三个职位都是相匹配的，尽管每个职位都需要自己的行业洞察力。现在，所缺乏的是将相关技能融入有意义环境的相关经验。
真正的知识需要经验
有些工作匹配专家认可这个观点。光有技能条件，还不足以实现准确匹配。如果我想将某个求职者与某个职业进行匹配，我不能仅根据他/她的简历和求职信来考虑这个人的技能知识。我还需要了解经验。只有经验才能发展关系和行业。
此外，没有人会只提到他/她所拥有的技能 — 他们经常还会提供有助于实现准确匹配的其他相关信息。同样，在招聘广告中，公司不可能指出应聘者需要具备的所有技能 — 而这是匹配过程中的一个障碍。原因在于，在发布“数据科学家”招聘广告时，雇主可能不会提及“IT 使用”或“数据处理”，因为他/她认为这些技能在该职位中是显而易见的。同样，数据科学家在简历中指出的技能可能不会比以前职位相关的技能更具体。但是，如果要根据技能来匹配那个人，就会缺少与该匹配参数相关的信息。
如果我们只根据技能进行匹配，我相信得到的结果与只比较职位是不同的。然而，这种方法最终也不足以将人员和工作、申请人和职位、员工和雇主联系起来。我们还需要更多。
良好的教育并不意味着良好的礼仪
在了解技能和经验之后，还不能确定新的撰稿人能否很好地融入团队、新的护士能否按时到达医院、新的采购人员能否进行良好的谈判。现在，谁会在简历中吐露他/她是个差劲或者不可靠的团队成员？然而，这些软技能和申请人的性格对于获得准确匹配却非常重要。顾问必须能够准时和客户会面，而程序员可以保持灵活的工作时间。同样，与顾问相比，程序员的外在形象也显得不那么重要。但是，如果顾问不能很好地与客户沟通，他的公司很快就会失去这些客户。因此，只有考虑申请人的性格，匹配才能真正成功。我的简历中详细列出了我做过的各种事情，但我如何做这些事情也至关重要。
开始匹配？
现在，如果这份简历完全符合那个空缺，还不能确定我们是否会得到完美的匹配。毕竟，新员工的技能和性格必须能够与同事的技能和性格网络形成互补。如果我在公司里是唯一的软件工程师，我必须是一个全能人才，可以轻松地采取措施。如果我和另外两个人一起被聘用 — 其中一人比较熟悉 X 领域，另一个比较熟悉 Y 领域 — 技能互为补充，那么就需要通过他们之间的合作来创造出全新的东西。我可以更频繁地寻求帮助，同时我希望能够与团队保持良好的配合。所涉及到的同事也会影响完美匹配。准确地说，员工的简历也必须相匹配。
如果有人仍然认为可以通过一个参数（职位、技能、经验或性格）来将一个员工与工作相匹配，他可能会意识到，这只有在幸运时才会偶尔管用。如果认为一个算法就能够解决这样复杂的问题，那么成功匹配的几率就如大海捞针。
那么，我们就束手无策了吗？
并非如此。孔子曾经说过：“经验犹如一盏明灯，它总会照亮我们身后的那条路。”
我们对我们的知识进行了测试，这些知识为我们和其他人带来了优势，我们可以做到守时可靠。我们拥有所需的软技能。这意味着我们一定会确保我们正在进行的业务顺利发展。所有任务都能如期完成，客户得到了良好的服务，员工每天早上都能准时工作。现在，一切问题都得到了解决。
哪些方面能够真正促进业务的发展？
但是，如果每个人都始终符合要求，那么业务也“仅仅”维持在稳定状态。我们不会创造出任何新的东西。创造新的东西需要有良好的知识和大量的经验。但最重要的是，人们需要具有真正的创造力。
在剑桥词典中，创造力的定义是“能够产生原创和不同寻常的想法，创造新的或富有想象力的东西。”¹从基本上来说，创造力能够通过超越知识和经验，给我们带来观察某种事物的第三种方式，“突破常规去思考。”作为一种方法，创造力比打破规则更缺乏美感：彻底改造、突破常规去思考或完全摒弃常规思路。创意行为可能会产生一些新的、不同的，同时也许有点可怕的东西。
阿尔伯特•爱因斯坦说过：“创造力就是用智慧创造乐趣”²，所以创造者是一个喜欢进行业务变革的人，而不是仅仅去满足各种需求的人。在发生大量变化的时代，创造力会产生最大的价值。毕竟，任何只是适应数字化过程的人都不会主动追求寻求变化，而且肯定不会取得进步。我们需要紧跟时代步伐的人。我们需要能够保证顺利推进业务的员工。我们也需要能够展示新的做事方式的人，特别是现在。创造力是当今最重要的技能。
创造力、直觉、情感以及任何与逻辑、分析和理性思维相悖的事物（可以被认为类似于知识和经验）往往源于大脑的右侧。您可能听说过人们用左脑或右脑思考的理论。然而，研究人员发现这是一个神话。即使某些功能可能更多地源于大脑的一侧，但只有大脑两侧在复杂网络中相互配合时，才会实现最大化的结果。³
如果我想创造出一种新产品，那么对生产过程和所需材料的了解可以帮助我。我在规划新产品方面的经验也对我有帮助。我的组织才能有助于支持这个过程。但是创造新产品的想法源于我的创造力。所以，如果您擅长某些事情，那么您会得到最好的结果，因为所有因素都会同时发挥作用：知识、经验、性格和创造力。
摒弃实现完美匹配的想法
简单来说：匹配不能仅仅基于能力、基于技能，也不能仅仅基于某种特别的方法，因为这个问题太过于复杂。匹配由期望决定，而期望又是不断变化的。
因此，根本不存在完美匹配的事物，因为期望是不可能战胜的。期望非常主观，而且永远不可能得到完全满足。因此，我们只能尽可能地评估所有因素，以便尽可能接近完美匹配。
如果使用当前的数据碎片匹配文化（如一些技能或复杂的职位），其结果只能是：一次又一次地降低机器进行匹配处理的质量。数据碎片匹配就如同在黑暗中进行摸索。那些相信他们可以用任意关键词匹配数据碎片的人永远不会接近完美匹配。正如我们所提到的，这种方法忽略了对高质量分配至关重要的其他参数。
只有摒弃数据碎片并试图包括所有因素，同时利用复杂的算法，您才能创造出最可能的近似完美，这就如同人脑在创作新的东西一样：技能、经验、性格和以前的职位缺一不可，而且还要在各方面处理得当。机器将所有这些标准考虑在内，依次对它们进行评估，并给出每个标准的权重。如果这些标准具有足够的权重，那么将会有一个很好的起点，可以使用技术将人员和工作结合在一起。包括期望在内的所有决定因素相辅相成，从而有可能优化完美匹配。
即使是使用设计良好、不断发展和改进的 JANZZTechnology 匹配过程，也很难在正确的范围内考虑所有因素。虽然可以大规模映射期望，但其中总会有一部分处于隐藏状态。例如，如果要为失业人士提供职位，从很大程度上来说，您的期望是让他们在实际上得到聘用。如果要匹配工程师，期望则是工资区间应该与以前的职位差不多。在明确存在更多期望时，也可以对其进行映射。因此，我们只能实现近似完美匹配。但是，我们这个过程不是在数据碎片的黑暗中摸索。这个过程不会以完美约会结束 — 但却可能找到另一个合适的人。
资料来源：
¹ 剑桥词典（2017 年）。创造力。访问来源：http://dictionary.cambridge.org/dictionary/english/creativity [2017 年 11 月 2 日]。
² 阿尔伯特·爱因斯坦（1930 年）。Mein Weltbild.Wie ich die Welt sehe.
³ Nielsen JA, Zielinski BA, Ferguson MA, Lainhart JE, Anderson JS （2013 年）。基于静息状态下功能连接磁共振成像的左右大脑评价 (An Evaluation of the Left-Brain vs. Right-Brain Hypothesis with Resting State Functional Connectivity Magnetic Resonance Imaging)。PLoS ONE8(8): e71275.https://doi.org/10.1371/journal.pone.0071275
Sahoo, Anadi （2017 年）。知识、经验和创造力。访问来源：https://www.linkedin.com/pulse/knowledge-experience-creativity-dr-anadi-sahoo/ [2017 年 11 月 3 日]。
