Graphtechnologie & Recruiting: Vitamin B im Datenmanagement
Beziehungen sind alles – das gilt nirgendwo mehr als im Recruiting. Um Übereinstimmungen zwischen einem Stellenprofil und potentiellen Kandidaten zu finden, ist ein effektives Datenmanagement nötig. Besonders wertvoll sind dabei die Beziehungen der Daten zueinander, da sie ein schnelles Ausschlussverfahren ermöglichen.
Herkömmliche relationale Datenbanksysteme können solche Datenbeziehungen nur bedingt abbilden. Graphdatenbanken hingegen sind darauf konzipiert, stark vernetzte und unstrukturierte Informationen anschaulich darzustellen. Sie bilden sowohl einzelne Daten als auch die Beziehungen zwischen den Daten realitätsnah ab.
Der Unterschied lässt sich an einem Beispiel verdeutlichen: Relationale Datenbanken können zwei Personen identifizieren, die in einem Haus leben. Graphdatenbanken geben darüber hinaus Aufschluss, ob es sich um ein Ehepaar, Geschwister, Mitbewohner oder einzelne Mieter handelt, welche Hobbies und Interessen sie pflegen und welche Haustiere sie besitzen. Überträgt man dieses Modell in den Bereich Human Ressources lassen sich auch komplexe Strukturen zwischen Mitarbeitern, ihren Fortbildungsmaßnahmen und Skills sowie den Teams, Abteilungen und Standorten in Echtzeit abfragen.
Graph-Datenmodell
Ein Graph setzt sich aus Knoten (z. B. „Mitarbeiter“, „Skills“, „Training“) sowie den Verbindungen zwischen ihnen zusammen (z. B. „tätig in“, „qualifiziert in“, „nimmt teil“) zusammen. Beiden kann eine beliebige Anzahl von qualitativen oder quantitativen Eigenschaften zugewiesen werden, z. B. die Länge des Beschäftigungsverhältnisses, Personalschlüssel oder die Bewertung einer Fortbildungsmaßnahme.
„Von einem beliebigen Knoten bzw. Ausgangspunkt folgt die Suchabfrage den Verzweigungen, kann so das komplexe Netzwerk aus Interessen, Skills, und Qualifikationen eines Mitarbeiters einsehen und geeignete Kandidaten ausfindig machen.“
Vorbild Soziale Netzwerke
Sowohl Facebook als auch LinkedIn nutzen Graphtechnologie, um relevante Beziehungen zwischen Personen zu erkennen und das soziale Netzwerk der Anwender kontinuierlich zu erweitern. Ähnliche graphbasierte Anwendungen sind auch für das Talent-Matching und ein smartes Recruiting denkbar. Dabei gilt: Je größer und komplexer das Datennetzwerk, desto mehr Zusammenhänge lassen sich aufdecken. Insbesondere Beziehungen zweiter oder dritter Ebene können so gänzlich neue Erkenntnisse über Mitarbeiter liefern, zum Beispiel neue Skill-Sets, die in keiner formalen Berufsbeschreibung zu finden sind, oder sogenannte „Top Talent Attractors“.
Über Neo4j:
Neo4j ist das Graph-Unternehmen hinter DER Plattform für vernetzte Daten. Die Neo4j Graph-Plattform unterstützt Unternehmen dabei, vernetzte Daten in vollem Umfang zu nutzen und die komplexen Verknüpfungen zwischen Personen, Prozessen und Systemen zu entschlüsseln. Der Fokus auf Datenbeziehungen ermöglicht die Entwicklung intelligenter Anwendungen, um Herausforderungen von Heute erfolgreich zu meistern – von künstlicher Intelligenz über Betrugserkennung und Echtzeit-Empfehlungen bis zu Stammdatenmanagement.
Das Unternehmen weist ein gezieltes Investment in native Graphtechnologie und mehr als zehn Millionen Downloads auf und besitzt eine riesige Graph-Community, die weltweit graphbasierte Anwendungen entwickelt. Mehr als 250 kommerzielle Kunden nutzen Neo4j, um erfolgsentscheidenden Nutzen aus ihren Datenverbindungen zu ziehen – darunter globale Branchengrößen wie Walmart, Comcast, Cisco, eBay und UBS.
Neo4j ist ein privat geführtes Unternehmen, das von Eight Roads Ventures (Beteiligungsgesellschaft von Fidelity International Limited), Sunstone Capital, Conor Venture Partners, Creandum, Dawn Capital und Greenbridge Investment Partners finanziert wird. Neo4j hat seinen Firmensitz in San Mateo, Kalifornien, und führt darüber hinaus Standorte in Deutschland, Großbritannien und Schweden.
Weitere Informationen unter Neo4j.com und @Neo4j.
