根据麦穗智能匹配案例做一个分享：

首先，人岗匹配是动态交互的结果，不能生硬地依托独立打分标准进行

典型场景是「5年以上产品经理经验」，就不好一刀切的把5年作为过滤计算，因为可能4年的产品经理也是可以做这个岗位的，只是5年经验更好一些。或者如果人才过往的公司或学校背景很好，很多工作经验要求是可以放宽的。

2018年以来，麦穗智能人岗匹配系统已成功服务了970万职位项目，匹配计算了1亿次人才简历匹配度，这里分享一个案例展现机器如何科学确定人岗匹配度实现智能化最懂HR的人岗匹配系统。

因而企业HR在确立人岗匹配策略时候需要考虑多种高匹配人才的可能性

举例下图我们以某知名互联网企业的一个电商运营类岗位，通过麦穗人工智能的人岗匹配引擎如何实现精准的懂HR的人岗匹配分析：

人岗匹配可以考虑多种策略：

1）互联网大厂 + 电商领域 + 3年特定经验

2）企业既往招人偏好，high-performer表现3）985院校 + 计算机相关专业

4）电商行业从事供应链运营的人群职业路径分析5）核心领域与技能6）运营过电商品类项目

智能人岗匹配如何实现

随着互联网和大数据时代的发展，简历越来越线上化，企业也越来越多地开始运用智能技术分析职位的要求，提取出影响人才匹配的核心决策因子，并且综合企业内部以往招聘和筛选简历时候的经验，为企业实现智能个性化人岗匹配系统。在匹配上，会智能阅读职位要求，抽取核心特征，随后综合考虑100余种特征，模拟有经验的HR实现智能人岗匹配。