衡量雇主吸引力：企業在人才市場中的角色

除了 PageRank 外，HITS 演算法的 Authority / Hub 值在網際網路情境中 具有特殊意義，Authority 與 PageRank 類似，表示該節點有很高的權威值（內 容被使用者認可），而 Hub 值高代表該節點是好的入口或分類網站，可以連結 到很多高價值的網頁。應用在公司轉職關係圖中，越高的 Hub 值表示該公司是 轉到更好的公司（高 Authority 值）的跳板，反之越低的 Hub 值表示該公司的 員工比較沒有機會轉到更好的公司，我們挑選幾個職類將有招募該職類的公司的 Authority / Hub 繪製成圖 4.14 至圖 4.16。

我 們 以 軟 體 工 程 師 職 類 爲 例 ， 圖 4.14 中 X 軸 是 軟 體 工 程 師 職 類 的 Authority 值，Y 軸是軟體工程師職類的 Hub 值，每個點是一間公司，點的顏 色越接近紅色代表該公司的 PageRank 值越高。其中各公司 Hub 與 Authority

35

的相關係數高達 0.865，有高度正相關，表示在軟體工程職類的公司網路的模型 中，好的公司（高 Authority）同時也扮演好的人才供給來源（高 Hub）。這個 關係也給想要提升人才吸引力的公司一個方向，要先從比自身更好的公司找人才 進來，提升本身的吸引力，後續即便這些人才流出也能提高公司的 Hub，形成 良性循環。

觀察圖 4.14 中兩個 Hub 值最高（藍圈）的公司，是大型官方及半官方的 研究單位，其 Authority 值屬中上，雖非軟體工程師首選，但其穩定的工作培育 了大量人才，爲很多公司提供優秀軟體人才的供給。座標 0.2 ,0.13 附近的紅點 是著名消費型電子公司，其 Authority 最高，代表該公司已經是大多數軟體工程 師心中最具吸引力的公司。

圖 4.14 有軟體工程職類的公司的 Hub / Authority 關係圖

36

圖 4.15 有硬體研發職類的公司的 Hub / Authority 關係圖

圖 4.16 有金融及投資職類的公司的 Hub / Authority 關係圖

37

接著我們想了解同產業的公司中是否存在特定公司扮演人才搖籃的角色，我 們篩選金融業及電子製造業的公司，結果如圖 4.17 及圖 4.18。從產業的角度觀 察發現，同產業(全職類)的公司的 Authority 及 Hub 之間有高度正相關，並無 特定公司扮演人才搖籃的角色。

圖 4.17 金融產業的 Hub / Authority 關係圖

圖 4.18 電子製造業的 Hub / Authority 關係圖

38

4.4.6 衡量雇主品牌忠誠

依據 3.3 所述方法，我們將履歷資料庫透過 Kernel Density Estimation（KDE）

轉化成 5,699 個公司的人才留任模型，如圖 4.19 範例。圖 4.19 中有三間不同 企業的人才留任模型，公司可依據模型的分佈狀態進行分析，例如粉紅色公司是 零售通路商，有一個非常高的峰值在很早期就出現，可能因零售通路業是很多工 作者在初入職場或轉職過程的中轉站，找到更符合專業的工作就離職。綠色公司 是半導體製造商，其特殊之處是有三個明顯的峰值，第一個波峰可能是正常的到 職後確認不適應或不適合的離職，第二個波峰可能是公司內特殊的考核制度所產 生，第三個波峰可能是已經達成某些特殊優退的條件。藍色是公營轉民營的工程 公司，留任模型非常穩定，任職超過 120 個月甚至 240 個月的比率很高。公司 可參考本身的留任模型，並透過問卷或離職訪談分析的方式找到合理的解釋。

圖 4.19 三家分屬不同產業的公司的員工留任模型

39

然後應用 Kullback–Leibler Divergence 計算各公司員工留任模型彼此的距 離，得到一個 5699 x 5699 維的距離矩陣，如下表 4.5。

下一步是利用上述距離矩陣透過 Hierarchical Clustering 分群，分群的結果 得到一張很大的階層圖，觀察後嘗試分成 4 ~ 7 群，結果如表 4.6。由表 4.6 中 可知，若分成 4 群則第 1 群的數量過多，分成 7 群則第 7 群僅有一個元素，

因此選擇 5 或 6 群較適當。

表 4.6 Hierarchical Clustering 分群數量與各群數量關係表

# of Cluster cluster.1 cluster.2 cluster.3 cluster.4 cluster.5 cluster.6 cluster.7

4 3378 768 1302 251

5 1872 1506 768 1302 251

6 1872 1506 633 135 1302 251

7 1872 1506 633 135 1301 1 251

40

我們選擇將各公司的人才留任模型分成 5 群，聚合後分別計算每一群的平 均模型，採計的方式是同一群同一月份所有公司的平均值，結果如下圖 4.20。

圖 4.20 平均人才留任模型的分佈圖

表 4.7 各群代表產業

Cluster 代表產業

1 半導體製造、面板、消費型電子製造、零組件

2 消費型電子、工業電腦、半導體封裝

3 太陽能光電、軟體網路、游戲業、量販百貨

4 金融、物流、零售通路

5 房屋仲介、餐飲連鎖

41 基準模型比較，透過 Kullback–Leibler Divergence 計算與五個基準模型的距離，

即可確認自己公司屬於那個類型，與那些標竿公司類似，並藉此建立對現有僱員