为什么机器学习是军队招募和保留的未来

时间:2019-03-15 13:17:08 阅读:43次

  美国军方目前存在巨大的招募问题。根据最新的遗产报告,由于健康问题,身体健康,教育或犯罪,71%的17至24岁的美国人无法获得服兵役资格。所有的军事分支都在努力寻找足够的新兵以维持战斗力。

<! - more - >

  此外,今天的低失业率继续加剧这一问题。下图说明了失业率如何缩小新员工人数。

  

  

  那么,为什么这很重要?如果我们考虑这个招聘问题的长期影响,我们可以看到整个国家的安全是如何面临风险的。我们基本上失去了保护国家的能力。而且,最重要的是,如果没有一支人员充足且强大的军队,我们也将丧失防止战争的能力。

  为了弥补招聘方面的不足,陆军开始承认他们可能需要降低标准,并招募更多需要放弃使用大麻,考试成绩低和医疗问题的新兵。这无助于防止我们部队的退化;如果有的话,这使得完成任务变得更加困难,因为你右翼和左翼的士兵可能达不到美国士兵,水手,海军或飞行员的标准。

  

  相反,我们需要开始查看数据并开发基于事实的解决方案,以使用称为机器学习的先进技术提高招聘流程的效率。

  为了为军队招募挑战创造一个长期解决方案,我们需要从战略角度思考。仅仅在问题上投入纳税人的钱并不能解决基本的人事问题,而且政府所有事情都需要制定检查和平衡,以确保问题以最经济和最合乎道德的方式结束。相反,我们需要开始研究数据并开发基于事实的解决方案,以使用称为机器学习的先进技术提高招聘流程的效率。

  

用于军事招募的机器学习

  机器学习 - 更具体地说,有监督的机器学习 - 是使用已知结果获取历史数据,使用该数据训练模型,然后基于预测未来结果的过程关于该模型的新数据。在我们的招聘挑战中,我们的历史数据是描述过去新员工的所有信息,包括:

  •   高度


  •   重量


  •   身体素质评分


  •   军事能力测试成绩


  •   病史


  •   教育


  •   课外活动

      


      我们试图从已知结果中预测的结果可能是基于最迫切需要的几件事之一。如果我们担心新兵不会通过基础训练,那么我们的结果可能是新兵是否通过基础训练。如果我们担心符合条件的新兵会入伍,那么我们的结果应该是是否招募了一名潜在客户。

      为了简单起见,我们会说我们正在努力开发一个模型,以预测潜在的新兵是否可能入伍。历史数据表明招募人员是否参加了该服务的任何分支。通过机器学习,我们可以灵活地通过州,服务分支和人口的许多其他子集来解决这个问题,从而做出更好的预测。所有这些工作的最终结果将是一个模型,预测任何个人的未来前景是否会入伍。

      

      对招募问题一无所知,继续使我们的武装部队和国家安全局势恶化。我们来看看一些数字。

      也许你认为在军队中应该有更多戏剧性的机器学习和人工智能应用,但是应该退一步考虑其影响。对招募问题一无所知,继续使我们的武装部队退化和国家安全。让我们看看一些数字。

       2018年陆军的入伍目标是8万名士兵 - 比去年的目标多11,500名。但是,他们已经承认这个目标是无法实现的。为了弥补配额的增加,陆军雇用了400多名招聘人员,招募人数增加到9,400人。此外,军事部门正在为网络安全,情报等高需求工作预算数亿美元的奖金。

      

      

      

      截至2018年4月,陆军部长Mark Esper承认,4%的部队被认为是“第4类”士兵 - 考试成绩较低的士兵 - 目标是将这一数字减少到2%。如果机器学习可以从去年的数字中提高1%的招聘人数,而不增加招聘人员的工作产出,那将意味着2018年额外的685名合格士兵几乎没有额外的努力,同时也消除了我们对“第4类”士兵的一些依赖通过推动更多高素质的新兵。机器学习为最有可能入伍的人提供了更好的见解,为招聘人员提供了潜在新员工的名字,以集中精力实现他们的目标。

      

    军事招募面临的挑战

      军事招募人员的工作非常艰巨。这些男女被委托为武装部队配备高素质的新兵,以确保国家的安全。他们需要所有的帮助和支持。一些招聘人员,如Chapel Hill的职员中士Miller McGowan,正在转向吸引潜在新员工的新方法,包括使用Facebook等社交媒体平台。然而,工作人员警长McGowan必须手动梳理他的潜在客户名单,依靠他的经验和直觉来猜测哪些新兵可能会与他交往。

      如果根据已经收集的数据给予警长McGowan的可能性,并列出了导致这种可能性增加的因素,那么它是否会更有效率?利用机器学习将有助于每个招聘人员更好地确定他们的时间优先顺序,并迅速将他们每月需要招募的两名新员工分成三名高素质的新员工,这些员工能够在此过程中为国家的整体防御和安全做出贡献。通过创建高度准确的模型,所有招聘人员都可以使用机器学习来帮助每个招聘人员更像工作人员警长McGowan。

      

      

      

      我们还应将招聘问题视为营销问题。一支陆军的报告指出,今天50%的年轻人对军队一无所知,也无法说出所有的军事分支。意识提高1%会有什么影响?在所有17至24岁的美国成年人中,大约有1000万人有资格加入武装部队,这意味着大约有500万新兵可能对军队知之甚少。意识提高1%将使10万名青年获得兵役的好处,至少可以为他们的职业提供另一种选择。即使这100,000名潜在客户中有1%入伍,我们的队伍中也会有1,000名合格的新员工。

      

      通过机器学习,军方可以有效地克服找到最佳新兵服务的障碍。

      我们如何做到这一点?通过简单地利用军方已经收集的信息。描述对武装部队表示兴趣的个人的数据将足以开始训练模型。还有来自社交媒体网站的数据,这些数据允许将社交趋势整合到AI和分析工作中。使用所有这些数据训练我们的机器学习算法将使军事招聘人员能够了解与潜在的高素质新员工进行互动的最佳方式。

      更进一步,我们可以深入了解我们的数据,以了解每个潜在客户可能感兴趣的工作和兴趣,并将这些选项放在他们面前,增加他们参与并最终招募的倾向。

      通过机器学习,军队可以有效地克服找到最佳人才的障碍。

      

      

  • 为什么机器学习是军队招募和保留的未来所属专题:机器学习 《为什么机器学习是军队招募和保留的未来》链接:http://www.zhouchuanxiong.net/1259

    为什么机器学习是军队招募和保留的未来相关文章

  • 使用自动机器学习来预测NBA球员的表现
  • 自动机器学习对管家医疗保健的影响
  • 挑选自动化机器学习试点项目的5个技巧
  • DemystData如何使用自动化机器学习为其数据科学家提供支持
  • 利用机器学习识别财富管理中的潜在客户前景
  • 自动化机器学习如何赋予数据科学家权力
  • 自动化机器学习和银行业[信息图]
  • 成功的CECL符合自动化机器学习
  • 利用自动机器学习将梦幻足球分析提升到新的水平
  • 企业不能等待 - 了解自动化机器学习如何填补数据科学空白
  • 自动机器学习是真实的:托马斯达文波特和我的妈妈这么说
  • 使用DataRobot和Amazon SageMaker使数据科学团队能够应对机器学习的挑战
  • 用自动机器学习理解歌曲流行度
  • 什么是自动机器学习?
  • 面向开发人员的机器学习:谎言,真理和业务逻辑
  • 房地产AI:Ascendas-Singbridge如何使用自动机器学习
  • 制药业为何需要自动化机器学习
  • 自动机器学习是Wellen Capital的改变者
  • 如何自动化机器学习
  • 机器学习使MarkerStudy能够用更少的资源做更多事情
  • 机器学习如何帮助财富管理者深化客户关系
  • 机器学习的数据准备
  • 利用自动化机器学习来管理零售业的供需
  • 自动机器学习中需要注意的十大功能
  • DataRobot首次成为2019年Gartner数据科学和机器学习平台魔力象限中的“有远见者”
  • 利用机器学习窥视NFL教练的心理
  • 医疗保健中的自动化机器学习[信息图]
  • 爱自动机器学习的五个理由
  • 利物浦维多利亚民主党通过DataRobot实现机器学习
  • DataRobot和Qlik Partnership帮助机器学习民主化