
API d’enrichissement des données
Planifier une démoLa gestion du personnel au 21e siècle nécessite une base de données de talents enrichie qui donne une vue normalisée et structurée sur les talents.
Les données sur les personnes et les emplois ont tendance à être désordonnées : les compétences et les titres de poste peuvent être formulés de différentes manières et les informations peuvent être verrouillées dans différentes sources et/ou formats. Les API d’enrichissement des données de Textkernel vous aident à normaliser et à enrichir vos données sur les emplois et les compétences, les rendant mieux adaptées à vos besoins en matière de recherche, de matching et d’analyse. Avec les autres produits de Textkernel, cette gamme de produits peut être connectée à votre système pour vous aider à comprendre, connecter et analyser vos données.
Les taxonomies de Textkernel comme base pour des données significatives
Les taxonomies de Textkernel comprennent un inventaire complet des professions et des compétences figurant dans les offres d’emploi et les CV. Les professions (plus de quatre mille) et les compétences (plus de onze mille) sont organisées hiérarchiquement et chacune d’entre elles est liée à un certain nombre de synonymes, d’acronymes et d’autres formes de formulation.
Les taxonomies sont conçues pour être :
-
les métiers sont disponibles en 10 langues, les compétences en 6.
-
les taxonomies contiennent des titres de postes et des compétences provenant de l’ensemble du marché du travail.
-
les taxonomies font l’objet d’améliorations en permanence en fonction des retours du marché.
-
les taxonomies des métiers et des compétences sont reliées entre elles par des liens pondérés qui représentent le degré d’association entre les professions et les compétences.




API d’enrichissement des données : vous aider à mieux comprendre les compétences et les professions.
Comprendre les relations entre métiers et compétences
l’API d’Ontologie permet de déduire des compétences pertinentes en fonction d’un métier, ou des métiers adaptés à un ensemble de compétences. Il peut également révéler le « fossé des compétences » entre deux professions quelles qu’elles soient.
Normalisation des données pour le matching.
Comment la normalisation des données sur les professions et les compétences contribue-t-elle à faire correspondre les personnes et les emplois? Prenons un exemple :
Sur la gauche, nous voyons une situation où le matching se produit seulement sur la base d’une concordance textuelle. Comme les mots ne correspondent pas exactement, des candidats parfaitement adaptés ne seraient pas pris en compte. Si une normalisation basée sur la taxonomie est ajoutée au processus, comme sur le schéma de droite, les titres de poste et les compétences mentionnés dans les documents sont reconnus comme identiques. Ainsi, l’enrichissement des données aide à libérer le potentiel de vos données sur les talents.
Relier les fonctions entre elles
En plus de faire correspondre des profils spécifiques et des offres d’emploi, l’API Ontologie permet de comprendre comment les postes sont liés les uns aux autres en termes de compétences acquises. A partir d’une fonction actuelle et d’une fonction ultérieure, elle indique quelles compétences sont « transférables » et lesquelles sont susceptibles de nécessiter un perfectionnement.

Analyser
Analyser
Une analyse fiable nécessite également une normalisation des données. Pour illustrer cela, regardons un scénario avec et sans normalisation des titres de poste.
Dans le scénario de gauche, nous comptons essentiellement les mots, pas les emplois. En ne tenant pas compte des synonymes et des variations de formulation, les résultats d’analyses comme celles-ci ne sont pas exploitables. L’API Professions et l’API Compétences y contribuent : elles représentent vos données d’une manière qui va au-delà des mots : en termes d’unités (professions, compétences) qui présentent un réel intérêt.
Les API d’enrichissement des données peuvent vous aider à :
Extraire et normaliser les compétences à partir de n’importe quel texte lié aux RH pour pré-remplir les profils de compétences.
Extraire les compétences des descriptions de formation et les exploiter pour des recommandations ciblées de montée en compétences.
Améliorer les analyses en normalisant les données sur les compétences et les emplois en fonction des taxonomies multilingues complètes de Textkernel.
Importer les taxonomies de compétences et de métiers les plus complètes du marché dans les outils et processus de votre organisation.
Créer des solutions de matching intelligentes en tirant parti de la vaste base de connaissances de Textkernel sur les synonymes et les relations profession-compétence.
Enrichir automatiquement les architectures de postes et les catalogues d’emploi avec des suggestions de compétences pertinentes.
Générer des recommandations de transitions professionnelles (non évidentes) basées sur les compétences.
Comprendre l’écart de compétences entre deux professions, ou entre un ensemble de compétences actuel et un prochain poste souhaité.