在招聘人才时，人们的共同点就是选择像我们这样的人，因为相似之处是一个先决条件，而在实施中，却不知不觉中做出一个具有缺陷的决定。
我们需要考虑那些无法让人保持公正的例子：
如果是一个罪犯，希望他所面临的法官最好吃过早餐，而不是饥肠辘辘地审判，并做出判决。根据调查机构2011年的研究，法官在饱餐一顿，经过充分的休息之后，可能会给予罪犯一个更宽松的决定。
如果你是一个学生，希望老师对你的期望值不会很低：美国教育中心通过10年的调查研究发现，那些老师对其有着“更高的期望”的学生考上名牌大学的机率是其他学生的三倍。教师希望给他们更多的时间来回答问题，更多的反馈，以及更高的村准。事实上，教师的期望可能比学生通过自己的动机和努力成功考上好大学成为了一个更好的指标。
如果你是一个求职者，希望你不要坐在一个有着种族或性别歧视思想的招聘经理的面前。
而对于招聘人员的偏见一直都有详细记载：2009年研究指出，英国一些招聘人员具有种族主义和歧视妇女的思想，一些女性求职者因为还没有结婚，而失去工作机会。
人类是不完美的。企业已经开始认识到需要采取一些替代措施，以消除这些例子的偏见，并帮助企业作出战略决策。而这种措施就是技术。
而应用更广泛的人力资源缓慢而稳步地拥抱大数据移动。调查机构在2014年的调查发现，人力资源数据和分析的支出位于人力资源技术支出列，并且拥有百名以上员工的6400家公司将在2018年实现了大数据分析，那么你就会意识到，时间只有一年多。
从招聘的角度来看，数据为王。人们分析帮助企业挑选适合的人才提供新的选择。企业对于数据的欲望是如此强烈，雅虎公司最近收购了买了HotJobs公司；微软公司收购了LinkedIn；Indeed收购了SimplyHired公司，最近，任仕达控股以4.29亿美元收购MonsterWorldwide公司。因此大数据是大业务。
数据处理
如今，人才招聘专家有机会获得比以往任何时候更开放的信息，这要归功于社交媒体和基于Web的应用程序，使我们能够大量地收集数据。
而以数据为基础的招聘，或多或少的是一个跨行业领的域技术：
·例如通过应聘人员发到互联网上的详细信息，可以找到理想的候选人。这可能是通过Facebook，LinkedIn或其他专业行业的社交网站（如Github）来进行的。
·使用内部开发的数据聚合软件，将数千份简历和收集的信息归类整理在一个不断扩大的数据库中。
有些公司利用这些数据作为评估和测试的基准，测验和分析候选人。而其他人可能会使用这些数据，并通过像TalentDash的平台设置选项和参数来发掘一批有潜力的人才。
从聚集到算法
一旦所有需要的信息已经收集，那么算法开始发挥作用。这些计算不是简单的数据集合，使用关键字和评分来确定数据的主要方面，并解释什么样的算可以法产生成可用的，真实的信息。
最终的结果可能会显示各种匹配，模式或者容易理解的可视化热图。
当然，在人才招聘中，采用数据和招聘技术并不是被全部。人类虽然有缺陷，但却是这个方程的必要组成部分。
除了那些招聘策略，真实的数据也许让人难以置信，但熟练的人可以确保所提出的信息被理解，并以最有效的方式利用。
人们分析的正是利用人和数据进行的。人类与机器相结合，以自己的方式挖掘合适的人选。
人类元素的是数据拼图的最后一个难题，因此需要帮助企业建立连接，并选择最好的候选人。而这种技术是必要的，以确保有缺陷的人可以微调我们的方法，并在准确的指标和基准的基础上，最终作出正确的决定。