几十万条人才库，为什么能用的只有几百条

做寻访的人几乎都有过这个体验：库里几十万条，真到某个岗位要找人的时候，筛出来能打的只有几百条。

一开始以为是检索条件写得太严，放宽一点再看，数字上去了，能用的还是那几百条，多出来的全是噪音。

后来我意识到，这不是检索的问题，是记录本身的问题。一条记录能不能用，取决于它能不能被判断。不能被判断的记录，有多少条都一样。

什么才算「能被判断」

以我现在的标准，一条记录至少要能回答三个问题，才算能用：

• 他现在在哪家公司。不是「曾经待过」，是现在。
• 他做什么职能。不是一个模糊的职位名，是能对上一套职能分类的位置。
• 他大致什么级别。带不带团队，向谁汇报。

三个都答得上，这条记录就进了「可判断」的池子。答不上任何一个，它就只是存在库里的一段文字。

按这个尺子去量，几十万条里真正可判断的比例通常低得让人不舒服。

三个把记录变废的原因

第一是重复。同一个人，从三个渠道进来三次，名字有时候是「张三」，有时候是「张 三」，有时候是「张先生」。手机号有时候带空格，有时候中间四位打了星号。这三条记录在库里是三个人。

麻烦的是，去重不能只看名字。同名的人太多了，硬合并会把人搞混，比重复更糟。所以去重必须靠组合键，手机号、公司加职位、履历时间线，而且每一个都要容忍格式差异。

第二是字段没归一。公司名的写法最能说明问题。同一家公司，库里可能有这些写法：带「有限公司」的，不带后缀的，带地区括号的，简称的，英文的，还有各种错字。行业字段也一样，有人写「互联网」，有人写「软件」，有人写「IT」，看起来都是同一类，机器当三个。

不归一，任何按公司或行业做的筛选都是漏的。而且漏得没规律，你不知道少了哪些。

第三是时效。库里绝大部分记录是某一个时点的快照。写进去那天他是总监，两年后他可能已经是副总裁，也可能已经离职创业去了。而库里还停在两年前。

时效这件事没有便宜的解法。要么定期回捞更新，要么在检索时把「最后更新日期」当成一个必须看的字段，让用的人自己知道这条有多旧。

一个反直觉的地方

发现这些问题之后，第一反应通常是「那就批量清洗一遍」。

我一开始也这么想，后来栽过跟头。批量清洗最大的风险不是漏，是错。漏掉的记录只是没用上，改错的记录会一直骗你。

举个例子。有些记录的公司字段里其实是职位名，比如「招聘经理」被当成了公司。清洗脚本如果按规则硬套，很容易把它归到某个看起来相似的公司下面。归完之后，这条记录在库里看着很完整，但它已经是错的了，而且以后每次按公司筛选都会把它捞出来。

不确定的不要动。宁可漏，不可错。这句听起来是保守，实际上是唯一能长期维护的办法。

所以真正的指标是什么

不是总条数。总条数只反映你收了多少。

值得看的是三个比值：可判断记录占总数的比例，公司字段归一成功的比例，以及最近一年内更新过的比例。这三个数上去了，库才真的变好用。第一个数是结果，后两个是原因。

顺带说一句，这三个数都不好看的时候，最没用的动作就是继续往里灌新数据。灌进去的还是同样的形态，只是把分母做大了。

写于 2026 年 10 月。文中数字为示意，不代表任何具体系统当前状态。