会考虑，但是不限于正相关。
其实我们认为真正影响到职场表现的，是思维而不是专业表面。打比方说我现在招一个新闻专业的同学进来做运营，他懂得如何撰写专业的新闻通稿，懂得如何进行推广话术的总结；但是我现在招进来一个电子专业的同学进来同样作为运营，他的逻辑思维更为缜密，擅长通过数据分析市场营销的效果，那么两者搭配工作，就是非常好的运营组合。前者是正相关，后者则是负相关，如果HR在筛选的时候，仅仅按照专业去做简单粗暴的筛选，那么就会错失很多“明明很适合”的人才。
《腾讯没有梦想》里有一句话是这么说的：
腾讯招了非常多的聪明人，聪明人在一起就是画PPT互相斗嘴，不愿干傻逼事，但是斗嘴是没啥意义的。
在招聘这个需要细分化的场景下我们可以把“聪明人”做更多维度的理解，也就是我们不能一刀切的做招聘，按照传统的人工招聘思路简单的划分和筛选简历就会造成“画ppt互相斗嘴”这种荒诞的局面。
在这里我们引入智能人岗匹配的思路。
什么是人岗匹配？
人岗匹配的定义是企业确定岗位招聘需求和目标人才的画像，根据这个职位招聘模型在潜在候选人中进行智能人岗匹配，发现高匹配的符合职位招聘模型的人才。本质来看，是抽象化和特征化企业招聘的需求，标准化企业的人才筛选标准，快速高效地实现人才招聘。
如何确定人岗匹配度？
匹配的输出肯定是为每一个人选和岗位之间计算科学合理的人岗匹配度，因而如何确定匹配度的打分标准和考虑的因素十分重要。影响人岗匹配度的因素有很多，简单来看可以分成2种属性：
1）过滤型影响人岗匹配：比如岗位有些特定的硬性标准，这类标准可以作为一定的过滤阀门，即不满足无法纳入人岗匹配度计算。典型如某些岗位有特定年龄要求或执照要求
2）排序型影响人岗匹配：特定的硬性标准容易一刀切，因而企业会尽量少一些过滤型规则，加强一些排序型规则，意思是如果满足某一标准，在其他信息相同的情况下会排序更高的加分项。一个典型场景是「5年以上产品经理经验」，就不好一刀切的把5年作为过滤计算，因为可能4年的产品经理也是可以做这个岗位的，只是5年经验更好一些。
智能人岗匹配如何实现？
随着互联网和大数据时代的发展，简历越来越线上化，企业也越来越多地开始运用智能技术分析职位的要求，提取出影响人才匹配的核心决策因子，并且综合企业内部以往招聘和筛选简历时候的经验，为企业实现智能个性化人岗匹配系统。在匹配上，会智能阅读职位要求，抽取核心特征，随后综合考虑100余种特征，模拟有经验的HR实现智能人岗匹配。
