数据
在“讨厌的HR”文章发表14年后，您是否具有战略性？
14年前的今天，由基思·哈蒙兹（Keith Hammonds）撰写的2005年快速公司封面故事“ 为什么我们讨厌人力资源 ”。这篇文章是全世界听到的枪声，是针对“卡死”行业的一连串镜头，需要演变为战略角色，但没有足够的知识力量去实现这一目标。
Hammonds称人力资源人员“既不是战略人员也不是领导者”，他认为人力资源主要侧重于行动而不是结果，并且不会讲首席执行官的语言。
显然，他的抱怨早就该了。这篇文章在新闻界被放大，甚至成为学术讨论的主题。
如今，新的节省成本和时间的人力资源技术是否能够减轻这种敌意，仍然是一个尚待解决的问题。这取决于HR是否充分利用了该技术并正确使用了它。
人力资源主管可以问自己以下5个问题，以确定他们是否走上正轨，或者他们的最高管理层是否仍对他们感到不满。以及关于如何将首席执行官的仇恨变成高击掌的一些建议。
1.您提供给领导层的员工数据可能很复杂，但是具有战略意义吗？
您可能会认为，向CEO吹毛求疵是很高兴的，因为您的公司提供的健身房会员资格不需要花费太多，而员工最喜欢这种特权。但是要具有战略意义，您必须证明健身房会员资格实际上正在提高生产力，效率或其他一些有意义的指标。您的首席执行官想要这些答案–您有答案吗？
2.您是否在聪明地思考AI？
人工智能程序听起来对船上人员，训练和提高保持力都很有用。和诱人；您只需启动它们，然后让它们自己运行，对吗？不。您必须密切关注AI，并监视程序是否按照您的要求进行并且是否值得。例如，如果您需要看到AI入职计划的保留率提高5％，但没有达到这个数字，那是不值得的-您和您的CEO应该知道这一点。同样，如果效果很好，并且您可以告诉您的领导者您节省了多少钱，您和您的首席执行官就可以进行高额交易。
3.您将哪种数据放入数据分析中？
这是一个至关重要的问题，因为人力资源部不得不屈服于许多不同的神灵，结果数据程序（由神灵委员会设计）遭受了损失。拿绩效数据（许多人会说。）众所周知，绩效数据是中档的，很少有被评为优秀的员工（其他工资增长和奖金会破坏预算），很少被评为不满意（因为暴露出缺乏培训或激起一班被剥夺权利的工人游行。由于性能数据（好的数据）是无价的，所以这更加令人不安。大数据和AI程序可能会做一些很棒的事情，但是如果其中的数据不可靠，不整洁且不一致，则结果可能毫无价值，这是CEO讨厌的结果。
4.您可以将员工数据翻译成CEO的语言吗？
过去，领导层并不真正相信HR具有咨询性，知识渊博并能说出领导者的语言。人力资源主管必须能够以与首席执行官产生共鸣的方式连接其数据点。您的调查可能表明您的领导者不信任他们的客户支持员工。这些员工也可能会感到沮丧。一个好的人力资源人员会仔细看待客户满意度，看看是否存在转化为价值损失的联系，并给予客户支持更多解决问题的能力，并提高了客户保留率。这种见解将使首席执行官能够倾听并信任您。
5.您是在处理危机还是在解决潜在的问题？
这是人力资源至关重要的地方，尤其是在我们多样性日益增加的时代，＃MeToo和社交媒体不断注视的时代。在莱斯·穆恩维斯（Les Moonves）丑闻之后，CBS现在正在指派HR代表参加其所有演出的演出。尽管这表明了对人力资源危机管理的信心，但它只能解决部分问题。人力资源部门应该敲门首席执行官的大门，说他们不仅仅是减少诉讼或制止不良行为的工具。真正的目标是利用数据和协作来创造文化转变，使所有员工都觉得自己受到了公正的对待。不仅如此，人力资源部还将获得高质量的数据，以说明这种文化转变将如何在五年内收回成本并开始增加收入，因为建立公平，透明的文化意味着更高的生产力和协作能力。那是一种战略思维和同理心，可能会使首席执行官的仇恨化为乌有。
以上由AI翻译完成，仅供参考
作者：保罗·马斯特兰格洛（Paul Mastrangelo）
来源：https://www.tlnt.com/14-years-after-the-hate-hr-article-have-you-become-strategic/
数据
中国SaaS半年记：融资数量腰斩；未来不容乐观
文章来自微信公众号“ToB行业头条”（ID：wwwqifu），作者李晓松，转自“36氪”网 （图片均来自原文）
2019年上半年悄然过去，ToB行业头条持续两个月的SaaS掘金录专题，也即将进入收尾阶段。
就此，ToB行业头条通过数据统计，全方位复盘了2019年上半年中国SaaS领域的投融资状况，希望在2019年年中，为SaaS从业者提供更多的数据借鉴。
2019年上半年，国内SaaS领域共发生85起融资，遍布数据服务、人力资源、销售营销等领域。具体名单如下：
01
投融资整体放缓
下半年不容乐观
2019年上半年，SaaS领域各月融资数量差异较大。
其中，受资本寒冬、春节假期到来的影响，2019年前三个月，SaaS领域融资数量普遍较少，只发生了29起融资。而二月的融资数量更是低得惊人，仅有4起融资。
虽然四五月份，SaaS领域的单月融资数量超过了20起，可六月13起融资又让喜悦变为忧虑。
如果我们把时间再往前推半年，从2018年的下半年开始统计。我们会发现，过去一年，中国SaaS领域的投融资数量，一直处于下滑状态。
数据显示，去年七月、八月，中国SaaS领域单月融资数量均超过了30起。可随着九月、十月资本寒冬的出现，SaaS领域融资数量急剧减少，平均数量尚不及时期的一半。
从总体数量而言，今年上半年85起融资数量，远远低于2018年下半年148起融资数量，融资数量几乎腰斩。SaaS领域融资数量的持续走低，真实反映了资本寒冬的威力巨大。
就当前中国SaaS领域的融资走势来看，只要资本寒冬影响继续，整个下半年，中国SaaS市场的投融资状况依旧不容乐观。
SaaS行业的小伙伴们，一定要做好“深挖洞、广积粮”的准备啊！
02
数据服务仍是风口
人口红利急速消退
其实，深究中国出现资本寒冬的原因，最根本点就在于中国人口红利出现了急速消退。以往中国市场的粗放增长，到2018年下半年跑不通了。此前依靠烧钱、堆人疯狂扩张的厂商，也遭遇增长瓶颈。
人口红利消退、厂商运营困难的直接体现，就是中国SaaS行业2019年上半年融资，更多集中于数据服务、人力资源等，能帮助企业精细化运营、提升人口效益的领域。
其中，融资数量最多的数据服务领域，共有44起融资，占整个SaaS行业融资数量的50%。紧随其后的便是融资17起、占比20%的人力资源领域。
很显然，数据服务可以让企业的投放更精准，流程更清晰，服务更具颗粒化。而人力资源的蓬勃发展，恰好与中国人口红利急速消减的大背景相吻合。
中国SaaS市场投融资的集中变化，真实反映了中国的ToB行业，刚好处在关键的转型截点。
03
初创企业与成型企业平分秋色
中国SaaS刚好进入成熟阶段
几年前，中国SaaS市场处于疯狂扩张阶段，可随着资本寒冬的到来，中国SaaS厂商和投资方也开始冷静下来，思索中国SaaS该如何从疯狂走向成熟。
从数据统计来看，ToB行业头条发现，中国SaaS领域似乎在2019年迎来了新的转机。SaaS领域B轮以下初创厂商拿到融资的数量，竟然与B轮及B轮以上成型厂商拿到的融资数量平分秋色。
2019年上半年，中国SaaS领域共有38起融资，发生在B轮之前；而B轮及B轮以上融资数量也达到了22起。
考虑到轮次较低获得融资数量较多的必然规律，以及多数战略投资发生在成熟企业身上的原因。ToB行业头条认为，当初创公司与成熟公司拿到融资数量相当的时候，SaaS行业已经开始走入成熟期。
首先，任何一个领域在烧钱阶段，初创企业都会疯狂地拿融资，融资数量必然远远高于成熟企业的融资数量。而只有在稳定期，初创企业拿融资的节奏才会放慢。
其次，创业圈一直存在“B轮死”的魔咒，SaaS市场也不例外。如果整个行业，B轮及B轮以上的企业仍旧能持续稳定的拿到融资，甚至融资数量能与初创企业一较高低，则直接表明已经有部分企业能够依靠成熟的运营，在竞争中存活下来。
当然，以上结论只是企服君根据数据分析得来的结果，无关对错，仅供读者参考。如果各位能有更多维度的数据，或是其他独到、深刻的解读，还请给我们留言，与我们共同探讨。
原文参见：https://36kr.com/p/5224521
数据
如何确保人力资源技术正在推动组织的变革
文/Drashti Patel
在过去的十年中，如果不是更长时间，公司已经成为数字化的一部分，并没有让人力资源保持不变。人力资源技术的购买和实施一直很普遍，但在考虑采用率时，故事并不总是成功的。根据Sierra-Cedar的研究，只有27％的受访者表示人力资源部门在变革管理方面投入了大量资金，尽管他们知道这是支持采用新技术的关键。
超越数字化动员
人力资源部购买的技术不应作为您的流程的创可贴，也不应仅视为手动流程的升级。为了使其成功，它应被视为整体数字员工体验的一部分。
这对你的员工有什么影响？
如果没有考虑它将为他们提供的目的（以及人力资源部门的需求），采用率将会很低，而且技术可能会失败。
当我们看到公司使用技术来促进绩效和发展战略时，这变得更加明显，但实际上并没有对结果做任何事情。根据最近的一项研究，只有22％的参与调查的公司实际上利用他们的结果来实施变革。
那么为什么要首先运行它们呢？
难怪员工最终对HR技术感到失望。
在组织内实施变更
推动采用是确保人力资源技术成功的第一步。为了做到这一点，它不仅仅是关于易于使用的技术，它还涉及帮助人们了解他们将从中获得什么，“它对我有什么用？”
根据普华永道的研究，员工有动力使用新技术有以下三个原因之一：
这将有助于他们提升自己的职业生涯或获得地位（37％）。
他们对提高效率和团队合作的承诺感到好奇（34％）。
它可以帮助他们在可预测的环境中更轻松地完成自己的工作（29％）。
一旦您能够向人们展示您正在实施的新技术的价值，就可以通过实用的方法支持其入门。人们使用它的次数越多，您就可以越多地收集他们可以用来改善整体员工体验的行为数据。
这是人力资源技术的最佳选择：当技术变得对员工有益，同时为人力资源提供有趣的数据时。
公司通过投资回报生存和死亡：如果您获得新技术的预算批准，您有责任证明其价值，我们知道这并不总是那么容易。但是，当您能够将高采用率与在组织内实施变更结合起来时，由于数据，这将是一个双赢的局面。特别是如果您实施的更改会影响员工敬业度和保留率，这两者都会影响到底线。
因此，让我们开始更多地关注从HR Tech收集的数据和见解，以及如何利用这些数据和见解为您带来优势。
使用人力资源技术部门的数据
假设您主要跟踪j敬业度，无论是参与调查还是其他通过技术支持的活动。这是一个很好的开始，但它并没有让你深入了解员工的感受。
您错过了哪些其他数据实际上可以推动变革？
例如，假设您正在使用工具来支持您的绩效评估流程。除了完成率，以下是您可以查看的其他一些统计数据：
团队内部和团队之间积极与建设性反馈的比率
个人发起的反馈请求数量（与人力资源主导的流程相对）
哪个团队与其他团队相互分享最多的反馈
平台内设置和跟踪目标的人数
通过平台发起1：1请求的数量
查看此信息，您将开始深入了解影响人们工作，生产力和整体工作满意度的行为。为了使这更有趣，您可以将其与平台上未收集的其他数据进行比较。
例如：在分享反馈最活跃的团队中，您是否看到了生产力的提高？您是否看到人们在角色方面取得进步并更快地学习？您是否可以看到经常与直接下属分享反馈的经理与不与其他人分享反馈的经理之间存在差异？这不仅可以为您提供有关您以前没有的人的行为的有趣见解，还可以让您识别和复制最佳实践，从而推动整个公司的成功。
认识到团队和个人应用最佳实践并将其变为冠军有两个好处。人们不仅会感到受到重视，而且还会在推动采用中消除人力资源的部分责任。最后，您可以创建针对个人和团队需求量身定制的学习和开发或绩效相关计划，而不是“一刀切”的方法。
屏幕上有数据
使用人力资源技术部门的数据是推动
组织变革的关键。
学习一段时间
现在你已经开始分析数据，你不是很想知道会发生什么变化吗？为了继续证明您的技术的投资回报率，您需要跟踪一段时间内的差异。这将使您能够随着时间的推移显示出改进，例如提高参与度和工作效率。
通过研究一段时间内的数据并比较答案，您可以更好地了解人们对或多或少的需求，以及他们对您的期望。这有助于您明智地决定下一步推出哪些流程，哪些想法可能会失败，哪些有助于加强员工文化并支持员工敬业度。
下一步
因此，您正在跟踪数据，您已经对它进行了研究，并且您正在学习很多关于您的人员的知识。
下一步是什么？
这是一个从敏捷方法中分离出来的机会，并将一些会议原则应用于您正在收集的数据：
按主题分组您获得的反馈
确定主题后，优先考虑解决每个已识别问题的顺序 （你可以从最容易解决的问题开始 ，或者您可以根据哪个问题对业务影响最大来确定优先级）
庆祝成功，并确保每个人都知道“什么进展顺利”，以便他们可以继续复制行为
实施您的解决方案
衡量其有效性
重复
不要实施新的举措来回应你收集的英特尔，只是为了让他们死亡或永远不再跟进他们的成功。这是一种肯定的火灾方式，最终导致员工感到脱离，采用率下降。记住一致性在消息传递和操作中都很重要。确保您定期跟进并询问他们的意见。
这不仅可以确保您掌握脉搏，还可以帮助人们重视并参与到这一过程中。越多人认为他们的意见被考虑在内并且他们在这个过程中有利害关系，他们就越有可能支持你实施的变革，甚至成为拥护者！
以上为AI翻译，内容仅供参考
原文链接：How to Make Sure HR Tech is Driving Change in Your Organization
数据
人力资源分析如何帮助提高员工绩效
文/ Ritesh Patil
人力资源是全球许多企业的重要组成部分。这一角色在过去几年中不断演变。人力资源不仅仅局限于一个组织的招聘和退出过程，它还有更重要的作用。随着行业间竞争的日益激烈，人力资源管理者在组织中寻找和招募最优秀的人才变得越来越具有挑战性。从招聘空缺职位到寻找和雇佣人才，这是一项艰难的工作，招聘人员的任务直接影响到公司的底线。为了帮助人力资源部门验证它作为商业表现的重要角色，人力资源分析被应用了。
什么是人力资源分析?
人力资源分析是关于收集、组织和验证与人力资源运营相关的数据，如招聘、培训和开发、员工福利、员工关系和保留，以帮助他们在所有这些领域做出更好的决策。人力资源部门每天都在使用不同类型的软件和技术来创建大量的数据。然而，人力资源分析将这些数据转化为有价值的洞察力。
将人力资源分析应用到业务结构中有显著的好处，越来越多的企业都在争取更好的ROI。在这篇文章中，我们列出了5点，展示了人力资源分析是如何帮助你提高底线增长的。
人力资源分析如何帮助你改善公司文化
1. 重视员工培训计划？
对于企业来说，专业培训是雇佣和留住高素质员工的一个重要方面。如果对职业发展培训没有或几乎没有贡献，这可能会导致员工疲惫、士气低落和缺乏方向。
此外，一个专业发展培训计划描述了你正在帮助你的员工实现他们的全部潜力，并激励他们在他们的专业领域学习新的技能。这是一个成长中的企业重视员工和他们对公司的贡献的标志。
人力资源分析有助于识别员工的相关专业培训课程，衡量员工的进步。它分析了培训的有效性和培训过程中每个参与者的成本。
通过对参加培训的员工数量和所涉及的成本的深入了解，您就可以确定这对您的企业是否是一种具有成本效益的方法。
2. 改进招聘流程
招聘过程对雇主来说有点挑战性。通过人力资源分析，你可以通过收集员工之前的招聘信息来改善招聘流程。
例如:在面试你公司现有职位的10位候选人时，你发现6位候选人有不适合你公司文化的共同特点。利用这些信息，你可以自动删除这些申请人的特点，从空缺的职位在不久的将来，并改善招聘程序。
这是一种聪明的方法，可以减少用于评估不合适的应用程序的时间，并加快流程。同时，你有更多的时间来评估适合你的业务的候选人。
3.提高员工保留率
对于一家需要解决的公司来说，员工保留率降低可能是一个令人担忧的问题。虽然可能有各种各样的原因，但重要的是直接研究公司的文化、薪酬、结构和商业模式，以便更深入地了解裁员背后的原因。此外，您需要应用策略来限制员工数量的下降。人力资源分析可以提供数据驱动的理解为什么员工选择离开和工作的漏洞。
可能的原因包括表现不佳、缺乏技能、薪酬问题或其他公司政策。通过离职和留职面谈、员工满意度调查和团队评估，您可以发现组织中可能存在的影响员工自尊和归属感的问题。
不要忽视这些问题，你必须主动解决它们。这可以帮助你提高整体的底线，因为你将避免支付与招聘和培训新候选人相关的不必要的成本。
4. 为未来的前景让路
就像你可以提高员工流动率，避免聘用效率较低的员工一样，识别、聘用和提拔合适的员工应该是人力资源管理的重点。这就是人力资源分析帮助您识别那些可以预测组织成功的特征的地方。所以，最好是寻找人才，避免犯那些代价高昂、需要花费大量时间来改正的错误。
有时，如果个性和他们的技能以正确的方式结合在一起，这可以是一个完美的融合，以提高一个团队的效率。分析有助于优化流程，以更快地组装和释放高效团队。这不仅仅是避免错误——这是关于鼓励个人以最好的方式使用他们的技能。所有这些都是为了您的组织和客户的利益。
5. 数据收集
为了识别出相互响应良好的基本特性，以及那些不符合公司文化的特性，收集足够的数据非常重要。在这个有着复杂系统、大型企业中的团队动态和业务流动性的时代，您只需要数据。世界上的大公司投入巨资获取员工、竞争者和客户的数据是有原因的。这些组织知道数据在其合作伙伴和公众中的重要性，无论是好是坏。为了在激烈的竞争中茁壮成长，他们用数据塑造自己成功的未来。
结语
出于几个原因，企业中的人力资源分析是一个公司成功的关键因素。通过人力资源分析收集有价值的数据，可以更好地改善公司的支出、运营和生产率。
以上为AI翻译，内容仅供参考。
原文链接：How HR Analytics Can Help Improve Employee Performance
数据
2019年组织发展趋势：拥抱人力资源数据
富有洞察力的人力资源数据正在开始转变长期依赖人力劳动的流程，包括工资单，招聘和人力资本管理。
众所周知，数据已经改变了组织的业务方式。基于数据的应用程序和数据分析正在帮助销售，营销，产品开发和其他领域推动创新，消除低效率，改善客户体验管理并追逐以前难以想象的增长。
人力资源还可以使用数据做出明智的决策，帮助他们的组织取得成功。人力资源数据的见解已经开始改变长期依赖人力劳动的过程。薪资，招聘和人力资本管理只是人力资源部门的一部分，可以从细分的，细节丰富的数据中受益，例如，显示部门层面的信息或有关竞争组织如何发展的启示。
以下是三个不断发展的领域，人力资源数据可以帮助您的组织更好地管理人才并提高盈利，掌握这些趋势有助于为您的部门或组织成功。
使用数据作为助手
通过人工智能支持的技术收集、分类和分析的数据不应被视为人工劳动的结束，相反，AI应该充当人类的助手。从组织数据中收集的见解有望帮助人力资源领导者以新的方式处理他们的职责，并解决更适合人工智能的挥之不去的问题。通过这种方式，数据将越来越多地允许决策者专注于需要更人性化的优先级和任务。
例如，数据可以显示哪些员工有离职的风险，这使得人力资源部门能够与经理讨论潜在的结果，然后他们可以主动与员工交谈，以确定他们是否满足于工作。数据还可以揭示经理何时难以保留新员工。这可以帮助人力资源部门确定哪些经理可以从额外的培训中受益 - 甚至是体贴的，数据支持的对话。数据可以确定某个部门何时超出其分配的加班预算，使人力资源部门能够帮助管理人员更好地指导他们的计划。
与人员进行沟通正是人力资源部门应该做的事情，数据分析让人力资源部门能够采取有意义的见解。由于数据的原因，实现人力资源中的“人”元素可能比以往更加直观。
为管理层提供他们需要的数据
更加以数据为中心使人力资源部门能够积极主动地迎合另一个趋势：需要定期向高管和经理提供重要数据。管理层通常忙于运营组织，通常没有多少时间仔细审查数据，但通过将数据分析纳入其工作流程，人力资源部门可以隔离管理人员和一线管理人员需要看到的成就，问题和异常的统计快照。
通过我们的薪资服务提供的见解，今年我们的一个客户合作伙伴节省了330万美元，因为经理手头有数据表明加班超支已经成为一个问题。各地的人力资源工资专家肯定会让他们的主管，首席财务官和其他高管感到高兴，如果他们能够传递直接，准确的见解，导致任何不必要的开支被削减。
数据可以促进员工成长
人力资源和管理层之间的信息流动主题很好地转化为2019年的另一个趋势：更加注重改善员工与企业的关系。当人力资源部门有数据帮助员工提高绩效，学习新技能或在组织内寻求晋升时，人力资源部门不必仅依靠传闻。
在帮助那些对管理角色表示出兴趣的员工时，人力资源部门可以使用数据来概述当前管理者所遵循的具体职业轨迹。主管还可以依靠数据洞察力向员工展示他们需要获得或锐化的技能组合，以提高他们当前职位的绩效并为管理的未来做好准备。
成长型组织了解在员工发展中投入资源和时间的必要性。他们希望员工从他们的工作中学习并获得满足感。反过来，员工也渴望获得指导。当管理人员和人力资源部门明确指出员工可以采取的专业发展步骤时，员工会欣赏他们的上级重视个人发展。
开始使用人力资源数据促进创新，增长
致力于数据驱动的人力资源管理方法应该是您的组织2019年的首要任务之一。分析与您自己的组织相关的数据以及您的竞争对手的成功和失败可以使您的人力资源部门能够为您的公司推进关键目标。将其付诸实践应有助于为您提供时间，洞察力和信心，从而做出明智的业务决策并增强您与员工的关系。这是一个值得追求的目标。
以上为AI翻译，内容仅供参考。
原文链接：Embrace These HR Data Trends and Make 2019 a Year of Employee and Organizational Growth
数据
SAP.iO Venture Studio为新员工主导的初创公司提供资金
SAP.iO业务部门已宣布投资Asterisk和Innversation，两家员工创建的初创公司将加入SAP.iO Venture Studio计划进行孵化。
本月初，该计划的投资委员会从SAP内部选择了两个新团队，以获得他们的商业创意资金。SAP.iO Venture Studio在Ruum开始了第一次种子投资两年后的最新资金，Ruum是一家由两名SAP员工创建的柏林创业公司。Ruum的创始人使投资者相信他们正在做一些“令人惊讶的事情”并且他们是那些能够实现这一目标的人。两年后，Ruum已被1,700多个组织的16,000多名用户采用。
SAP.iO帮助公司内外的企业家利用SAP的独特资产，如数据，API和客户关系，以建立新的软件业务。在SAP.iO Venture Studio计划中，员工主导的初创公司可以获得资金和独特的环境，为多个行业的企业创造超大的价值。
那些参与选择过程的人说，当一批新创业公司向投资委员会投放时总是令人兴奋。
SAP客户体验首席技术官兼投资委员会成员莫里茨齐默曼说：“我对这些优秀产品创意的密集度和他们背后的优秀团队感到惊讶。” “你可以感受到团队在晚上和周末度过他们的大创意的热情。在这样一个有可能变成大事的早期阶段成为事物的一部分真的很令人兴奋。”
在向投资委员会宣传之前，来自SAP的所有七个团队必须证明他们能够在预算不足的情况下解决企业领域的大问题。
S / 4HANA Cloud首席运营官兼投资委员会成员Saleah Laher表示，最新一轮的团队在如此短的时间内提出了“一些最大胆，最具建设性的建议，令人难以置信的工作。”
但并非所有团队都可以从SAP.iO获得投资。该委员会表示，两支球队在比赛过程中脱颖而出，不仅基于他们的概念，还基于他们的产品：Asterisk和Innversation。
Asterisk由位于波茨坦的SAP创新中心的Gregor Berg和Andre Wenz共同创立。该团队正在构建一个工具，该工具使用SAP独特的数据资产以及SAP在管理客户业务流程中的核心作用。该工具使用包含20,000多个匿名系统日志的数据库，为企业提供运营见解和性能基准。
“从数据和产品的角度来看，我们对SAP资产的访问证明是非常宝贵的。这是每个创业公司都梦寐以求的东西，“温兹总结道。“这是一次千载难逢的机会。”
这项工作始于使用SAP数据资产来帮助确定内部开发工作的优先级。Berg和Wenz已经与波茨坦的SAP创新中心的同事们进行了一段时间的讨论，但在加入SAP.iO的内部加速器计划后取得了重大进展，并意识到该工具具有市场潜力。
“在使用SAP.iO之前，我们所拥有的只是为主题演讲而开发的概念验证（POC），”Berg回忆道。“我们感到非常激动，但只有当我们开始与更多客户交谈时，我们才意识到问题的实际大小。”
Innversation由印度班加罗尔的SAP实验室的Mohit Kanoria，Amit Kumar Singh，Sharath Kumar Rju和Hemant Rachh共同创立。该团队构建了一个人工智能驱动的领导参与和资格认证解决方案，使客户能够自动完成一些最繁琐的销售任务，从而释放驱动转换的能力。
“我们的主要愿景是让Innversation成为每个企业的首选内部销售团队，”Kanoria解释道。该团队非常高兴能够通过自动化帮助公司实现可持续增长。“通过Innversation，我们可以通过确保没有任何超卖，低价或错误销售来恢复透明度和信任。”
该团队将Innversation作为一个侧面项目工作了一年多。“在加入加速器计划之前，我们获得了成功的第一个指标，但真正帮助我们的是SAP.iO的结构化方法，用于验证关键假设并解决实际业务问题，”Kanoria解释道。
他说，该团队还受益于与风险投资集团和导师的不同教育活动和交流机会：“这是一次了不起的经历，我们对下一步的工作感到兴奋。一切皆有可能！”
Asterisk和Innversation团队将加入SAP.iO Venture Studio，从2019年开始全职工作。
以上为AI翻译，内容仅供参考。
原文链接：SAP.iO Venture Studio Funds New Employee-Led Startups
数据
3种方法可以使员工数据对您的CEO产生更大的影响
应该在没有争议的情况下分享简单的员工记录，但是当人力资源主管在与首席执行官和首席财务官的月度损益表会议期间提交人数报告时，它可能成为议程中最具争议的项目。
通过我过去与大型企业就人才和人力资源战略进行咨询的经验，我听到了无数关于CFO和CHRO产生人数不匹配的故事。通常会进行20分钟的讨论，了解哪个数字是正确的以及为什么。这是一场低价值的讨论，它将两个应该建立战略联盟的合作伙伴之间的语气设置错误。
你能猜出谁负担解释他们的数字？这不是首席财务官。
在大多数情况下，这在技术上不是HR的错。事实上，人力资源和财务部门可以报告不同的数字，并且两者都是算术正确的。在这篇较老的（但仍然相关的博客文章）学者Donald M. Atwater和Brad Jorgensen 解释了这种差异是如何发生的，特别是当每个部门对谁是工人使用不同的定义时。
Atwater和Jorgensen用这种方式准确地总结了人数难题：“客观观察者可以说这些计数在技术上都是正确的。一位沮丧的高管会说应该只有一个答案。“
是的，建立一个真像的来源，但是.......
虽然员工人数和解仍然是许多人力资源领导者面临的棘手问题，但一些先进组织已成功解决了这个问题的核心问题。
最积极主动的团队从更好的协作开始，确保人力资源和财务方面的人员和预算影响数据定义保持一致。他们还有纪律，不会创建影子系统，并避免使用一个部门或另一个部门中携带的“对帐”电子表格作为不根据原因修复流程的借口。
在技术层面，当从一个虚拟平台访问所有相关数据时，它消除了人力资源部门为财务部门建立影子系统的需要。然后，人力资源领导者可以消除他们的团队花费时间来获得与财务所呈现的数字相匹配的时间。
就避免人数纠纷而言，这绝对是明智之举，但事情就是这样：当戏剧清除时，另一个问题仍然存在。
传统的人数报告很无聊
对于大多数人力资源领导者来说，最大的问题是员工人数报告是因为缺乏更好的无聊期限。
无聊的人数报告无法帮助人力资源明确表达满足业务目标或需求所需的内容。他们未能揭示人员短缺将如何影响收入目标或净推动者得分。他们未能揭示投资（或缺乏投资）将如何影响未决人才短缺等趋势。因此，传统的人数报告无法帮助人力资源获得与财务相同的战略基础。
通过将重点从孤立的人数指标转移到对业务至关重要的动态趋势，战略性人力资源领导者正在引起关注并获得高管人员的信任。来自社交媒体软件公司的一个人力资源团队在执行会议期间询问“假设”问题，以检查他们在招聘目标方面的表现，从他们的人员数据中获取答案，以确定他们是否需要根据新的发展情况改变方向。
RBL集团的研究发现，有效的人力资源专业人员“既是理解商业背景的战略定位者......又是通过信任关系影响的可靠活动家。”为人数建立一个真理来源很重要，但它并不否定讲故事的必要性。基于更全面，动态的人员数据视图。
如果您是人力资源领导者，希望在与CEO会面期间提升您的战略角色，请考虑进行以下三项升级：
升级＃1：避免将人员作为库存
您的投资顾问不会报告您拥有的股票数量。她告诉你他们相对于市场的表现以及他们的目标。换句话说，她为您提供资产估值。
同样，您需要向首席执行官提供人员资产的估值。但在大多数人数报告中，人才绩效与业务成果之间的联系并未实现，人们被列为项目清单。
例如，在给定的时间段内查看人数的净变化是很常见的。但是，这使组织几乎无法了解有多少人对其角色不熟悉，这可能会产生错误的安全感（提示 - 尝试使用瀑布图来显示人员变化）。然后，组织将此指标用作围绕组织应雇用，转移，促进或解雇的人数的决策的基础。
而不是仅仅关注整体净变化，而是关注组织内部以及内部和外部的人员流动。通过将人数放在正确的背景下，您可以回答手头的真正问题：您是否有准备好工作的人的短缺或盈余。
升级＃2：关注未来，而不是过去
销售人员不仅会报告预订数量，还会报告销售渠道。正如人力资源专家John Sullivan博士在这篇关于影响首席执行官的帖子中所说，“高管们希望了解当有时间对此做些什么时会发生什么'明年'。”
吸引首席执行官注意力的趋势将反映出以未来为重点的销售额。在错过生产里程碑或客户因服务质量差而停止重复访问之前很久就找出关键角色是否短缺的最佳时机。
然而，大多数人数报告都是历史性的和反应性的。当人力资源部门能够提供与未来对收入，客户满意度或生产率等领域影响相关联的人数预测时，相关利益相关方可以采取行动。
升级＃3：将员工人数转换为费用
CEO希望看到变化的底线影响。但这很难确定并与员工人数沟通。“头数”确实需要转化为组织在人们身上花费的多少。
提供总劳动力成本（TCOW） - 为组织贡献工作的人员的全部成本，包括所有劳动力成本和劳动力管理成本 - 将帮助您了解和沟通潜在决策将来如何影响您的组织。
在展示TCOW时，请确保显示总数。这意味着将临时工和任何其他劳动力纳入人员增加。通过以临时工或临时工的形式聘用“非征用”人数来避免传统的审批程序是很常见的。务必对劳动力成本进行全面描述。
一家大型跨国制造商利用我们的人才战略平台按地点分析其员工队伍 - 与创收，成本和风险的关系 - 回答战略问题，例如：“我们是否在劳动力的成本和生产率方面处于正确的区域？ ”
那些能够阐明人才潜在成本影响的人力资源领导者往往会在组织内部产生更多影响，并可以就高优先级的业务问题提供明智的观点。
超越人数报告
当财务和人力资源部门使用相同的数据语言时，员工人数就变成了应有的程度：能够以无可争议的方式快速解决问题。
然而，谈话也必须转向人才如何影响业务成果和未来计划。通过这种方式，人力资源领导者可以从成为令人沮丧的辩论的焦点转变为成为商业关键信息的引人入胜和可靠的来源。
作者：Paul Rubenstein
As Chief People Officer for Visier, Paul is responsible for ensuring the company has the right culture and talent to fuel growth and innovation. With more than 25 years of experience consulting and working in HR, Paul has extensive expertise in leading the transformation of Talent Strategies and HR Functions, with work spanning M&A integration, corporate strategy, total rewards, outsourcing, and service delivery design. Prior to Visier, Paul was a partner at Aon Hewitt, where he advised large enterprise HR leaders on talent and HR function strategy.
以上由HRTech Ai 翻译，仅供传递观点。
来源：https://www.visier.com/clarity/headcount-data-more-impactful-to-ceo/
数据
数据成本是否扼杀了您的AI启动计划？
数据为AI初创公司提供了防御性的护城河：初创公司收集的用于培训AI模型的数据越多，该模型的表现就越好，新的参赛者难以赶上。然而，这些数据并非免费提供，许多人工智能初创公司认为他们的利润受到这笔额外费用的侵蚀。随着时间的推移，您可能希望减少对数据的投入，但目前尚不清楚如何预测何时会发生这种情况以及在何种程度上预测未来增长的模型。
与软件初创公司不同的是，产品开发埋藏在损益表中的研发成本之下，AI初创公司应将数据成本作为销售成本（COGS）的一部分。将数据视为COGS而非研发成本将有助于您发现扩大规模并降低成本的机会，从而提高利润率。
下面的数据价值链流程图显示了大多数AI初创公司如何获取和使用数据。首先，您将基础事实的片段记录为原始数据。您将原始数据存储在某处，然后建立流程或管道以维护和访问它。在AI模型中使用它之前，需要对数据进行注释，以便模型知道如何处理每个数据点。然后，训练有素的模型接收数据并返回推荐，然后您可以使用该推荐来为最终用户采取某种结果。该过程可以分为三个不同的步骤：获取数据，存储数据和注释数据以训练模型。每一步都会产生成本。
数据采集成本
在所有数据价值链中，某种传感器（物理设备或人类）首先需要通过捕获对现实的观察来收集原始数据。在这种情况下，数据采集的成本来自创建，分配和操作传感器。如果传感器是硬件，则必须考虑材料和制造成本; 如果传感器是人类，那么成本来自于招募并为他们提供制作和记录观察所需的工具。根据您的覆盖范围需要多大，您可能需要支付大量费用来分发传感器。某些用例可能需要以高频率收集的数据，这也可能会增加人工和维护成本。例如，观众测量公司尼尔森，面临所有这些成本，因为它既提供了框，也支付参与者报告他们在电视上观看的内容。在这种情况下，随着尼尔森的数据变得越来越有价值，其覆盖范围越广泛，规模经济就会降低单位数据采购成本。
在某些使用案例中，您可以通过向他们提供管理工作流程的工具（例如，自动电子邮件响应生成器），然后将他们捕获的数据存储在他们的工作流程中，将数据采集的工作和成本转移给最终用户。工作或观察他们与工具的交互并将其记录为数据。如果您选择免费分发这些工具，数据采集的成本将是客户获取工作的成本。或者，您可以选择为工作流工具收费，这可能会减慢和限制客户采用率，从而减少数据采集，同时抵消数据采集成本，具体取决于您的价格。
例如，我公司的一家投资组合公司InsideSales为销售代表提供了一个平台，可以拨打他们的潜在客户。当销售代表使用该平台时，它会记录有关交互的时间，模式和其他元数据，以及该销售渠道中的销售线索是否进展。该数据用于训练AI模型以推荐最佳时间和通信模式以联系类似的线索。这里，随着越来越多的用户进入平台，网络效应可能会增加工具的实用性，这可能会降低用户获取成本。
或者，在另一个实体已经建立数据收集管道的情况下确保战略合作伙伴关系可以进一步降低成本。我们的另一家公司Tractable采用计算机视觉实现汽车保险调节器的自动化工作，正在与几家领先的汽车保险公司合作，以获取受损车辆的图像，而无需投资向个别车主分发应用程序。
存储和管理成本
在数据存储和访问方面，初创公司面临另一个成本问题。除了您收集的数据之外，您可能还需要客户提供其他上下文数据以丰富您的模型。许多行业最近才开始数字化，因此即使潜在客户拥有丰富模型所需的数据，也不要认为数据易于访问。为了使用它，您可能不得不花费大量人力来进行低利润率的数据准备。
此外，如果数据分布在不同的系统和孤岛中，您可能需要花费大量时间来构建每个集成，然后才能使模型完全正常运行。一些行业围绕单片和特殊技术堆栈构建，使得集成很难在客户之间重用。如果集成服务提供商不可用，那么您的AI启动可能会发现自己陷入了为每个新客户构建自定义集成之前，它可以部署其AI系统。数据结构的方式也可能因客户而异，要求AI工程师花费额外的时间来规范数据或将其转换为标准化模式，以便可以应用AI模型。建立一个通用集成库可以降低成本，因为您可以在新客户中重复使用它们。
培训费用
大多数AI模型构建方法都要求您标记和注释数据，这是AI初创公司最大和最可变的成本之一。如果示例很简单或通常被理解为足以使外行人能够执行注释 - 例如，在图片中的所有苹果周围绘制一个框 - 您可以使用外包劳务服务（例如Mechanical Turk或图8）来执行注释。
然而，有时候，注释需要更专业的知识和经验，例如基于视觉线索确定苹果的质量和成熟度，或者石油钻井平台上的生锈斑块是否危险。对于这种更专业的劳动力，您可能需要建立一个内部专家注释团队并支付更高的工资。根据您的注释方式，您可能还需要构建自己的注释工作流工具，尽管像Labelbox这样的公司现在正在出现提供此类工具。
在某些AI应用程序中，最终用户是最有效的注释器，您可以通过设计产品来卸载注释成本，以便用户在数据与产品交互时标记数据。Constructor是我们的投资组合公司，提供针对电子商务的人工智能网站搜索，观察用户实际点击并购买每个搜索词的产品，使他们能够优化搜索结果以获得更高的销售额。这种注释不可能通过外包或专家搜索服务进行人工操作，并且可以保存Constructor，否则可能是重要的注释成本。
即使在您以高精度训练模型之后，当模型不确定如何解释新输入时，您偶尔也需要人类进行干预。根据模型如何为最终用户提供价值，该用户自己可以对模型进行更正或注释，或者您的创业公司可以通过采用质量控制“AI保姆”来处理异常。如果环境是您的建模是易变的并且以高速和常规速率变化，您可能希望保持稳定状态的注释器团队以根据需要使用新数据更新模型。
扩展AI业务
第一批成功的人工智能企业进入市场，提供无AI工作流程工具，以捕获最终培训AI模型并增强工具价值的数据。这些创业公司早期就能够实现软件利润，因为数据和人工智能是创业公司价值主张的次要因素。然而，随着我们转向人工智能的更专业应用，下一波人工智能创业公司将面临更高的启动成本，并需要更多的人力资源来为客户提供初始价值，使其成为低利润率的服务业务。
获得大量客户和数据将最终降低单位经济效益并构建关键的复合防御能力，但许多初创公司并不确切知道这一点到底有多远，以及他们需要做些什么来更快地实现目标。最好的人工智能初创公司将了解哪些杠杆可以在该途径上进行优化，并有意识地使用它们来进行正确的投资并快速扩展。
以上为AI翻译，内容仅供参考。
原文来源：Could data costs kill your AI startup?
数据
亚马逊事件之后：人工智能可以消除招聘中的偏见吗？
文/Sushman Biswas
人工智能(AI)可以模仿和放大人类的偏见，然而，当负责任地使用它可以帮助克服偏见，做出客观的，数据驱动的决定。
2014年，当亚马逊(Amazon)组建团队开发其新招聘引擎时，它曾被寄予很高的期望。这个实验性的解决方案使用人工智能来对候选人的简历进行评分，以识别出最优秀的人才。然而，在测试解决方案后不久，研究小组发现该系统并没有以性别中立的方式对候选人进行打分。与任何深度学习算法一样，该算法依赖于对历史数据的训练。不幸的是，嵌入其中的现实世界数据具有显示性别偏见的模式，而人工智能算法最终将其纳入了功能。
亚马逊的招聘引擎经过培训，可以通过观察提交给公司的10年简历中的模式来评估应聘者。不出所料，大多数申请者是男性，这反映了整个科技行业的性别差异。因此，招聘引擎告诉自己，男性候选人更可取。该公司对涉及到可识别性别信息的简历进行了处罚——例如，如果搜索引擎在简历中遇到一个词，说应聘者是“女子篮球队”的一员，那么该公司对该简历的评分就会较低。
不幸的是，这并不是人工智能程序显示出固有偏见的第一个例子。还记得微软的Tay聊天机器人吗?古老的GIGO格言——“垃圾进，垃圾出”仍然成立，在没有保障措施的情况下，向情报系统提供不完整或不准确的数据，仍然是构建公平工作世界的一大威胁。
凯特琳·麦格雷戈(Caitlin McGregor)在专门接受人力资源技术专家采访时表示:“这一切都取决于人工智能是用什么样的数据来做出招聘建议。”McGregor是Plum组织的联合创始人兼首席执行官。Plum组织是一个受I/O心理学启发的人工智能解决方案，旨在消除人类的偏见。“根据技能和知识(考虑学位和多年工作经验)来评估应聘者一直是标准。当招聘经理看到一份简历上写着哈佛(Harvard)或一份享有声望的无薪实习，就会产生偏见。”这些资格往往指向特权，而不是职位适合。因此，当基于人工智能的招聘方案依赖于技能和知识(比如简历和社交媒体刮刮工具)时，同样的偏见就会持续存在，但范围更大。
凯特琳认为，克服偏见的关键是克服我们对技能和知识的痴迷，专注于人才，包括创新、适应能力和沟通能力。“换句话说，你在简历上找不到的东西，”她说。
“人才的基础是通过衡量应聘者的个性、解决问题的能力和社会智商来获得的特质和能力的结合。”数十年的行业/组织心理学研究不仅证明，在预测未来成功方面，人才的能力是技能和知识的四倍，而且他们的偏见也要小得多。
像凯特琳这样的人力资源主管有充分的理由批评传统的雇佣方式，因为这种方式会导致认知偏见。她表示:“我认为，一般来说，人才专业人士想要评估应聘者的不仅仅是一张纸，他们只是不知道如何评估。”“第一步是承认，我们把简历作为招聘过程的第一步，这是毋庸置疑的。”人工智能可能会有所帮助——但如果我们真的打算超越简历，让招聘过程更少偏见、更有预见性，那就意味着我们还必须超越简单地自动化简历关键字匹配的人工智能。
人工智能在招聘中带来的真正机遇是可伸缩性和自动化，可以应用于工业/组织心理学等曾经依赖(通常是昂贵的)咨询服务的实践。“人才数据的可预测性和客观性，现在可以向所有人、而不仅仅是《财富》(Fortune) 500强企业普及，”凯特琳(Caitlin)表示。
人们普遍存在的一个误解是，人工智能只是将既定的实践自动化;然而，复杂的人工智能程序的发展使得解决方案不再是自动化的重复性任务，而是解决人类认知能力有限而无法解决的复杂问题。凯特琳相信，“这是一种人工智能，它可以超越简单的简历筛选，实际上做出更客观、更有预见性的决定——只要输入正确的数据。”
人工智能会取代人工招聘吗?
尽管各行各业都在采用黑箱解决方案，但这种替代人类的解决方案是一种毫无根据的恐惧。人工智能可以基于模式识别或候选匹配为推荐服务;然而，把工作卖给候选人，或者与候选人建立关系，最终将取决于一个有人情味的招聘人员。
凯特琳说:“虽然人工智能听起来很老套，但它确实能让招聘过程变得更‘人性化’，因为它消除了繁琐的重复性工作，让招聘人员能够专注于人际关系。”
选择合适的AI招募方案
当人力资源技术领域的几乎所有供应商都声称已将人工智能集成到其工作流中时，您如何评估满足招聘需求的人工智能解决方案?
凯特琳分享了人力资源主管在专注于人工智能招聘解决方案之前必须考虑的三个关键因素。
首先要考虑的是可伸缩性。人工智能在招聘中的作用是解决昂贵、低效的咨询服务和招聘团队渠道的问题。如果你使用的人工智能没有为你节省时间、金钱和资源，那么它就没有完成它的工作。人工智能产品也应该能够随着公司的成长而成长。如果这不是一个长期的解决方案，那么这项技术就没有达到它的目的。
第二点是一致性。凯特琳对人力资源主管寻求人工智能招聘解决方案的建议是，确保人工智能能够准确地胜任所有组织职能部门的候选人。解决方案必须能够评估工程角色或中层管理角色的候选人，就像评估销售角色的候选人一样容易。
第三个也是最重要的参数是人工智能解决方案用于评估的数据类型。“市场上大量招聘人工智能解决方案使用的是网上搜集的数据。因此，大多数雇佣人工智能解决方案都使用相同的数据集!你不会想有一天抬头看一眼，就发现你的整个办公室都是由一个叫贾里德的白人组成的，他上了常春藤盟校，打过长曲棍球，读过《哈利·波特》(这是我在一个工业组织心理学协会会议上听到的一个真实的例子)!你想要看到一个由拥有对你的公司最重要的品质的人组成的团队。这就是所谓的“垃圾输入，垃圾输出”的意思——如果你的人工智能依赖于无用的数据，你就会得到无用的结果。因为人工智能不是魔法。为了让自己处于建立一个多样化团队的位置，重要的是要着眼于人才获取人工智能解决方案，以创建和综合客观、预测和新数据，”凯特琳说。
总之，人工智能应该被视为一个机会，而不是社会平等的阻碍者。毕竟，从算法中消除偏见比从人类中消除偏见要容易得多，因此人工智能最终有潜力构建一个公平、多样化和公平的工作世界。
以上为AI翻译，观点仅供参考。
原文链接：Can Artificial Intelligence Eliminate Bias in Hiring?
数据
想知道你找一次工作能赚多少钱吗？「猎链」想用区块链搭建去中心化求职招聘社区
职业数据上链并不是职业征信。
网络招聘平台的出现打通了企业和求职者之间的信息壁垒，但行业中只有 5% 的公司才能吸引求职者主动投递简历，其余 95% 的公司一般需要外包或者招聘服务公司推荐和引荐人才，来完成招聘。这也就导致了招聘行业简历信息倒卖的盛行。
猎链创始人干滨豪告诉 Odaily星球日报，互联网招聘平台对用户的定义是找工作的人，因此招聘产品是低频产品，用户粘度不高。但这个低频现象恰恰让大部分互联网招聘企业的营收方式变成简历信息贩卖。
对用户来说这是不公平的。对求职者来说，他们是数据的产生者及提供者，数据产生的流通收益应该归用户本身，而猎链 Dapp 的用户画像是一个有工作的人，通过对自己正常求职进程之外产生的数据征用带来的收益及访问权限的控制，做到对自己职业数据的管理及求职诉求的满足；而对企业来说单一渠道招聘人才，成本高且效率低，但招聘本身不是一件高门槛的服务，猎链将通过通证激励的方式实行 “全民猎头” 计划，集中招聘服务方从个体到大型服务机构，为企业提供多渠道的服务，提高招聘效率。
对于任何有工作经历的人而言，猎头都可以对其进行 “挖矿”，即邀请他注册职业档案或者邀请他进入自己的人才库。这两种方式都可以拿到被邀请者职业档案的私钥，私钥都是单次使用失效的。拿到私钥后可以在自由市场进行交易。干滨豪说这里私钥其实就是档案资产的权益证明即单次失效的访问权限。当完成一个招聘流程后，猎头和被邀请者都会获得相应的 token 收益。
但这里的职业数据上链并不是职业征信，因此无法保证用户所上传信息的真伪，但数据使用者可以通过实际使用体验进行反馈，一旦发现伪造信息便实施惩罚机制。
与目前存在的网络招聘平台项目相比，干滨豪表示猎链与其不存在竞争关系。一方面猎链本质上先是去中心化求职招聘社区，其次其服务节点的端口对智联、拉钩、BOSS 直聘等招聘服务公司开放，希望它们能成为猎链的服务节点，另外，它们也可以直接使用 token 购买猎链平台的职业档案数据。因此，很大程度上是合作而非竞争关系。
而猎链节点的主要职责在对接和服务企业。比如当一猎链平台上有一个企业发出招聘需求，各服务节点可以按需完成任务然后获得报酬。对企业方来说相比在彼此割裂的不同单一渠道获得招聘信息，多渠道显然可以提高招聘效率。而对招聘服务公司来说，不必担心获客问题 ，因此可以将主要精力放在招聘服务上。猎链的目标是在完成线上招聘求职的基础规则搭建后，孵化扶持出数家招聘服务行业的上市公司。
对 C 端用户来说，使用猎链 Dapp 的不同之处在于，除了找工作还可以知道自己的简历在正常求职路径中额外被使用的情况及被使用权限及收益的控制，以及它究竟值多少钱和用户在所在城市的热度及排名，当然求职者本身是求职招聘中重要的一环，以一定的形式参与每一次求职招聘流程将获得对应的 token 奖励。
猎链Dapp将在十月中旬上线
最终，猎链会以 Dapp 的形式在以太坊及 IPFS 上运作，因此他们认为技术不是其核心竞争力。干滨豪表示，猎链的核心和难点在于线上招聘求职规则的完善，及服务节点网络的搭建。他认为大公司更倾向于也更有能力做求职信息真伪，因为对他们不构成威胁，而其他竞争者则需要有招聘行业的经验和资源。他认为他们团队具备这样的优势。
目前，团队规模有 30 多人。核心团队主要是招聘行业背景和技术背景。创始人干滨豪是95后连续互联网创业者，曾创立过互联网招聘平台及一个校园项目，均完成A轮；联合创始人 Bojie Mao 曾就职 58 同城华东大区招聘事业部总监；技术合伙人则拥有多年分布式系统和 P2P 网络发开部署经验。该项目目前已获得 Block VC 、比莱资本、博米资本、众达资本等机构投资。
原文来源：想知道你找一次工作能赚多少钱吗？「猎链」想用区块链搭建去中心化求职招聘社区
扫一扫 加微信
hrtechchina
数据
数据
数据
数据
数据
数据
数据
数据
数据
数据
扫一扫 加微信
hrtechchina
