-
数据分析
人力资源岗位都要进行哪些数据分析？
作者|刘建华
来源|HRBar
在HR的绩效考核里经常性会看到一些指标，比如招聘的到达率、培训完成率等，到底人力资源要分析哪些指标，这些指标到底如何设计？
01
基于运营的人力资源数据分析
首先第一个核心点，如果HR在操作人力资源工作的时候没有数据化没有进行量化，那么操作的东西就很难获得认可。
量化是今天所有HR的基础，特别是各位写年度工作计划和总结时，一定要量化很清楚。
第二是到底量化什么指标，很多HR在做半年度分析的时候，部门人员占比，再分析工作人员结构占比、年龄占比，我个人认为这个东西意义并不大，真正来分析的是基于公司运营数据导出来人力资源分析，这个是最有意义的。
人效分析、各个岗位单位产出分析、人力成本分析、牛人占比分析、培训有效性分析，这些都是我认为比较有意义的数据。
02
人效分析
第一个数据是人效分析，在一个公司里这是最基本的数据，因为人效分析就知道公司目前经营情况，人效的公式比较简单，用公司收入除以人数，每个月加起来除以12个月。是按照人均收入还是人均毛利来算，我个人认为按收入分析就可以，人效的比值决定了公司里每个人的平均贡献值。
第一种情况，是公司的产值偏低，同样1000人能创造十亿的收入，公司只做了一亿的收入，产值为什么比较低？仔细分析会发现产品比较低端，就是卖不上价格，这样的公司肯定是产品线的产品水平不行。
第二种是人员能力不够，一般公司里人效值偏低的时候，往往是公司初级人员偏多，导致整个公司战斗力不行，产值上不去。
第三种是，有些公司的产品线也赚钱，但做得不太好，原因是公司有一堆不赚钱的业务，所以我个人认为要控制业务数量，按照谷歌的思想就是721，70%做主营业务，20%做成长型业务，10%做新业务，这样的占比就比较健康，所以要控制一个合理的度。
03
人力成本分析
下一个分析是人力成本的占比，这跟人效比密切相关，往往是一个公司人力成本除以公司财务确认后的收入。
人力成本分析怎么算呢？一般是，人力成本占收入是一个比，还有收入占毛利的比，我认为占20%左右比例合适。
有很多人说人力成本控制的方式是什么，一些公司的玩法就是不涨工资，我认为这是不可取的，控制人力成本有一个核心动作是必须减员增效。
在公司里哪些人浪费人力成本呢？
第一就是无能的高管，第二就是工资很低但没有产值的人。
降低人力成本一种办法是降低工资总额，还有一种办法是提高收入值，怎么提高？要找牛人进来，因为牛人可以做更高的收入，找牛人也是降低人力成本的好办法。
04
人员结构分析
第三个是人员结构的分析，这里指的不是年龄、性别、学历分析，这种盘点价值并不高，那什么样的分析才有意义？
第一个分析的是公司管理人员占比。
第二是后台人员的占比分析，财务、人力资源等等岗位，你问这些岗位是不是越少越好？不是。我个人觉得一个公司后台加起来维持在12-15%是可以的。
还有一个是公司里人员结构，比如研发人员占比分析，之前的课我们讲过，华为46%的人是做产品和解决方案的，在中国的3G根本没有想商业化的时候，2004年的时候华为就开始招人，当时3G人才有1万人左右，有7000人在华为，他们的研发储备量比特别高。
05
营销团队能力水平分析
下一个分析是对营销人员产出进行分析，第一个是组织单元的分析，我要看各个门店的产出情况，看看各个门店人均产出多少钱，看看各公司的人效比是什么样的。
第二是分析销售人员的业绩情况，做这个分析核心点是有了这个之后，在公司里把销售人员按照业绩进行排名，然后按照等级分出来。
要认真剖析整个公司的人员构成，你要看各个业务部门做得最好的人是多少，前1/3的人做多少，把后1/3的人干掉，中间1/3是可以培养的人，在销售里这个分析特别重要，必须要对这个人的水平进行深度分析。
06
一定要做的人员综合能力满足预期业绩分析
在分析里最重要的是，分析公司现有员工满足未来预期业绩要求的匹配度分析。
把下半年的目标定出来，基于未来业务的要求，现有人员是不是满足这样的要求，要把人员进行分类分级，就是前面讲的人力资源盘点，里面包括最基本的个人业务能力评估、态度盘点、个人价值观匹配、个人发展潜质匹配等等。
这样在公司就会分出三类人员。
一类是表现很好业绩过关而且潜质不错，完全胜任岗位要求；
第二类是勉强可以的人，业绩中等一般但是也可以达到及格线；
第三类是根本达不到要求的人。更深层次的分析，老板最希望看到的分析是这个，在一个公司内部到底有多少人是真正胜任的，他们是能够满足公司业绩要求的。
最牛的人力资源是对每个部门的每个人都很熟，对他们实际情况都很清楚，这样人力资源就干得比较狠了。
各个部门的人员匹配都比较清楚，哪个部门行与不行都很清楚，下一步怎么调也很清楚，作为HR来说，能不能对公司各个部门的人员了如指掌很重要，是不是对每个业务部门下一步工作目标业务计划了如指掌。
07
从运营角度进行招聘分析
下一个分析是专项数据分析，比如招聘渠道的分析，这个怎么分析？
原来分析数据的时候是招聘到岗率，要看招聘完到岗后的分析，如今招的人不仅是简单把人招进来，而是要确定他是牛人。
今年部门招了多少人，到岗周期时间要进行分析，然后针对招聘结果进行分析，是不是满足岗位要求，部门提了多少需求，HR多少天搞定的，招来的人转正通过率有多少，转正的优秀率有多少，这样剖析之后招聘的数据就比较有说服力。
有很多HR总是掉在模块思维中来做，分析的时候先分析招聘渠道完成情况，通知了多少人，多少人来面试，通过率有多少，这些数据一点意义没有，一百个人招进来录取了一个人，招聘了一个人录取了一个人，哪个更重要呢？我认为通知一个人就可以招聘上岗，这是最好的。
08
分类细分的流失率分析
关于员工流失率的分析，并不应是简单算一个流失率。
第一个数据是主动淘汰人员的数据，做这个目的是我们能非常清楚的知道主动淘汰了多少人，这是一个很核心的数据。
第二个是主动流失员工有多少，比如说要看那些主动流失（主动离职）的人有多少。
在这里要进行精细分析，什么叫精细分析？一个是优秀员工牛人的流失率分析，这个比值一定要控制好，如果这个没控制好的话特别可怕，一个公司里牛人走了，这个组织损失就大了。
我建议要立体性的进行分析，就是统一的流失率，从主动和被动流失率进行分析，再看牛人流失率。
其实这些数最后要体现到人效提升上，不管你怎么做，招了多少人进来，走了多少人，分析数据的优势是引进了多少牛人，干掉了多少不行的人，这样工作才有效，反过来说招了很多人没有效果，牛人还走了，这样人力资源的工作就有问题了。
09
培训分析与总结
最后一个是对培训数据分析，第一个是课程开发数量，今年我们有多少个经过准确认真开发课程的数量；第二个是我们经过认证的内部讲师有多少个；第三个是当年做了哪些有效培训。
针对于公司不同的岗位，把这些工作——量化后进行剖析，发现培训完之后团队业绩明显有增长，培训前后的数据比一分析，有了这个值就厉害了，人力资源的价值感就上来了。
做了这么多分析最后总结下来是什么？
第一个是体现跟运营的对接；第二个是跟HR的贡献值有关系，你能拉出来人力资源贡献了什么，今年人效有提升，薪酬成本降低，牛人招聘入职率高，牛人流失率低，培训了多少牛人出来，这时候HR获得重用的机会就来了。
必须要用数据化分析，你得用数字证明你的功劳，否则只有苦劳没功劳，干了半天最后也是白干。
-
数据分析
用数据让招聘回归到它本来该有的位置
文| 大招
来源| 首席招聘官
在这个凡事讲求效率和价值的时代，招聘HR们将越来越体会到数据分析的价值。
老板们都懂得人才之于企业发展的重要性，但是负责招人的招聘HR们却很难获得与之相匹配的地位。招聘HR所做的工作更多是找简历、约面试，很少能在用人决策中发挥多大的影响力。
可怜招聘HR们每天累成狗，还时不时成为各部门业绩不佳的“背锅侠”。可这又能怪谁呢？如果每天都只是把自己局限在事务性的工作里，无从体现招聘应该具备的财务价值，被大家忽视也是情理之中的事情。
招聘HR，请关注你的财务价值！
招聘HR的财务价值，主要体现在以下几个方面：
能够准确识别招聘成功的要素，并用经济的成本招募到高绩效的人才，实现较高的投入产出比；
能够预测招聘的速度，并在业务需要的时刻及时将人员补充到位，避免业务空转或停滞给公司发展造成损失；
能够合理评估人效，准确分析招聘需求，创造出更加精准的招聘计划，确保人尽其用，避免人力资源的浪费。
你想想，如果人力成本比往年少，但是创造的收益却比往年多，老板会怎么看你？如果业务部门需要人的时候，你就能马上配置到位，业务部门老大们又会怎么看你？
但在实际的工作中，招聘HR却很少关注这些方面。他们心里想的是，只要能马上招到人，完成招聘任务就够了。“就算招不到人，拖延一段时间，老板也不会因此开除我。”更何况，招不到合适的人，招聘HR还有很多锅可以甩。比方说，岗位开的薪资低、公司的品牌知名度不够……
只是他们没有想过，因果循环，报应不爽——在你找理由抱怨的同时，你也在堵塞进一步发展的道路。
我们为什么要做数据分析？
招聘HR的财务价值，需要通过数据来说明。不过在招聘HR的总结计划中，数据更多只是做招聘流程中的结果汇总，有的甚至连分析和改善建议都没有，更遑论呈现个人贡献了。总结计划一汇报完，这些数据也就从招聘HR的世界里沉没了。
招聘HR的财务价值，同样依赖数据分析来实现。比方说，如何用经济的成本招募到高绩效的人才？很多高绩效的人才的求职动机很多并不在于薪酬，而在于发展。通过数据分析，你就能找准这类人群的求职动机，说服他们接受你的Offer。
通过数据的统计和分析，你能准确把握市场的脉搏，合理优化招聘流程，提升招聘体验和招聘效率；你也能深入了解业务，了解团队的人效，拓展招聘的准确性和灵活性。在数据统计和分析过程中，你以及团队的招聘能力会得到大幅提升，招聘所能创造出的价值也就更大了。
我们为什么不愿意做数据分析？
对于数据分析，很多人并不是不清楚它的重要性，但是就是不愿意做。主要是因为数据统计，是一个非常乏味且漫长的过程。大招目前在做运营方面的工作，对此也是深有体会——坚持做一两周是容易的，要每天都如此，就没那么简单了。数据的统计和分析是一个没有终点的过程。现在时代变化这么快，今天的成功不代表明天的成功，要确保你的招聘成功，你就必须不断寻找改善招聘的方法。你说这难受不难受？
所以，当我们开始排斥数据统计和分析的时候，也习惯性地找很多借口，比方说，没有ATS系统，统计数据太麻烦；又或者招聘的数据太零散了，不好统计。在我们这么推脱的时候，心里一定要清楚，这只是借口而已。
目前市面上的ATS系统还很难完全满足招聘HR统计和分析的需求，最有效的工具还是Excel表格，虽然它是那么简陋、繁琐，但是可完全定制化呀——它可以满足你的任何需求。
我们该如何做招聘的数据分析？
当你下定决心要用数据驱动你的招聘工作了，接下来就是怎么做的问题。其实它也没有你想象的那么复杂。
招聘的数据化管理，目前主要体现在两个方面：
进行招聘流程的过程记录。招聘流程无非就是发布职位需求、筛选简历、邀约面试、初试复试、薪酬谈判、发放Offer、入职引导这些环节。将这些环节出现的数据记录下来，然后像构建销售漏斗一样，构建一个招聘漏斗，这样你就能一眼看出到底哪个环节对你招聘最终结果的达成造成重大的影响，从而可以针对性地进行优化和改善。
进行数据分析，总结出规律，从而指导后面的工作展开。以发布职位为例，在该区域该网站开展招聘，在什么时间点发布，发布几个职位，什么时候刷新，刷新几次等等，能够收到最多的简历投递，这些都是可以通过数据分析，总结出规律来的。当你总结出这些窍门，后面的招聘动作就能更加高效了。
再举个例子，如果通过数据分析，招聘HR的工作年限是决定最终招聘结果的一个很重要的因素，那么后期我们配置招聘团队的时候，是否可以根据招聘HR的工作年限，合理评估他可能的产出，从而精准地制定团队规模以及KPI指标？
这是一份招聘流程统计分析表格，供大家参考。
结语
毋庸讳言，未来是一个数据驱动的敏捷招聘管理的时代。我们要想有更广阔的天地，就不能只是盯着眼前的任务，被动地接受指示。要合理地利用数据，评估过去和规划未来，用数据来实现招聘HR的财务价值，让招聘工作回归到它本来该有的位置。
-
数据分析
HR必看：如何用数据分析来提高员工参与度
文| karishma borkakoty
来源| towardsdatascience
根据Timesjobs.com最近进行的一项调查显示，60％的员工对他们目前的工作不满意，而80％的员工表示他们正在换工作。同时，员工的不满情绪年复一年地大幅增加。这项调查同时说到，员工的负面情绪可归因于组织中人力资源管理不善。 2015年，78％的员工表示，他们对目前的工作感到满意，尽管他们仍然乐于接受其他工作机会。这些日子，员工对工作的不满情绪在不断上升，其中工作与生活的不平衡，工资低，工资增加幅度低，工作琐碎是造成这种状况的原因。
对于我们很多人来说，故事是把我们带回记忆之路的东西。有些故事足以影响我们的印记，让我们与现实保持联系。同样，故事可以在连接组织内的人员方面发挥重要作用。这些故事中可以有情节和次要情节，可以帮助组织了解他们的员工对工作，他们的经理以及他们可能希望雇主改变以提高透明度的感受。
但问题是，你是否花费了足够的时间和资源来理解为什么有些员工有不好的故事，有些有好的故事？您是否正在深入挖掘、解决，保留，参与和脱离的奥秘？您是否将员工和公司数据与行业数据结合使用，有助于促进更好的员工敬业度决策？
如果您对所有这些问题回答“是”，那么您的公司可能拥有最佳的互动政策。如果在说出是的话之前你必须思考一段时间，现在是时候重新思考如何进行员工参与活动了。
数据是维持员工积极性的关键
每家公司都使用客户互动记录，购买历史记录，社交媒体，在线社区和调查等来更快更准确地预测客户的未来行为。但是，我们经常忘记我们的高优先级客户是我们的员工队伍。
就像公司与客户建立长期关系的方式一样，这些公司也需要加强与员工的关系。但许多公司无法做到这一点，因为他们无法准确解读调查获得的数据结果，从而无法制定可改善员工参与度的策略。
虽然人力资源数据储备巨大，但企业无法收集其员工的相关指标，这使人力资源团队难以分析，理解员工行为以及采取相应的行动。从解释数据的基本问题开始，比如“你的员工为成为组织的一员而感到自豪吗？”，“作为一名雇主，你是否给了他们足够的激励以保持动力？”，以及“你是否花足够的时间听到并解决员工的不满？“可以帮助企业获得有趣实用的见解。
还有一些组织应该思考的一些数据分析的着手点，以便在个人和组织层面上更好地理解其员工的参与。事实上，这些数据集中的很多可能会在各种人力资源系统中进行跟踪和收集。
数据分析在人力资源管理中的价值 - 案例研究和举措
虽然人力资源分析仍处于初始阶段，但其市场上成功应用的例子却不断增加。在哈佛商业评论文章中，米克柯林斯强调了黑山公司如何利用人力资源分析的优势。
Black Hills Corp.是一家拥有130年历史的能源集团，收购后将其员工人数翻了一番，达到约2,000名员工。像许多能源公司一样，各种挑战（老龄化劳动力，专业技能需求以及让员工获得全面胜任的漫长时间表）带来了巨大的人才风险。
为了防止大规模的人员流动灾难，该公司使用劳动力预测分析来计算每年有多少员工退休，需要替换的员工类型以及这些新员工最可能从哪里来的员工。其结果是一场劳动力计划论坛，对89项旨在解决潜在人才短缺问题的行动计划进行了分类和优先排序。
同样，BRIDGEi2i帮助全球商业服务组织识别并采取行动，提高其庞大而多元化的员工群体的满意度和参与度。
在TLNT发表的一篇文章中，国际知名的人力资源思想领袖John Sullivan博士列举了谷歌过去和现在在人员分析方面的一些举措。
氧气项目：帮助他们确定伟大领导者的八个特征。数据证明，除了优秀的技术知识之外，周期性的一对一辅导，包括表达对员工的兴趣和频繁的个性化反馈，被列为成为领导者的关键特征。
PiLab：一个独特的小组，在Google内部进行应用实验，以确定管理人员和维护生产环境的最有效方法（包括识别使员工最快乐的奖励）。
保留算法：Google开发了一种数学算法，主动并成功地预测哪些员工最有可能成为保留问题。
可操作的分析正在推动人力资源管理的成功
人才分析成功的故事鼓励其他组织毫不拖延地采取分析措施。根据SHL全球评估报告，全球企业中有不到50％的人在做出人力决策时使用客观数据，只有不到20％的人对他们当前的数据管理系统管理人才数据的能力感到满意。
但是，凭借可操作的分析，领导者和管理人员拥有巨大的机会来利用人才数据来降低员工成本，确定收入来源，缓解风险并执行业务战略。
旨在追踪员工敬业度，满意度和保留率的分析解决方案是建立和维持快乐和积极进取的员工队伍的关键。分析可以帮助企业找到激励员工的方式，促进与员工奖励，定制培训等有关的计划。数据驱动型员工敬业度战略的早期采用者必将在竞争中茁壮成长。
现在是唤醒数据分析并加强大多数组织缺乏的数据分析专业知识的时候了。
以上内容由HRTechChina AI翻译，仅供参考
-
数据分析
为企业提供数据分析深度报告，Datatron获270万美元种子轮融资
今日Datatron为其虚拟助手Emma筹集了270万美元种子轮融资。也许虚拟助手在现在看来已经不是什么新鲜事物了，但Datatron的虚拟助手能帮助员工从网站繁多的历史数据和实时数据中找到深层见解。
公司每时每刻都会产生大量的数据，有些数据更新得慢（比如Uber在某座城市里的注册司机数量），有些数据的更新则非常快（比如Uber在某座城市的活跃用户数量）。如果只是盲目地把这么一堆数据和公司的商务逻辑结合起来，那么你就很难从中得出什么有用的结论。
Datatron由Harish Doddi和Jerry Xu所创立，它能帮助公司们把这些数据用在特定的目的上，比如销售、营销和融资等。这家公司会提供一个非常简单的界面，用户可以从平台给出的预测模型里找到所需的关键指标。
最初，Datatron只是为企业提供了一种平台化的解决方案，它能进行实时的特征提取和数据清理，帮助企业更快地从数据中得出结论。在最近几个月里，这家公司推出了上文提及到的这些功能，这能帮助它获取更多客户。
这个系统曾在早期为销售业务推出过优化服务，它能帮助销售团队更快地评估潜在客户，从而将自己宝贵的时间和资源花费在合理的地方。Datatron可以说是集成了Zuora、Salesforce、Marketo和Zendesk的一系列核心功能。
目前这家公司已经从Start X、Credence Partners、Authentic Ventures、Enspire Partners、Plug and Play和 500 Startups那里获得过投资，目前它已经和一批早期客户建立了合作。
【猎云网（微信号：ilieyun）】7月12日报道 （编译：叶展盛）
-
数据分析
新加坡HR创企EngageRocket获32.2万美元天使轮融资，用数据分析帮助企业管理员工
新加坡创企EngageRocket能通过职场分析来提高员工保留率和生产效率，公司昨日宣布融资45万新元（折合32.2万美元）天使轮融资。
公司由Leong Chee Tung和Dorothy Yiu创立，该公司表示，本轮融资将加速公司的产品开发，并扩大公司的运营规模，以满足更多的当地需求。
EngageRocket的首席执政官兼联合创始人Leong Chee Tung说：“如果能打造一个员工参与度很高的工作环境，那么公司的营收和利润都会实现快速增长，员工的保留率和生产效率都会提高。但问题是，大多数公司没有数据系统以打造这样一个可靠的工作环境。”
“世界上最顶尖的公司，比如亚马逊和谷歌，都会对员工进行频繁的调查，从而通过员工的反馈更灵活地对其行为和工作流程做出调整。而EngageRocket能将这一过程推广给世界上所有的公司。”他补充道。
公司的云端软件分析反馈能帮公司领导人建立并维持企业文化，并让调查管理、分析以及后续的意见生成等过程自动化。
一则2016年的报道表示，调查反馈工具的市场已经达到了3亿美元，年增长率为100%。
公司的投资方Huang Shao-Ning（JobsCentral Group的联合创始人）说：“作为一个企业拥有者，我认为员工的参与度数据对于提高团队表现而言，非常重要。Chee Tung和Dorothy巧妙地将相关知识、行业见解和科学技术结合起来，给出了这样的解决方案。”
当问及公司在新加坡及东南亚国家所调查的员工时，Leong说：“我们国家的很大一部分员工都是属于‘划水’或者‘业绩不佳’的那种。相关数据显示，新加坡76%的员工参与度极低，表现一般，但和那些表现良好的员工，拿着差不多的薪水。”
Leong还补充道，EngageRocket的愿望就是公司获得所有员工在任职时期的反馈和分析，从而支持其做出数据驱动的管理决策。
当问及公司的市场退出战略时，Leong表示：“我们大概会在A轮融资完成之后才会有答案，大概要4到5年时间。至于采取何种退出方式，我会和其它创始人一起商量。”
【来源：猎云网（微信号：ilieyun）】4月20日报道 （编译：叶展盛）
-
数据分析
通过数据分析帮助销售人员完成交易，Aviso 获 800 万美元 C 轮融资
Aviso 是一家利用机器学习技术，为企业提供销售预测的大数据分析初创公司，2 月 17 日，该公司宣布获得了一笔 800 万美元的 C 轮融资，投资方包括 Scale Venture Partners、Next World Capital 和 Shasta Ventures 三家风投机构。
Aviso 公司截至目前的融资总金额为 3100 万美元，虽然这次 C 轮融资金额比上一轮融资金额低，但该公司一位发言人特别强调称，本次并不是“Down Round”，估值并不比上次融资时的估值低。
Aviso 公司成立于 2012 年，总部位于加州门洛帕克，旗下共有约 70 名全职员工，该公司主要向企业销售“软件即服务（SaaS）”类软件，提供大数据预测分析服务，帮助企业提升销售业绩。该公司首席执行官 Michael Lock 表示：
企业管理者需要数据分析的支持，帮助他们更好做出决策。而另一方面，企业内部销售团队也需要根据人工智能的帮助获取更准确的数据分析结果，继而快速执行交易。
事实上，Lock 最近刚刚加盟 Aviso 公司，取代了原公司创始人兼首席执行官 K.V.Rao 的位置，后者将会“退居幕后”担任公司首席战略官。Lock 本人在企业级“软件即服务”领域里拥有丰富的行业经验，曾是 Google Cloud 旗下企业服务 Google Enterprise 的创始高管之一。
Aviso 公司目前已经获得了 30 家企业客户，包括 Apttus、HubSpot、Nutanix、Pandora、以及 Splunk 等。现阶段，他们的收入模式是根据企业客户的用户数量和 Aviso 软件使用频率来收取年订购费。
事实上，销售预测分析目前越来越受到企业的关注，而且该行业内最近也发生了几笔值得关注的收购交易，比如 2015 年，InsideSales 收购了预测云数据服务公司 C9，机器学习数据分析公司 DxContinuum 也是在最近刚被 ServiceNow 收购了。不仅如此，很多行业巨头——比如 eBay 和领英（LinkedIn）也在销售预测分析领域加大了投入。所以，如果未来有一天 Aviso 公司也被收购了，大家也不要感到太过意外。
据 Aviso 公司发言人透露，得益于上一轮融资，该公司目前的资金情况十分不错。但是考虑到新 CEO Michael Lock刚刚上任，不少看到该公司风险投资人希望通过加大投入，让他手头有更充足的资金来施展拳脚，而这笔 800 万美元的最新融资能够给 Aviso 公司下一阶段增长带来一臂之力。
接下来，Aviso 公司将会利用这笔投资扩大产品条线，并且招募更多销售、市场营销和客户服务人才。
本文来自翻译：venturebeat.com，如若转载，请注明出处：http://36kr.com/p/5064187.html
-
数据分析
Box收购数据分析创企Wagon，后者服务将于10月3日关闭
【来源：猎云网（微信号：ilieyun）】 编译：何弃疗
1
云文件同步及共享软件公司Box今天宣布他们收购了初创公司Wagon Analytics的团队，该公司推出了一款可以帮助分析师查询和分析数据的应用。
1
“加入Box之后，Wagon的团队将帮助我们搭建一个能提供更深见解的数据分析平台，通过这一平台我们的客户能够更好的利用Box。”Box公司联合创始人兼首席执行官Aaron Levie在博客中如是写道。“Wagon团队深入的工程技术以及专注用户体验的产品研发能力，数据建模能力和快速可视化技术能够提高我们的数据分析能力。”
1
Wagon应用能够支持多种数据库，为同事之间的数据分析共享提供了一个便捷的方式，在OS X和Windows系统均可使用。Wagon官网上称Linux版本很快也会面世。Wagon团队在博客上宣布，服务将于10月3日关闭。
1
“Wagon和Box都相信知识共享会让个体和团队都更高效。Box能帮助企业更好地做内容，通过提供一个中央现代化内容平台帮助企业提高工作效率。”Wagon团队写到。“横跨不同行业的《财富》五百强企业都信任Box，且让Box处于他们业务的中心。我们非常期待为Box研发数据分析产品，和Box一起去帮助人们更好的理解他们的数据，提高工作效率。
1
2014年Wagon公司在旧金山创立。联合创始人是Matthew DeLand、Mike Craig和曾经在Groupon工作的Jeff Weinstein。投资人包括Fuel Capital、Harrison Metal、Homebrew、Lerer Ventures以及SV Angel。竞争对手有Mode Analytics。
1
除了收购之外，Box今天公布了2017财年第二季度的盈利（截止至7月31日）。该公司公布每股亏损30美分，净亏损总额为3810万美元，营收9570万美元。本季度Box再添4000位用户。
-
数据分析
企业云计算公司 Salesforce 收购数据分析公司 BeyondCore
编者按：Salesforce 是一家主动出击的团队，今年至少吞掉了 9 家公司。
今日，企业云计算公司 Salesforce 宣布收购数据分析公司 BeyondCore ，具体数额尚未披露。之后，这支团队将致力于 Salesforce 的分析云。
Salesforce 是一家企业云计算公司，提供给用户通过浏览器即可运行销售、服务以及全部业务所需的一切资源。基于 Salesforce 的实时多租户体系结构，公司的平台和 CRM 应用程序彻底变革了公司协作以及与客户之间的沟通方式。
Salesforce 的产品主要如下：
-销售 SalesCloud ：全球首屈一指的销售应用程序
-服务 ServiceCloud ：客户服务的未来
-协作 chatter ：在整个企业范围内实现协作
-平台 force.com ：构建企业应用程序的云平台
至今， Salesforce 已为全世界大约 100,000+ 不同规模的公司管理客户信息。
图片来源｜TechCrunch
BeyondCore 致力于通过计算分析和数据分析提高商业智能，2004 年创建并在 A 轮融资获得 Menlo Ventures 的 900 万美元。
BeyondCore 执行总裁 Arijit Sengupta 表示：“我们已经决定将自身优势特长与 Salesforce 融合并作为 BeyondCore 7 与大家见面。”
本月初， Salesforce 确认收购团队协作应用软件 Quip ，收购总金额约为 7.5 亿美元。Quip 推出 PC 版办公室软件，在功能方面，可以取代微软 Office 。此外， Quip 还具备聊天功能，方便同事间交流。
Salesforce 是一家主动出击的团队，今年至少吞掉了 9 家公司。
来源：鸵鸟电台（微信：鸵鸟FM），任何不尊重原创的行为鸵鸟电台都将进行责任追究。
-
数据分析
永洪科技获投2亿人民币 要做“傻瓜式”数据分析工具
日前，永洪科技正式对外宣布，已完成2亿元人民币C轮融资，领投机构为腾讯创投，元生资本、东方富海、经纬创投、艾瑞咨询跟投。
记者了解到，永洪科技于2015年12月份完成1亿元人民币的B轮融资，领投机构为东方富海，经纬中国、达泰、艾瑞咨询跟投。同年1月，永洪科技还曾完成5000万元A＋轮融资，资金来自经纬创投。
永洪科技方面介绍称，其提供敏捷型大数据分析工具，可以实现5分钟一键安装、5分钟快速数据源配置以及5分钟报表设计，大部分的业务分析需求变化，都可以在一天内得到响应。从使用门槛来讲，永洪科技的绝大多数操作体现为点击和拖拽，即便是零技术背景的业务和运营人员，也可自助式地完成大数据分析。
永洪科技创始人何春涛认为，使用永洪的使用体验是，只需几次点击，就可以在可视化界面上变更运算条件，在新的维度组合下，数据将得到实时处理，并且实时生成新的报表。
-
数据分析
数据分析和协作平台 Data.World 获 1400 万美元 A 轮
7月11日，数据分析和协作平台供应商 Data.World 宣布完成 1400 万美元的 A 轮融资，共有超过 24 家天使轮投资者参与了本轮融资，由 Shasta Ventures 领投，Capital Factory、 Chicago Ventures、Floodgate、FYRFLY Venture Partners 等参投。
Data.World 公司最初创立于 2015 年 12 月，在经过了八个月的隐身模式运行后，公司于昨日宣布正式启动。该公司是一家公益机构，总部位于德克萨斯州奥斯汀，通过100% 的投资者支持来实现业务增长、IPO 及进一步发展，从而创造社会价值。公司的主要业务是利用公司软件设计帮助用户迅速、轻松地找到数据，进行准备和共享工作，然后利用数据来实时协作解决最复杂的学术、商业和社会问题。Data.World 致力于成为全球最有意义且拥有最丰富数据资源的协作平台。公司的创新式企业结构有助于其在全球数据民主化使用及可持续性档案创建方面发挥作用。
Data.World 的联合创始人兼 CEO Hurt 表示：“开放数据也就是说任何人出于任何目的都可以自由使用、修改和共享数据，这一数据开放运动将被塑造成为当今人类最重要的影响力量之一。这项运动能够加速癌症治愈进程，保持政府问责，遏制气候变化并且对其他世界性问题施加积极影响力。我们创建 Data.World 让专业和业余的科学家、分析师和研究人员能够即刻查找、使用和共享数据，就是为了促进数据公开领域能够取得突破性进展。”
Jason Pressman 是 Shasta Ventures 的合伙人，同时也是 Data.World 董事会成员。他说道：“每隔两三年，你就能发现一个可以引发巨大变革的公司和想法，Data.World 就是这样的一个公司，它有这样一种潜力，能够重新定义在我们有生之年可以实现的一些可能性，并且为社会创造巨大的价值。”
目前 Data.World 开放数据集超过 1800 万，比谷歌网站推出数量的 7 倍还多。在数据共享和合作潜力的驱动下，研究人员、企业、政府、非政府组织和公民将向大众开放新的数据集，使更多地数据集逐渐为大众所用。
然而，寻找数据、理解数据意义并利用数据仍然是极其困难的一件事。在所有的开放数据中，只有不到 10% 的数据可被机器读取，平均一个项目 80% 的时间都花费在为数据分析进行相关准备工作上。需要进行协作的数据项目是很有难度的，因为它在数据持有者和数据需要者之间创建了一个数字鸿沟。此外，有一部分人希望能够通过安全结合企业内部数据与开放数据的方法来强化企业内部数据，事实上，他们几乎没有办法来实现。总体来看，这些技术和社会障碍使得开放数据难上加难。
本文来自翻译：www.pehub.com
扫一扫 加微信
hrtechchina
