• 数据驱动
    在这个容易分心的时代,微软希望AI能成为你的同事 “比Wite –Out修正液好点。” 从亿万富翁和大人物比尔·盖茨嘴里说出来的这话,可不是你预期对商业软件现状的评价方式——尤其是鉴于微软的生产力工具(包括Word和Excel在内)帮他发了大财。 但是盖茨认为,当今的商业软件并不比数字时代之前的商业工具好多少。在去年七月份举行的Microsoft Research Summit(微软研究论坛)上,他对着一群微软研究人员和学者说:“我曾经说过,让计算机改进我们的工作的大部分机会就摆在我们面前,而不是身后。” 尽管Microsoft Office肯定比Wite -Out 的功能更加强大,但盖茨对计算机可以继续改变我们工作方式的手段持乐观态度是正确的。人工智能很快就可以将生产力工具带到一个拐点。经过多年对文字、数字和图片进行苦力般的数字化和格式化之后,未来版本的Word、Excel和PowerPoint会更加了解你的工作以及你的工作方式。智能算法会在数据里面找到模式和含义,并利用这些见解来帮助你更高效地度过一天。 向更智能工作软件的过渡已经开始。微软的Cortana 个人助理可以扫描你的电子邮件,并提醒你所做出过的承诺。该公司的企业软件Microsoft 365里面有个MyAnalytics 工具,它会了解你的时间是怎么度过的。一项PowerPoint的新功能会就演讲的节奏向你提供建议。 但是微软的研究人员眼光已经不局限在特定功能上,他们想向当今的知识工作者伸出援手。他们还在努力去了解21世纪工作本身的性质是什么。该公司希望借助AI将工作拆分为更小的任务从而让它们适应日益碎片化的工作日当中的可用时间片段里面。微软希望开发工具来帮助大家在这个容易分心的时代为我们挤出更多的时间。这种策略可能是新一代更智能的Office的关键。   信息过载时代的软件 在互联网时代,办公商业软件已经发生了很大变化,并且还会随着AI的发展,合同工的大量使用以及零工经济的兴起而发生进一步的改变。移动设备让我们可以在办公桌以外的地方完成更多的工作,但它们也把我们的个人生活与工作生活搅和到了一台设备上。 随着移动电话以及跨设备工作的兴起,不管是在办公室还是外面,因为技术导致的分心已经达到了极高的程度。在一项对500多名员工的调查中,RescueTime 发现只有10%的受访者觉得自己可以控制自己的工作时间。加州大学尔湾分校教授格Gloria Mark的研究表明,大家平均每天切换计算机屏幕的次数为566次,每天检查电子邮件的次数是77次。在她的样本里,Facebook用户平均每天要查看社交媒体网站38次。 分散注意力的不仅仅是互联网的信息过载。 在微软研究论坛的一个演讲中,Mark表示:“在信息工作场所,大家要不断地兼顾互相竞争的各种需求,要不断重新设定任务的优先级。研究表明,工作的范围已经扩大,因此大家实际上要完成更多不同的项目,要做一天之内不断地切换项目。” 这意味着工作节奏比以往任何时候都要快,信息要更加丰富,而且更加变化多端。我们要大量不同类型的工作,而且都是分成小块去做。 但是Mark的研究表明,人们似乎在用一个比较旧的指标来衡量自己的生产力:分配给单一任务的持续时间有多长。与此同时,他们需要想方设法给这种需要埋头苦干的工作腾出时间。 对于我们很多人而言,专注投入的深度工作时代可能已经远去了。微软研究院首席科学家Jaime Teevan 认为,我们不应该再去尝试让旧的工作流程去适应工作日碎片化的新现实。 Teevan 说:“我们对要进入‘心流’状态的顾虑太多了,但实际上,完成大任务是很难的;进入心流也是很难的。另一方面,我们又有很多碎片化的时间,这样我们可以把任务设置得很小,从而去适配我们的时间碎片化。” 自2014年以来,Teevan 一直在发表有关微生产力(microproductivity)方面的研究,并且一直在谈如何将其应用到技术产品上面。她说“我们很努力地去思考如何帮助大家带着这样的意识去完成工作……也就是对任务他们是怎么想的意识,尤其是带着我们的生活是碎片化的意识。”   微生产力理论 Microproductivity 意味着要把工作分成一系列只需要很少时间来完成的小任务(“microtasks(微任务)”),然后朝着完成一个更大的目标而努力。 哪怕不是以系统化的方式,其实我们也已经这么做了——比方说,我们会利用从这栋楼走到另一栋楼的五分钟时间来回复电子邮件。Teevan建议,更多的工作可以分为以下几类的微任务。 Teevan的研究表明,执行微任务可能是慢慢完成需要更长时间高要求任务的好方法。该研究还表明,你可以通过完成一些要求没那么高的微任务来开展大型项目的工作,然后等你对项目习惯之后再转移到要求更高的任务。 这也是AI可以开始发挥作用的地方。Teevan 说,大型项目的某些部分也许可以分解为微任务并实现自动化,从而让人去从事更具创造性和更需要投入的工作。 不过,微软研究员Shamsi Iqbal认为,微生产力能定义每个人整个工作日的状态。有些人的一天可能是高度碎片化的任务和长时间从事单一任务的混合。微软已经开发了一些功能来帮助大家投入到更大的任务里面。比方说, Windows 10的Focus Assist功能可以配置为当你需要继续维持心流时阻止各种通知和提醒。 如果说微生产力在你看来就像是个企业阴谋——把工作任务融入到每一天的每一分钟的话,你并不是唯一有这种看法的人,这是对这个概念的普遍反应。但是研究人员说,微生产力其实跟工作没有太大关系。它关系到的是更高效地完成相同数量的工作。已经过充分证明的对业余时间和家庭时间的需求并不会改变。密歇根大学研究人员Walter Lasecki说,其实同样的微生产力方法一样可以用于个人的生活任务,比如组织假期或筹划晚餐等。 微生产力并不会偷走你的自由时间,相反,这更多关乎的是让给大家控制自己如何去度过工作时间。他说:“这是在为大家提供设计自己的工作流所需的工具。让大家可以去控制自己的工作方式、工作时间以及工作表现,这让我感到兴奋。”   数据驱动的工作日 微软刚刚开始把自己掌握的大量AI专业知识应用到它的生产力工具上面。你会不断看到该公司引入更多的新功能,那些新功能都是由它的算法中了解了你的偏好和工作流以及工作本身之后所驱动的。 其实它现在已经在收集一部分这些数据,并通过Microsoft 365的MyAnalytics 工具对其进行组织,这项工具可以告诉你在“专注”模式下投入了多少时间,跟其他人协作以及进行除工作以外的事情所花的时间。它会通过扫描你的电子邮件、会议、电话以及聊天来收集这些数据。如果你有同事的未解决请求它还会提醒你,或者当你在下班后打算向他人发送电子邮件时会警告你最好等到第二天早上。 微软的MyAnalytics仪表板让我们对该公司打算如何通过数据来改善工作有了一些了解。[图片:由微软提供] 许多功能主要由电子邮件收集而来的数据驱动的——如果你同意的话。Cortana 可以到收件箱去查看你所做出的承诺,并提醒你去兑现这些承诺。Outlook的“Focused Inbox”可帮助你确定电子邮件的优先级,其方法是识别与你经常合作的人潜在的重要电子邮件,并识别新闻通讯以及机器生成的邮件,然后转移到靠下面的位置。 像Teevan这样的微软研究人员及其在学术界的合作伙伴也在考虑机器学习如何帮助提高微生产力的事情。Lasecki 说AI也许可以分析你正在做的工作,然后跟你一起把它分解成较小任务组成的待办事项清单。如果你是程序员,正在开发新的网站功能,则该项目逻辑上可能可以分解为这样一些子任务,比如界面设计,文档编制,拉取开源代码并进行研究等。根据它对这些任务的了解以及你的喜好、工作习惯和时间安排,人工智能还可以帮助你弄清楚什么时候做什么样的工作比较合适。比方说,它可能了解到你一天中最有生产力的时间是上午中段和下午较晚时候,然后建议你在那些时段从事最需要创造力和专注力的任务。 这种野心勃勃的AI还没有渗透到你的Office工具里面。如何才能将研究成果转化为真实产品,微软希望先要认真考虑清楚。尽管Teevan 说微软正在努力缩短将研究想法引入Word、Excel、PowerPoint和Outlook等核心应用程序的过程,但这样的未来不大可能一蹴而就。 为此,微软正在请求研究界提供帮助,以将其微生产力研究转化为实际技术。微软已经为研究人员提供100万美元的资金,这笔钱将用于开发利用机器学习和人工输入将大型项目划分为微任务的技术。它希望为那些能够弄清楚哪些任务在移动设备上更容易做,或者哪些任务可以在一个设备上开始并在另一设备上完成的工具提供资金。 尽管这些研究的目标旨在超越当今的商业软件,但它们并非纯粹是推测性的。Teevan 在最近的播客中说:“我们大家正在进行的对生产力未来的研究,其实跟实际的未来无关,而是跟我们正在开发的产品直接相关。”   作者:神译局 翻译:boxi 来源:https://36kr.com/p/5249553
    数据驱动
    2019年09月27日
  • 数据驱动
    【加拿大】人才数据平台Plum获得了420万美元的种子轮融资 Plum是一家软件即服务(software-as-a-service)公司,为企业组织提供所需的数据,以量化其员工的潜力。该公司近日宣布,已完成了420万美元的种子轮融资。加上此前的天使轮融资,Plum迄今已融资610万美元。 这一声明是在SuccessConnect Las Vegas发布的。SuccessFactors是SAP SuccessFactors的年度用户大会,致力于帮助人力资源高管和高级商业领袖解决当今最紧迫的与劳动力相关的挑战,并预测未来的挑战。 “Plum的使命是通过释放人类潜能,为企业未来的工作做好准备,”Plum首席执行官Caitlin MacGregor在公告中表示。“在这个自动化和人工智能时代,组织正面临着前所未有的战略人力规划和人才管理挑战。这笔资金使我们能够扩展我们的团队以及与SAP的合作伙伴关系,使企业能够利用预测人员数据来应对这些挑战。” 这轮420万美元的融资由Real Ventures牵头,这是一家风险投资公司,致力于创建新类别的未来创业公司。Real Ventures的合伙人珍妮特·班尼斯特说:“在接下来的十年中,人们将需要被分配和接受从未见过的新工作的培训。” “麦肯锡声称,由于未来15年的自动化,将有4亿至8亿个工作岗位消失。与此同时,2030年将存在的85%的工作岗位今天不存在。” 班尼斯特接着说:“Plum是科学验证的预测数据的唯一提供者,可以扩展以使每个人都能在未来的工作中找到合适的工作 ,这就是为什么我们认为Plum不仅仅是一个庞大的公司,但也对数百万人的生活产生了重大的积极影响。” 其他投资者包括SAP.iO和BDC Capital的Women in Technology Venture Fund。Plum的应用程序与SAP SuccessFactors Recruiting集成,后者是人力资本管理套件的一部分。 “员工在角色中的成功不仅取决于员工的硬技能,还取决于他们的无形特征,”SAP.iO高级副总裁兼常务董事Ram Jambunathan博士说。“但是今天,企业仍然依赖传统的措施和评估,这些措施和评估往往容易产生主观偏见.SAP.iO基金投资于Plum,因此我们的客户可以全面了解员工的能力。通过Plum 与SAP®SuccessFactors® 的整合,企业现在可以提供员工想要和长期成功所需的全面人才管理经验。” 传统上,企业不得不依赖仅限于为高级管理人员或高级别职位提供服务的心理测量评估。在Plum之前,没有进行过整个组织和整个员工生命周期的心理测量评估。 Plum通过自动化I / O心理学的专业知识,使最佳实践民主化,使组织能够释放组织中每个申请人和员工的潜力,彻底改变企业量化其员工潜力的方式。当员工从事与其天生优势相关的工作时,他们会更加有效和参与,对组织的保留,创新和客户关系产生积极影响。 尽管Plum最初是作为一种招聘工具推出的,但该平台的产品已经扩展到能够在员工生命周期的每个阶段(包括招聘、人才流动、学习和发展,以及识别新兴领导者)实现数据驱动和面向未来的决策。 以上由AI翻译,仅供参考! 作者: Mayuri Chaudhary 来源:https://www.hrtechnologist.com/news/recruitment-onboarding/talent-data-platform-plum-raises-42-million-in-seed-funding/
    数据驱动
    2019年09月19日
  • 数据驱动
    《领英人才多元化洞察报告》显示女性(68%)对薪资福利的重视略高于男性10个百分点 全球领先的职场社交平台LinkedIn(领英),于近日发布《人才多元化洞察报告》,根据领英全球6.45亿名会员的行为数据及20多个国家和地区万余名雇员雇主调研数据,分析得出两性特点影响求职和招聘多元化,开放性语言可以有效消减无意识性别偏见,多元化人才招聘是实现企业多元化的关键等众多核心发现。《报告》还基于人才性别特点的洞察,提出切实可行的解决方案,并建议企业制定以数据为驱动的多元化人才招聘策略,助力企业实现多元化。 遵循全球经济融合大势,越来越多的企业意识到“多元化”带来积极影响,不仅有利于业务可持续发展,增强企业行业竞争力,更是吸引优秀人才的关键。因此,众多企业将“多元化”写进企业发展的战略目标,并在经营、文化、人才等多维度进行探索和尝试。然而回归现实,却鲜有企业能明确如何制定适合自身发展的“多元化”策略,甚至不知如何着手开始,导致多元化整体进程缓慢。领英作为全球领先的职场社交平台,通过独有的数据分析及全球性的调研结果,得出企业多元化则取决于人才多元化,人才是企业之本,多元化应始于构建人才团队的初始阶段,即人才多元化招聘是实现企业多元化进程的首要条件。 领英中国人力资源负责人张竞义表示:“人才多元化关键在于了解性别特点并有针对性地制定多元化策略,《领英人才多元化洞察报告》让企业和HR更加全面地了解两性在职场中的特点,帮助企业运用科技、语言等方式改善招聘中存在的性别偏见,保持团队人才多元化,激活员工的创新活力,构建多元的职场环境。” 两性特点影响求职和招聘多元化 领英《人才多元化洞察报告》认为在求职和招聘的过程中,性别的显著特点会影响企业人才的多元化招聘结果,《报告》通过分析两性在求职和工作中的众多特点,提出制定以多元化为导向的招聘策略。 首先,面对新的工作机会,男性(90%)和女性(88%)均表现出极高的兴趣,且对各种职位信息进行权衡和考虑,根据领英数据表示,每位女性应聘者在2018年平均浏览招聘岗位数量44个,男性为46个。 然而不同的是,在充分了解和权衡心仪的工作机会后,女性求职者的态度则更谨慎,决定申请的概率及申请的职位总数分别比男性低16%和20%。 在这些行为数据背后,则是因为两性特点的不同,研究表明,女性认为需要100%满足职位列出的所有要求才会申请工作,而男性通常在满足60%的要求时就会做出申请的决定。也正是女性在求职中更为谨慎的性别特点,虽然申请的工作数量少于男性,但数据显示女性在申请工作后的受聘概率比男性高出16%,资深职位的受聘率比男性高18%。 男性与女性对薪酬福利的关注度 《报告》还发现,女性(68%)对薪资福利的重视略高于男性(58%),在考虑新的工作机会时,从福利内容来看,女性比男性更重视弹性工作制度、产假、医疗保健等福利信息。女性考虑的因素不仅局限于工作本身,而是工作能带来的利好以及所处职场环境和文化,比如女性倾向于具有弹性工作制的工作机会,良好的企业文化,工作氛围和人员背景结构等因素也是女性关注的重点。 因此《报告》建议在充分了解性别特点之后,可以逐步制定性别均衡的招聘策略。 首先,企业可以通过调整对工作职位描述的措辞,明确职位硬性要求和加分项,以实现和鼓励更多符合职位要求的女性来申请,实现候选人的多样化。 同时,企业可以鼓励多元背景的员工在公司的主页分享其真实的日常工作状态,形成多元化文化氛围。此外,针对两性对于薪酬福利的关注度,企业可以将这类信息纳入工作描述中,吸引多元化的人才。 开放性语言是消除招聘中无意识性别偏见的良方 除了基本的“两性特点”,《报告》也关注了招聘中无意识性别偏见的问题。根据领英的调研数据显示,招聘专家们开始重视并积极地采取减少性别偏见的相关措施,如在中国有约70%的专业招聘者会审核职位描述的语言,以确保没有使用偏见性语言,28%招聘者在起草招聘信息时总会考虑到性别多元化问题。 但是报告仍发现,无意识的性别偏见依然存在于专业的招聘当中,例如招聘者打开和浏览男性候选人的简历比女性候选人高出13%,发送站内邮件的概率也高出3%。此外,《报告》基于对全球20多个国家和地区用户的调研,得出一系列两性对自身认知的新发现。例如,在面试和绩效评估中,男性和女性用于形容自己的众多词汇中,排前三的高频词汇竟是相同的,分别是“勤奋”(58%的女性和49%的男性),“工作游刃有余”(48%的女性和42%的男性),“自信”(42%的女性和40%的男性),但综合整体来看,女性还是会倾向使用感性且与自己品性相关的词汇,而男性则更侧重于使用与专业技能性的词汇。 招聘者打开男性和女性求职者简历的频率 《报告》还根据职场性别认知差异常见问题进行了讨论,例如男性和女性职场人士对软技能的理解存在明显差异,女性更愿意在领英个人档案中积极展示自己的软技能,但男性则认为不必向雇主强调这些软技能,相比硬技能的展现才是职场竞争力的核心关键。此外,在浏览工作职位的介绍时,偏标签化、男性化的语述,会使女性候选人感到负面,或放弃该工作机会,例如当职位要求涉及“强势”这类词汇时,44% 的女性终止申请该职位,而33%男性也会做出相同决定。 值得关注的JD词语 针对招聘方和求职者自身的无意识偏见行为,报告建议企业使用开放、包容性的语言精准消除招聘及职场中的无意识偏见。在起草招聘职位信息时,招聘者需要考虑性别多元化问题;招聘者发布招聘信息之前,需要经过审核以确保不使用有偏见的语言,让招聘职位的信息更具包容性,可以考虑使用“乐于助人”、“勤奋”、“自信”等词来描述理想的候选人。同时,还需要细心选择描述公司和工作环境的用词,可以用“节奏快”来代替“压力大”这样的词汇,避免候选人对工作环境的负面联想。 领英提供以数据为驱动的人才策略,贯穿招聘全流程 面对两性的特征以及潜在的无意识偏见,如何在人才多元化有效解决,领英建议企业及人力资源管理者将技术和数据洞察相结合,运用数字化手段让招聘流程更加智能和高效。企业可以充分利用技术实施匿名招聘,从应聘者的申请中删除姓名、照片等关键识别信息,甚至可以通过VR技术消除面试中的无意识偏见问题。 同时,企业需要由上至下地制定数据驱动型选才策略,从源头开始分析新员工来源以平衡人才结构,可利用领英大数据洞察(LinkedIn Talent Insights)在人才多元化方面做得较好的城市和行业发掘宝贵人才。 人才是企业的核心竞争力,人才是否多元化将直接影响企业的招聘格局,进而影响企业的多元化发展。唯有保持人才多元化,企业才能保持自身的创新力和竞争力,在竞争日益激烈的市场环境中找到属于自己的发展秩序。领英将借助全球大数据洞察和行业积累,在助力企业培养多元化意识、制定多元化战略、落地多元化举措等多方面提供全方位的支持,共谋多元化之路。
    数据驱动
    2019年08月22日
  • 数据驱动
    自动化和人力资源技术是否取代人力资源? 文/ Chiradeep BasuMallick 随着技术市场的快速增长,我们希望在未来几年重新定义人力资源流程。这将对人力资源职能产生不可否认的影响——但也不全是坏消息。在与员工体验公司CEO保罗•佩尔曼的详细讨论中,我们看到: 人力资源自动化的好处 需要注意的四个好处 为什么人事管理是人力资源专业人士的下一步 自动化现在是一个快速增长的领域,正如预期的那样,专业人士对其对工作角色的影响感到担忧。Gartner表示,2018年机器人过程自动化(RPA)收入增长63.1%,成为“全球企业软件市场增长最快的部分”。那么,人力资源自动化的影响是什么?现代人力资源从业者应该如何重新调整技能和态度,以在自动化时代取得成功?我们采访了员工体验提供商Kazoo的首席执行官保罗•佩尔曼,进一步探讨了这一问题。 人力资源自动化的好处是什么? 长期以来,人力资源部门的任务都是处理日常工作,如文件管理、考勤记录、工资等。这些重复的活动构成了日常职责的重要部分,将重点从更具战略性的项目中转移。随着人力资源自动化的引入,有可能实现以下好处: 简化任务,提高吞吐量/生产力 轻松访问数据/信息,加快查询解析 学习自动化,帮助人力资源提升技能,适应新的角色 更明智的决策,在正确的时间提供正确的数据 持续监控,提醒人力资源部门注意重要问题和可能出现的问题 然而,这并不意味着减少人力资源的责任。相反,他们的努力将被引导到战略领域,比如与员工互动,在引入新的数字系统时率先进行变革管理,以及寻找最聪明的人才,帮助企业在数字经济中取胜。 自动化和人力资源技术对人力资源的四个好处 有趣的是,技术将在各行各业增加更多的就业岗位,而不是消除就业岗位。例如,人工智能预计将成为一种工作激励因素,创造230万个新职位,而只裁掉180万个。这样的趋势应该会缓解人力资源方面的担忧。除职位重组外,引入自动化的主要影响包括: 1. 注重人际关系的建立 随着员工敬业度成为现代组织的焦点,人力资源部门需要关注员工关系,尤其是涉及到顶级人才的时候。佩尔曼认为,人力资源的自动化将通过日常交流、辅导、继任规划、员工宣传等方式,释放建立关系所需的时间和精力。 他说,“通过一起工作变化,自动化的招聘、培训和管理任务,人力资源团队可以花更多的时间关注其他领域与技术没有那么容易解决,如检查一反常态地有种超然的一名员工似乎或培训经理建立与人民的关系。” 2. 数据驱动的人类行为 人力资源自动化是建立在不同系统集成的基础上的。这种整合将使“单一的真相来源”成为可能,能够实时准确地描述员工的表现、不满、潜力和非凡成就。根据这些数据,人力资源可以建立动态识别系统,帮助增强现有的能力。 佩尔曼说:“企业还可以利用人力资源技术来收集和分析数据,以便更好地管理员工的表现,并在他们一直表现出色时给予奖励,同时建立一种以目标为导向、积极参与的企业文化。”“虽然技术可以提升员工的整体体验,但归根结底,它需要通过人力资源团队提供的人性化接触来实现和完善。” 3.从人力资源到人员管理 矛盾的是,自动化只会加强对个人和个人技能/努力的关注。因此,人力资源职能将重新定义为人事经理。佩尔曼指出:“从历史上看,人力资源部门扮演的是管理员工的角色,这不是一项非常有趣的任务。” 他继续说道:“但是今天,人力资源的重点已经转移到更好地管理员工,并确保他们在公司内的经历是积极的、愉快的和有价值的。随着人力资源实践和目的的发展,它的名称也在变化——这就是‘人事管理’理念发挥作用的地方。” 4. 对高管层的重要性越来越大 在过去的几年里,我们看到越来越多的人力资源部门获得了与企业高管同等的职位。企业现在正在招聘首席人才官、首席学习官、首席人事官,甚至首席员工体验官。当“人”成为组织的核心资产时,这一趋势只会获得动力。 从人力资源技术和自动化平台收集的数据将使这些c级人力资源领导者能够指导组织达到更高的水平。 佩尔曼对此表示赞同:“现在有大量数据在手,人事管理专业人士还负责为这些数据添加上下文,以解决公司的问题,从员工规划、人员流动到招聘,以及人们对经理和公司文化的看法。” 人力资源技术正在从根本上改变——而不是取代——人力资源 认为人力资源自动化将取代人力资源从业者的观点是没有根据的。尽管管理角色是自动化的,但是管理工作仍然是操作性能的核心。即使使用软件测试自动化,开发人员也是任何技术产品公司的支柱。 同样,人力资源自动化将增加对机器无法复制的特定品质的需求——Gartner表示,即使是由人工智能驱动的智能系统,也无法实现策略、同理心、创造力和现场即兴发挥,而这些都是任何人力资源从业者的基本特征。 佩尔曼总结道:“虽然人事管理的头衔可能是新的,但这一角色将继续演变,并将帮助该行业的专业人士超越监管,在他们的组织中扮演更具影响力和活力的角色。” 人事管理只是人力资源的下一个合乎逻辑的步骤,自动化的使用加速了这一过程。展望未来,企业将把人力资源视为其成长道路上的关键业务伙伴,由高管代表进行协调。最后,员工与雇主的关系将得到加强,由这一代高度熟练和“本质上人性化”的人力资源从业者领导。 以上为AI翻译,内容仅供参考 原文链接:Is Automation and HR Tech Replacing HR?
    数据驱动
    2019年07月01日
  • 数据驱动
    人力资源平台Hibob的完成最新一轮2000万美元融资 据官方消息,Hibob获得最新一轮2000万美元的A+系列投资,以支持下一阶段的高速增长,拓展美国的及欧洲更多的国家市场,并雇佣更多的技术人才。本轮投资者有Bessemer Venture Partners、Battery Ventures、Fidelity Ventures、Eight Roads、Arbor Ventures和Presidio Ventures。此次投资是Hibob公司2017年4月宣布的A系列融资的延伸,这笔资金将为公司继续建设未来工作场所所需的人力资源解决方案提供动力。 Hibob成立于2015年末,其使命是为未来的职场打造第一个人力资源平台。这场未来变革需要对当今最有价值的员工有深刻的理解:那些寻求日常参与、反馈和意义的员工;他们在部落中工作,寻求成长的机会。他们需要有灵魂的个性化。与此同时,人力资源需要数据驱动和民主化,创造出对消费者友好的新工具,以吸引、留住和增长有价值的员工——并让他们在整个组织中更广泛地可用。 未来职场的迅速崛起,将由数字化新一代引领,他们将在未来几年主导全球劳动力经济。这一代人想要为快速增长的公司工作,做一些有意义的事情,打破常规、挑战权威,因此必须让他们在培育型文化中成长和发展。 Hibob公司意识到今天的劳动力是由那些想要以个人身份成长、想要在团队中茁壮成长的人组成的,他们想要成为更大的培育文化的一部分。于是创建了个人能够利用的平台,围绕共同的兴趣和激情建立联系,而不仅仅是对他们的工作描述或工资记录。Hibob正在颠覆传统的员工、经理和HR角色,为每个人构建一个平台。 目前,Hibob公司帮助全球数百家企业客户,包括Monzo、Etoro、Happy Socks、Fiverr、Receipt Bank和Karmarama。其合作伙伴包括Slack、、GreenHouse、TeamTailor、Perkbox、Aviva、Canada Life和UNUM。 “市场上大约有1400家人力资源技术供应商,”全球人力资源思想领袖之一乔什·贝尔辛(Josh Bersin)说。据他说,“一个更具创新性的核心HCM新平台是一款名为bob的产品,来自一家名为Hibob的快速发展的公司。bob首先设计了一个管理平台,其次是人力资源平台,所以它的整个设计关注于信息经理、员工和高管需要什么。” 人力资源技术行业增长迅速,预计到2022年将达到225亿美元。这项技术的普及不仅仅是因为员工和人力资源团队需要更好地处理薪资流程、绩效评估和假期请求等管理任务。相反,企业正在认识到,他们的员工不仅仅是数字、资源或人才——影响他们的管理决策应该是全面的、数据驱动的、个性化的,以推动真正的业务结果。 以上为AI翻译,内容仅供参考 原文链接:Announcing Our $20M Funding Round  
    数据驱动
    2019年03月14日
  • 数据驱动
    人员分析:构建数据驱动的人力资源功能 成功的人力资源领导者如何利用分析来优化员工队伍并创造真正的商业价值?Assurant数据分析信息管理高级总监Perla Sierra告诉我们更多信息。 当您投资,推动采用或尝试优化People Analytics的业务成果时,您的团队面临的三大挑战是什么? 在开始真正的分析之旅之前,必须评估数据的质量,必须同意一致的指标,并且必须实施隐私保护措施。虽然数据通常永远不会完美,但我们必须努力获得尽可能高的数据完整性,并且当存在数据缺口时,分析从业者必须了解数据机会并在任何分析练习中将其考虑在内。 尽管有关人员的数据已经存在很长时间,但人们将分析从预感和感觉转变为更有条理的方法已成为最大的挑战之一。将数据驱动的决策方法应用于人们面临的挑战是,使用公平竞争环境比较员工和绩效非常重要,这很难做到。要做到这一点,我们必须始终调整上下文。调整上下文涉及考虑数据中可能不存在的因素,或者它是否可能不明显。 例如,在比较相似或相同工作的绩效时,应考虑数据之外的其他因素,例如环境因素(即工作条件,经理等)。 在人员分析空间内制定数据驱动的决策可能会加剧紧张局势,因为人们更喜欢人类对算法判断的判断。事实是数据驱动的决策如果竞争场是均匀的,当然如果数据是准确的,那么就会消除偏见。基于数据做出决策无疑将提高组织的分析成熟度,并有助于在决策制定过程中采用更加公正的方法,同时加强组织的文化。数据的可用性提供了新的创新和新的见解。 对于想要成功构建,扩展和优化人员分析功能的人力资源领导者,您最重要的2-3个最实用技巧是什么?他们应该优先考虑什么? 高质量数据,数据安全性和数据隐私的可用性应该是实施人员分析功能的最前沿。如果没有这三个关键要素,那么成功构建和扩展成功的人员分析功能将更加困难。有时并非所有数据都是完美或准确的。在这种情况下,组织应考虑采用分阶段方法,该方法可以利用准确或至少足够好的数据来启动分析过程,而不是等待所有数据准确。 不幸的是,分阶段的方法需要更长的时间,并且在增量成本方面可能会花费更多,但是,如果您只是选择在没有整个数据范围之前选择不继续前进,那么您应该考虑可能遗漏的无形机会成本。这是一个你必须对不舒服感到舒服的情况,并通过“足够好”的数据推进。我会考虑创建数据委员会和数据管理员的最佳实践,这可以推动数据标准化和质量并推动数据治理。 在组织的人员分析成熟度之旅中,2-3个关键里程碑是什么? 让我们从头脑开始。最终目标是让企业将人员分析嵌入业务决策中。我们怎样才能最好地完成这项工作?该数据必须是可靠,安全,维护,一致的,但是,它并不一定是完美的。人力资源合作伙伴必须确定影响业务的人员问题,这些问题可以在流程早期确定,甚至可以完全消除。在人力资源合作伙伴和商业合作伙伴必须协同工作寻找机会获取洞察力并在适当的时间向适当的受众提供可操作的见解,并最终在可能的情况下提供规范性和预测性分析。人力资源团队必须与业务领导者,一线经理,客户,供应商和其他人合作,以识别机会,传播意识,形成深层合作伙伴关系,并提高组织成熟度。 人力资源如何增加自身的分析成熟度同时增加业务的一些例子是提供以下内容:监控员工保留,培训,内部流动性,技能集评估,将招聘评估与绩效指标相关联,确定未来资源需要。 在人力资源组织中构建数据驱动型文化时,您采用了哪种方法? 在构建数据驱动型文化时,我遇到的最有效的技术是与不同的内部业务,部门,分析从业者甚至外部资源建立业务合作伙伴关系。每个人带来的人和体验的多样性在创造性解决问题和创新方面提供了最多的帮助。每个人都通过不同的视角看待机会,这种整合创造了强大的协作模式,使组织受益。通过采用多元化的文化和整合思维伙伴,可以提供建设性的论据,敢于不同意,并准备改变主意,你真正将组织推向最高水平,不仅仅是合作,买入和接受,而是你整个组织的分析成熟度越来越高。开放是真正伟大事物的开始。随着合作和沟通的继续, 2020年及以后,您亲自跟踪的人员分析和劳动力绩效空间的2-3大趋势是什么? 就像消费者一样,员工也希望为他们量身定制解决方案,而不是一刀切的方法。 机器学习技术使组织能够为从人才获取到内部移动,学习,团队建设和其他领域的所有领域的员工量身定制个性化体验,从而提高员工敬业度。机器学习不仅可以用于个性化体验,还可以提供最佳的团队整合,以及基于通过性格测试,社交网络,调查或其他方式获得的数据获得最佳积极成果的内部移动机会,从而创建一个爆炸性的人力资源转型,员工敬业度和减少营业额。当然,这些想法也可以针对承包商,这也将为投资带来巨大回报。 员工和承包商希望提供给客户的相同个性化体验,这不应该让我们感到惊讶,因为客户,员工和承包商都是人。我希望看到更加注重将员工敬业度与生产力水平和业务成果联系起来。   以上为AI翻译,内容仅供参考。 原文链接:人员分析:构建数据驱动的人力资源功能
    数据驱动
    2018年11月22日
  • 数据驱动
    如何为人力分析专业人士创造职业道路-How to create career paths for people analytics professionals 文/David Green 文章导读 根据德勤于2017年11月发布的“高影响力人力分析研究”(High-Impact People Analytics study), 69%的大型机构(10,000多名员工)现在拥有一个“人力分析团队”。 Geetanjali Gamel在旧金山举行的“人民分析与未来工作会议”(People Analytics & Future of Work Conference)上的演讲这个话题。Geetanjali是默克公司劳动力分析的全球领导者。在2017年9月在费城举行的人民分析与未来工作会议上发言。 为什么要人力分析? 问1、你好,Geetanjali,请解释一下吸引你到人力分析领域的原因。 我工作中最有趣的部分是理解、测量和预测人类行为及其对销售和收入等业务结果的影响。因此,我很自然地被这个机会所吸引,这个机会将科学的方法引入到人们的数据中,并帮助塑造一个组织如何为其投资者带来价值,同时为其员工带来更丰富的经验。 MERCK & CO.的人力分析团队 问2、请您描述一下默克公司的劳动力分析团队的规模和结构,以及它是如何与业务联系起来的。 默克的劳动力分析团队(WFA)拥有15名成员,在全球80多个市场,69000名员工。 这个团队由三个主要支柱组成:咨询、高级分析、报告和数据可视化。 咨询——每个咨询师都与我们的业务部门(如制造、研究、销售等)保持一致。他们与领导者紧密合作,以理解和预见棘手的业务问题,并运用正确的方法解决问题,将分析转化为可操作的观点。 高级分析——高级分析团队是一群灵活的数据科学家和专业人士,他们主要专注于需要高级技术技能或很有意义的项目。它们围绕业务问题进行组织。 报告和数据可视化——他们直接与来自业务各个部门的内部客户合作,以确保合适的人在合适的时间拥有合适的数据。驱动了内部客户满意度。 三个WFA团队紧密合作,以确保识别和利用业务活动之间的协同作用。 创建一个数据驱动的文化 问3、德勤(Deloitte)的“高影响力人物分析”(High-Impact People Analytics)研究发现,在创造高级能力方面,最重要的因素是需要创建数据驱动的文化。你在默克公司是如何做到这一点的? 我们首先在人力资源社区中推广数据,推出了一个基于云的劳动力分析平台。我们还开发和部署了一个能力构建程序,其中的模块主要集中在度量选择、假设测试、数据可视化、推荐开发等方面。 此外,我们一直在利用的另一个渠道,加速人力资源数据驱动文化,是让我们更广泛的人力资源社区的成员成为分析“冠军”。 最后,我们还建立了一个人力资源领导团队,在人力资源中传达建筑数据和分析能力的信息。 高层领导的支持对于人员分析功能的成功至关重要 在人力分析中创造职业道路 问4、您对为人力分析专业人员创建职业发展道路充满热情。 为什么你认为这是如此重要? 我热衷于为那些使人力分析成为可能的人们建立更好的工作体验! 我发现这个团队能够为职业道路,继任计划和大型员工的人才流动等领域做出决策,但经常陷入无处可扩展的境地。 此外,大多数人分析团队都是人力资源部门的一员,而且往往被贴上高度专业化的“人力资源精英”卓越中心(CoE)的标签,这限制了横向或向上进入CoEs或业务部门的其他人力资源角色的机会。 最后,一个能够提供发展和职业发展的组织和领导者,可以成为吸引和留住优秀人才的关键因素。 如果我们能让更多人力分析人才流动起来,就会为人力资源和企业的其他部门增加技能、方法和拓宽视角,为企业创造额外的价值。  一个能够提供发展和职业发展的组织和领导者,可以成为吸引和留住优秀人才的关键因素 问5、关于人才分析团队的职业发展,你在默克制定了什么计划?关于人才分析团队的职业发展,你在默克制定了什么计划? 从我在默克公司工作的第一天起,我的首要任务之一就是了解我的团队的力量和抱负,并将他们的发展与他们的职业目标结合起来。我得出了一个Capability-Capacity-Connectivity模型,为我们的人员分析团队提供一个可持续发展项目。这种模式成功的一个关键驱动力是你的领导的支持和与其他团队的合作。 问6、职业发展计划的主要好处和收获是什么? “3C”方法是围绕解决障碍和为人学分析团队创建促进职业发展的桥梁而构建的。 第一个“C”:能力,能力必须在两个级别上处理。 能力级别1:构建数据、技术和分析精明的客户 能力级别2:提升人员分析团队 第二个“C”:Capacity容纳度 如果没有时间远离日常的活动,就不可能专注于一个人职业生涯的下一步 第三个“C”:连接 将人员分析团队与其他人力资源,数据科学,技术和业务专业人员联系起来,建立对双方不同类型工作的认识和相互欣赏。 英文原文: According to Bersin by Deloitte’s High-Impact People Analytics study, which was published in November 2017, 69% of large organisations (10,000+ employees) now have a people analytics team. It is a surprise then that many organisations overlook the need to develop the careers of their people analytics team. Given the pace of evolution of the field and the high-demand for talent in the space, this is an oversight that needs correction. As such, it was refreshing that the main focus of Geetanjali Gamel’s presentation earlier this year at the People Analytics & Future of Work Conference in San Francisco (see key learnings here) was on this very topic. Geetanjali is the global leader of workforce analytics at Merck & Co., Inc. (NYSE: MRK, known as MSD outside the United States and Canada). I caught up with Geetanjali recently to ask how she has created career development paths for her team as well as discuss other related topics in the people analytics field. Geetanjali Gamel speaking at the People Analytics & Future of Work Conference in Philadelphia in September 2017 WHY PEOPLE ANALYTICS? 1. Hi Geetanjali, please can you introduce yourself, describe your background and explain what attracted you to the people analytics space. Like many of my colleagues in people analytics, I’ve had a non-linear path to my current role. I am a trained economist and began my career in research at the Federal Reserve Bank of St. Louis studying topics like macroeconomic forecasting, unemployment and inflation.  With this foundation in social science methodology and research, I soon transitioned to business forecasting, predictive analysis and scenario-planning to drive customer growth and revenue projections in corporate planning and finance departments in the energy sector. The most intriguing part of my work was in understanding, measuring and predicting human behaviour and its impact on business outcomes such as sales and revenue. So, I was naturally attracted by the opportunity to bring scientific methodology to people data and help shape how an organisation can drive value for its investors along with enhanced experience for its employees. I began by building a predictive analytics function from scratch in HR in my previous role at Mastercard and since 2016 I have led the advanced workforce analytics, consulting and reporting organisation in Merck HR. THE PEOPLE ANALYTICS TEAM AT MERCK & CO. 2. Please can you describe the size and structure of the workforce analytics team at Merck and how it aligns to the business Merck’s workforce analytics team (WFA) has 15 members who support 69,000 employees in over 80 markets worldwide through a rich portfolio of people analytics products. The team consists of three primary pillars; Consulting, Advanced Analytics, and Reporting & Data Visualisation (see Figure 1 below). Figure 1: The Workforce Analytics team at Merck & Co (Source: Geetanjali Gamel) Consulting - Each consultant is aligned to one of our business divisions like manufacturing, research, sales, etc. They work closely with leaders to understand and anticipate burning business questions, utilise the right methodology to find the answers; and convert the analyses into actionable insights. Advanced Analytics - The advanced analytics team is a nimble group of data scientists and specialised professionals who focus mainly on ad hoc projects requiring advanced technical skills and/or initiatives of enterprise level significance. They are organised around business questions and may support several divisions at a time, in contrast to the end-to-end approach that the consultants take with each initiative. Reporting & Data Visualisation – This team forms the backbone of all the amazing work we are able to do, as well as the internal customer satisfaction we drive. They work directly with internal clients from all parts of the business to ensure that the right people have the right data at the right time. The three WFA teams work closely with each other to ensure that any synergies between business initiatives are identified and leveraged. CREATING A DATA-DRIVEN CULTURE 3. The recent Bersin by Deloitte High-Impact People Analytics study found that the single biggest predictor in creating advanced capability is the need to create a data-driven culture. How have you achieved this at Merck particularly with regards to HR Business Partners and the wider HR function? I agree that culture can be the strongest catalyst or impediment for people analytics. It is also ridiculously difficult to identify and alter, particularly because organisations at any given time tend to be collections of sub-cultures. But there are some patterns of behaviours, decision-making, and incentive-rewards, which distinguish data driven cultures from others. These behaviours can be purposefully incubated through a combination of upskilling, training and mind-set building. At Merck, we believe that a leading HR function is one where analytics capability is not only for the analytics team, but the whole HR team. This does not imply that every role requires equal depth in analytics, but a new baseline of data interpretation and communication skills is critical to being effective partners to the business. To this end, we started out by democratising data within our HR community by rolling out a cloud based workforce analytics platform. This is helping us drive greater familiarity and reliance on data among our HR users. We have also developed and deployed a capability-building program with modules focused on metric selection, hypothesis testing, data visualisation, recommendation development, and more. Another channel that we have been leveraging to accelerate a data driven culture in HR has been to engage members of our wider HR community as analytics “Champions”. These superheroes are critical to spreading the adoption of data informed insights, since they live and breathe the daily challenges of their colleagues; and can share relatable examples with their counterparts on how data can unlock value. Finally, we also have an HR leadership team that is aligned and strong advocates in relaying the message of building data and analytics capability in HR. Needless to say, sponsorship of senior leaders is imperative to the success of a people analytics function. Sponsorship of senior leaders is imperative to the success of a people analytics function CREATING CAREER PATHS IN PEOPLE ANALYTICS 4. You are passionate on the need to create career paths for people analytics professionals. Why do you believe this is so important? I firmly believe that the goal of people analytics is to drive value for the business as well as provide a better experience of work for employees. So naturally, I am equally passionate about building a better work experience for the people who make people analytics possible! I find a sad irony in the fact that the team which enables decision-making on areas like career pathing, succession planning, and talent movement for the larger workforce, is often stuck in a position of having nowhere to grow. From my discussions with many colleagues in this field, I have learned that the typical people analytics team usually tends to have a group of individual contributors (analysts, data scientists, consultants) and a director or senior director level leader. This leaves only one spot for the entire team to aspire to, at least for upward movement. In addition, most people analytics teams sit within HR and tend to be branded as a highly-specialised “HR-lite” centre of excellence (CoE), which limits the opportunities to move laterally or upward into other HR roles in CoEs or business units. And this reality of being “boxed-in” can be very frustrating for bright, highly-employable individuals. If you are a leader in people analytics, and if you have had to recently recruit new talent for your team, I would guess you are acutely aware of the gaping chasm between talent demand and supply in this field. In my opinion, an organisation and a leader who can offer development and career growth can be a key differentiator in attracting and retaining the best people analytics talent. Broadening that vision, if we enabled more fluid movement of people analytics talent, it would add to the diversity of skills, approaches and perspectives to other parts of HR and the business, and would create additional value for the enterprise. An organisation and a leader who can offer development and career growth can be a key differentiator in attracting and retaining the best people analytics talent 5. What program have you put into place at Merck regarding the career development of the people analytics team? From the first day of my role at Merck, one of my top priorities was to understand the strengths and aspirations of my team and align their development to meet their career goals. After multiple discussions and numerous iterations on ideas, I arrived at a Capability-Capacity-Connectivity model to power a sustainable development program for our people analytics team. The underlying idea is that if we can build the right capability within the analytics team and its clients; reallocate capacity that is being consumed by suboptimal tasks; and drive connectivity between people analytics teams and other parts of the business; then we can potentially discover and create new career paths and opportunities. But please bear in mind that a key driver of success for such a model is sponsorship from your leaders and partnership with other teams. In our case, we were fortunate to have both. This has empowered us to be inventive and co-create development opportunities for our team.   6. Please can you provide more detail on what comprises each of the Capability, Capacity and Connectivity elements of this approach. What have been the key benefits and learnings from the career development program?  The “3C” approach is built around tackling barriers and creating bridges that promote career development for people analytics teams. At the outset we knew that the team was faced with a high volume of requests needing significant manual effort. (see Figure 2 below): Figure 2: Challenges in accelerating maturity in people analytics (Source: Geetanjali Gamel) Since the day-to-day work was time and effort intensive, there was not much room to hone more sophisticated skills or build knowledge sharing relationships with others, leaving the people analytics team stuck in a loop. So, we put careful thought and purpose into adopting the following model. Capability The first “C”, or capability, had to be addressed at two levels. The first was to empower our broader HR team with the right tools and training to have greater autonomy to perform analyses. We moved to an intuitive analytics platform and organised workshops, office hours, and learning sessions to improve data literacy among our internal HR clients. This type of effort is important to free-up time for the people analytics team to build their own skillset (and path to growth), while also creating a greater awareness in other parts of HR about analytics. Figure 3: Capability - Level 1: building data, technology and analytics savvy clients (Source: Geetanjali Gamel) The second area of capability building had a more direct impact on the team. We held a team strategy session where we identified areas that needed focus for internal functional, technical and strategic competency building. These focus areas were carefully selected to create dual impact – provide us with a skill or knowledge we could use immediately in our work; and more importantly, help us practice a new behaviour that would develop us as well-rounded professionals. For example, on the technical side, we organised an in-house R-training curriculum, created and delivered by some of our own colleagues to the rest of the team. This helped us build a technical skill we could immediately put to use to do better work, and also built coaching and confidence skills for those who led the program. Another great example was of an external guest speaker series that we launched, which brought recognition to the team for bringing new insights to the company, and also helped the team gain experience in organising an event successfully end-to-end. Figure 4: Capability - Level 2: Upskilling the people analytics team (Source: Geetanjali Gamel) Capacity At first, capacity building measures may not sound like a natural fit with developing career paths. But it is impossible to focus on the next steps in one’s career if there is no time to step away from the daily barrage of activity to have a conversation; listen to a webinar; learn about a new project; or simply, chat with colleagues over lunch. As such creating capacity for the team is critical to allow them to develop their skillset to be more widely applicable, as well as to build the networks they need to find new opportunities. As mentioned before, our journey began with democratising data and providing a range of workforce metrics and even results of our enterprise voice survey in accessible cloud platforms to our HR community. We continue to supplement our efforts to empower our internal clients, and in the process unlock capacity for our team, by forming global communities of practice for analytics. Another effort to scale our analytics delivery and save precious time has been by finding opportunities to utilise process automation on repeatable tasks. It is impossible to focus on the next steps in one’s career if there is no time to step away from the daily barrage of activity Connectivity Despite efforts in building capability and reallocating capacity, there can’t be much career development if there is nowhere to go! This is when the third “C” of connectivity comes into play. In fact, it could just as easily be C for creativity, because we need a great deal of innovative thinking and risk taking to create opportunities where they don’t always exist. We started with small yet effective steps rather than trying to construct huge, formal programs. Connecting the people analytics team with other HR, data science, technology, and business professionals builds an awareness and appreciation for different types of work on both sides. We leveraged opportunities to co-create part-time assignments with other teams, participate in cross functional events, invite guest speakers to team meetings, and collaborate on projects to expose the team to other areas of analytical work. Connecting the people analytics team with other HR, data science, technology, and business professionals builds an awareness and appreciation for different types of work on both sides To create development assignments for the people analytics team we were creative and went with “quasi-experiments”. The first was an opportunity for a team member to take on the role of an HR business partner on a part-time basis for a few, smaller client groups. This gave the individual an opportunity to apply their analytical skillset to the role and get much greater exposure than before to business clients and business issues. Such an experiment has a multiplier effect. Where typically a business partner track is not easily available to a people analytics professional, creating such an opportunity internally can open up a new career path. Moreover, even if the individual does not end up pursuing this new career direction at the end of the experiment, it is still a valuable learning experience for them to be in the shoes of their internal client, i.e., the HR business partner. Finally, it may help to lay the foundation for what I like to call the HRBP 3.0 model. Where the original HRBP role had a heavy component of operational (and even transactional) work, the HRBP 2.0 model that many companies follow today aims at strategic business partners who enable key business decisions. The HRBP 3.0 model takes it a step further by envisioning an analytical HR business partner, who relies on both data driven insight and business acumen to support their client. Another “experiment” in creating new career opportunities was a mini-assignment we created for one of our people analytics team members to lead a large, remote team in the service delivery space. This was a completely different line of work from people analytics, and was heavily focused on operational and organisational skills like identifying and escalating issues on short deadlines, supplier relationship management, building relationships with a variety of HR and non HR stakeholders, and leading a service centre team to drive customer satisfaction. Clearly, this would not be a typical career path for a people analytics professional, but that is exactly why we need to be bold and creative with such experiments. This assignment not only exposed the individual to a different type and pace of work, but also gave them an opportunity to bring their analytical skills to the table to significantly elevate the usage and interpretation of transactional data. While many mature organisations have good-sized people analytics teams, there are still many where the teams are pretty lean. This model may work well for most purposes, but it usually limits the opportunities for team-members to have people management experience. This is not always necessary for upward mobility, but it many cases it is difficult to move upward without some kind of experience of leading a team. Keeping this in mind, we built more depth in our people analytics team, creating enterprise advanced people analytics and data visualisation and reporting sub-teams within the larger group, which are led by two of our team members. Taking a chance on subject matter experts and giving them the opportunity to lead and delegate not only helps to open up doors for them, it also gives them a chance to coach others on their team to be future experts and leaders. Lastly, we also created a new learning analytics role on our people analytics team which is a step toward building greater synergies between people analytics and learning practices, but also our small contribution in creating a new capability (and career path!) that is still evolving in many organisations.
    数据驱动
    2018年07月30日
  • 数据驱动
    Hackajob让招聘技术人才更“智能”和“数据驱动” 传统的招聘模式和流程对于黑客和优秀开发人员来说几乎不太管用,因为大多 HR 搞不懂 CSS 和 JS 的区别,更不要说开发人员简历上五花八门的语言、框架和 Github 实例。   而英国的一家科技人才招聘创业公司Hackajob就推出了数据驱动的在线人才招聘平台。该平台每周举行在线挑战,参选的开发者同场竞技,这样可以展示他们的实际技能和编程水平,并且招聘过程透明,企业能够看到他们的候选人的客观排名。这样一来,也给开发者提供了一个机会,向优秀公司展示自己实力。   为了支持这些,Hackajob 融了 40 万英镑的种子轮。未来,Hackajob 还希望提供更多的数据辅助招聘。   诞生于伦敦国王学院的 Hacajob 已经赢得了多家英国大公司主顾的青睐,例如著名的百货零售商 Argos 甚至 BBC 都在其客户名单之列。据悉,目前平台以聚集 2.5 万名开发者候选人,成功推荐其他用户可获得 1000 英镑的高额奖励。   本文参考了多个信息来源:techcrunch.com
    数据驱动
    2016年05月30日
  • 数据驱动
    大数据分析服务商神策网获线性、明势600万元人民币天使投资 来源:猎云网 (文/马凤仪)   专业于大数据分析服务,致力于帮助客户实现数据驱动的Sensors Data(神策网)创始人桑文锋向猎云网独家透露,Sensors Data于今年3月获得由线性资本和明势资本共同领投,以及薛蛮子跟投的600万人民币天使投资,于今年4月全部到账。需要强调的是,拿到天使融资的Sensors Data当时并未上线。   据了解,团队核心成员桑文锋,曹犟,刘耀洲,付力力均来自百度大数据部,从零构建了百度的日志分析大数据处理平台,有多年的大数据处理经验。这也是该产品还未上线就受到资本关注的原因之一。   Sensors Data针对互联网企业提供大数据分析产品和完整解决方案,以及针对传统企业提供大数据相关咨询和完整解决方案。目前,针对互联网创业公司推出了深度数据分析产品Sensors Analytics,支持私有部署、任意维度的交叉分析,并帮助客户搭建数据仓库基础。   考虑到市场的需求以及企业对数据的依赖性,该产品第一阶段的目标用户主要是电商和O2O类创业公司。产品9月25日上线至今,用户数量达到数百家,其中包括爱鲜蜂、多盟、AcFun、快快鱼、PP租车、51offer等,其收费标准是根据员工数量以及接入的数据量来计费,价格在2~20万元之间。   笔者分别采访了线性资本的两位合伙人王淮和张川、以及明势资本创始人黄明明、薛蛮子的助理王坤亮等人,他们都表示,Sensors Data的团队是吸引他们投资的主要原因之一;另外,几位投资人都不约而同地谈到数据的发展趋势,其中线性资本创始人王淮表示:“数据系统是做产品和市场的眼睛,没有数据,做企业就是瞎子”;明势资本创始人黄明明也表示:“深层挖掘数据是未来企业精细化运营以及提高企业效率的关键。”
    数据驱动
    2015年11月06日