• 数据分析
    人力资源技术专家将来需要的4项基本技能 文/Dave Weisbeck 今天的人力资源技术专家是一个技术性很强的角色,正面临越来越大的压力,需要继续破坏并对组织的底线产生更大的影响。传统上,人力资源技术的重点一直是卓越运营 - 管理和优化我们用于运行人力资源的流程。随着我们的进步,人力资源技术专家将需要专注于更好地整合技术和人员,以便设计一个改进的工作系统 - 业务如何通过其人员发挥作用。这一角色对整个企业的成功至关重要,因为它将成为企业在竞争中脱颖而出的基本手段。 那些利用技术,人工智能和数据方面即将到来的优势的人,与那些停滞在创新上的人相比,收益将呈指数级增长。人力资源技术人员现在必须采取措施,确保他们拥有必要的技能,以确保在决策速度和质量至关重要的未来取得成功。 随着行业的发展,这些将是人力资源技术人员必须具备的基本技能: 将人力资源决策与业务成果联系起来 技术投资越来越多地通过批判性的视角进行审查,对于CHRO和首席执行官来说,总体业务影响和财务目标是最重要的。人力资源技术专家的核心重点将不再局限于人力资源和人力资源规划,而是这些力量对整个组织的影响。 缺乏远见和商业头脑会伤害任何商业领袖,包括人力资源技术领域的领导者。如果您不知道为何做出业务决策,则无法将人力资源决策与业务成果联系起来。人力资源技术专家不再能够成为各自领域的专家,他们必须精通组织的健康状况,并了解决策如何影响整个系统。 基于数据的推理与创新 每天,我们都在制作越来越复杂的数据,以便从中获取见解。我们实施的用于雇用,船上,开发,保留,补偿等的所有流程都创建了大量数据。但这只是一个开始。考虑物联网,它通过监控自动室内灯光激活来跟踪从办公室空调的温度到员工流动的所有内容。人力资源技术专家需要找到新颖的方法来有效地汇集和解释这些信息。能够从越来越大和更复杂的数据集中提取最重要的细节以做出明智的决策将对业务产生战略价值。 更具体地说,掌握人员分析并使用预测模型来改进人力规划并随着业务和市场的变化定期更新这些计划至关重要。人力资源技术专家不再能够简单地回答诸如“当前员工人数是多少?”或“上个月雇佣了多少人?”等问题。相反,需要更先进地调查员工如何不断适应和改进到加强业务成果。 将提出深刻的问题,其结果将改变工作的性质,领导层将寻求人力资源技术专家根据事实和数据提供创新的想法。 社会情报 人力资源部门经常关注个人,正如我们在考虑招聘,绩效,发展或薪酬时做出决策所证明的那样。当团队(团队内部和团队团队)的动态得到优化时,企业的运作效果最佳。但技术不断改变协作的本质,而且远程工作人员比以往任何时候都多。即使在今天,有效的合作也不再受办公室或城市限制的约束。虚拟通信工具将继续使面对面的交互更加普遍,并且面对屏幕的时间将占主导地位。 人力资源技术专家必须了解哪些策略最适合参与和激励全球和几乎分散的团队,并能够衡量团队的运作和互操作程度。在单个团队或职能中发生的业务流程很少,并且可以通过改进团队的互操作性来获得关键业务优势。人力资源技术专家不需要将决策权交给IT,而是需要成为关键的利益相关者 - 并将数据 - 用于新通信或协作技术的决策。 此外,在机器和算法将成为劳动力一部分的世界中,对社会智能的深刻理解将成为有效实施和衡量这些新技术如何与人们融合的竞争优势。 解决创造性问题 随着未来变化如此迅速,需要创造力和好奇心态来为复杂的业务问题找到合适的解决方案。深入研究数据的意愿必须与创造性方法相结合,以收集所需的所有信息,无论是调查利益相关者,使用最新软件,还是开发新的机器学习算法。 能够开箱即用并提出创新建议的人力资源技术人员对推动业务发展至关重要。 此外,这些相同的技能可以应用于变革管理,这将继续成为关键的成功因素。向工作场所引入任何新技术都有障碍,因此能够找到最佳路径需要创造性思维和健康的好奇心。创造性思维将提供一个计划,该计划将尽可能减少对团队,员工和业务的干扰。 为未来做好准备对于人力资源技术专家来说至关重要,不仅要保持相关性,还要展示他们的角色在组织中发挥的重大影响。通过现在思考,有机会掌握所有变化,巩固您现在和将来的价值。   以上为AI翻译,内容仅供参考。 原文链接:4 Essential Skills an HR Technologist Will Need for the Future
    数据分析
    2019年01月11日
  • 数据分析
    DataCamp为可定制的在线数据科学课程筹集了2500万美元 科技行业急需数据科学家,工程师和研究人员。 据LinkedIn称,截至2018年8月在美国,科技行业正在经历超过15万人的数据科学技能短缺。而像IBM这样的公司预测人工智能和与分析相关的工作列表数量增长了28%,这确实使得企业招聘在未来几个月内变得困难。 如果没有雇用更多的数据科学家,补充教育是企业开始缩小制度知识差距的一种方式。这是纽约创业公司和Techstars毕业生的使命DataCamp - 联合创始人兼首席执行官Jonathan Cornelissen表示,他希望能够让世界各地的人们都能获得数据技能和数据流畅性。现在,在190多个国家和1000个商业客户中拥有超过330万用户的平台,后者包括EA,乐高,Airbnb,Forrester,Whole Foods,PayPal,T-Mobile,Telefonica,Kaiser Permanente,HSBC,REI ,eBay,Uber,宜家和梅赛德斯 - 奔驰,他和其他联合创始人Dieter De Mesmaeker和Martijn Theuwissen更接近实现这一目标。新的资金回合和每月100,000名新用户的增长也没有受到伤害。 DataCamp今天透露,它由Spectrum Equity领投筹集了2500万美元的融资,其中包括Accomplice和Arthur Ventures。值得注意的是,这是DataCamp 2017年7月之前400万美元加薪的六倍,并使该公司的总收入达到3110万美元。 Cornelissen表示,这笔资金将使DataCamp扩大其全球影响力,拓宽课程范围,并改善学习体验。它目前在纽约,比利时和英国设有办事处,其超过90人的团队在欧洲和美国之间平均分配(去年,美国团队从Accomplice所在的波士顿地区搬迁。) “我们的团队很高兴我们与最好的教练一起努力 - 并补偿他们共同创建丰富数百万用户的互动式实践课程 - 现在将使更多的用户和公司受益,”他说过。“我们被Spectrum Equity的扩展在线学习平台和互联网公司(如Lynda.com,Teachers Pay Teachers,SurveyMonkey和GoodRx)的记录所吸引。” DataCamp的课程 - 可在网络上以及通过iOS和Android应用程序获得 - 运行大约四个小时,并将短专家视频与内置练习模块相结合,为编写代码,导入数据,清理等任务提供个性化反馈数据库和培训AI模型。这些练习面向更大的挑战 - 项目 - 为学习者提供现实问题。 迄今为止,DataCamp的160名教育工作者 - 其中一些人每年收取近15万美元的版税 - 已经为包含R,Python,SQL,Git,Shell和其他编程语言,工具和平台的200多门课程的图书馆做出了贡献。也许更令人印象深刻的是,该公司表示整体课程完成率超过60%。 像Coursera,Codeacademy和edX这样的大型开放式在线课程(MOOC)竞争对手可以提供类似的功能。但有些独特,DataCamp为其企业客户提供了一个强大的门户网站 - DataCamp for Business,使他们能够跟踪员工和团队成员的长期进展。经理可以分配特定的课程或章节,查看谁的会议截止日期,以及创建自定义课程轨道。与此同时,员工可以访问排行榜,显示关键指标,如已完成的课程,获得的技能等。 一个快乐的DataCamp for Business客户是Nielsen,该公司正在利用该公司的课程,使其在数据科学和分析方面的技能“提升技能”。 “课程的广度和质量,学习的动手实践方法,通过浏览器内编码练习,一次解释一个概念的简短视频,以及通过DataCamp社区提供的资源深度,为了满足整个组织对数据流畅性的更广泛需求,“尼尔森数据科学全球培训负责人Francesca Farinati表示。 DataCamp每个学生每月收费25美元,并提供企业和专业级别,分别为每位用户499美元和300美元。(“专业”客户错过了高级报告,数据导出,单点登录和数据API等功能。) “我们支持这项投资的论点很简单:随着企业在数据驱动的基础上更加有效地竞争,无论公司规模或行业细分如何,对提高数据流畅性的需求都是普遍的,”Spectrum Equity董事总经理Steve LeSieur ,对今天的公告说。“DataCamp首席执行官Jonathan Cornelissen,他的联合创始人以及团队其他成员所建立的平台,最适合通过独特且快速发展的产品平台和高度参与的全球社区来满足这种爆炸性需求。”   以上为AI翻译,内容仅供参考。 原文链接:DataCamp raises $25 million for customizable online data science courses
    数据分析
    2018年12月18日
  • 数据分析
    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
    数据分析
    2018年12月17日
  • 数据分析
    Leena AI收购VR分析公司VadR 据外媒近日报道,总部位于硅谷的公司VadR已被HR Tech创业公司Leena AI所收购。VadR于2016年由3位IIT德里毕业生创立,其提供的可视化分析工具,可以帮助更好地组织和理解数据。 Apekshit,Abhishek和Shubham提供VR特定指标和智能开放平台,其中的见解可以帮助Leena AI改进和加强其现有产品。  VadR首席执行官Apekshit说:“我们非常高兴能够成为Leena AI解决每一个人力资源问题的一员,并利用我们的能力更好地实施成果,并不断提高他们提供最佳产品的能力,同时制造业内最好的产品。 ” 2018年9月,Leena AI筹集了200万美元的种子资金以扩大规模并获得更多客户。联合创始人Adit Jain随后分享了创业公司的计划,以加倍在印度和亚太地区(超过12家付费企业客户)的市场领导地位,并进军美国市场。  Leena AI由Adit Jain,Mayank Goyal和Anand Prajapati创立,是一名人工智能人力资源助理,可以即时响应员工查询并改善员工体验。目前,该公司已经为可口可乐越南,皮尔逊,马里科,RPG等客户提供支付服务。机器人Leena AI可以通过Facebook集成到Slack,Skype或Workplace中。此外,它们是使用策略文档中的信息以及从Oracle和SAP等各种后端系统中提取数据来构建和培训的。 虽然Leena AI致力于扩大业务,但它与其他HR Tech初创公司(如Bash,Skillate,EdGE Networks,PeopleStrong和Darwinbox等)竞争。    以上为AI翻译,内容仅供参考。 相关阅读:YC新星:人力资源聊天机器人Leena AI获得200万美元种子轮融资 构建聊天机器人,「Leena AI」想帮 HR 回答“年假还剩几天”等琐碎问题 原文链接:Leena AI acquihires VR Analytics firm VadR  
    数据分析
    2018年12月04日
  • 数据分析
    GrowingIO B 轮融资3000万美元 打造更懂用户和增长的行为分析产品 在数据分析行业布局三年后,GrowingIO 正在用产品和服务影响更多的用户,通过打造业内领先的基于用户行为的分析产品和增长整体解决方案,帮助产品经理、运营、增长负责人等落地增长,逐步成为行业的领导者。 2018年10月25日, GrowingIO 宣布获得NEA、经纬中国和Greylock三家投资机构 B 轮融资 3000万美元,成为行业内同等轮次融资金额最高的公司。 并发布了基于用户全生命周期分析和运营的整体产品新战略, 推出了小程序分析、可视化定义指标、用户画像、全平台用户行为数据采集、全获客渠道分析等10多个产品功能重大更新。 GrowingIO CEO 张溪梦(Simon Zhang)表示,未来 GrowingIO 将在产品和技术研发、增长服务落地、市场和业务创新上投入更多的资源。“为产品、运营、增长人员,提供更加快速、高效的用户行为分析产品和服务,帮助他们提高转化和留存,打造增长引擎。” 产品更贴近业务 从2015年5月创立 ,将“增长黑客”概念引入中国,以用户行为分析产品开始帮助客户落地增长实践,GrowingIO  一直走在分析产品的前沿。 10月25日,GrowingIO发布了基于用户全生命周期分析和运营的整体产品新战略, 推出了小程序分析、可视化定义指标、用户画像、全平台用户行为数据采集、全获客渠道分析活动运营分析、小程序看数助手等10多个产品功能重大更新。 “从获客监测、到用户激活、再到留存和变现整个用户生命周期, GrowingIO  按照数据采集、图表监测、分析洞察、实验改进的增长闭环,提供更加丰富完善的产品功能和模块,帮助产品和运营人员快速发现问题、提出假设、实验优化,用数据来驱动增长。”GrowingIO CTO 叶玎玎表示。 其中,除了持续改进 Web/Android/iOS 的采集能力,也新增了对于微信生态圈、支付宝小程序的采集能力等。GrowingIO 同时将支持服务端数据采集和提供更丰富的数据对接方式, 不止是交互行为数据,也包括业务行为数据,GrowingIO 支持全平台数据采集。 并新增媒体监测、深度链接、二维码管理和投放映射等,覆盖全渠道数据监测,打通渠道、下载、激活、注册到产品内转化留存的用户数据,支持深度流量分析,精准评估渠道质量。 GrowingIO 增强了数据洞察能力,强化用户画像等功能支持, ”不同客户的留存行为区别、如何快速找到强留存功能,以推送给其他类似的用户分群,提升产品整体留存等这些场景应用,用户此前通常需要分享1-2周甚至更长时间的分析才能获取结果,在我们的新功能上,只需几步操作就能获取到。“叶玎玎介绍。 并依托于 GrowingIO 既有双模数据采集方案和强大的数据分析能力,GrowingIO 重磅推出的小程序分析产品,支持投放-行为-业务数据打通,助力做获客-转化-分享增长分析闭环,不仅满足基础的数据监测和分析,更能支持更深度的转化、留存分析。 比其传统的数据分析工具, GrowingIO 提供一套更为灵活和强大的分析产品。“更快、更容易上手、更专业、更灵活、更懂增长”成为大多数客户选择 GrowingIO 的核心原因。 这主要依赖 GrowingIO的双模(无埋点加埋点采集)分析模式,满足敏捷探索以洞察未知增长点,及稳健监控以监控核心增长点的双重需求。其中无埋点全量实时采集用户行为数据,解放研发人力,减少内部沟通成本,敏捷快速支持创新迭代;埋点打通用户交互行为和业务数据,全面监控核心业务运营指标。 创立之初,GrowingIO 以无埋点技术切入市场,解决用户此前在用户行为数据采集上的工作量大,部署周期长,并且用户个性化需求无法被满足,分析灵活度不足,业务同学做数据分析强依赖产研和分析资源等痛点。 减少业务人员对产研和分析资源的依赖,自行圈选,即可按照业务需求制作指标和图表,随时分析随时优化运营策略。 “GrowingIO对小猪最大的帮助是,它成为一个人人会用的工具,不只是产品经理,用户运营与市场运营都能自助定制一个接地气的观察方法,在上线的第一时间,开启观察与优化的动作。”小猪短租产品副总裁孙朝晖认为,“Growingio 不是在赋权,而是在赋能。”小猪短租早在2016年9就开始跟 GrowingIO 合作至今。 作为 GrowingIO 的技术优势,并随着客户在无埋点技术的使用越来越深入,GrowingIO 不断进行技术迭代和升级,升级数据统计模型及数据模型重构,提高数据采集的稳定和准确性。并新增支持小程序、小游戏、React Native 等,发布 Chrome Web 圈选、实时调试等插件,将机器学习应用在无埋点数据匹配上,迭代圈选元素智能推荐技术,帮助用户更快、更准确的采集所需数据。   不止于产品,更是一整套增长解决方案   不只是帮用户搭建一套数据平台或只是提供一套软件, GrowingIO  在业内首推国内领先的“分析产品+运营实施+增长咨询”数据服务体系,提供一整套增长解决方案,帮企业落地用数据驱动业务增长。 在服务客户的过程中,发现很多客户有很强数据驱动的需求,但过往积累的经验更多是流量运营,比较缺乏增长经验的积累。比如在基础的数据体系搭建上,仍旧处于比较初级和粗糙的状态,即便是一些体量大、较为成熟的企业,其内部也没有建立完善科学的指标体系。 GrowingIO 在业内搭建了首个增长分析师团队,其分析师和技术实施团队在服务了上千家企业后,积累了丰富深厚的行业经验,提供业内领先的电商、互金、在线社交、在线教育、新零售等几大行业场景数据化解决方案。 在客户接入后,GrowingIO 服务团队会安排专业的增长分析师团队帮助客户提供数据规划,技术实施团队快速接入,帮助企业全面梳理并搭建更科学的核心指标体系及增长解决方案,然后由客户成功团队,后续提供全生命周期服务,协助客户落地增长。 并早在2016年,GrowingIO 就推出国内首家以“数据驱动增长”为核心的 GrowingIO 增长学院,和硅谷顶尖增长专家与机构展开合作,将全球更先进、更科学的增长理念和实践系统性落地本土,帮助国内企业管理者搭建增长团队、构建组织增长体系、驱动文化及创新。 随着对客户普及增长方法论的认知、提供最佳实践指导、产品使用培训等全方位服务的深入,在 GrowingIO 服务的客户中,越来越多的公司,包括像快手、滴滴出行等这些一流互联网公司都在搭建增长团队、增设增长职位或增长官。 并像春秋航空、实习僧、热拉、中原地产等一大批增长前沿的实践者,借助 GrowingIO的产品分析、洞察和优化,实现用户整体次日留存率提升3% 、注册转化率提升10%、获客成本仅为行业的20%等实际的增长落地。 目前,GrowingIO 成长迅速,服务了800多家付费用户,客单价同比提升了100%,最新一季度续约金额超期120%完成,其中一些代表性客户合作金额实现从几万到几十万,甚至几百万的提升。 客户既包括头部互联网公司及大量创新成长型公司,如腾讯社交广告、滴滴、快手、陌陌、58同城、人人贷、宜人贷、点融、花椒、造作、自如、小猪短租、途家等;也包括中国移动、云南移动、中移在线、海尔、方太、上海链家、春秋航空、华住酒店集团、首旅如家、顶新、新东方等大型企事业客户的线上业务;其中销售易、北森、下厨房、猎上、狗民、小猪短租等,都是 GrowingIO 自创办至今连续三年续约的忠实客户。 其实早在今年2月,GrowingIO  B 轮融资已经完成。做为 GrowingIO 最早的投资机构,经纬创投董事总经理熊飞认为自己正见证一个伟大公司的创立,他表示,“我们认为中国企业对增长以及如何精细化运营流量的需求非常巨大,Simon正逢其时地把硅谷先进的实践经验带回中国落地,我们看到越来越多的用户通过 GrowingIO 有效提升 ROI,加速他们的增长。而 GrowingIO 自身在客户数和收入额过往三年也在快速增长。” 美国最大投资基金之一 NEA 亚洲区主席 Carmen Chang 表示,“我们投资一家公司,几乎都是因为团队创始人、团队和他们的愿景。我们听说了很多 Simon 的事,他在圈内、特别是 LinkedIn 都很受尊敬,他在 LinkedIn 带领整个数据科学团队,现在他在国内也组建了一支优秀的创始团队。 促使我们投资他的一个重要原因是,他对公司的使命有着非常宽广的视野,对公司的业务有着巨大的热情。” NEA全球管理合伙人 Scott Sandell 同时表示,“GrowingIO 让客户能够更快更高效的获取、分析他们的用户行为数据,并制定策略采取行动。这在中国至世界各地都有非常巨大的需求,我始终认为,它最终将是一家全球性的公司,所以我们决定继续领投 GrowingIO。“ 目前产品、运营、增长等人群仍是个年轻、创新的群体,还处在早期成长阶段,远未到爆发阶段。“从现状来看,可能是个10-20亿元的市场。但这是潜力巨大的市场,未来可能有10倍,甚至更高的增长。”他认为。 虽然行业仍处在早期成长期,但如何使用数据驱动增长,正在被越来越多的企业快速吸收理解,并创新应用,“用户的学习和成长速度,用户使用时长、使用度和活跃度比我们想象得更长、更深、更高。”张溪梦认为。 GrowingIO  数据后台显示,目前,其采集日均用户行为消息数达到2000亿条,同比增加了100%;监控指标总数达百万规模,增长了 60%。 不过,张溪梦仍认为这是个慢生意,需要有足够的耐心。“一方面技术、产品的门槛,没有人能够跳跃式地跨过,数据分析是数据平台、技术架构等各种能力的综合;另一方面,能否在未来的每个月、每个季度都持续把握住客户需求,并将客户实践积累出的经验转化成产品和服务。GrowingIO 还需要不断努力,以实现给客户带来价值,用数据驱动增长。”   原文链接: GrowingIO B 轮融资3000万美元 打造更懂用户和增长的行为分析产品
    数据分析
    2018年10月25日
  • 数据分析
    Workday People Analytics:利用人工智能、机器学习和增强分析的优势 文/Pete Schlampp 有人说,数据是新石油。但是几乎在所有公司,其生成的数据远远超过他们能够分析利用的数据。而在很长一段时间里,Workday的目标都是帮助公司从数据中汲取有价值的见解。从内置报告和分析开始,随着Workday Prism Analytics和Workday Data-as-a-Service的推出,随着数据量、速度和种类的增长,Workday扩大了产品范围,帮助客户充分利用他们的数据。 Workday Prism Analytics致力于开放性和将非Workday的数据引入系统,是您的财务和人力资源团队的数据中心。今年夏初,Workday通过收购增强分析的市场领导者Stories.bi,在分析之旅中又向前迈进了一步。 今天,我们很高兴地宣布Workday People Analytics,是一个全新的应用程序,它将向高管、组织领导人和人力资源业务合作伙伴提供关于他们的员工队伍中最关键的趋势视图,以及了解趋势的最可能的驱动因素。它将利用强大的人工智能(AI)、机器学习和增强分析技术,提供动态创建的关键指标,并伴有解释性叙述——我们称之为故事。   How We Got Here 首先需要一些背景。注意让Workday People Analytics与我们现有的产品一起工作。由于Power of One,Workday有一个数据模型,因此我们的应用程序能够非常轻松地处理有关人员的数据。对于Workday人力资本管理(HCM)的客户来说,Workday People Analytic将利用这些数据进行开箱即用。即使对于那些不使用Workday HCM的客户,他们也可以通过Workday Prism Analytics从任何HCM系统中引入外部数据,因此这些见解仍将可用。   That’s Great, Now What? 其次,我们必须以更好的方式将有价值的信息交给高管。因此,Workday利用了增强分析将许多应用于企业问题的AI功能集合在一起,包括: 自动模式检测功能,可以查找人类可能看不到的重要变化 图形处理以查找大量数据集之间的连接 机器学习预测最重要的问题供您查看 用自然语言来解释一个简单的故事中发生的事情 Workday的人工智能将搜索数百万种可能的数据场景,并确定优先级,以故事形式自动向高管推送个性化见解。故事为正在发生的事情提供了一种自然的语言解释。洞察力可以是积极的,也可以是消极的——它们只是你应该知道的事情。它们会自动地对你的数据进行更深入的挖掘,并告诉你为什么会这样。这为领导者提供了在做业务决策时所需要的基本信息。   See What Matters Most Workday People Analytics是我们第一个使用增强分析的地方。它将为管理人员,组织领导者和人力资源业务合作伙伴提供可操作的指导,将动态创建的故事与静态内容相结合,涵盖组织构成、多样性、招聘、保留和人员流失以及人才和绩效等方面。 您将看到最重要的事情,以便您可以在最短的时间内做出最佳决策。这将使得组织的行动,创新和学习速度更快。 Workday People Analytics不是自动生成针对特定问题的预测,而是提供一种叙述,以指导管理人员在一个广泛的领域中找到聚焦点——无论是具体的团队、位置、客户还是产品线。它使用机器学习来预测和展示真正重要的东西。换句话说,Workday People Analytics会告诉您需要了解的内容。 例如,一位人事主管可能会收到一条消息,表明新员工流动总体上有所增加,他们不仅应该关注伦敦的销售组织,还要考虑薪酬以及特定的招聘经理。该应用程序可帮助领导者专注于影响其业务的最重要问题,并回答以下高价值问题: 招聘过程中的瓶颈是什么? 该组织多样性的五大趋势是什么?我们作为一个社区如何发展? 整个组织可以从哪些卓越的领域中学习? 我们在哪里看到异常高的磨损?它背后的驱动力是什么? 因此,信息负载减少了1000倍——你会发现什么是最重要的,这样你就能在最短时间内做出最佳决策。组织行动、创新、学习更快,形成良性循环。   Future’s So Bright… Workday People Analytics只是一个开始,我们很高兴能够进入数据的新时代,超越自助服务,进入人工智能能够有效预测的世界。未来,我们将在所有Workday的产品中应用增强分析。Workday People Analytics将于明年秋季提供给早期用户,通常在2019日历年末提供。单独销售给Workday HCM客户,它将作为Workday Prism Analytics的一部分提供。我们确信好戏还在后面。   以上为AI翻译,观点仅供参考。 原文链接:Announcing Workday People Analytics: Leveraging the Strength of AI, Machine Learning, and Augmented Analytics
    数据分析
    2018年10月06日
  • 数据分析
    为什么预测分析(Predictive Analytics)是人力资本管理改变的关键? 文/ Chiradeep BasuMallick 这是一个由数据推动的时代。对于人力资源专业人士来说,数据驱动的人力资源分析有助于简化战略规划,改善决策,使员工能够从公司更智能、更有吸引力、更高效的生命周期中获益。在这种情况下,预测分析可以改变核心人力资本管理(HCM)过程,如员工流失管理、员工情绪监控、人才获取和能力规划。 通过预测人力资源分析能力,HCM解决方案将真正改变上述所有情况。让我们来看看几个关键的影响领域: 对员工进行剖析,并进行准确的分类 有了大量关于技能、教育和背景经验的员工数据,预测分析可以帮助评估每个员工的准备程度。这确保了最适合的申请者被雇佣,新员工被分配到最合适的岗位。企业还可以了解哪些员工最值得拥有,并根据未来的结果预测,制定员工福利计划。 管理员工流失率,衡量员工忠诚度 通过预测性人力资源分析,人们可以建立复杂的模型,根据有关员工潜在流失的数据生成触发器。HCM解决方案通过将员工流失风险因素与绩效数据相结合,可以准确判断员工的工作效率,检查员工流失率,并专注于提高员工忠诚度和员工福利计划。 预测能力和招聘要求 人力资源分析可以通过对最佳资源可用性、需求可能下降或上升以及其他有用的细节进行正确的检查和平衡,从而确保人员配备。这也将有助于招聘团队掌握工作量,确切知道需求何时会激增,以及如何填补缺口。与此同时,由于准确的产能预测,您的员工也可以减轻工作负担。 员工情绪分析 到目前为止,这是人力资源分析最重要的益处。除了年度调查或反馈机制外,预测分析还能帮助评估员工对自己在公司的角色的看法。通过跟踪员工对不同话题的看法,跟踪他或她在社交媒体上的数据,绘制他们的绩效图,我们可以分析员工的动机商数,留在公司的愿望以及与企业目标一致性程度。然后,这将继续促进成果、精简增长、有利于重新调整员工福利计划,精简对核心业务目标的关注。   结论——未知的领域和灿烂的前方道路 对于人力资源团队来说,对预测分析如何帮助日常任务分配感到有点不确定是很正常的。然而,今天,全面的HCM解决方案必须包含这些关键的预测分析组件,帮助揭开高度复杂和竞争激烈的市场的神秘面纱。 最后,预测性人力资源分析将创造有意义和令人满意的员工体验,带来真正的长期利益和关系建设。   以上为AI翻译,观点仅供参考。 原文链接:Why Predictive Analytics is a Game Changer for Human Capital Management
    数据分析
    2018年09月28日
  • 数据分析
    LinkedIn推出Talent Insights,正式涉足商业智能领域 文/Ingrid Lunden LinkedIn ,一个专门发布个人或组织专业档案的公共网站,人们将其视为网络招聘的起点,如今这项服务已经吸引了超过5.75亿用户,2000万家公司和1500万活跃职位列表。但现在在微软的所有权下,该公司已经开始越来越多地构建其它服务; 今天看到最新的服务是它们推出的一个名为Talent Insights的新功能。 Talent Insights之所以重要,部分原因在于它是LinkedIn首次涉足商业智能。作为该企业分析的一个分支,它旨在帮助高管和其他企业最终用户做出更明智的业务决策。 此外,Talent Insights值得注意是因为它是趋势的一部分。LinkedIn已经推出了许多其它服务,使其不仅仅是一个单纯的社交网络,而更多的是IT生产力工具。它们为用户提供了一种查看和计划前往潜在工作(或其它业务)的通道; 与Microsoft软件集成,包括与Word 和Outlook中的简历构建集成 ; 并在其Sales Navigator 产品中添加更多CRM工具。 有趣的是,距离LinkedIn 首次宣布Talent Insights 到今天实际推出已有一年。该公司表示,部分原因在于期间一直在修补它的缺口以使产品完善:它一直在与众多客户间进行测试——现在有100个使用Talent Insights——比如在人力资源、招聘和营销等部门工作的员工。 今天推出的产品大致类似于公司一年前预览的产品:它有两个部分,一个专注于公司人员,称为“人才库”,另一个专注于公司数据,称为“公司报告”。 其中第一项将允许企业在LinkedIn数据库中进行搜索,以发现那些与企业已经招聘过的人才特征相似的人才,并找出他们目前的位置(就位置和公司从属关系而言),以及他们动向,他们可能有什么共同的技能,以及如何更好地发现那些拥有所有这些特征的人。 第二组数据工具(公司报告)提供了类似的分析概况,比如关于您的组织以及您希望在相关教育水平和相应劳动力学校等领域与之进行比较的组织; 员工拥有或不拥有的技能; 等等。 运营Talent Insights的高级产品经理Dan Francis在接受采访时表示,目前用于为Talent Insights提供支持的大部分数据主要来自LinkedIn本身,尽管还有其他数据来源,例如来自劳工统计局的材料。(事实上​​,即使是LinkedIn的其它一些数据库,例如在其招聘列表中,甚至在其新闻/内容播放中,填充两者的材料都来自第三方。) 他还补充说,让公司提供他们自己的数据来使用数字运算——无论是他们自己的报告还是其他公司的报告 - “在我们的路线图中,”表明LinkedIn看到了这个产品的一些进程。 添加更多数据源也可以帮助公司显得更加公正和准确:虽然LinkedIn在专业配置文件方面是庞大的,也是同类信息中最大的信息库,但它并不总是准确的,比如在某些情况下可能完全受过时了或故意误导的信息影响。 (相关:LinkedIn还没有为人们发布任何“验证确认”的个人资料,例如你在Facebook或Twitter上发布,以证明他们是他们所说的人,他们在工作的地方工作,以及他们的背景这是他们声称的那样。我猜测可能是如果是错的,以明确的方式验证一切是非常困难的,所以LinkedIn依靠公众监督的力量来保持人们的诚实度。) “我们对此非常透明,”Francis说。“我们并不认为这是一种全面的产品,但它是一种代表性的样品。在确保数据质量良好方面,我们非常谨慎。我们知道有时数据并不完美。在某些情况下,它是方向性的。“   以上为AI翻译,观点仅供参考。 原文来源:LinkedIn steps into business intelligence with the launch of Talent Insights
    数据分析
    2018年09月26日
  • 数据分析
    名企都在用的5种HR数据分析 文| bernard marr   HR数据提供了一种方式,使我们可以做出更好的与人相关的决策,更深入地了解员工的感受,并提高绩效。   让我们看看人力资源团队通过数据分析增加价值的一些出于意料的方式。 寻找令人兴奋的新招聘渠道   我最喜欢的例子之一来自沃尔玛对数据分析师的创造性搜索。他们不是通过传统渠道进行广告宣传,而是在Kaggle上提出挑战。   Kaggle是一个众包的分析竞赛平台,“扶手椅数据科学家”将其技能应用于公司提交的任何分析问题。那些在沃尔玛的数据挑战中表现出色的人在该公司获得了一份工作。   根据沃尔玛技术部门的高级招聘人员Mandar Thakur表示,由于这次挑战,有几个人被聘请加入沃尔玛分析团队,其中包括沃尔玛技术部。如果根据他们的简历,招聘部门则根本不会考虑采用他们。   在赛车运动的世界里,日产也通过一个不寻常的渠道招募:赛车视频游戏!日产与索尼合作创建GT Academy,这是一项全球性年度比赛,旨在发现最佳游戏车手,并将其变为真实的赛车手。每年都有数十万的人希望参加​​比赛。   所有在过去几年中脱颖而出的获胜者仍然在比赛,这证明了日产的这种招聘渠道是有益的。   人力资源团队的外包:不要等待最好的人才主动敲门。找出你理想的人才留在哪里,并将你的招聘工作集中在那里。   参与和激励员工   行为分析公司Humanyze提供的电子徽章可以捕捉员工对话中的信息,包括对话的长度,涉及的语气,人们打断的频率,表达移情的程度等等。   一家大银行利用这项技术注意到,其表现最出色的呼叫中心工作人员是那些一起休息并集体放风的人。   基于这些知识,银行实施了群体休息​​政策。结果?员工的绩效提高了23%,压力水平下降了19%。   此外,IBM使用情绪分析来收集员工帖子在其内部社交网络平台上的见解。   例如,当IBM正在检修其绩效审核系统时,该公司转向内部网络,要求员工对新审核系统的想法提出反馈意见。他们收到了数以万计的回应。   使用Social Pulse文本分析软件,IBM表现出一种普遍的担忧:员工不喜欢他们的日常表现被曲线分级。   得益于数据和分析,公司能够及时采取行动,并在绩效评估中对此方法进行折扣。   提高员工的安全和福利   钢铁生产商North Star BlueScope Steel一直与IBM合作设计一项安全计划,该计划将IBM Watson的认知计算能力和传感器整合到腕带和头盔中。   这个名为IBM Employee Wellness and Safety Solution的项目实时向工人和主管提供安全警报。例如,如果技术检测到工人没有移动,并且他们的心率和高温增加,这可能意味着他们正在遭受劳累或者甚至是极度高温的压力。   在这种情况下,可以提醒主管,或者建议员工休息一下。   在另一个例子中,澳大利亚Seeing Machines公司开发了采矿卡车技术,跟踪驾驶员的眼睛,以便发现驾驶员的疲劳。   该系统使用摄像头,GPS和加速计来跟踪眼睛和眼睑的运动,例如司机眨眼多久,眨眼持续多久以及眼睑移动速度有多慢 - 即使司机穿着它也可以做到这一切墨镜。当驾驶员闭上眼睛的时间超过1.6秒时,卡车内会发出警报 - 座椅内部产生噪音和振动。   然后,如果再次触发警报,则会通知调度员或主管,以便他们可以通过无线电与司机联系。   人力资源团队的收获:技术,特别是传感器,已经帮助工作场所更安全了很长一段时间 - 想想烟雾报警器,安全和进入系统等 。 但现在,由于大数据和分析,公司能够将员工安全提升到一个全新的水平。   使学习和发展更有效 随着在线学习的兴起,针对个人学习者,企业学习和发展日益变得个性化。在数据和分析的推动下,“适应性”学习技术允许对课程细分,以及对活动和试题进行个性化定制,以适应学习者的偏好,学习速度和最佳学习方式。   个人在线自学也可以说比将员工从工作中抽出一天或一周时间带到昂贵的培训课程上更具成本效益。重要的是,像这样的自我导向学习有助于将持续发展融入员工日常生活中。   达能的在线达能校园2.0就是其中一个例子。这家食品巨头创建了一个用户友好的在线平台,员工可以通过这个平台促进他们的发展并与其他员工分享最佳实践和知识。   人力资源团队的外包:   这一数据驱动的人力资源领域可能不如其他领域发达。但即使只是对目前学校数字化转型的一瞥,大学和高校也指出数据如何以令人兴奋的新方式促进企业学习和发展。   驾驶表现......不疏远人   UPS已经将性能管理中的数据和分析应用到了一个全新的水平。例如,司机携带多年的手持式计算机(你签收的那些智能储物柜告诉你收到了你的包裹)实际上是一种复杂的设备,可以帮助司机做出更好的决定。   例如,哪种订单能够以最高效率递送包裹路线。此外,UPS卡车配备了200多个传感器,用于收集数据,包括驾驶员是否系安全带,驾驶员有多少次需要倒车或掉头。   通过监测驾驶员并在需要时向他们提供反馈和培训,UPS每年减少850万加仑燃料和8500万英里。另外,司机现在每天平均停靠120次。这个数字以前不到100--这意味着使用相同卡车的相同司机现在可以提供比以前更多的包裹。   你会认为如此紧密的监控员工可能会引起员工之间的冲突。但增强的性能意味着该公司可以向其司机支付业内最高的工资,这无疑有助于支持员工购买数据驱动的绩效。该公司还采取了其他措施,以确保他们不会面临司机的反弹;   例如,根据驾驶员合同的条款,UPS不能在没有通知驾驶员他们正在收集什么的情况下收集数据。他们也不能仅仅根据数据告诉他们的信息来对驾驶员进行管理。   人力资源团队的外包: 数据驱动的人力资源可以让企业摆脱传统的,耗时的绩效管理方法,例如年度绩效评估(一般对管理人员和员工都感到恐惧)。   现在,我们可以更经常地(甚至实时)更好地监控实际绩效,并以更具建设性,持续和一致的方式向员工提供反馈意见。      
    数据分析
    2018年05月29日
  • 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
    2018年05月23日
  • 12345