• 机器学习
    【美国】芝加哥一家机器学习招聘公司宣布完成116万美元的融资  一家机器学习技术公司(humanpredictions.io),其产品帮助招募公司和企业识别并建立与科技人才的关系,Humanpredictions今天宣布由Network Ventures领导的116万美元融资,以及海德公园天使的额外投资, SaaS Ventures和M25。这笔资金将帮助Humanpredictions进一步发展并投资于其工程师和数据科学家团队。 “我们很高兴能够帮助Humanpredictions增加其产品,并进一步建立其4400万人的数据库。凭借其强大的洞察力和对招聘人员需求的深刻理解,该产品已经为一系列大公司的技术招聘流程带来了显着的好处。 招聘技术角色可能很困难。由于技术的竞争性,招聘人员往往难以找到既拥有公司所需的正确技能又愿意寻求新工作机会的人。一旦他们确定了感兴趣的人,招聘人员就可能难以按照潜在客户的回应开始对话。 为解决这些问题,Humanpredictions提供有组织的数据搜索工具并收集公共数据,以创建技术行业人员的概况,特别是技术领导者,软件工程师,DevOps,数据科学,产品,iOS / Android,设计师/ UI / UX,和QA。然后,平台使用机器学习来预测哪些人更有可能离开他们当前的角色。此外,Humanpredictions通过指示何时以及如何伸出来促进与人的对话。通过访问这些见解,招聘人员可以更好地定位他们的外展,更轻松地找到正确的匹配,并改善面试过程的流程。 Humanpredictions的联合创始人艾略特·加姆斯评论说:“作为唯一专门为科技行业打造的招聘产品,Humanpredictions是为那些希望招聘技术人才的公司量身定制的。我们知道软件工程师经常对招聘人员持怀疑态度,所以我们希望帮助雇主和招聘公司随着时间的推移与人建立关系。有了这笔资金,我们将能够发展我们的团队,以便您可以帮助您成长。“ Network Ventures的创始人兼董事总经理Jeff Maters补充说:“我们很高兴能够帮助Humanpredictions增加其产品,并进一步建立其4400万人的数据库。凭借其强大的洞察力和对招聘人员需求的深刻理解,该产品已经为一系列大公司的技术招聘流程带来了显着的好处。“ 此次宣布是在Humanpredictions出现重大增长之后不久发布的。该公司每年的经常性收入接近100万美元,其产品已被行业领先的公司采用,包括Trunk Club,Allstate和Emerson等。 关于humanpredictions--  Tech Recruiting Database humanpredictions humanpredictions是一家数据科学公司,其招聘软件可帮助公司寻找技术人才。这家以人为本,以数据为导向的公司提供了一个包含4400万科技行业人员的数据库,以及有关这些人员的见解,以帮助招聘人员找到并与合适的人员联系,以发挥他们的公开角色。Kleiner Perkins,Allstate,Trunk Club,Emerson,CircleCI,IDEO,Tempus,Home Chef和Guaranteed Rate等公司已经使用人工预测来建立自己的团队。要了解有关Humanpredictions的更多信息,请访问humanpredictions.io 或关注@humanprediction。 关注HRTechChina,了解全球HR科技动态。 以上由AI翻译完成。  
    机器学习
    2019年05月13日
  • 机器学习
    Eightfold为人工智能筹集2800万美元,用于雇佣候选人 文/KYLE WIGGERS 找到合格的候选人很难。在美国,从上市发布到可能的员工接受报价的那一天大约需要43天,而带来一个求职者的费用可能高达4,129美元。不出所料,Gartner调查中有63%的高管将人才短缺列为其组织面临的最大风险。 Eightfold寻求通过人工智能和机器学习解决招聘挑战,并且正在筹集风险资本以促进增长。总部位于加利福尼亚州山景城的人才平台提供商近日宣布,它已经筹集了由IVP领导的C系列融资2800万美元,其中包括Foundation Capital和Lightspeed Ventures。资本注入紧随2017年9月的A轮融资570万美元和去年4月的1800万美元B轮融资之后,它将Eightfold的总筹资额提升至5500万美元。 在从隐身中脱身一年后,Eightfold成功吸引了Conagra,Hulu,Affirm,Twilio,AdRoll Group,Tata Communications,DigitalOcean等高端客户以及遍布四大洲的100多家客户,并与包括SAP在内的渠道合作伙伴合作将其产品与人力资源信息系统和申请人跟踪系统(如SuccessFactors Employee Central和SuccessFactors Recruiting)集成。在另一个里程碑中,Eightfold最近成为Aijob的独家工作匹配平台,这是一项将AI用于指导和培训残疾挪威公民的计划。 首席执行官兼联合创始人Ashutosh Garg说:“我们的使命是帮助企业将人才管理转变为竞争优势,同时确定个人的'下一步'。” “我们的人工智能平台使我们能够以前所未有的速度和规模与客户和合作伙伴进行创新和协作。我们不断壮大的团队很高兴和有幸为每个人解决就业问题。” 上图:Eightfold优化的SEO工作列表之一。 图片来源:Eightfold Garg,以前是谷歌和IBM的研究员,拥有超过50项专利和35篇已发表的研究论文,他在2016年创立了Eightfold--其名称是佛教哲学中的八重道路 - 与Varun Kacholia合作,后者曾领导Facebook的News Feed和YouTube的搜索和推荐团队。通过一个由工程师和数据科学家组成的小团队,两人开始着手解决在线招聘中反复出现的痛点:对候选人的工作经历,角色,技能和教育背景的不充分考虑,以及缺乏复杂的分享,外展和分类工具。 “糟糕的职业生涯网站和职位描述阻碍了申请过程,因为他们没有吸引合格的人才,更糟糕的是 - 阻碍不同的候选人,”加格说。“由于任何特定组织内的可用机会过剩,大多数候选人表示,求职中最艰难的一步就是找到合适的角色。” Eightfold带来了一个高度个性化的,机器学习驱动的工作匹配引擎,可以从超过1亿个配置文件中获取数十亿个数据点,为招聘人员,招聘经理和候选人提供建议。它为求职者创建包含其经验,位置,教育历史,简历和简历的帐户,这些算法解析关键功能。 实际上,Eightfold旨在告诉一个人在提交申请之前是否可能被考虑担任某个职位 - 无论他们是内部还是外部候选人。 上图:招聘人员查看按相关性排名的候选人。 图片来源:Eightfold 求职者可以获得公司最适合的角色列表,以及对其技能的相关性评估,以及访问聊天机器人,他们可以讨论工作适合度,福利和工作文化。至于招聘人员,他们能够指定多样性目标、学位水平和其他要求等内容,并可选择掩盖匹配候选人的年龄、性别、种族和地理位置,以尽量减少偏见的可能性。 为此,Eightfold声称其专门调整和消除的算法 - 其中提供了公开可用的网络数据,以产生几乎任何行业中任何业务的“柏拉图理想” - 导致其客户中雇佣女性的集体增加了19% 。 除了使用人工智能之外,Eightfold还通过提供优化搜索引擎优化的工作页面和一键式申请流程以及支持公司简介(包括视频)的自定义内容,从众多竞争对手的竞争对手中脱颖而出。此外,对于客户现有的员工,它提供了一个职业规划师,可以预测职业发展轨迹,并提供职业教练的访问权限。 Eightfold声称,截至目前已处理的2000多万份申请中,招聘人员节省了80%的时间,合格候选人增加了200%,租金成本降低了60%。此外,它表示即使对涉及数百万条记录的请求,它也可以在亚秒级的时间范围内提供结果。 人工智能驱动的人才招聘工具正迅速成为一打,这也就不足为奇了。从理论上讲,它们为雇主提供了对候选人的个性,历史和经历的更深入了解,而不仅仅是封面信件和简历。像创业Eightfold和 Vervoe自来水机器学习算法来评估潜在的员工的技能,而ZipRecruiter和实际上 使用它们来搭配求职者,否则他们可能越过企业。 尽管竞争日趋激烈,但Garg认为,Eightfold有能力扩大其在2000亿美元招聘市场的影响力。 “在Eightfold中,我们将焦点从模糊的要求列表转移到候选人最关心的内容 - 他们将要做的工作,他们将与之合作的人,以及他们获得工作的可能性,”他补充道。“无论候选人是否最终被聘用,具有申请公司工作经验的候选人更有可能购买其产品,并建议其他人申请在那里工作。” 以上为AI翻译,内容仅供参考 原文链接:Eightfold raises $28 million for AI that matches job candidates with employers 相关阅读:Eightfold使用AI为求职者匹配空缺职位
    机器学习
    2019年04月25日
  • 机器学习
    劳动力分析技术公司Claro Workforce Analytics筹集到110万美元的新资金加速增长 2月27日,Claro Workforce Analytics是一个独特的劳动力分析平台,帮助企业提高员工敬业度,减少自愿离职,并更快地发现多样化人才。融资所得将用于加快产品开发和客户拓展。此外,贝塔贝雅的Jim Feuille将加入Claro的董事会。 互联网和社交媒体继续改变着人们交流和思考职业的方式。从人才获取到员工参与,这种模式的转变为将可操作的、数据驱动的员工洞察力推进到所有人力资源战略的前沿铺平了道路。最近的研究也证实了这一趋势;根据Transparency 市场研究,劳动力分析市场预计将以10.8%的年增长率增长,到2026年达到24亿美元。 为了利用这一趋势,Claro扩大了销售和市场营销的力度,并聘用了一些关键的新员工,包括Craig Katz担任高级销售副总裁,Jarrell Chalmers担任市场经理。 Claro独特的技术平台使组织能够结合内部和外部的劳动力洞察力,充分利用集成劳动力分析的力量,帮助吸引不同的人才,留住有价值的员工。普华永道(PWC)最近的一项调查显示,“63%的首席执行官表示,技能的可用性是一个严重问题”,而“93%的首席执行官表示,他们认识到有必要改变吸引和留住人才的策略”。 威尔逊(John Wilson)表示:“为了在当今的全球就业市场保持竞争力,高管层和人力资源领导层应该就公司的人才战略达成共识。”他接着说,“Claro技术使我们能够帮助我们的客户做出数据驱动的决策,包括识别和留住不同的人才,提高员工敬业度,以及进行劳动力供求规划。通过Claro,我们为客户提供相关的、可操作的人才市场洞察力。” Claro使用机器学习算法来调整和丰富不同的信息和专有的元数据,包括新J-Score®,已成为标准的在线测量工作寻求行为。领先的组织越来越多地依赖于Claro独特的人才洞察力来帮助他们做出更好的决策。 Claro首席执行官迈克尔•贝格尔曼(Michael Beygelman)表示:“Claro的客户正在利用我们先进的人才市场地图和分析工具,帮助他们在这个紧张的劳动力市场中识别和留住顶尖人才。”Beygelman继续说道:“我们也看到越来越多的客户使用Claro技术来加强传统的员工敬业度调查,帮助识别潜在的人才保留风险,并对潜在的职场偏见进行预警。” “Claro正在开发一种独特的技术,帮助企业在人才市场和员工方面做出更好的决策,”法尔茅斯风险投资有限公司(Falmouth Ventures LP)董事总经理、Claro董事会主席丹尼尔•弗劳利(Daniel Frawley)说。Frawley继续说:“数据讲故事正迅速成为开发和交流商业战略的首选方式,而劳动力分析领域处于领先地位,而Claro在这个新兴领域处于领先地位。” 以上为AI翻译,内容仅供参考。 原文链接:Claro Workforce Analytics Aims To Accelerate Growth With New Funding And Strategic Hires
    机器学习
    2019年03月06日
  • 机器学习
    帮助企业数据录入的机器学习初创公司HyperScience获3,000万美元B轮融资 把人类可读数据转换成机器可读数据的机器学习公司HyperScience今天宣布,由Stripes Group牵头、现有投资者FirstMark Capital和Felicis Ventures、以及新投资者Battery Ventures、Global Founders Capital、TD Ameritrade和QBE共同参与的3000万美元B轮融资已经结束。 2016年,HyperScience推出了一系列专注于医疗、保险、金融和政府行业的企业产品。原始产品HSForms(由手写形式转换为数字数据输入处理),HSFreeForm(做了一个类似的功能为手写电子邮件或其他non-form内容)和HSEvaluate(这可以通过复杂的数据解析形式,帮助保险公司索赔批准或拒绝撤出所有相关的信息)。 现在,该公司已经将这三种产品合并成一个名为HyperScience的产品。该产品旨在帮助公司和组织减少数据输入积压,更好地为客户服务,节省资金和资源。 我们在生活或工作中使用的许多表单都是任意格式的。我的银行对账单和你们的不一样,你们公司的发票可能和我公司的发票不一样。 HyperScience能够在没有人类帮助的情况下,将这些形式迅速、轻松地导入系统。 HyperScience不是按座位收费,而是按文件收费,因为仅仅使用HyperScience就意味着实际“使用”该产品的人会更少。 最新一轮融资使HyperScience的总投资达到5,000万美元,该公司计划利用其中很大一部分资金来壮大团队。 该公司首席执行官彼得•布罗德斯基表示:“我们的产品非常有效,与市场的契合度也非常好。”“决定我们成功的是我们建立和扩大团队的能力。”   以上为AI翻译,内容仅供参考。 原文链接: HyperScience, the machine learning startup tackling data entry, raises $30 million Series B
    机器学习
    2019年01月17日
  • 机器学习
    Hans Mangelschots : 2019年人力资源七大趋势 文/Hans Mangelschots 随着年底的临近,所有人力资源趋势观察者或影响者都在公布他们对下一年的预测,各种形式的人力资源技术都是绝对的赢家。另一方面,研究也告诉我们,对于目前人力资源技术在人力资源方面的能力还存在着各种各样的疑问。 是时候清理一些流行词汇,并给出2019年人力资源七大趋势(幸运的数字7),基于在几个人力资源技术领域的投资,商业方面的紧迫感和人力资源对人力资源技术的信任/信念。 全球趋势 随着人们对人力资源技术的日益关注,人们对工业4.0以及数字转型背后的机遇的认识正逐渐深入商界。这带来了许多流行词,它们有时更像是炒作,而不是救命稻草。稍后会详细介绍。与此同时,招募,保留和L&D的挑战已经过了否定阶段。 Fosway公司与欧盟人力资源主管的一项研究表明: 75%的公司计划购买人力资源技术来应对未来的挑战 86%的受访者表示,终端用户体验是购买新人力资源技术的关键驱动因素 95%的人认为准确的数据和分析对于他们人力资源运营的成功非常重要 然而,66%的人力资源主管认为,当前的人力资源技术还没有做好准备,因为业务重心越来越倾向于对人力资源领域产生影响的人员问题: 就业率 提高商业文化和实践的透明度 代际转移和技能差距 多样性、包容性、性别平等...... 全球趋势对投资市场产生了影响,人们对人力资源技术的关注正在增长。 (来源:HR Federation。注:graph不包括SAP以80亿美元收购Qualtrics、以5000万美元收购Workables以及其他一些项目。) 2018年最受投资者欢迎的人力资源技术类别有: HCM 人才获取 人才管理 2018年最受投资者欢迎的人力资源技术分类为: Jobboards /市场(TA) 协作与沟通(HCM) 学习与发展(TM) “似乎随着新产品每天进入市场,从初创企业到市场领先的传统供应商,全球投资者都在争相进入人力资源技术领域。——HR Federation” 趋势1:薪资体系创新 您的工资单是基于云计算的吗?如果你想在连接其他工作与生活应用程序时降低成本,那就应该这样做。研究表明: 工资单系统的部署时间长短对工资单应用程序的替换计划有影响 计划在未来12个月内更换现有工资单应用程序的机构报告称,他们的系统已部署了8.62年(平均而言) 计划在未来两年内更换现有工资单应用程序的机构,报告其系统已部署10.85年(平均而言) 然而,工资是公司的支柱,而创新对员工的核心承诺听起来并没有那么糟糕。考虑到这些薪酬系统的遗留问题和Windows XP特性(无意冒犯比尔•盖茨)…… 40%的人力资源主管计划在未来两年内改变他们的薪酬体系,45%的人将对他们的核心人力资源系统做出同样的改变。 薪酬透明度是一种趋势,到2019年将更广为人知,因为性别平等、多样性和包容性将成为更热门的话题。同样的工作,女性的收入是男性的80%并不合理。你希望人们知道你会平等对待他们。 Linkedin宣布了他们新的招聘模块——包括薪酬透明度 薪酬建模(Pay Modeling)是另一种趋势,明年将更加流行。在这个时候,一个自助服务的员工已经有可能挖掘他的工资单,看看他的扣除额减少了多少,以及他享受的其他公司福利是什么。 在未来(当法律问题得到解决),员工将有可能建立( Modeling)他的工资单,在他需要的时候得到他想要的。 也就是说,当员工在宠物保险上获得折扣,但他没有宠物时,该员工将有可能将这项福利转变为另一项,比如将宠物保险换成牙科保险。 事实上,根据法律问题的不同,结合员工的反馈,创造一个独特的奖励系统的可能性是无穷无尽的。 趋势2:人工智能/机器学习的实际应用 第一:让我们消灭这个流行词 AI是一个流行词吗?是的,正如“算法”被严重高估为一个数学公式一样。 人工智能的明确定义是:“能够执行通常需要人类智能的任务的计算机系统的理论和发展”。 从这个角度来看——想想任何一种机器——人工智能不是已经陪伴我们几十年了吗?比人类更聪明的发展是最近才出现的,但仍然…深蓝是于1996年第一台真正打败世界冠军的国际象棋计算机。也就是说,如今人工智能的炒作实际上(99.9%的案例)是关于机器学习(和深度学习)的。 然而,人工智能是一个很好的开场,但在这一点上,它往往过于抽象。人们想知道人工智能能为他们做什么,人力资源也不例外。 人力资源与机器学习 当使用机器学习实现人力资源流程自动化时,人力资源想要知道有哪些可能性,而人力资源主管感兴趣的是人工智能的使用——而不是人工智能本身; 76%的人希望采用预测分析 70%的人想要采用聊天机器人 58%的受访者希望采用候选名单 58%的公司希望采用仪表板和报表 由于机器学习的使用有很多的关注和优势,HR必须小心:太多的自动化会导致去人性化,这往往会对员工体验产生负面影响。 到2019年,这项技术将以更坚实的形式出现,并将用于几个人力资源类别。由于2017年的大量投资流向了人工智能和机器学习在某些人力资源子类别的开发,我们预计这些开发将在2018年进行,并将于明年投放市场。 趋势3:全面福利发展 全面的人才发展将演变为全面的福利发展。员工将被置于他工作和生活经验的驾驶员位置。 不是平衡两者,而是工作和生活都是个性化的体验。为了实现业绩和保留,人力资源部必须把员工作为一个整体来看待——在整个员工生命周期中关注员工的体验。 不仅包括健康,还包括观察员工的生活,以及雇主在已经做出的承诺之外可以给予的额外价值,比如财务建议或帮助,团体折扣,健身基金,学生贷款,支付方式等。 特别是当人力资源向个人层面的消费越来越高,来满足未来员工的期望。提供这类功能的自助服务技术,结合薪酬模型,由于需求只会在一段时间内增长,因此预计将有一个美好的未来。 趋势4:学习是新的招聘/招聘是新的学习 技能差距不仅仅是一个内部问题,而是需要通过学习和发展来解决。某些技术已经创造了一种可能性,可以在潜在的新员工被聘用之前通知和教育他们,不管他们的技能如何。 招聘将把学习带到更远的地方。也就是说,通过在内容(营销)策略中为可能的候选人提供学习内容,公司将在吸引和教育这些“追随者”的同时——吸引品牌大使来提升忠诚的技能。 这一原则也适用于当前的工作人员,再加上微型学习平台,这些工具有潜力建立和保留领域知识,提高雇主品牌和员工/候选人的经验。 学习技术被消费化和游戏化所打断,因此对投资者来说,投资技术非常有趣,这意味着人力资源开发的质量。 55%的人力资源主管计划在未来两年内改变他们的入职技术 48%的人力资源主管计划在未来两年内改变他们的学习和发展 Facebook将LinkedIn作为职业门户网站,提供电子学习、扩大师徒关系和职位功能 提供以上建议的微型学习和入职培训解决方案是为未来准备的,因为学习可能会成为新的招聘方式——在学生或失业时,在教育和个人成长方面给予候选人额外的优势。 趋势5:生动的(VR)候选人体验 当谈到招聘时,这种趋势将继续以生动的候选人体验让未来的求职者感到惊奇,以可持续的工作匹配来吸引和告知他们。 像虚拟现实和增强现实这样的功能将在2019年蓬勃发展,因为第一个例子早已在几年前进行过实验。 2018年,这些实验在招聘策略和补充人力资源技术方面进行了尝试和实施。明年,这些实验将在人力资源技术整体提供以及补充技术方面实现一个更具结构性的重点。 英国陆军招募新成员使用VR“让他们体验战斗前线的真实感受”。 挪威陆军的试验包括一个使用VR的坦克虚拟驱动器。 威勒门集团(一家比利时建筑集团)提供了一个“走进你的未来”的机会,这实际上是一种为他们工作的体验,为他们所有的形象服务。这样候选人就能有一个清晰的视角。 趋势6:技能量化 随着学习和发展成为员工敬业度和留住员工的关键驱动力之一,企业将着眼于自己的员工来填补技能缺口。 51%的人力资源主管计划在未来两年内改变招聘/人才获取方式 51%的人力资源主管也计划在未来两年内改变或进入分析领域 通过将所有员工的硬技能和软技能与新员工的技能相结合的能力,将个人资料和职能划分为任务和角色的趋势,可以通过项目工作的内部市场加速内部人才流动。 人力资源部门不会看到人才离开公司,而是会重新审视如何留住最有价值的员工,或者如何从长远来看找到她/他。 他们将任务划分为特定的角色和微观技能,而不是将工作视为一个整体。有远见的雇主甚至会考虑将内部的职业市场与外部的职业市场结合起来完成工作。 随着人力资源科技市场有一整套新的解决方案来优化其内部人才的使用,这些公司现在正在寻求内部采购和外包之间的平衡——或者深入了解他们的劳动力技能,以及来自组织外部的投入来交付基于项目的工作。 随着技术的发展,通过可靠的人员分析,它将变得更具可操作性,因此对潜在的投资者来说很有趣。人力资源部的建议是,在这些技术以更高的价格提供之前,要灵活地进行调整。 趋势7:把事情做好 随着新的人力资源领导进入人力资源,他们也是劳动力的一部分,并通过这样的变化。结合非IT人员(即业务人员)对人力资源价值感知的变化:员工体验已经成为核心关注点。 这些都是2019年人力资源部门的工作。为获得分析提高效能,沟通和协作将是员工体验的特点。 51%的人力资源经理计划在未来两年内改变他们的绩效管理,提高他们的经验。 91%的人力资源领导者表示,提高绩效和盈利能力是首要目标,86%的领导者相信,最终用户体验的质量是改变人力资源系统的首要驱动力。 新技术能够从求职者那里获取反馈,以减少偏见,人力资源解决方案也更多地嵌入到沟通和协作平台中,这些平台能够识别领导者与团队沟通的时间和方式。 在反馈分析、机器学习和工作流程管理的支持下,这可能会导致人力资源和员工的行为发生变化。这也意味着投资者对他的人力资源技术类别的关注将会增加。 为什么SAP以80亿美元的价格收购了Qualtrics ?“因为它是关于体验的”——Josh Bersin 领导者起立 人力资源在2018年经历了漫长的发展,终于觉醒了。当这些7大趋势冲击到你的组织,并与最终用户(保证准确的数据)合作时,HR将坚定地面对未来的挑战。 尽管如此,随着人力资源技术将在2019年进入市场,人力资源思维也在以同样的速度发生变化。意识到在流程和经验方面进行结构性变革需要一个全面的战略,人力资源部门最好不要依赖运气。 事实上,人力资源并不需要运气——它需要的是能够带领公司走向前人未曾涉足的领域的领导者。   以上为AI翻译,内容仅供参考。 原文链接:How your HR can get lucky in 2019
    机器学习
    2019年01月04日
  • 机器学习
    AtScale筹集了5000万美元,将机器学习引入云数据管理 据外媒报道,AtScale今日宣布结束5000万美元的融资,将更多机器学习纳入其数据管理服务。该公司帮助企业从内部部署和云服务器中提取数据,以打破孤岛,池数据集和连接商业智能工具。 AtScale还帮助公司从数据仓库和在线分析处理(OLAP)系统访问数据,从AWS Snowflake,Google BigQuery和Microsoft Azure SQL Data等服务中提取数据。 “我们都知道,人们希望迁移到云端,但是对全球2000有一些实际的抑制因素,这意味着他们建立了所有的数据管理和架构”,首席执行官克里斯林奇说道。“这是我们在市场上的真正机会。我们可以将大数据工作负载带到云端,因为我们消除了阻碍。” 这笔资金将用于为AtScale产品带来新的人工智能功能,目标是协助企业进行数据驱动的决策。为了实现这一目标,AtScale将在波士顿,蒙特利尔和保加利亚发展工程业务,该公司将在秋季开设办事处。 “因为我们坐在结构中并查看每个查询,我们利用机器学习来根据我们看到的查询预测性地提供数据,”林奇说。“我们使用机器学习的另一种方式是自动配置,以便我们可以根据许多属性为查询配置系统。我们的想法是,我们基本上可以根据请求的性质自动启动正确的节点。” 这笔5000万美元的融资由摩根士丹利领导,参与者还有Storm Ventures,富国银行和大西洋大桥。林奇说,这笔资金还将用于发展公司的销售和营销部门。 AtScale的客户包括Allstate,Kraft-Heinz,JPMorgan Chase和TD Bank 。 该公司成立于2013年8月,总部位于加利福尼亚州圣马特奥市。它目前有85名员工。     以上为AI翻译,内容仅供参考。 原文链接:AtScale raises $50 million to bring machine learning to cloud data management
    机器学习
    2018年12月13日
  • 机器学习
    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
    机器学习
    2018年11月22日
  • 机器学习
    CV Compiler——简历修复机器人,让您更具竞争力 文/John Biggs 机器学习现在无处不在,包括招聘。CV Compiler是一款Andrew Stetsenko和Alexandra Dosii的新产品,它使用机器学习来分析和修复您的简历,让您有机会发挥更大的价值。 CV Compiler的创始人是营销和人力资源专家,他们在使招聘变得更加智能方面拥有15年的经验。Stetsenko创立了Relocate.me和GlossaryTech,而Dosii在许多营销公司工作,然后决定使用CV Compiler。 该应用程序基本上检查您的简历,并告诉您要修复的内容和提交位置。到目前为止,CV Compiler已经能完全自行处理,他们正在研究新的和改进的机器学习算法,同时维护CV Compiler。 “有很多在线简历分析工具,但这些服务过于通用,这意味着它们可以被多个专业人士使用,结果很差。收到反馈后,用户经常被迫购买一些额外的服务,”Stetsenko说。“相比之下,CV Compiler专为技术专业人士设计。相对于行业中的最佳实践,在线评论技术会扫描来自编程世界的关键字以及它们在简历中的使用方式。” 该产品诞生于Stetsenko在GlossaryTech的工作,这是一个Chrome扩展,可帮助用户理解技术术语。他在该产品中使用了大量的自然语言处理和关键字分类,并将其中的一部分转移到了他的CV服务中。 “由于简历,我们发现许多求职申请在没有面试的情况下被拒绝。显然,10秒足以让招聘人员消除许多候选人”,他说。 该服务现已上线,团队希望信息语料库能够随着时间的推移而增长和改进。在那之前,为什么不让机器学习机器人告诉你在找工作时你做错了什么?也就是说,在它完全替换你之前。   以上为AI翻译,内容仅供参考。 原文链接: CV Compiler is a robot that fixes your resume to make you more competitive
    机器学习
    2018年11月22日
  • 机器学习
    德勤:42%的高管认为人工智能将在2年内变得“至关重要” 文/KYLE WIGGERS 企业正在加大对人工智能(AI)技术的投资。这是德勤在《企业报告》(Enterprise report)中对1100多家美国公司的IT和高管进行的调查中得出的最大结论。 德勤技术、媒体和电信中心的执行董事杰夫·劳克斯博士说:“企业对人工智能提高业绩和竞争力的潜力感到兴奋,这是有充分理由的。”但要实现这一潜力,企业必须承担风险,解决人才短缺问题,并做好执行工作。尽管人工智能的优势是显著的,但仓促行事可能会让公司陷入无路可逃的境地——应用人员无法扩大规模,或者项目没有商业利益。 采用增长 该报告将人工智能的采用分为四类:机器学习,即统计模型开发能力和随着时间的推移自主提高性能的能力;深度学习是一种涉及神经网络的机器学习方式;自然语言处理,从文本中解析意义的能力;计算机视觉,从视觉元素中提取意图的技术。 调查显示,自然语言处理在增长方面超过了所有其他类别,62%的公司称已经采用了自然语言处理(高于一年前的53%)。机器学习以58%(同比增长5%)位居第二,计算机视觉和深度学习紧随其后,分别以57%和50%的使用率紧随其后(较2017年增长16%)。 德勤认为,投资的增加与增长有关。约37%的高管表示,他们的公司已经拨出500万美元或更多用于“认知”技术,比如深度学习和机器学习,包括带有人工智能的企业软件。55%的人说他们已经发射了6个或更多的试飞员(去年这个比例是35%),58%的人说他们已经完成了6个或更多的试飞员(上升了32%)。 这种热情——加上高管们“追赶竞争对手”的强烈愿望——正推动ai即服务解决方案的全球年增长率达到48.2%。(德勤(Deloitte)将全球认知技术市场的规模定为191亿美元。)它有一些紧迫性;42%的受访高管认为,在未来两年内,采用人工智能将具有“至关重要的战略意义”,有些人已经开始看到成效。 超过80%的人说他们的人工智能投资带来了经济回报,特别是在技术、专业服务、媒体和娱乐/电信行业。德勤(Deloitte)以Netflix为例:这家流媒体巨头发现,如果客户搜索一部电影90秒,他们就会放弃。但通过使用人工智能来改善搜索结果,谷歌能够节省约10亿美元的潜在损失。 其他成本节省可能来自裁员。大多数受访者(63%)预计人工智能将使目前由人类工作人员监管的任务自动化。也就是说,78%的人认为认知技术能让人们做出更好的决定,72%的人和78%的人认为认知技术能提高工作满意度,并“为新的工作方式提供动力”。 这些发现与以前的报告一致。 世界经济论坛(World Economic Forum)、普华永道(PricewaterhouseCoopers)和高德纳(Gartner)预测,到2025年,人工智能可能会裁员多达7500万人。 此外,麦肯锡全球研究所(McKinsey Global Institute)今年预测,需要“低数字技能”的工作比例可能从目前的40%降至2030年的30%,因为需要更高技能的工作比例可能从40%升至50%。 麦肯锡分析师称,这些和其他劳动力市场的变化将导致未来10年国内生产总值(GDP)增长1.2%,并有助于在未来12年获得额外的20- 25%的净经济效益(相当于全球13万亿美元)。 人工智能的担忧 尽管人工智能的应用速度在加快,投资回报也令人印象深刻,但在回应调查时,高管们对人工智能表达了保留意见。 超过20%的人将“网络安全漏洞”列为一个关键问题,43%的人将“基于人工智能/认知建议做出错误的战略决策”列为前三名。与此同时,约39%的人将人工智能在关键任务或生死关头的失败列为他们的担忧之一。 人工智能的法律、监管和道德问题仍然是企业界的绊脚石。十分之一的受访者表示,他们对与人工智能系统相关的法律和监管风险感到高度焦虑,三分之一的高管提到了道德风险——尤其是人工智能制造或传播虚假信息的能力。 德勤表示,这些担忧在一定程度上是由于某些系统固有的不透明性。 “人工智能采用者面临的一个挑战是,机器学习的复杂性越来越高,深度学习神经网络也越来越受欢迎,这种神经网络的行为就像黑匣子一样,常常产生高度精确的结果,却没有解释这些结果是如何计算出来的,”报告作者写道。 认知技术人才——或者说是缺乏——也是一个问题。约30%的高管表示,在他们各自的组织中,人工智能是一个主要问题,超过20%的高管集体表示,他们发现人工智能软件开发人员、数据科学家、用户体验设计师、变更管理专家、项目经理、商业领袖和主题专家都存在不足。 最需要的人才是人工智能研究人员发明新的算法和系统。 该报告的作者写道:“雇佣和培训高能力人工智能专家的需求持续存在。”“拥有这种对人工智能/认知技术的承诺的公司,很可能在很长一段时间内都将面临技能缺口。” 尽管人们对人工智能有着明显的热情,但高管们对所涉及的挑战却持现实态度。约56%的受访者表示,认知技术将在三年内改变他们的公司,低于去年76%的比例。 尽管如此,高管们对人工智能工具的总体反应“相当乐观”。 报告作者写道:“我们相信,高管们已经认识到,使用认知技术来推动业务领域的变革是很复杂的,同时他们也不希望实现这一目标。”“尽管它们面临挑战,但我们调查的许多公司在将人工智能整合到运营和客户关系中并取得早期成功,并获得了经济效益。”他们对自己迄今取得的成功充满热情,对这些技术在不久的将来改造公司的潜力充满热情。   原文链接:Deloitte: 42% of executives believe AI will be of ‘critical importance’ within 2 years
    机器学习
    2018年10月22日
  • 机器学习
    Facebook Workplace增加了算法提要,安全检查和增强聊天功能 文/Ingrid Lunden, Josh Constine Workplace是面向30,000多个付费客户量身定制的Facebook企业版本。如今,为了与Slack和微软的团队竞争,它正在通过一系列新功能提升服务质量。 Workplace的负责人Julien Codorniou在接受采访时告诉我,这一新增活动在一个名为Flow的独立会议上宣布 ,这是Facebook首次为一种特定产品打造的活动,今后可能会越来越多。他将Workplace描述为“ Facebook的第一家SaaS创业公司”。他告诉我们,对于现有客户,Flow的目标是展示新功能,加深员工与Workplace的互动,增加黏性。对于企业软件合作伙伴来说,Facebook整合的目的是建立一个围绕工作场所的生态系统,以便它能适应任何业务。 在对Workplace的“聊天”功能进行大幅升级后,用户现在可以一对一或分组聊天、通话和视频对话,也可以以WhatsApp或Messenger的方式进行。通过添加回复,请勿打扰和固定功能,Facebook还可以更轻松地浏览您频道中的大量邮件——这是Facebook首次为Workplace引入算法排序。Facebook还通过Workchat将主安全检查功能从主应用程序带到Workplace,作为一种工具可由管理员控制,以检查关键事件期间员工的状态。 Workplace自成立以来的两年内已经获得了3万家企业作为客户(包括一些大型企业,如世界上最大的雇主沃尔玛);如今,它还加入了几家著名的大型企业:GSK、Astra Zeneca、Chevron、Kantar、Telefonica、Securitas、Clarins UK、Jumia和GRAB。 但Facebook从未透露过它在Workplace上有多少用户(用企业的话说,就是“席位”)。相比之下,Slack目前在7万个组织中拥有800万用户,而Facebook一年里还没有更新3万用户。 (图:Facebook Workplace multi-company chat) Facebook今天推出的一系列功能,无论是广度还是目标,都值得关注。在功能方面,有些帮助让Workplace更接近Facebook的核心体验,但最终它们的目标都是让Workplace更适合企业已经使用IT的方式。 正在整合的聊天功能基于Workplace中已经存在的最小聊天功能,并且基本上创建了类似于WhatsApp或Messenger的东西,它位于与Workplace相同的安全框架内。这是Facebook向统一通信迈出的第一步——这是企业IT的一个特定分支,曾经以PBX和其他昂贵的物理设备为中心,但最近随着IP和基于云的系统的声音的增加而变得更加虚拟化用于任何互联网连接。 Workplace已经为多达50家公司提供可以在平台上进行多组织对话功能,现在如果这些组中的某些成员希望通过语音或视频呼叫将对话转移到更直接的渠道,可以直接从应用程序内部执行此操作,而无需打开单独的消息传递客户端(可能或可能不在IT的控制之下)。最多50人可以加入Workplace中的视频通话。 这三个功能可以帮助您更好地组织对话——请勿打扰、回复和固定重要项目,特别欢迎那些在Workplace上拥有特别“嘈杂”频道的人。 Codorniou说,回复将“像在WhatsApp”一样工作——您可以在其中选择一条消息并回复它,它将在稍后的Feed中显示其微线程。 但它们可能是最值得注意的,因为它们将是Facebook首次向Workplace引入“算法”排序。对于那些已经使用普通Facebook,Twitter或其他社交媒体服务的人来说,算法排序是众所周知的,因为它会根据帖子的顺序,向你展示哪些被认为更重要,哪些是最新的。 在“钉”的情况下,Facebook允许IT管理员和用户有效地参与算法排序:管理员可以将“重要”帖子钉到Feed的顶部,这将影响用户看到的内容,并首先做出响应。“如果CEO发布一条信息,这可能比发布实习生的信息更重要,”他说。 同时,,“请勿打扰”会让用户设置不会收到消息的时间,但当您再次“返回”Workplace时,Facebook会决定决定你浏览的内容的优先级。 (图:Facebook’s VP of Workplace Julien Codorniou) Codorniou指出,Facebook使用机器学习和AI“确保如果你两周不使用Workplace,也能在新闻Feed上获得相关的信息。”它用于排序的信号你的同事,以及你最活跃的团队。“这是默认的算法,”他补充说,这是Workplace用户提出的要求。“人们不再相信按时间顺序排列的Feed了。”他说,“重要的是要保证与沟通团队的联系。” 安全检查也符合这一概念。在这里,Facebook将把IT managers/Workplace管理员放到驾驶座上,“让他们掌握这项功能的关键”,Codorniou说,而常规的Facebook使用和分发功能则由Facebook本身控制。 Frederic带着一名潜水员在这里进行安全检查,但正如Codorniou向我描述的那样,主要的想法是,当特定地点经历紧急情况时,它允许公司“跟踪和了解谁是安全的,谁不是”。他说,公司可以使用一些应用程序来进行安全检查,有时他们可能会使用SMS,但这些应用程序往往需要更多的手工操作,而且很难快速执行。Facebook没有透露他们的应用程序在沃尔玛和星巴克这样的组织中的渗透程度如何,但这可能成为帮助Workplace更广泛分布的一个杠杆。 “员工是公司的第一大资产,这有助于确保您的安全,”他补充说。“人们不想玩Candy Crush,但像Live这样的东西(去年Workplace推出的游戏)和安全检查是相关的。它们有助于将公司变成社区。” (当然,社区是Facebook最近的一大主题。) 所有这些更新都发生在许多人都在关注Facebook在用户隐私和个人数据方面的做法的时候。 几个月前,剑桥分析公司(Cambridge Analytica)丑闻特别强调了这个问题,尤其是第三方如何能够获取用户信息; 最近两周前Facebook遭到批评,当时有人发现其中一个功能中的漏洞将用户信息暴露给恶意黑客。这些问题都与Facebook的核心消费者应用程序有关,但我不禁想知道它对公司的企业业务产生了什么样的影响——考虑到工作场所网络中的安全级别通常会更高,因为它们是连接到公司信息。 “我们当然有一些问题,但我们没有理由相信Workplace受到了影响,”Codorniou说。他指出,曾经有一个功能是使用用户的Facebook ID登录Workplace,但是这段时间这一功能被禁用了。“我们一直在调查,但大多数客户都是单点登录,”他指出,那些公司使用Okta,One Login和Ping等服务将员工连接并登录到他们的Workplace空间。 Facebook的规模为企业带来了巨大的优势。办公堆栈的消费化意味着Facebook可以轻松移植其熟悉的功能。它足够大,可以在公司内部广泛使用dogfood。而且它已经与许多世界顶级品牌建立了广告关系。但作为一个科技巨头,伴随着相关的丑闻和不断的批评。Facebook将不得不说服商界领袖他们的社交问题不会使他们的形象蒙上阴影。   以上为AI翻译,观点仅供参考。 原文链接: Facebook Workplace adds algorithmic feed, Safety Check and enhanced chat
    机器学习
    2018年10月10日
  • 123