• 人才数据
    匈牙利初创公司Qneiform获得75万欧元种子前融资,将利用人才人工智能模型撼动猎头行业 Qneiform是一家匈牙利初创公司,它开发的软件可帮助用户找到最合适的下一个招聘对象。公司宣布已从Samen Slimmer联盟(由风险基金DFF、Keen Venture Partners和Slimmer AI组成)获得75万欧元的种子前投资。 这笔投资将用于支持行业垂直和地域扩张。此外,通过与 Samen Slimmer 的合作,Qneiform 正在建立一个世界级的产品平台,部署最新的人工智能技术,为用户提供所有工具,这样很快就不会再有任何借口说雇错人了。 Qneiform团队由前对冲基金猎头Thomas Percy创立,汇集了欧洲顶尖的数据和技术人才,让人才智能不仅仅是一句行话。 "那些真正重要的职位呢?这些职位对企业至关重要,同类最佳与尚可排序之间的差别,可能是数亿美元的投资组合业绩,也可能是你的公司失去赢得一个划时代案件的机会。对于这类职位,必须明确知道您已经考虑了所有可能的选择,而且入围的候选人都是有原因的。Qneiform首席执行官Thomas Percy说:"对于这类职位,准确性和完整性至关重要。 Qneiform平台从一开始就是作为猎头公司和人才专业人士的单一信息来源而建立的,目前已有超过25家金融和法律行业的领先招聘公司和人才团队成为Qneiform的客户。 如果你了解招聘工作,你就会知道,为一个职位找到合适的候选人就是一切。其他任何事情都无异于酿酒师将酒瓶置于葡萄之上。通过Qneiform专有的行业数据集和人才专用的人工智能模型,用户可以立即为团队设定基准,找出人才缺口,并为其战略目标找到理想的候选人。除了立即找到理想人选,他们还可以前所未有地了解组织,预测离职情况,制定继任计划(并识别竞争对手的活动),从而在面试室之外获得所需的优势。 关于Qneiform Qneiform提供最完整的人才数据和最先进的搜索技术,使团队成为最好的自己,建立更好的关系,完成更多的任务,并产生比以往更多的收入。
    人才数据
    2024年02月08日
  • 人才数据
    4个步骤培养数据驱动的人力资源和人才团队 根据Gartner最近的研究 "加速HR 3.0之旅",70%的人力资源高管表示,人力资源的重塑已经成熟。人力资源正在演变为一个更加数据化、数字化的职能部门,它不是由直觉驱动,而是由人工智能和内部/外部数据的证据和可操作的见解驱动。具有前瞻性思维的人力资源专业人员了解随之而来的提升技能的需求。 人力资源领域的自动化和人工智能等趋势可能会让你认为,未来的人力资源需要从业者变得技术至上。但事实并非如此。myHRfuture在2019年对未来人力资源技能的研究表明,人力资源专业人员中最需要的技能不仅仅是技术技能,如人力资本分析和战略劳动力规划。管理与关键利益相关者的关系、影响变革和建立信誉的技能对于数据驱动的HR来说也至关重要。今年,Insight222发布了关于人力资本分析职能部门内角色发展情况的研究。增长最快的角色是数据科学家和业务顾问--再次表明,即使在人力资源分析职能本身,也不全是技术角色。 我们回顾了2020年探讨人力资源专员技能的热门文章,可以看出相同的模式正在出现,HR所关注的不仅仅是技术技能,还有咨询和影响技能。我们将需求量最大的培训归纳为四个方向,当人才主管们计划在未来两年内加倍努力提升人力资源团队的新能力时,这份列表可以成为HR提升技能的趋势指南。   1. 打好人力资本分析的坚实基础 作为人力资源从业者个人,能够准确解读人员数据,并根据这些洞察力提出建议或采取行动,变得越来越重要。在应对组织要解决的挑战时,例如高流失率,统计学可以帮助人力资源专业人士从人的角度理解和验证发生了什么。统计分析可以构成循证建议的基础(而不仅仅是依靠直觉),可以向业务利益相关者提出建议。这种方法有助于将人力资源部门定位为企业的数据驱动型战略伙伴。 任何人力资源专业人员的第一道关口就是培养基本的统计和数据分析技能。从组织的角度来看,人力资本分析功能需要建立一个强大的基础,包括强有力的治理,有效地确定业务挑战的优先级,并提供切实的业务成果。以下"人员分析卓越九大维度 "模型是现阶段人力资本分析团队所需要的。   2. 如何与企业内部进行有效沟通 数据驱动型HR发展的第一步,发生在任何数字运算和分析之前。与其直接提出一个 "热门话题 "或在人力资源职能部门看来可能有趣的东西,不如从一个紧迫的业务挑战开始。解决这些挑战有赖于与业务的高效对接。 了解业务需求需要与业务利益相关者进行良好的沟通,这通常是由HRBP承担的任务。下一步是将这些对话的发现转化为假设,供你的人力资本分析职能部门处理。 如何确保你的人力资本分析项目能增加价值 如何在开始分析之前,先找到企业要解决的问题的核心 如何理解这些问题,并将其转化为明确的假说 如何确保您所做的分析与业务相关,并具有正确的背景 如何准备自己进行分析,或者交给人力资本分析团队来进行分析 人力资源专业人员经常面临的一个共同问题是,如何确定人力资本分析项目或挑战的优先级。一旦你编制了一份紧迫的业务挑战清单,一个很好的方法是按照业务影响和复杂性来确定优先级,如下所示:   3. 用数据讲故事 一旦分析--基于一个紧迫的业务挑战--已经进行,下一步就是与企业沟通见解。必须带领利益相关者从最初的挑战,通过分析到他们应该注意的关键收获,以便采取最合适的行动。如果你不知道如何有效地将你的发现和洞察力可视化,你将失去利益相关者的兴趣。 CEO Cole Nussbaumer Knaflic说:"如果你不能用数据讲故事,你就无法得到你所需要的行动。我认为有一种倾向,特别是对于技术含量高的人或技术背景出身的人来说,他们希望把所有的数据都摆在那里。因为我们假设我们的听众对背景非常了解,他们可以弄清楚什么是重要的。 任何时候,我们在处理数据的时候,我们在做项目的时候,我们做了一个图,我们很清楚这个图是什么意思,因为我们是做图的人,但这意味着我们脑子里其实有很多默契的知识,我们要把它放出来让别人能够用。 所以,我们可以做一些事情,比如少用颜色来引导受众的注意力到我们希望他们看的地方,在我们的数据周围加上文字,不仅要让受众清楚我们看的是什么,还要让他们从中得到什么。"   4. 确保你的人员分析项目正在创造价值 报告《规模价值交付:人员分析的新运营模式》中,明确了人力资本分析现在所带来的商业价值。我们调查了60位人员分析领导者,并提出了这样一个问题:"人力资本分析增值的三大领域是什么?"这项工作的洞察力不再仅仅是为了人力资源而执行人力资本分析,而是针对业务挑战,如危机管理、多样性和包容性以及战略性劳动力规划,带来了切实的成果。 人力资源专业人员热衷于提高技能,以确保他们所做的工作能够带来商业价值,这并不奇怪。随着人力资源职能的不断发展,技术和非技术性技能对于人力资源专员来说都是至关重要的。报告《未来的21个人力资源工作技能》将未来十年内的21个人力资源专员相关工作岗位按低技术性到高技术性进行了整理,展示了为什么数字化技能对HR从业者至关重要。   作者:Caroline Styr (卡罗琳 · 斯蒂尔) 原文标题:4 Steps to Develop Data-Driven HR and People Teams 以上由可爱的AI翻译完成,仅供参考。
    人才数据
    2020年12月28日
  • 人才数据
    【美国】全球首个人工智能人才数据和智能平台ENGAGE Talent获得350万美元融资,用于加速AI人才智能技术的创新和扩展 全球首个人工智能人才数据和智能平台ENGAGE Talent获得350万美元融资,用于加速其开创性的人工智能人才智能技术的创新和规模化,该技术为关键人才的招聘和留住提供了动力。 High Alpha Capital和Grand Ventures领投,新战略投资者Engage风险基金和硅谷银行(Silicon Valley Bank)也参与了此次融资。这些资金来自股票和债券的组合。随着最近的这次融资,该公司的总投资已达到1000万美元。 High Alpha合伙人Eric Tobias表示:“我们非常高兴能够支持ENGAGE Talent的持续增长和创新。”“世界各地的雇主都知道,他们在当今竞争异常激烈的劳动力市场上招聘和留住人才的能力,直接影响他们作为企业取得成功的能力。” Grand Ventures合伙人蒂姆•斯特雷特(Tim Streit)补充称:“在这方面,聘用人才和聘用引擎为客户提供了巨大的优势。”“鉴于敬业团队迄今取得的成就,我们很高兴看到未来的产品创新将为客户提供更多价值。” ENGAGE Talent每月会倾听超过3万个数据源,处理超过10亿个数据点,以绘制和预测人员流动——使其能够提供无与伦比的人才获取和保留见解和建议。好事达(Allstate)、戴尔(Dell)、泛美航空(Transamerica)和哈里斯(Harris)等客户的医疗保健体验得到了可量化的改善,比如候选人参与率提高了200%至700%。 ENGAGE Talent首席执行官约瑟夫•汉纳(Joseph Hanna)表示:“人才数据和分析已经成为重要的竞争优势,随着时间的推移,它们只会变得更加重要和有价值。”“他们是现代人才管理组织的命脉——一个能够将人才努力与商业成果联系起来的组织。我们致力于为客户提供绝对最好和最有用的人才数据、分析和可操作的洞见,以推动优秀的招聘和保留结果,使他们茁壮成长。” 以上为AI翻译,内容仅供参考 原文链接:ENGAGE Talent Raises $3.5M to Accelerate Innovation and Scaling of AI Talent Intelligence Technology
    人才数据
    2019年05月21日