• 数据化
    人工智能(AI)有7种办法改变未来的工作场所? 在未来五到十年内,你的工作场所将与从前大不相同。由于人工智能、物联网和机器人等技术的出现,我们的工作将发生巨大的变化。未来的工作将带来巨大的机遇,但也会使组织面临很多挑战。它将要求员工和管理层适应并更智能地工作。人工智能将增加你的工作,物联网将为你提供详细的见解,机器人技术将取代许多工作。 在未来十年,你的工作场所将被数据化和数字化。数字化是指将信息转换为数字格式,例如将音乐转换为MP3文件,将照片转换为JPEG,将文本转换为HTML,将模拟视频转换为YouTube视频。这样做将成倍地增加你的可用数据。因此,数字化意味着以数字形式捕捉人类的想法,以便传输、操作、重新使用和分析。 另一方面,数据化是指将模拟流程和客户接触点变成数字流程和数字客户接触点。数据化是使商业以数据驱动的过程--通过将社会行动转化为量化的数据。它涉及到使用连接设备从各种来源和流程中收集(新的)数据,或创建详细的客户档案。 使你的工作数据化,首先要使你的办公室、你的工作场所、你的流程和你的产品智能化。这将使以前 "看不见 "的过程可以被追踪,从而对它们进行监测、分析和优化。由于传感器的成本降低,低成本带宽的增加,云计算和处理能力的廉价供应以及大量连接设备的出现,你能够更容易且低成本地在不同的流程、产品和工作场所一致和普遍地捕获数据。数据化和数字化是未来工作的催化剂。 因此,没有数据,就没有工作的未来。让我们看看新兴技术将如何影响未来的工作场所。 1.寻找、雇用和留住人才 人工智能是改善你的招聘过程的完美技术。你可以利用这项技术完成“大海捞针”,通过分析数以百万计的社交资料,数以千计的简历,快速检测出潜在的候选人名单。人工智能可以自动与这些候选人进行互动,以一种引人入胜的方式选择一系列最佳候选人。Arya公司是为组织提供智能驱动的人才招聘的公司之一。 一旦你确定了一系列候选人,或者有一大群候选人对工作申请作出回应,你就可以使用人工智能来协助选择适合你公司的候选人。目前有几十种由人工智能驱动的工具,可以协助招聘人员雇用(远程)工人。你可以使用人工智能来评估候选人的技能、个性,甚至是组织适应性。例如,Filtered公司为数据科学家和工程师提供评估。每个评估都是使用人工智能进行分析。面部识别有助于检测作弊行为,结果在进入收件箱之前就被过滤掉了,在招聘最佳工程师时为招聘者节省了宝贵时间。 面部识别是招聘人员越来越多地用于评估候选人的技术之一。包括 Vodafone、新加坡航空公司和联合利华在内的公司通过用人工智能取代人类招聘人员,每年节省数百万美元。由于HireVue开发的技术,这些公司可以在更短的时间内筛选更多的候选人,从而为工作找到更好的人选。 2.员工之间的协作 在未来的组织中,人类和机器的合作将越来越多。根据 Accenture的研究,在未来几年,人机协作将使生产力和收入增加38%。三分之二的企业领导人认为,这种人机协作将有助于更快、更有效地实现战略重点。当机器和人类协作时,结果是积极的。 特别是对于大型组织来说,人工智能将更容易使在地理上分散的员工之间捕捉、寻找、分享和维护知识。对于大多数组织来说,捕获和分享知识一直不是问题。有许多可用的工具可以做到这一点,例如 wiki 和 Intranet。然而,组织越大,为合适的员工找到合适的知识就越困难。这就是人工智能发挥作用的地方。 语义搜索和自然语言处理将使人们更容易找到正确的知识。与谷歌类似,他们最近更新了他们的搜索算法,以更好地理解更复杂的搜索查询,组织可以使用人工智能更快地直观地找到正确的信息。 人工智能还可以帮助连接不同但相关的数据源,使你的知识库保持最新,并提供重要的信息指标,帮助你的员工和管理层更有效地共同工作。员工越是能找到正确的知识,合作就越容易。 人工智能在组织内的另一个应用是内部使用的聊天机器人。公司ServiceNow开发了一个虚拟代理平台,帮助员工解决人力资源的请求和查询。通过向人工智能代理提供足够的数据源,聊天机器人能够理解上下文,并能够快速正确地回答问题。 3.智能远程工作 人工智能可以用来改善远程工作者的招聘,但它也可以用来改善远程工作本身。远程人工智能将帮助远程工作者节省大量的时间,将他们通常需要手动完成的任务自动化。 此外,人工智能使远程机器人成为可能,这指的是机器被人类远程操作。这些半自主的机器人可以从远处控制,并可以完全重塑工作空间,特别是当与虚拟现实相结合时。远程机器人可以使更多的员工在家里工作,而不是目前所能做到的。例如,一个机械工程师可以操作机器人,在不离开家庭办公室的情况下修复地下管道的泄漏。再进一步说,由于VR的存在,管理层可以进行虚拟的 "面对面 "会议,而每个人都在世界的其他地方。 在未来几年,人工智能将使远程劳动力的效率更高,并大大增加员工在工作和生活上的平衡。 4.优化你的工作场所 任何流程、设备、基础设施或客户接触点都可以通过包括连接到互联网的传感器而变得智能。随着可用的连接设备的数量成倍增长,这比以前更容易。在不久的将来,传感器和连接设备将导致智能家居、智能办公室和智能城市的出现。因此,员工应该为智能工作场所做好准备,人工智能将创造一个个性化的员工体验。 2015年,当时世界上最聪明的建筑开业了。阿姆斯特丹的The Edge。这座大楼知道谁在大楼里,他们的喜好是什么,以及你喜欢怎样的咖啡。 从那时起,由于传感器、机器学习和无线(虚拟)信标技术,数字工作场所正变得越来越智能。传感器和人工智能可以改善照明控制、房间控制、空间管理和优化整体设施管理。智能工作场所的目标是通过为员工创造最理想的、个性化的工作场所来提高生产力。 5.领导和文化 你的文化需要改变,成为一种数据驱动的文化,在这种文化中,可以实时采取行动,决策是自动化的,员工被赋予权力。人工智能改善了你整个组织的决策,并帮助你了解哪些机会是最好抓住的。在不久的将来,人工智能将促进先进的自动化分析,它将用自动化决策取代人类决策的需要。 因此,人工智能将利用描述性、预测性和规定性分析为你的管理层和员工提供先进的洞察力。这意味着,基于经验和专业知识的传统决策方式被转换为数据驱动的决策。当组织为更多的人提供获取知识的机会时,权力就会被更平等地分配,使员工在组织内获得权力。这种权力的转移是充分受益于大数据分析的必要条件,它将大大改变你的文化。 6.生产力 当人工智能增强人类的工作能力时,生产力会增加。机器人不会生病,不需要休息,可以全天候工作。因此,那些将人工智能纳入其工作空间的公司,其生产力和收入都得到了显著的提升。人工智能可以处理平凡和单调的任务,而人类可以专注于更复杂的问题。因此,一个利用人工智能的组织将变得更加人性化。 例如,由人工智能驱动的聊天机器人可以为你的客户提供无缝体验,即时解决最基本的问题。或者人工智能可以分析销售电话并为销售经理提供实时提示,以改善与客户的沟通。公司Chorus帮助从对话中释放隐藏的洞察力,以完成更多的交易。 如果组织成功实施人工智能,那些参与的利益相关者(人类和人工)之间的新合作方式将确保生产力的持续增长。 7.培训和发展 最后,但肯定不是最不重要的,是人工智能改进的培训和发展。企业培训在竞争激烈的市场中变得越来越重要,员工希望不断发展更好的技能。个性化的培训和发展计划无疑可以帮助你留住员工。 聊天机器人可以在正确的时间点为正确的客户提供微学习课程。正如Hodges-Mace公司的学习和发展部主任Miguel Caraballo所说:"想象一下,你的新秀销售人员即将拜访客户。当她把车开进停车场时,公司的学习机器人会在她的手机上显示一个关于积极的第一印象的微学习课程,以及潜在客户的 "关于我们 "页面的链接和她的经理的最后辅导笔记。现在这是一个个性化的学习体验"。 此外,与人工智能在招聘过程中分析评估的方式类似,人工智能可以分析培训结果,并根据缺失的技能提供个性化的培训方案。Hive Learning公司利用人工智能帮助员工更好、更快、更有效地学习。该公司专注于移动优先、点对点的学习,人工智能帮助推动行为改变。 未来的工作将是不同的。 未来的工作将更先进、更高效、更有生产力,希望也更人性化。在今天的组织中,员工必须处理大量的行政任务和官僚程序。然而,在明天的组织中,这些任务和流程将由人工智能来管理。人类和人工智能将一起工作。从而增强人类的能力,消除平凡的任务。 人工智能将使越来越多的任务自动化。它将颠覆、增强和改善许多现有的工作流程。那些在工作场所适应和接受人工智能的组织将变得更有效率,提高生产力,并变得更加人性化。然而,那些将忽视人工智能的组织或许将前景堪忧。   作者:Mark van Rijmenam
    数据化
    2022年02月27日
  • 数据化
    智慧人事,万亿平安的数据化经营之路 在新冠肺炎疫情冲击下,全球经济面临极大挑战。中国平安在诸多不利因素之下,仍然保持稳健经营。最新发布的季报显示,2020年第一季度,平安归属于母公司股东的营运利润仍实现同比增长5.3%,达到359.14亿元;平安银行一季度季报营收逆势上涨16.8%。 坚持数据化经营,创新线上化转型,在“战疫”中,平安展现出了科技支撑下的高效组织管理能力。今天下午,HRTechChina主办的中国人力资源科技虚拟论坛首次论坛上,平安集团人才招聘及员工关系总经理金子文在线分享“智慧人事,万亿平安的数据化转型之路”,展示中国平安“战疫”成果,分享平安32年组织管理经验,揭秘HR-X智慧人事领域的创新实践。     稳!平安数据化经营显神威 疫情来临,平安如何应对?业绩的稳健并非一蹴而就,公司的经营和组织管理能力从几个的“小成绩”里可见一斑: 年报大提速,今年2月21日就公布了2019年年报,比去年提早了22天; 招聘不停歇,疫情期间,平安仍有1.8万新员工入职,全线上招聘足不出户; 服务不打烊,客户服务火力全开,疫情期间,平安寿险1520万次全天候服务;产险提供98万次在线理赔;平安银行推出业务“在家办”,线上专区日均PV超过200万次…… 全力助抗疫,平安医保科技检测中心完成3万多份核酸检测;移动CT车驰援武汉筛查5304人…… 无论从经营管理、组织管理、业务发展还是社会责任的角度,中国平安在疫情期间充分表现出了大企业的管理水平和企业责任。怎么做到的?金子文总结为:“平安一贯对于科技的重视以及数字化转型的积累,科技赋能极大提升了公司的综合实力。” 举例来说,远程办公系统帮助每一位平安员工正常开展工作,邮件沟通、远程会议、签报审批全部在线完成;智慧经营系统,帮助年报提取最大程度地去掉手工,充分提速;远程展业工具,帮助业务员和客户在线沟通,客户不需要出门就可办理业务;远程医疗检测中心、远程医疗分析技术助力抗疫;远程人力资源管理系统HR-X实现全线上无接触式的远程招聘……数据化经营手段的背后,是平安组织管理心法的强大内核。 平安成立32年,每一年几乎都保持着20%以上的增长速度,全球罕见。总结平安成功的秘诀,有两点不可忽视。第一,求新求变的基因,平安每一天都在思考的战略如何迭代、如何谋求新业务的变化、业务如何做增量、如何用最新的技术手段帮助业务更好、更高效;第二,强大的执行力,执行力体现在两方面——首先是一种强大的执行文化,是令行禁止的执行意识和永争第一的信念理念;其次是形成了一套高效运作的管理机制,比如人力资源管理的机制,确保上下一致,万众一心,战略落地。   变!自我变革不忘初心 如何招到最好的员工、赢得人才的竞争?如何分类施策,吸引和管理好员工?如何用科技手段“去手工”,把精力放到思考跟上战略的迭代? 巨轮前进,在32年发展过程中,平安的人力资源也在不断思考和自我革命。 得益于平安持续不断对对科技的大力投入,其在大数据、人工智能、区块链技术迅速发展,数据预测、语音识别、人脸识别、声纹技术等达到世界一流水平。插上科技的翅膀,平安的人力资源管理可以通过科技的方式去思考,用科技的手段去赋能,进而支撑组织的发展。比如,大数据技术被应用于“管理驾驶舱”,通过数据分析帮助经营者先知、先觉、先行;语音识别、知识图谱、微表情等一系列人工智能技术得到充分应用,比如招聘工作中的AI面试环节…… 科技变革带来了效率与便捷,但人力资源科技化转型的道路上,平安始终不忘初心——不论管理科技如何升级,人力资源的核心是要服务好主管和员工,服务好企业的经营者和CEO。如何服务好CEO?必须关注5个议题:首先是团队组建,包括对经营至关重要的领军人和具有高战斗力的骨干团队;第二是组织设计,要能支撑战略边界,清晰合理分工,确保创新性、灵活性,能够激发每一个员工的创造性;第三是战略执行,包括战略如何层层分解,横到边、纵到底、上下一致,并且如何让每一个人无遗漏的执行;第四是薪酬激励,导向清晰、依据明确、赏罚分明的激励制度最优的投入产出;第五,士气激发,让整个团队保持高的精神面和战斗力,自发升级迭代、适应组织要求。 “正是在这些‘变’与‘不变’的要求之下,我们通过4年的努力,迈出了平安HR管理的数字化转型步伐,形成了平安智慧人事一体化平台HR-X。”金子文说。   强!CEO为CEO设计的组织管理解决方案 金子文介绍,平安智慧人事一体化平台HR-X,是平安集团在“金融+科技”、“金融+生态”的战略转型背景下,引入全球最先进科技自主研发的。在平安30余家子公司、百万人规模深度应用、成效显著。 HR-X不仅是一套管理系统,更是平安32年组织管理的心法的精髓,是平安“管理建在制度上、制度建在流程上、流程建在系统上”的重要载体。正如HR-X的定位——“一套CEO为CEO设计的组织管理解决方案”,平台建立起以管理驾驶舱为顶层、以绩效管理为中枢、以队伍管理和组织管理为底层支撑的“工字型”骨架,同时将人才招聘、人才培养、人事服务、外勤管理等模块升级为线上化、智能化服务,为企业经营管理者开辟了先知、先觉、先行的管理路径。 平安智慧人事整体解决方案具有高度适配性,可分别针对企业的不同战略目标、发展阶段以及企业文化特征提供相应的管理模式、思路以及系统功能,帮助企业打造高效执行的创新型组织,让企业管理者看得清全局、抓得牢执行、管得好队伍、控得住组织。 HR-X推出至今已两年,不仅在国内外揽获布兰登霍尔卓越管理/卓越技术奖、拉姆·查兰管理实践全场大奖等权威奖项,也已经从内部应用走向外部市场,得到了政府部门、央企和地方国企、民营企业以及外资企业等各方合作伙伴的高度评价。 正如金子文所说,技术在不断变革,管理本质、初心不变;中国的崛起和强大,需要一大批伟大的企业,需要属于中国的管理方法,平安愿意和志同道合的企业一起,探索管理的“X”可能性。 嘉宾简介: 金子文,中国平安集团人才招聘及员工关系总经理。负责平安集团人才招聘及员工服务体系再造,以及AI面试、AI秘书等HR智能化探索专项,致力于通过大数据、智能技术为平安百万员工提供极致服务体验。 自2014年加入平安以来,参与搭建了平安股权激励体系和人力投产机制,并在此期间助力平安银行零售转型,推动平安健康生态圈建立。金子文先生曾在韦莱韬悦、美世等全球领先人力咨询公司任职,为国内外多家知名企业提供过专业的人力资源解决方案,在组织发展、薪酬福利、人力资本效能、股权激励等模块有着非常丰富的经验。 关于大会: 中国人力资源科技虚拟论坛首次论坛由HRTech China主办,旨在全面展示中国人力资源机构最新研究与产品服务,全面展示中国企业人力资源科技创新与数字化转型成果,为企业HR数字化发展提速。 HRTech China 是国内知名关注和垂直报道人力资源科技领域的平台与媒体,传递全球人力资源科技行业资讯,影响和引领中国人力资源科技行业进步与发展。
    数据化
    2020年04月24日
  • 数据化
    数字化转型升级,不是你想的那个样子 数字化转型升级是这几年耳熟能详的现象级概念,随便写篇文章或者做论坛演讲,如果不跟数字化沾边,感觉就落后于时代。当前疫情封锁,更是将数字化推上热搜。笔者想从数字化认知误区和概念厘清两个方面做些简单分析。   一、数字化转型升级误区分析 第一个误区:在线化不等于数字化 在线化包括远程办公和移动办公,新冠病毒的肆虐导致全国隔离和封锁,助推了在线化的管理需求。其实在线化并非新生事物,从最开始的无纸化办公,到ERP广泛应用的企业资源整合;从CS应用技术架构,到BS应用技术架构;从基于自有服务器的本地化部署,到基于云端服务器的SaaS模式,其实都是在线化应用的逐步推进。所以,在线化只是实现业务、客户、员工、管理等的在线应用,它只是提供平台和技术支撑,并不等同于数字化转型升级。 第二个误区:数据化不等于数字化 企业管理中对数据的重视其实很早就开始了,比如人力资本管理的技术核心就是人力资源业务的数量化分析,通过指标体系构建人力资源量化分析模型。数据是企业的核心资产,已经成为企业界和管理界的共识,只是以前受技术和平台制约,主要分析的是静态数据和结构化数据,而现在更关心的是动态数据和非结构化数据,而且还能通过节点级控制,实现过程数据的抓取,通过大数据分析整合,实现行为数据的抓取。所以,数据化只是提供“数据”这个最核心的原料支撑,并不等同于数字化转型升级。 第三个误区:智能化不等于数字化 智能化分两个方面,一方面是象商业BI那样能透过数据看管理,透过现象看本质,这也是目前做人力资源数据分析的主流应用,通过数据清洗和建模,分析过去,洞察现在,预测未来。另一方面是通过大数据分析、场景判断、智能识别等技术手段,实现管理的自动化、个性化、精准化。要创造一个面向未来的明星级企业服务产品,一定是一个高度智能化的产品。所以,智能化是提高管理效果和应用体验的关键抓手,并不等同于数字化转型升级。   二、数字化转型升级概念厘清 既然在线化、数据化、智能化单个看都不等同于数字化转型升级,那么,将这三者整合到一块,可不可以算数字化转型升级?笔者认为依然不算。对于企业管理乃至人力资源管理来说,技术和平台只是支撑,最核心的还在于管理灵魂,也就是基于在线化、数据化、智能化我们要构建什么样的管理体系?如果没有系统化的管理设计,在线化、数据化、智能化都只是零散的技术和概念。 笔者一直致力于数字化转型升级的研究,并将实现员工自驱作为管理架构的灵魂。如下图所示,笔者认为数字化转型升级应该包括两个层面:升级和转型。在线化、数据化和智能化是技术升级的方向,而自驱化是转型的灵魂。 图1:数字化转型升级概念分层   关于员工自驱管理的内容,可参见下图,笔者从任务、流程、数据、绩效、薪酬、发展六个环节进行初步的自驱设计,并引入OKR的任务分包或众包、KSF的全面薪酬等工具,致力于将公司打造成平台,将雇员打造成合伙人。基于“五朵云”的仁云HR共享服务平台,以及基于“三剑客”的仁云人力资本数字化平台,就是在这个思路的引领下进行设计和打磨,并在客户实践中已经进行初步应用。 图2:自驱化管理业务设计示意图   基于上述分析,笔者认为数字化转型升级应该定义为通过在线化、数据化、智能化等技术支撑,实现员工自驱管理,助力公司变成平台,帮助雇员变成合伙人。只有这样,才能实现企业管理乃至人力资源管理颠覆性变革,是企业应对产业互联时代的必然举措。 以上分析的内容依然着重于“道”,让我们更全面地了解什么才是真正的数字化转型升级。现在不管是企业管理的从业者还是致力企业转型的服务者,思考的焦点应该是“术”,也就是如何实现的问题。笔者接触过的众多企业中,有不少企业不仅已经在部署数字化,应用深度和广度甚至超过理论界。让我们少点布道,多点实践,面向产业互联时代确定的未来,共同跋涉在企业管理乃至人力资源管理数字化转型升级的康庄大道上。   作者:叶曙光(仁云人力资本数字化平台总规划师)
    数据化
    2020年03月09日
  • 数据化
    「薪人薪事」获8560万元B轮融资,强调数据价值,阿尔法和红杉投资 企业级人力资源SaaS服务商“薪人薪事”宣布于2018年初完成B轮8560万元人民币融资。投资方包括阿尔法发展基金与红杉资本中国基金,其中阿尔法公社领投,早期投资方红杉资本中国基金等参与此轮跟投。 “薪人薪事”定位为HR SaaS服务商,通过软件服务解放企业HR生产力。在此之前,薪人薪事曾获得红杉资本中国基金的5300万A轮投资和阿尔法公社的数百万人民币天使轮投资。 薪人薪事最早推出了很多“HR用的很爽”的工具,2015年的系统更多是工具集,包括4大类10行业薪酬结构、22种计算方式,并且有校准社保、公积金的计算模型。到2016年的X-One,则为整合系统版,主要改造了人力资源的三个子系统:权限、流程、数据,并且在企业端的收费模式不按传统账号数,而是一次定价不限账号,还能实现多终端互通。2017年发布的“Growth—Oriented”的3.0版本,则格外强调发展中企业,定位增长型人力资源系统。 而现阶段,“薪人薪事”产品思路是朝着数据化、智能化发展。常兴龙举例,企业若知道哪个渠道招聘过来的人比较稳定靠谱,那么HR在招聘时就会有所侧重;再比如,HR SaaS系统中不止有工资数据,假如结合了报销、财务数据后,企业就可以宏观了解部门的投入产出比,对单个员工的成长、考核也可以更全面。 “也就是说,当数据在系统的整个模块融合后,可以升级管理效率和决策质量。”常兴龙强调。  
    数据化
    2018年03月22日
  • 数据化
    传统企业如何实施“数据化”转型?听听数之联周涛怎么说 作者:周涛   八个步骤让你的企业“数据化”   什么样的企业可以称得上是大数据企业呢?恐怕没有人能够给出一个完美的答案。但是,直观地,我们可能觉得Google更像是一个大数据的企业,阿里巴巴也像是一个大数据的企业,而中国银行似乎不太像一个大数据的企业,尽管它每天也一样浸泡在海量的数据中。除了具有处理大量数据的能力外,之所以Google和阿里巴巴更像大数据的企业,是因为他们有深入的数据分析工具,利用数据分析的结果直接指导决策,而且经常推出基于数据分析的创新型应用,这还不包括类似于AlphaGo这样的奇葩。   这是我第三次以文字的形式谈论如何成为一个大数据企业。一是很早以前在“科学网”上写的一篇博客,二是为一本名为Code Halos的书写的序言。这个版本可以看作是上两个版本的补充和扩充,同时也是本书一些重点内容的重述(为了保证本文的独立性,可以不依赖本书直接阅读,少量书中给出过的文献和注释在本文中重复出现了)。然而遗憾的是,并没有一条放之四海皆准的通往大数据企业的康庄大道,更没有点石成金之术可以让一个企业快速Google化。这篇结束语只是提出一些看得见摸得着的建议,藏在这些建议背后的大数据理念,或许更加重要。   尽管我是用Step1、Step2这样的说法来列举成为大数据企业的措施,但是这些步骤之间并没有严格的逻辑上谁决定谁或者时间上谁先谁后的关系。举个例子来说,最好的办法当然是先有了数据标准再整理采集数据,这样可以不走任何弯路,但实际上完全没有数据,企业不会有动力做标准建设,做出来的标准也可能是纸上谈兵,完全不实用。又比如,数据管理平台的建设能够帮助更好地进行全面数据化,但实际上它多半是全面数据化战略进行了一定程度之后才开始启动建设的。总体来说,写在更前面位置的,是更基础的,但是没有绝对的依赖关系。   Step1 .全面数据化 “数据化”浪潮是整个大数据时代的起点,它强调数据就是资产,记录一切可以记录的数据,一定会在某一天产生巨大的价值。显然,数据化是一个企业能够通过深入数据分析,实现自身优化的基础。   我去长虹集团调研的时候,他们告诉我,长虹电器在自己的生产线上,通过大量传感器,记录生产环境的温度、湿度、粉尘度、振动强度和噪音强度,等等,通过这些量化指标与产品质量的关联分析,得到影响产品优品率和良品率的关键因素,再进一步通过控制环境因素,明显提高了产品的优品率。企业在日常的经营管理过程中,通过办公自动化系统(OA系统),很多内部即时通讯、邮件往来、工作分配和业务文件上传下载等日志数据都被记录下来了。这些数据就是宝贵的财富!正如我在书中第三部分提到的,我们通过对这些数据的分析,能够更精确地预测员工的离职率和升职率,更精确地预测员工和部门的绩效水平,帮助企业员工通过基于关联用户和文本智能匹配快速找到对自己现有业务和客户有参考价值的案例和文件,等等。但是这些提升,都是建立在企业拥有相应数据的基础上。   总的来说,全面数据化要求企业采集并存储企业生产经营中的一切数据,形成企业数据资产的概念。   Step2.整理数据资源,建立数据标准形成管理 很多企业已经有了一些数据储备,或者通过第一步,开始快速积累了一些数据。但是企业管理层,尤其是跨业态拥有多家子公司的集团运营的企业,一般而言,对于自己到底有哪些数据资源是没有清晰认识的,更拿不出一张较完备的数据目录。   企业要做的第一步,就是通过自顶向下的方式,成立数据委员会,在有必要的时候借助外部合作方的帮助,进行全面的数据调研,了解数据资源的整体情况并建立数据资源情况更新的流程和规范。   数据资源最基本的呈现方式是一个数据目录,我认为,企业管理团队至少要掌握整个企业数据的3级目录,而企业的主要技术团队应该掌握到4级目录。但数据资源又不仅仅是数据目录,因为还涉及到每一个数据项的完备性、更新程度、有效性和噪音源等描述。掌握了数据资源后,企业要根据自己业务发展的需求,建立数据标准,使现有数据和未来所有的新增数据都能够在同一个标准下统一管理,避免“信息系统建设越多,未来数据整合越难”的困境。业务中涉及大量数据的企业,尤其是涉及到用户隐私数据、国家安全数据和具有重要商业价值数据的企业,要形成数据全流程管理的规范,因为绝大部分数据隐私和数据安全的事件,都不是从外部由黑客或者敌方特定人员通过技术手段获得的,而是本单位人员蓄意或无意泄露的。数据全流程管理的规范就是要做到企业能够对数据进行分级分权限的管理,随时了解敏感数据存储在哪些服务器和终端设备上,对于敏感数据的任何处理,都能够留下数据日志并打上唯一的数据水印,使任何可能的数据泄露之后,都能够追根溯源知道是哪一位员工在什么时间点在哪一台设备上运用何种权限下载的。对于一些操作过程中出现的风险点,良好的管理规范也能够实时发现,防患于未然。   Step3.建设数据管理平台 有的读者一听到数据管理平台,就认为是要花一大笔钱建设数据中心,把数据存起来。数据管理平台肯定要有数据中心的存储灾备功能,但是它的作用远不止此。   首先,数据管理平台要为企业量身定做一套数据组织和管理的解决方案,特别是企业各部门之间数据的共融共通,以及企业数据怎么样进行索引和关联。很多大企业,各部门之间数据的格式、形态和ID系统都不一致,部门之间无法交换数据,甚至大部分的数据表连主键和外键都没有,数据之间不可能形成有效的组织。这些都是数据管理平台要做的事情。   其次,数据管理平台是由业务所引导的,先进的流数据智能处理系统,要为业务提供直接的支撑。很多时候,数据管理平台怎么搭建,需要深度了解企业最重要的核心业务,通过有重大价值的示范性应用来牵引数据管理平台的建设。例如针对零售类的企业,就应该形成以消费者为中心的索引和画像系统,主要支持精准广告、智能客服等核心业务,其次才是以商品为中心的索引系统,主要支持物流和仓储优化等业务。   最后,数据管理平台的建设要量体裁衣,强调鲁棒性和可扩展性,没有必要一开始就投入大量经费。因为硬件成本的下降也很快,不用想太多半年甚至一年以后的事情,只要架构设计合理,到需要的时候扩充硬件是容易的。   Step4.建立海量数据的深入分析能力 要想建立针对多元异构、跨域关联的海量数据,通过深度分析挖掘获取价值的能力,主要要培养两个方面的能力。   第一,是非结构化数据的分析处理能力。包括文本、音频、图像、视频、网络和轨迹等数据。受过传统商务智能和统计学训练的人,对于处理结构化数据非常在行,但是处理非结构化数据往往比较头痛——比如分布好做抽样,网络怎么进行抽样?所以,对于常见的,特别是和企业自身业务有密切关系的非结构化数据,一定要有一支队伍能够挖掘其间价值,甚至将其转化为结构化的数据。   第二,是大数据下的机器学习的能力。绝大部分我们可以想象到的应用问题,其本质都是分类或者预测问题,包括个性化推荐、精分营销、员工绩效管理、银行信用卡征信、小微企业贷款、生产线控制、精准广告和网点选择,等等。解决这些问题最有力的武器就是机器学习!特别是在大数据环境下,很多高阶的核函数慢得不行,大量的学习都必须采用线性学习器;而且数据非常多,很多时候都是在强噪音环境下寻找弱信号,单一分类器往往效果一般,必须要做集成学习。举个例子,在Netflix举办的百万美元电影个性化推荐大赛中,我们做过一些很优美的单模型,但是比起在比赛中最后获胜的集成学习模型,至少从精度上来说是弱爆了!有的读者要问了,高性能存储计算难道不重要吗?不得有一些懂Hadoop,懂Spark的技术高手吗?要不要在CPU阵列里面加几块GPU甚至可编程逻辑阵列呢?这个也重要,但是企业如果实力足够,可以采用成熟的解决方案,国际上顶尖的大数据服务商,例如IBM、HP和Intel都有不错的方案。但是我说的上述两点,是给企业培养人才和能力,而且至今也没有特别好的成熟的解决方案,所以更重要。   最后,企业怎么建立这样的能力呢?首要办法是能够招聘到一流的大数据人才——多花点钱和股票。第二选择是以显示度项目为牵引,通过外部合作,培养自己的数据分析团队,既解决问题,又学习能力。企业做这类的合作,不要老想着一次性把所有东西都外包出去,要探索新方式,看看能不能成立联合小组共同进行研发,多投入一些人去学习。有一些供应商,特别是在某些方面有专长,但是还不属于国际一流的供应商,在发展过程中是能够接受企业这种要求的。   Step5.建立外部数据的战略储备 企业走到这一步,就有点现代大数据企业的理念了,因为它不再仅仅局限于自己业务的数据了,开始看外面的世界了——很多大数据的重大创新,都是来源于把数据放在产生数据的业务体系之外去应用。举个例子,一个服装企业要解决设计生产的规划问题,仅仅看自己的销售记录还不够,要不要看看淘包、天猫和京东上服装的整体销售,了解什么款式、什么颜色、什么价位的服装在哪个地区最受欢迎呢?这就需要外部数据了!   事实上,外部数据对于市场拓展、趋势分析、竞品分析、人才招聘、用户画像和产品推荐等意义重大,而网站、论坛、社交媒体和电商平台上聚集了很多有重要价值的公开数据,这些数据中的大部分可以通过分布式深网爬虫技术直接高效采集。所以,企业要有意识地开始建立自己的外部数据战略储备,不要“数到用时方恨少”。一方面,企业可以自建具备采集、清洗、存储和索引等功能的自动化系统,自动积累外部数据;另一方面,企业可以通过和数据供应商合作,得到一些亟需的数据。   Step6.建立数据的外部创新能力 企业很容易局限在自己的业务中不能自拔。所以,让企业理解外面的数据能够帮助解决自己业务遇到的问题比较容易,因为企业主和员工们每天都在想怎么解决这些问题,反过来,让他们去思考自己业务的数据能不能在其他地方产生重大价值,帮到其他企业,他们就没有那么敏感了。其实,这些创新性的想法往往能够带来新的巨大价值。比如,Google利用自身搜索业务产生的数据,进行电价和传染病流行情况的预测,取得了巨大成功。   事实上,企业通过智能终端、传感网络、物流记录、网点记录和电子商务平台,等等,获得的第一手数据,很多都可以用于支持在跨领域交叉销售、环境保护、健康管理、智慧城市、精准广告和房地价预测等方面的创新型应用。把握住这些机会,就能够放大企业当前业务的价值,带来持久可观的收益。   Step7.推动自身数据的开放与共享 伟大的企业懂得如何把最聪明的人集合起来,为自己服务。   企业有了大量数据和一定的分析能力后,不能故步自封,而要充分借助社会的力量,尽最大可能发挥数据潜藏的价值。Netflix曾经公开了包含50多万用户和17 770部电影的在线评分数据,并悬赏100万美元奖励能够将Netflix现有评分预测准确度提高10%的团队。现在的Netflix已经不再是一家电影在线租赁公司,而是国际一流的大数据企业了。除了法律上因为安全和隐私不能开放共享的数据,相当一部分都能够以各种方式开放出来——这种开放会带来更大价值!国际化的如Kaggle(英文平台,www.kaggle.com),国内如DataCastle(中文平台,www.pkbigdata.com),都是很有影响力的大数据创新竞赛平台。举个例子,电子科技大学大数据研究中心曾经在DataCastle上举办过学生成绩预测的比赛,总奖金才50 000元,却吸引了915支队伍2 000余名参赛者参加比赛,其中200多只队伍来自于“985”和“211”知名高校。这里面最佳解决方案的思路和方法已经被应用于教育大数据定量化管理的产品模块中了。最近现金巴士推出的“微额借贷用户人品预测大赛”更是吸引了1 531支参赛队伍。还有一种最近新出的比赛方式,就是企业给出数据集的描述和样本数据,参赛选手设计创新型商业应用,提交产品说明或者商业计划书。   企业通过这些数据开放计划,可以学习最先进的算法和最具创新性的数据应用思路,实现自身数据的价值最大化。   Step8.数据产业的战略投资布局 企业有了一定的规模,光靠自己的能力还不够或者还太慢,就可以考虑通过投资的方式迅速形成自己的大数据能力甚至大数据产业布局。这类战略型的投资,有三个可能的出发点:   (1)产业集成。从投资方原有优势产业或大数据前景广阔的重点产业入手,进行全产业链布局,集中力量。   (2)技术集成。以数据采集、存储、计算、分析和可视化的创新型工具为主要投资对象,提供具有普适性的解决方案。   (3)数据集成。以数据流动共享,发挥外部价值为理念,投资一批能够紧密合作、数据互补和可控性强的企业。   对于原来没有从事过数据密集型和信息技术密集型行业的企业来说,第二类投资方向的风险特别大,建议主要从(1)(3)两类考虑。这种投资有别于财物投资,主要是考量被投资企业与投资方的整合能力,以及所能提供俄数据的稀缺性、独立性、多源性、流动性和互补性。   最后,我的结束语是希望读者能够从中领悟到企业的大数据之道!如果说有那么几家企业,受到这本书的启发,在商业模式、产品和业务方面产生了可观的价值,这就是作者最大的成功了。   节选自周涛最新大数据著作《为数据而生——大数据创新实践》一书。 End.
    数据化
    2016年05月23日
  • 数据化
    “找萝卜”完成2000万元A轮融资,重心由SaaS倾向数据化运作 招聘管理平台 “找萝卜” 透露,已完成 2000 万人民币的 A 轮融资,本轮融资由稼沃资本与 36 氪联合创始人兼联席 CEO 魏珂领投,前期投资方春晓资本与独立投资人周轶洋跟投。加之该公司于去年5月 份完成的千万人民币 Pre-A 轮融资,至此,累计融资金额达 3000 万人民币。   找萝卜成立于 2015年,它的思路是为 HR 提供一套基于 SaaS 的招聘流程管理工具。企业 HR 能够在 “找萝卜” 系统中新建职位,录入基本信息后一键发布到智联、前程、拉勾等渠道。收到简历后,能够在 “找萝卜” 系统中进行统一管理,对候选人进行筛选、简历统一格式输出转发、打印等操作。   找萝卜CEO 付浩告知,1.0 版本的时候侧重做上述的 SaaS 功能,而目前正在推进 2.0 的研发,新版本把重心从 SaaS 转到了数据技术上。   第一是匹配算法的优化,匹配无非是 “搜索”“推荐” 两个动作,找萝卜将加强意向匹配的契合度。 第二加入了语义分析,让此前的简历解析技术更符合应用场景。 第三块增加了简历的自动更新功能,这一个主要是利用数据爬虫技术,目前可以应用在找萝卜自己的简历库中,或者盘活企业的简历库,这一点和此前36 氪报道的 e 成招聘、预测员工离职的 “爱伙伴”等产品都有相似之处。 最后是简历分层机制,简历匹配也就意味着给人打标签,一部分来自机器算法解决,一部分则来自 HR 共享的评级标签。   独立投资人周轶洋同样认为,深度挖掘数据、预测性推荐、智能匹配人岗的招聘产品是市场趋势。将招聘行业最核心的信息资源 “简历” 标准化, 达到数据信息翻倍增长,才能有效地为企业控制运营成本,完成整个人力资源领域的突破。   对于融资后的规划,付浩表示资金将用于追加技术投入,巩固数据体系,进行深入研发。团队现有 45 人,7 成为产品+技术,并且,拿到融资后新增了一个 10 人左右的算法团队,不乏有来自 IBM 大数据的人员。   截止目前,找萝卜已拥有近万家企业用户,累计发布职位 30 万个,拥有百万活跃简历量及 5500 万数据储备,平均月活达到 30%。另外,找萝卜现阶段所有产品对外免费,下一步会启动商业化进程。   来源:36氪,作者:徐宁,如若转载,请注明出处:http://36kr.com/p/5044084.html
    数据化
    2016年05月11日
  • 数据化
    刘东畅:你是如何被“HR大数据”忽悠的 终于决定写这个话题的时候,我心里不禁在想,到最后,这种为大家消除阴影面积的事情,还不是得靠我出马。   从去年开始,“HR大数据”这个话题似乎越来越火,从顾问公司,到业界各种专家,还是HR从业人员,不管懂还是不懂,都喜欢拿着大数据三个字说事,看多了之后,我的感觉是,“卧槽,你们还真敢说啊”。   毕竟大数据(英文名称big data,又称逼格太大),这个概念,在业界是有清晰的定义的,你不能拿个简单的数据分析就往上去套,都不知道你套的是哪根鸡毛,什么拿离职率也当成是大数据来呈现,要是更牛逼点,估计搞个邮件自动回复都能叫阿法狗了。   简直是凤姐用美图秀秀一秒钟变身空姐的即视感。   所以,澄清”HR大数据“这件事情的历史性重任,就顺理成章地落在了东畅君身上(故意装作无视周围鄙夷的目光~)。东畅君的难题是,作为一个灵活的胖子,要如何灵巧地避开诸如Hadoop、Spark、R语言这些很诗意却让大家很容易失意的词,又要甩出柔软的身段将这个由于本身很难又被各种解读导致大家一头雾水的概念娓娓道来,请大家多给一点信心和掌声!   其实呢,要说清楚HR大数据这件事情也并不难,难的是选择好角度。比如现在谈HR大数据的文章清一色都是在谈“HR大数据是什么”,且不管讲得对不对,大家总之是听了一堆觉得云里雾里,完全是大学老师说要给你划重点,结果划了满满一书的绝望感(满满都是回忆~),结果学完出来两眼一抹黑很容易又被忽悠了。所以,与其谈大数据是什么,我们不如先来谈谈HR大数据不是什么。   误区之一:把人力资源数据化就是大数据   在众多误区之中,这应该是大家最常见到的一个。实际上人力资源数据化并不是什么新鲜事了,随便找一个专业的HR或者HR顾问公司就能拿到许多可以评估人力资源工作的指标,除了开始提到的离职率,还有出勤率、招聘周期、组织氛围、敬业度等等,这些结构化数据的存在可以让大家在过去很好地评估人力资源的工作,因此被大家奉为圭臬。   可是问题来了,这些东西到底有什么意义呢?企业关心的是我现在和未来能不能赚更多钱,有逼格一点的说法叫价值创造是不是更高,所以老板总觉得很郁闷,一方面看你们每天玩数据玩得不亦乐乎,但要真是对HR问起一些问题,比如我要销售额翻一倍究竟该花多少钱招多少人啊,什么样的人才和干部最适合我们组织啊,你搞了这套激励体系以后到底我组织绩效增加了多少啊,HR立刻两眼一抹黑,掉过头开始骂老板土包子,不会用“专业的眼光”来看待HR。   可问题是,你在大排档吃烤鱼的时候,你还是只会看烤鱼好不好吃,价钱贵不贵,吃完以后有没有拉肚子,你也不会吃饱了没事用天然气利用率、烤鱼各部位烧烤停留率(这是什么鬼,好吧我乱编的)来衡量大排档的老板对吧。 而对于老板来说,他如果能通过观察每个食客的回头率、停留时间、点菜的偏好,乃至于统计他们吃鱼的姿势、吧嗒嘴的声音、在大众点评上的评语、在朋友圈发的照片、住所的位置、乃至第二天吃饭的菜单(你没看错,这些都是数据,又叫做非结构化数据),经过分析就能知道哪些要素在什么组合之下是和食客的吃饭频次和买单额度具有较大相关性的,于是我可以据此对我的食材、佐料、服务流程、摆盘乃至店面装修等要素进行适当的调整和优化,并可以据此预测出我调整以后我每个月可以多赚多少钱,多少时间大众点评的评分可以上五星。   这就是大数据,看着很不切实际吗?要知道当年Netflix就是怎么拍出来一部火爆全球的《纸牌屋》的,他们通过对自己3300万用户的行为进行分析,知道了大家喜欢看什么样的电影电视,在什么时候会暂停、回放、快进,喜欢搜索什么关键词等等,最后发现用户很喜欢 Fincher(社交网络、七宗罪的导演),也知道 Spacey 主演的片子表现都不错,还知道英剧版的《纸牌屋》很受欢迎,三者的交集表明,值得在这件事上赌一把。   由此可见,HR想凭离职率和出勤率这类数据的统计就做到这个层次?还太嫩了点。   所以简单的人力资源数据化,哪怕是这个数据因为有十几万人显得很“大”,那也不能算大数据,也并没有什么卵用,只不过是老生常谈,而你不幸知道的太少了,而已。   误区之二:大数据距离企业太远,HR应该先把基本的数据分析做好   这也是HR经常容易被忽悠的一点,因为基本上你只要去找一个人说我要做大数据咨询,对方立刻会开始谆谆告诫说我们还是先做HR数据分析的咨询吧,因为你看现在业界没几个公司做成了HR大数据的,都不成熟,你看看你基本的数据都没有标准化规范化,简单的数据分析仪表盘都没有实现,就想做大数据,这是空中楼阁。   大数据分析真的要以“基本的数据分析”为基础吗?还真不是,因为两者的思考方式完全不一样。   传统的HR数据分析是“体检型”的,就是说我一定要先按模块定义出这么一堆数据出来,然后我看看各个指标对不对,就好像你去医院买了个体检套餐,里面要做什么项目都写得清清楚楚的,你一样一样做完以后交表等结果,然后医生那里有每样数据的正常范围是什么,所以会告诉你血脂高了视力弱了脊椎弯曲了(加班狗的悲哀……)。所以每样数据必须非常精确,差了一点就会判断错误。然后拿到结果你会发现其实绝大多数检查我根本不用做嘛,结果还是要花这么多钱好坑爹,可是医院会说这又没有剧透,我不一样一样检查完我怎么知道你正不正常呢。   而大数据分析是“治病型”的,就是我觉得我最近经常咳嗽而且咽喉痛,一位正常的医生不会让我去做骨髓穿刺,而是会按一些和我症状相符的可疑病症来筛选检查手段,比如张嘴说啊然后查血、拍片,最后根据数据反映的情况说我很大概率上应该是咽喉炎,然后根据治疗咽喉炎的经验让我去打点滴做雾化吃药,三天之后我的病好了。在这个场景里,理论上我不需要所有检查结果都精确指向我是咽喉炎,只需要排除掉其它可能性,大概率地判断我应该是咽喉炎就可以了。   当然你可能会说,体检的时候就能根据不正常的数据发现问题然后去找医生治病啊,这点是没错,可是你敢说我不体检就不能发现我身体不正常了吗?你敢说我体检了一切正常以后我的身体就没有任何问题吗?我又不傻。   比如Google在发现大家对冗长的面试流程怨声载道以后,就通过大数据分析发现,面试平均只要超过3.6次,边际效用就会大大降低,而面试效率和候选人的体验也会大大降低,所以性价比最高的方法是让面试次数缩短到四次以内,这样他好我也好,全家人都开心。   像这种问题,靠“体检”怎么能发现呢?那可真是宝宝心里苦,可宝宝不会说啊。   误区之三:找个咨询顾问就能搞懂大数据了   其实如果掌握了上面两个误区,你应该就能明白,如今某些专家和顾问根本就不懂什么是HR大数据,更从来没有实践过HR大数据,他们只是拿着数据分析的工具来挂羊头卖狗肉的,是莆田系医院的好基友,顾问界的塔利班。   大数据和以往的HR咨询产品是完全不同的,与其说大数据给HR带来的是一种工具上的提升,毋宁说是一场思维上的变革。在这场变革中,HR既要能够脱离已有的框架和工具,用更全面的视角去看到以往从未关注到的变量,又要从心理学、组织行为学、管理学的层面更深入地把握个体和组织,从而观察到真正的问题,触及更深刻的本质,提出更科学的假设,更要对技术和数学有深刻的洞察,了解技术和数学可以帮助我实现什么,如何实现(而这些都恰好是某些习惯于卖现成产品和报告的顾问所欠缺的,再加上实践经验的缺乏,这也是为什么如今某些顾问都嘴上各种说大数据,却极力避免做大数据项目的原因)。   在完成思维变革的HR的眼中,实现HR大数据,其实只有三个步骤,第一,假设,第二,验证,第三,应用。特别简单,你说似不似! 那个,如果大家姿势水平高到可以和东畅君谈笑风生的话,应该会反应过来,这就是如今在科研和学术界已经被广泛接受的实证思路,只不过在应用层面,要注意更加从企业实际情况出发。 所以我说,HR大数据剥离掉技术层面的唬人的外皮,其实一点也不复杂,只不过HR们以前的心思都花在了去揣摩领导和套用模板上,而忽视了对事实和真相的追求,在反人类的道路上走得越来越远。所以在HR大数据时代,HR只不过是在回归本质,只有在这条路上,才是和Google、Facebook这些HR大数据的标杆越走越近了。   不过,如果说同时整合这些经验、理论和技术的人实在是凤毛麟角,也可以退而求其次,要么我可以精通其中一样,要么我能理解这几种人的思维,将这几种人整合在一起,并敢于去不断推动HR大数据的落地实践,为业务和组织呈现出真正的价值。   HR大数据的确为HR打开了崭新的篇章,更可以让HR的地位提升到前所未有的高度,是HR的阿波罗登月,是历史的转捩点,是撬动地球的杠杆。   可是,你得先会玩啊……   好的,总之谢谢大家观赏东畅君装了这么久的X,那个,如果有什么不完善和不周到的,你倒是来拍我呀。   来自公众号:蜜蜂派    作者:刘东畅
    数据化
    2016年03月28日
  • 数据化
    盘点2014年人力资源热词,你不会Out了吧? 2014年在人力资源领域有哪些热词?它们体现着怎样的动向?将产生哪些颠覆?     云组织 云组织是互联网时代的一种企业组织和合作形态,是在虚拟企业和企业联盟的理念基础上延伸、发展、演变而来的。     随着大量的公共商用或免费信息基础设施,为企业成员内部之间和企业之间的合作、分享提供了突破时间和空间局限的信息技术手段。同时,全球化规模竞争日益激烈、产业分工更加细密,迫使企业间不得不在协作共享方面的态度更加开放。     与传统的企业组织形态相比,云组织更加强调“开放、协作、共赢、整合”的理念。借助云组织这种形态,企业可以有效地降低风险和成本、获得更多可用资源、提升自己的综合竞争力,几乎任何企业都可以将其组织形态融入云组织的特征。     没有任何一个时代背景下的组织,像今天的组织受环境影响这么大。它已经不仅是一个组织工作模式的改变,而是真正去践行“企业无边界”追求的时代。     互联网思维 互联网思维,在(移动)互联网、大数据、云计算等科技不断发展之下,对市场、对用户、对产品、对企业价值链乃至对整个商业生态所进行的重新审视的思考方式。     互联网时代的思考方式,不局限在互联网产品、互联网企业。这里指的互联网,不单指桌面互联网或者移动互联网,而是泛互联网,因为未来的网络形态一定是跨越各种终端设备的。可能你做的事情不是互联网,但你的思维方式要用互联网的方式去想问题。     最重要的是,今天的互联网思维已不再只是一个较抽象的理念,我们已经看到很多企业在实践互联网思维,引入到商业模式、内部管理、产品设计等实战层面上了。许多知名的企业,在利用互联网思维上已经卓有成效。像海尔互联网转型之下的“小微”、创客,都是互联网思维之下的具体实践。许多企业已将互联网思维应用到人力资源管理的各个模块中,如何用互联网思维去管理员工、培训员工、激励员工、处理员工关系等,这些都对人力资源管理提出了新的挑战。     人力资源效能 所谓人力资源效能,第一关乎人力资源效率,要提高人均劳动生产率,提高人力资本单位产出量;第二关乎人力资源价值创造能力,是要提升人力资源的价值创造能力与人力资本增加值,即人力资本的回报与贡献率。     具体到人力资源管理专业职能上,就是要通过人力资源效能的提升为客户创造价值,为企业创造价值,从而提升企业内在竞争力。     无论是稻盛和夫所创造的“阿米巴”,还是海尔独特的“自主经营体”,都是将人力资源价值量化的成功实践。同时,如何通过建立标准职位与胜任力管理系统,去实现职位管理与能力管理系统的动态配置,这些技术手段都是确保效能可视的基础。     特别是在互联网时代,如何挖掘与利用碎片时间的人力资源价值,企业已经开始总结更多的经验。例如通过移动社交网络使员工参与学习培训、参与企业微创新、开展团队研讨等等。     同时,通过构建基于信息化的知识共享与协同体系,通过构建人力资源效能对标管理体系,通过对优秀企业的对标促进人力资源持续改进和学习,推动组织持续改进和不断创新。另外,建立人力资源共享服务平台,完善外包服务体系,构建全面人才发展系统,为组织提供源源不断的价值创造源泉,建立人力资源效能评价指标体系,都是提升人力资源效能管理绩效的有效保障。     而最根本的,就是坚持彻底地在组织内从上至下的推行到位。     数据化人力资源管理 当各行各业都在进行“大数据”升级时,HR也在推动大数据走入人力资源管理。     大数据的大量、高速产生、多样性和真实性的特点,使得它可以自动提取,保证数据源充分,随时刷新,在大多数领域都能够精准地指导资源分配。     数据化人力资源,首先应该把人数据化,清楚地知道“人是怎样的”。这包括:他的能力如何?行为特征如何?绩效表现如何?     第二,将岗位数据化,明确每个岗位需要什么样的人,进而使组织机构、业务流程、岗位系统不再成为员工释放能力的边界,员工还能跨岗位担纲其他角色,以网络化的方式无边界协作,进一步将人用到极致,将人工成本投产比放到最大。     第三,将培训资源(培训内容、形式等)数据化,便可组织、推送给员工最需要的培训支持,每个人获得的培训都是高度定制化的,且学来能用,用来能好,从学习到实践产出的过程几乎没有损耗。     第四,将激励资源数据化,每个人获得的激励都是高度定制化的、自己最需要的,同样的成本支出,每个人对于全面薪酬的感知可以放大到极限。     但也不得不承认,数据化人力资源最重要的难点依然是部门博弈问题、HR的恐惧与领导思路问题。需要企业可以从管理层真正的去迎新云时代的到来。     私人董事会 私人董事会在今年开始火爆起来,引领了未来学习的模式。其特点是,由15人左右组成的小组,成员间不是同行业的从业者,不会有泄漏机密的顾虑,同时,组内还要签订保密协议,给彼此信任加上了一道安全防线。跨行业的搭配模式,又契合了跨界整合的互联网社交趋势,给企业的CEO打开思考的视角,跨界思维的融合,成了私董会受追捧的一个因素。通过提问题,帮助发起议题的CEO,像照镜子般发现自身问题,并在反思中找出答案,是私人董事会(下称私董会)的通用模式。     过去,培训多是在利用信息不对称赚钱,今天的世界信息泛滥,企业家缺乏的不再是商学院所传授的信息和理论,而是思考。在私董会是在教练的穿针引线下,诱发小组成员提出真问题,帮助发起议题的企业主提升自我觉知力,依靠激发内心力量和自我认知的实现。     不少培训机构、俱乐部开始改头换面,打起这个概念以拉拢人气。事实上,优秀的教练是实现私董会成效的的重要引导者,这样既有企业运作经验,又擅于启发和倾听的教练并不多。例如:退休前担任惠普中国区总裁的孙振耀。当越来越多的孙振耀出现和加入时,私董会才会可持续发展,并真正帮助到中国民营企业家的个人成长。     有经营企业经验的退休CEO,是教练的最佳人选,他们是穿好智慧珍珠的这条线。     移动学习 移动学习(Mobile Learning)是一种在移动设备帮助下的能够在任何时间、任何地点发生的学习。移动学习所使用的移动计算设备,必须能够有效地呈现学习内容并且提供教师与学习者之间的双向交流(Alexzander Dye)。     移动学习在数字化学习的基础上,通过有效结合移动计算技术带给学习者随时随地学习的全新感受。无论你的员工是否在办公室,哪怕只有零碎的时间,都可以随时随地通过智能手机和平板电脑登录移动学习平台,都可以方便地浏览最新资讯、阅读新书、学习课程。     许多企业都通过移动学习,为员工提供专业课程,而企业还可以进行资料下载、经验分享、登录次数等关键数据统计,可以了解到学员的学习习惯及学习主动性,企业可以籍此对学员学习效果进行有效跟进和掌握。     我们可以看到,通过移动学习进行员工培训的企业越来越多,像《中外管理》介绍过的京东大学、宁波银行等,都在这方面有卓有成效的实践。移动学习还有更多的想象空间和拓展可能,企业必须利用好这一移动互联时代的学习方式。     外企人才回流 今年中秋之际,微软全球资深副总裁、微软亚太研发集团主席张亚勤,结束了自己在微软长达15年的职业生涯。此后,张亚勤将加盟百度任总裁,直接向李彦宏负责。     可见,外企的光环,已渐渐失去昔日的魅力。内企的蓬勃发展,早已吸引着外企人才的回流。     甚至于,在谈及张亚勤从微软离职一事时,金山CEO张宏江表示,这是“一个时代的结束!”张宏江是张亚勤的老同事,曾任微软亚洲工程院院长的张宏江,如今在金山软件已做得风生水起。     无论是张亚勤和“谷歌大脑”创始人吴恩达加盟百度、前谷歌大中华区总裁刘允加盟360,还是谷歌全球副总裁HugoBarra加盟小米,及原谷歌投资者关系高管简·彭纳加盟阿里巴巴,均清楚地显示一点:中国企业的快速发展,正让更多外企人才向国内企业回流。     从没有见过哪一年的离职榜单这么“热烈”,也同时说明人才的争夺愈演愈烈,而经理人的阶段性属性也愈发明显。同时,也说明经理人更加看注自身价值的体现,以及给予供职企业和社会价值的体现。优秀的经理人已经不再是某个企业的财富,而应该是整个社会乃至商业环境的创造者。     最后,你也一定会发现一个明显的特点:2014的人力资源热词,与移动互联网时代的大背景、信息大爆炸的大环境息息相关。新技术的更迭、新商业模式的构建,直接影响着人力资源管理的方式、起点和最终的结果。人力资源从业者,更应重视时代背景对人、对人的管理的深刻影响,从而构建出更具时代特性的人力资源管理模式。     作者:佚名 文章来源:中外管理杂志
    数据化
    2014年12月09日
  • 数据化
    远程办公:未来的工作方式已经到来 当我在写这篇文章的时候,我正坐在多伦多的一家咖啡厅内。   同时,我还在通过即时消息服务在和一位身处纽约的同事进行交流,并且准备使用Skype与我们身在荷兰的社区经理沟通,此外,我还有给正在巴黎的产品开发团队发送邮件。   有些人认为,这种远程办公的方式不适合运营一家初创企业。但是在我看来,远程办公其实是未来的工作方式。   进入21世纪以来,已经有许多的优秀企业开始接受了这种办公方式,例如维珍集团、37signals和IBM等,他们都给予员工更多的自由,让员工在任何地方、任何时间,用他们所喜欢的方式进行办公。而获得了自由的员工,也在用更好的工作成果回报着企业。   以下是远程办公的好处。     将工作完成 更短的上班通勤时间、私密的办公地点,灵活的工作时间。   所有这些因素都将给你带来一个好处:充分利用时间、提高工作效率并且提升员工的满意程度。   2013年,斯坦福大学进行了一个研究,他们随机抽取一些员工,将他们分成两组。一组员工在家上班,另一组员工必须每天到办公室上班。这个研究维持了9个月的时间,最后结果现实,那些在家办公的员工,其工作效率提升了13%;而在办公室上班的员工,他们的工作效率只提升了9%。   总是有人批评远程办公这种方式,他们的理由是远程办公使得企业难以衡量和监督员工的实际工作时间。但是这些人忘了一点,那就是员工坐在办公室里的时间,也并不等于他们的实际工作时间。你可以通过技术手段阻止员工登录购物、视频、休闲等网站;但是你能阻止他们的思想开小差吗?   办公室工作者经常被打扰——或是被他们自己打扰——这种打扰几乎每3分钟就会出现一次。” — 《华尔街日报》   事实上,当员工正在进行某项工作,然后被中断,他们通常需要23分钟的时间才能够重新投入到此前的工作中。   企业应该给员工更多的自由,并且重新考虑朝九晚五的工作方式是否适合你的企业。如果你能够接受这种信任和尊重员工的文化,你的员工将会给你带来更多的产出。    吸引并且留住最优秀的人才 我们总是不断的听到这样的话:雇佣最好的人才。   而对于那些接受远程办公的企业来说,他们有机会接触到更多的优秀人才。因为你所在的城市内每出现一个你心仪的人才,就意味着在其他城市还有更多类似的人才,而且也许来自其他城市的人能够将工作完成的更好,甚至薪酬更低。   找到顶尖人才已经是一件非常困难的事情了,你又何必给自己限制地理范围,让招聘变得更加困难呢?要知道,员工水平的优劣,很有可能决定你的企业能否成功。   越来越多的优秀员工将会希望能够获得远程办公的待遇,这是必然趋势。如果某个企业能够提供这种待遇,就意味着这些企业能够吸引这些人才。另外,如果员工在你这里工作很快乐,他们自然不会轻易跳槽,你也能够避免人才流失的出现。    科技让远程办公更简单 好消息是,如今员工办公已经变得更加简单,即使是你的员工来自世界的另一头。只要有互联网,我们就能够使用上千种工具来让远程办公变得高效而且简单。    1. 产出思维 如果你想让你的员工进行远程办公,你需要首先改变一下思维,将工作时间思维转变为产出思维。在每一天将要结束的时候,你需要关注的,不再是员工工作了多长时间,而是他们完成了多少工作产出,以及他们的工作成果能否成为企业继续向前发展的动力。   我个人就非常重视产出思维,因为这种思维方式能够让我专注于当前的工作任务,而且还能让我提高工作效率。   在现在的办公室工作环境中,我们经常会看到如下现象:   员工A完成某个项目需要5个小时的时间,而员工B只需要30分钟就能完成同一个工作项目;   员工A每天来的早,走的晚。而员工B在完成工作之后,提前离开办公室去自我充电,或是筹划新的能够为公司带来价值的项目;员工A被评为企业的“勤劳员工”。但是显然企业更需要员工B这样的人,因为他的工作效率更高。   对于希望使用远程办公的企业来说,我们应该创造一种名为ROWE(Results Only Work Environment)的工作环境,只关心员工完成了什么样的结果,至于为了达到这个目标他花费2个小时还是10分钟,这一点并不重要。Best Buy和Gap等企业都采取了这种工作方式,结果显示:他们的员工工作效率提升了20%,工作失误率下降了90%,而且还提升了谷歌的满意度。      2. 数据化 既然我们专注于工作成功,我们就应该为自己设定正确的计划,并且制定一个自我衡量标准。   你应该为自己制定一些具体、量化、切合实际的目标。你可以花一些时间,将这些目标写下来。   如果你是一个编程人员,你可以设定这样一个目标:在本周内给软件添加一个新功能。如果你是一个销售人员,你的目标可以是这样:每天打50个有效电话,每周完成10笔销售。   你才是嘴了解自己工作方式的人,因此你应该为自己制定详细的工作目标。   每天早上醒来之后有一个目标,知道自己每天、每周、每个月要做什么,这样的感觉非常好。    3.沟通、沟通、沟通 这一点我一定要特别强调。   远程工作的弊端,就是不利于员工之间的沟通。用网络聊天工具进行沟通,由于缺少面部表情、说话语气以及眼神接触的辅助,有的时候可能会造成误会。当你的员工身处世界各地时,沟通就成为了最重要的因素。   当你使用网络工具进行沟通的时候,就一定要注意言简意赅。一封750字的电子邮件,应该在不失去其愿意的情况下,被缩短至300字。这样做不仅能够有效的避免无效沟通和错误沟通,还能够提高你和对方的工作效率。    4. 创建企业公告板 你应该创建一个企业公告板,让公司内的所有人都能够了解其他人正在进行什么工作。   有的时候,我们会过分专注于自己的任务,而忘记了团队中的其他人正在做什么工作。这一点是非常不利于团队合作的。   我们公司使用的是一个名叫Pivotal Tracker的工具,当然你也可以选择其他的产品,例如Basecamp、Asana和Trello等。这些工具能够让你从宏观上掌控各个团队的工作情况,还能够让你更轻松的给某个员工指派任务。    5.定期反馈 员工最近状态如何,他们对现在的工作状态是否满意,你很难掌握。因此你应该定期的让员工提供反馈,并且依据这些反馈做出调整。   你应该制定一套完善的反馈机制,可以每周或是每月进行一次员工反馈活动。让团队成员感到你在乎他们的想法,也想要帮助他们一起成长。这样做将会提高他们的工作积极性与忠诚度。   在让员工进行反馈的时候,尽量不要使用电子邮件做为沟通方式,可以的话你可以使用视频聊天工具。要让员工看到你的表情,你的眼睛,以此来提高沟通的有效性。   未来的工作方式已经到来,是否要接受这种方式,你自己说了算。   【文章作者:Sean Kim 】
    数据化
    2014年07月17日