• 大数据
    与玛氏公司合作,仟寻上线招聘机器人“iMars小助手” 来源/36氪 文/徐宁 日前,玛氏公司和仟寻MoSeeker联合发布线上招聘AI程序——“iMars小助手”。仟寻MoSeeker创始人兼CEO王向导告知,“iMars小助手”利用的是仟寻自主研发的MoBot智能聊天引擎,其背后的数据库积累了数百万条候选人提问的历史记录,近百条意图信息,等等。当应聘者通过文字或者语音提问时,“iMars小助手”可以先语音识别转文字,然后再识别聊天意图,给出相应答案。同时,引导候选人完成应聘、面试等相关准备。对于候选人来说,iMars小助手相当于应聘前期的私人小助手,通过了解候选人感兴趣的职位,帮助候选人搜索和匹配合适的岗位,回答申请和面试中的各类提问,该技术在辅助应聘者完成申请流程的同时也为应聘者提供随时查看职位申请进展的功能。 36氪曾报道,“仟寻”是一款基于微信的 SaaS 移动招聘系统,主要功能包括职位的移动端发布、传播和申请,以及基于社交关系的员工绑定和内部推荐。仟寻系统记录企业和用户端所有的发布、传播、申请和入职数据,同时可以与企业现有的 ATS(申请追踪系统或企业招聘系统)系统整合。公司于2018年1月完成了1500万美元的B轮投资。 而玛氏集团是一家销售额超过350亿美元的跨国公司,旗下食品品牌包括M&M’s®、士力架®(SNICKERS®)、德芙®(DOVE®)、益达®(EXTRA®)等。除了主营食品业务,码氏还成立了Next Generation Technology团队,利用AI、AR、ER、ML(机器学习)等技术辅助公司发展。 据悉,本次“iMars小助手”的推出则是玛氏中国服务中心、玛氏亚太区数字化及AI创新团队和仟寻MoSeeker联合研发。
    大数据
    2018年07月04日
  • 大数据
    肯耐珂萨发布大数据报告,提供全面“敬业度数据”参考 近日,人力资本云服务公司肯耐珂萨联合复旦大学智慧城市研究中心发布了《2018 KNX敬业度大数据白皮书》(以下简称“白皮书”),白皮书结果来自于对KNX积累的1030万员工敬业度调研大数据的深度实证研究。白皮书不仅描述了中国企业员工敬业度的群体画像,而且侧重于挖掘敬业度现状背后潜藏的驱动因素。   因此我们也可以理解为,这份白皮书涵盖的范围是“驱动因素与员工敬业度的变量关系”和“适合中国市场的敬业度预测模型”,而非仅仅传统的分类走势。     企业文化、信息能力、领导者,敬业度驱动因素Top 3 影响员工敬业度的因素有很多,员工会根据他们所得到的资源、支持的程度来决定他们的工作敬业水平。     与传统敬业度报告的差别在于,白皮书基于机器学习,解析出了驱动因素影响的中间层——即“领导者”、“信息能力”这两项因素除了自己本身影响敬业度指数外,它两还能同时通过影响其他的“战略”、“文化”,二次影响敬业度指数。     在六大维度中,“企业文化”是对敬业度提升最显著的因素; “信息能力”是第二大驱动因素,但它对敬业度的直接效应并不强,而是通过影响“企业文化”、“战略明晰”这两个因素来提高员工敬业度;   领导者对员工敬业度也有着不可忽视的影响,排在第三位,它是通过“企业文化”和“战略明晰”来间接影响企业员工敬业度。   利用机器学习及早识别敬业度“特殊群体” 肯耐珂萨联合复旦大学智慧城市研究中心利用机器学习分析了超过1030万员工敬业度数据,创建了可以进行检测预警的算法,这是人工智能在敬业度分析的首次使用。   白皮书揭示了3条有效预测规则,这可以用来帮助企业判别“特殊群体”,并对“特殊群体”的敬业度特征进行预测。该算法无法从数据当中识别任何员工个体,因此无需担忧隐私问题。   此次构建的敬业度模型,通过“预测敬业度值”和“员工的实际敬业度值”对比,其预测准确率高达95%,在该模型基础上,机器学习可以通过规定不同类型的特殊群体,来推测识别他们的重要普遍特征,这将为企业的敬业度培养提供智能化改进建议。   福利! 下面为肯耐珂萨白皮书下载链接: http://www.knx.com.cn/public/upload/file/2018KNXjyddsjbps.pdf
    大数据
    2018年06月14日
  • 大数据
    降低AI在企业市场的应用门槛,天云大数据获得1亿人民币新一轮融资 来源| 新芽NewSeed(www.NewSeed.cn) 文|quinn   6月13日消息,天云大数据产品发布暨渠道招募会在京举行,会上创始人雷涛宣布已于18年上半年完成了1亿人民币新一轮融资,本轮融资由由曦域资本、华映资本领投。   天云大数据成立于2010年8月,是国内唯一能够同时提供分布式计算平台产品和AI平台基础设施的科技厂商。 雷涛表示,伴随着云计算和开源软件技术的成熟应用,随着大数据时代的到来,IT(Information Technology)开始向DT(Data Technology)转型,生态面临重新洗牌,这种高大上的“黄金搭档”即将走下神坛。 DT时代的市场逻辑要求直接处理海量数据,因此需要通过更高阶的工具来为企业赋能,(Algorithm)、B(Bigdata)、C(Cloud)即成为了DT时代的技术选择。     随着数字化程度提高,传统规则经验方法已经无法满足更复杂的数字化世界的要求,在大数据时代,难以量化与处理的复杂的高维结构需要更高维的算法来描述,机器学习使人类得以在难以精确描述规则的边界去完成任务。因此IT向DT的转型,意味着从规则流程驱动向数据驱动的转变,重塑生产流程,将复杂业务做重新表达,将传统流程予以改造,用规模化的AI应用提高生产效率、节省时间。     天云与生态中partner合作可分为四种体系: 一是技术转卖,合作伙伴在价值转移过程中获得附加价值; 二是帮助合作伙伴服务转型,由面向Java、DB流程型开发的服务团队,转型成DT时代的Machine Learning数据驱动团队; 三是面向已经进入数据科学的团队,天云提供支持容器化部署docker的微服务Micro service,将数据科学的模型生产过程沉淀、打包成标准可扩展形态的产品,帮助合作伙伴扩大规模; 四是面向拥有数据和场景的合作伙伴,提供数据变现的资本合作。     据腾讯研究院预测,到2020年,市场对AI应用的需求将增长300%,旺盛的需求,偏少的人才供给,导致AI人才成本高昂。只有通过升级大规模生产工具,才有望满足需求。   天云大数据针对这一问题,推出了规模化AI工具, 通过构建支持Auto Machine Learning特性的PaaS化AI平台MaximAI,尝试为客户做AI赋能,减少对数据科学家的依赖,让企业获取机器智能像读书一样简单。   目前MaximAI已经迭代到3.0版本,实现了算法的自动化优化,即Auto Machine Learning。也就是说,客户在选择算法时能更加简单,像基于Android开放应用一样,基于天云的PaaS化AI平台去构建机器学习模型。同时,还可以实现notebook环境下的容器化部署,根据任务类型自动确定算法,特征工程自动化,自动衍生或合成特征,模型超参优化智能化。   经过几次平台迭代,天云平台已能实现模型的智能化生产,真正实现Auto Machine Learning。通过一系列的自动化方法,成功减少了对数据科学家的依赖,降低了AI在企业市场的应用门槛。     据了解,MaximAI 可以广泛应用于金融领域,在大型银行、保险、互联网金融均有成功落地,部署于某大型银行,高风险客户正确识别率高达78%,客户申请欺诈识别率提升20%以上。除金融领域外,在医疗、能源、艺术品交易所也得到了成功验证。  
    大数据
    2018年06月13日
  • 大数据
    大数据相亲?大数据求职?大数据招聘? 来源| HR圈内招聘网   大数据相亲? 一个智能系统帮你搞定恋爱婚姻大事,适龄青年只需要按照系统的分配,与不同的人谈一段段不同时长的恋爱,最终系统自会帮你找到99.8%高匹配度的那个TA----这是黑镜第四季中的《DJ下台》中的桥段。 在黑镜中故事的男女主角的代码经过1000次的测试,998次都翻过了那堵围墙,可惜迎来的不是真爱的胜利,只是虚幻的模拟数字。算法也基于此得出了现实中两人的完美匹配。只看到眼前的结果,不晓得背后的过程。     科技帮你选出最适合你的人,这是可能的吗?很多人或许会觉得这是天方夜谭,但大数据却让一切成了真,突破人们想象的边界。   据《中国青年报》报道,有采访对象称科技给她相亲助力了至少三四成。但是我们的婚姻和爱情,是能用测试换来的吗?       大数据求职?   同样拿求职来说,跟相亲有颇为相似的地方。理论上通过非常丰富的测试数据样本,会把求职意向更为具象。   通过学历、专业、过往的从业经历,加上外部行业的发展变量,能对职业发展的路径作出科学的预测。   想象一下,在求学阶段就已经量体裁衣,为以后的求职方向通过大数据的方式打下基础,一毕业就按照职业规划按部就班....中间没有容错的机会,一眼看到头。       感觉也挺可怕的。。。。   大数据招聘?   标签、样本、关键词、机器学习、推送?大数据和算法加持,招聘会变得更轻松吗?   招聘本身和“筛简历”不能对等,对简历和求职者本身,不能简单通过数据的匹配来得出结果。数据匹配容易走极端“关键词化”。   拿翻译来说,在很多年前,人们认为机器翻译是一个巨大的挑战,语境语气对愿意的理解会产生很大的偏差。简单的翻译单词还容易实现,对成段文字的理解就比较难判断了,也就有了很多词不达意的“机翻”。   随着科技的迭代,机器对单词上下文的综合判定已有长足进步,现在翻译的精准度已经有了很大的提升。   我们处在一个大数据,算法泛滥化的时代,未来的大数据招聘,机器取代人工,前景是好的,道路是曲折的,在什么样的科技背景的前提下,把当前的科技应用到什么样的尺度,不能盲目追求科技是完美的,也不能一棍子把它打死。       科技加持为我们带来的或许并不全是完美新世界,有时也可能是让人细思极恐的囚笼。
    大数据
    2018年06月11日
  • 大数据
    专注于大数据智能服务,“富数科技”完成过亿人民币A+轮融资 来源| 新芽NewSeed 富数科技成立于2016年4月,定位为大数据智能服务提供商。   5月31日消息,“富数科技”宣布完成过亿人民币A+轮融资,本轮融资由宽带资本旗下晨山资本领投,达泰资本、伯藜创投与麦达数字等跟投,其它战略投资者持续跟进。   富数科技成立于2016年4月,定位为大数据智能服务提供商,运用自身数据和科技,通过大数据挖掘与分析,精准评估用户群体、快速识别欺诈风险,为金融行业提供用户画像、反欺诈和信用评估等服务。据了解,目前已在国内拥有超过200家头部企业客户。     如今金融行业在产生新的变革,传统金融机构也在下沉,为更多用户提供服务。如何帮助金融机构更加精准的寻找潜在客户群体,提升营销成功率,降低营销成本?如何降低接入的成本等都是行业的痛点所在。   富数科技针对这些痛点推出“信用令牌”产品,基于自身深厚的建模及精细化运营能力,联合外部数据合作伙伴进行建模,从欺诈风险、履约能力、消费能力、信用能力、行为偏好等多个维度精确刻画用户信用。     创始人张伟奇表示,“信用令牌”将重点放在评估“人”的资产能力和还款能力上,对“人”的资产画像刻画越完善,那么对金融机构的风控效率、精准营销提升就越高。     本轮融资后,除在银行、消费金融和互联网金融等金融服务方面继续扩大优势以外,富数科技也将布局财富管理、保险和资产处置等细分市场。     据新芽数据库,富数科技于2016年9月获得天使轮融资,由易兴资产、金顾恒资产投资;2017年12月获得5000万人民币A轮融资,由达泰资本、伯藜创投、晨山资本投资。  
    大数据
    2018年05月31日
  • 大数据
    大数据与AI下的人力资源管理重构 文 | 兰青秀 来源 | CHO首席人才官   “后工业社会”时代的互联网属性进化   “后工业社会”是美国著名学者和思想家丹尼尔·贝尔提出的,其典型特点是:以理论知识为中轴,核心是人与人之间知识的竞争,科技精英将成为社会的统治人物。   在互联网出现之前,后工业社会的进化相对平缓,知识进步对社会发展的驱动是平稳上升的。   然而,互联网的出现和高速发展,就像是为后工业社会注入了催化剂,人类社会在短短二十年中,就发生了可以媲美甚至超过以前百年进化的巨大变化。   后工业社会,被打下了深深的互联网属性。 知识创造未来的同时,未来也在改变知识本身。   颠覆再造:大数据管理掀起知识革命浪潮   从结绳记事到发明文字,人类社会的每一次进化都伴随着以数据信息为核心的知识革命。数据与信息的载体,从甲骨、木简、布帛到纸张,经历了数千年的历史。然而,从纸张到电子,几乎是一步跨越,就颠覆了几千年来数据信息记录、传播、交流与存储的传统方式。   大数据管理同时革新了数据信息的入口端和出口端。   在数据信息入口,大数据管理提供了真实的、实时的、低费的、海量的数据输入。   比如我们想要使用电子地图和导航设施,就必须定位所在位置和要去的目的地,并且在途中用GPS(全球定位系统)时刻记录位置,这就是数据信息的真实性和实时性。   入口端通过提供一些免费的大众服务来获取大众的各种数据信息,这就是低费性和海量性。   在数据信息出口,大数据管理提供了丰富的数据信息、精准的信息分析、便捷的信息匹配、高效的信息应用等实用功能。   比如淘宝、京东等电子商务网络平台,作为生活购物的综合信息平台,会对消费者的消费数据信息进行记录、追踪、分析,洞悉并掌握消费者的消费习惯,从而进行针对性营销推荐,甚至衍生一系列的后续商业服务。     风雨欲来:势不可挡的人力资源管理革命   (1)不断变化中人力资源管理   大数据管理下的知识革命重新定义了“知识”,作为知识创造者、吸收者、利用者的人力资源管理者,势必会被赋予新的内涵和使命,而这些正在悄无声息地改变着人力资源管理的主体内容。   数据信息革命正在给人力资源管理带来全方位的变化:   大数据将为人力资源规划提供更为科学、全面的信息与数据基础;   基于人才数据库的招聘工作将在招聘信息发布、简历收集筛选、人才测评、人岗匹配等方面大大提高工作效率和效果;   知识数据库将培训资源和培训需求实时链接和高效匹配,更有利于培训目标的达成;   薪酬数据库使得外部薪酬调研高度便利化,市场薪酬的透明性又反过来推动了企业薪酬进一步体系化和公平化;   绩效数据库使得绩效数据统计分析更加客观和便捷,使得绩效管理从烦琐的数据分析中解脱出来;   员工信息数据库使得劳动关系管理更加科学和规范,更有利于防控用工风险、推进人本管理,提升员工的企业黏性。   (2)AI推动人力资源素质革命   人工智能(Artificial Intelligence,AI)是模拟、延伸和扩展人类智能研究的技术科学,包括机器人、语言识别、图像识别、自然语言处理和专家系统等。   人工智能的本质是“基于算法”的智能,在大数据的基础上,基于计算机科学的高度发展,人工智能已经取得了一个个丰硕的成果。   2016年,为吸人眼球的“阿法狗大战李世石”,结局却让人大跌眼镜:李世石以1:4落败于阿法狗。从“深蓝”战胜国际象棋大师加里·卡斯帕罗夫,人工智能很快攻下了“被认为是最复杂的智力竞赛”的围棋大赛。   中投顾问发布的《2018——2022年中国人工智能行业深度调研及投资前景预测报告》认为,随着AI技术研究的逐步成熟,人工智能在无人驾驶领域、医疗图像分析、智能投资顾问、精准营销应用、新零售应用等领域的应用进程将进一步加快。   AI的高速发展启动了人力资源素质革命的加速器。简单机械的工作将被人工智能很快取代:   在制造行业,有很多企业已经引入工业机器人,替代了很多流水线工人,并且大大提高了工作效率,降低了生产浪费;   在零售领域,无人超市已经上线,传统的理货员、服务员、收银员等,已经处在风口浪尖;   无人驾驶正在快速发展,驾驶员将何去何从?   大数据信息公开且动态匹配,使得传统的靠信息提供与匹配生存的中介机构,甚至包括提供高端猎头服务的人力资源机构,都面临了前所未有的转型挑战。   人力资源开发目的就是提升人力资源价值增值部分。当人力资源的价值定义被改写,人力资源素质革命的大幕拉开了……   未来已来:大数据与AI下的人力资源管理重构   (1)“终身学习+立体能力”重构人力资源素质   “不是我不明白,这世界变化快”,就像这首歌里唱的,科技的高速发展使得现在的世界堪称“日新月异”。   人力资源素质革命使得知识和能力的迭代周期正在快速缩短。在教育领域,以前可以用15~20年的教育周期培养一个可以工作30-40年的人力资源个体,大多数受教育者也可以凭借所学养活自己一辈子。   但是现在似乎不一样了。原有所学的价值,正在变得模糊,或者飘忽不定,而且几乎没有办法预期这些价值会在什么时候就会突然消失殆尽。   “终身学习”变成了人力资源素质革命中能够给予大家安全感的“唯一法宝”。只有时刻关注快速发生变化的时代,不断更新并获取匹配时代发展的人力资源素质,才能不被快速发展中的社会淘汰。   另外,人力资源能力正在从线性变得“立体”,“斜杆青年”的状态将会从“时尚”逐渐变成“大众”。“终身学习+立体能力”将成为鲜红的旗帜,引领大家走上人力资源素质重构的革命道路。     (2)“泛平台化+劳务关系”重构人力资源管理   时代的快速变化使得传统组织的固化障碍正在变得越来越突出。新时代的管理呼唤灵活多变的组织,于是,“平台化”组织成为时尚,“合弄制”正在成为新时代组织再造的研究方向之一。   现在很多企业正在向平台化组织转型,以“人力资源能力”为核心组织能力的行业,比如法律、审计、咨询等行业的企业组织,是平台化转型的先锋队。   同时,人力资源素质重构提供了更加具有成长性和立体化的人力资源个体。新时代的人力资源个体希望实现跨组织的合作与成长,全方位“解锁”自身的人力资源能力。   当组织更加柔性,人力资源更加立体,传统的“基于雇佣关系的劳动关系”将会成为历史,“基于平台组织的劳务关系”将成为未来人力资源合作的主流模式。“泛平台化+劳务关系”将全面革新人力资源管理的基础和结构,重构人力资源管理的内容和形式。   综上,大数据管理使得“互联网+”从标签变成了烙印,深刻融入并驱动了社会发展,正在快速改变时代的面貌;具有互联网基因的AI技术与大数据紧密结合,成为重构商业运作形式的“利剑”。   大数据与AI下的人力资源管理重构,A面是“终身学习+立体能力”重构人力资源素质,B面是“泛平台化+劳务关系”重构人力资源管理。   A面与B面相互促进又制约,在对立统一的“矛盾”中共同发展,正在改写人力资源管理的未来。  
    大数据
    2018年05月24日
  • 大数据
    《2018 HR 人工智能大数据使用调研报告》 大数据和人工智能是否改变了您所在组织的招聘方式? 64%受访者表示同意。 你认为人工智能会取代你的工作吗? 每十位受访者中只有一位认为他们的工作将会被人工智能取代。 78%受访者表示,他们乐于在将来与人工智能,有更加密切的合作。 大数据和人工智能使工作变得更困难的主要原因是什么? 14%受访者表示,人工智能加大了其工作难度,数据过于庞杂令他们不知所措。 组织将人工智能运用于以下哪些方面? 人才搜索  33% 追踪招聘流程  23% 在职培训及发展、背景调查、聘用候选人跟进  10% 大数据和人工智能让您的工作更轻松的主要原因是什么? 专家认为是提供有价值的见解  40% 认为人工智能为其节省了大量时间  34% 团队得以将更多的人力/创意专注于招聘  21% 51%  大数据和人工智能使得他们的工作变轻松 76%受访者认为人工智能已经成为搜寻高素质人才的工具。 数据来源:《光辉睿程2018年 HR 人工智能大数据使用调研报告》 2017年末,光辉睿程对全球范围内800位HR从业人员进行调研
    大数据
    2018年02月11日
  • 大数据
    卖引擎而非整车,「麦穗」想用人工智能、大数据帮招聘网站提高效率,英格玛HRTECH基金投资 在麦穗联合创始人王露颐看来,招聘主要有3个步骤,其一是为企业找到足够数量的候选人,因为基数大了,才能确保质量;其二是找准人,最后才是人岗匹配合不合适的问题。 按照王露颐的说法,麦穗并不是卖整车,而是给一些大型招聘网站、企业开发引擎,目前主要提供3大产品。其一是帮助招聘网站快速定位候选人,公司合作客户均具有较大体量,一般在内部都有着丰富简历。通过匹配求职人员简历和职位描述为企业找人。如果客户简历数量不够,公司也会从外部为其定制一定数量的简历。 首先会分析企业的基本情况、发展阶段、过往入职人选等特征来对需求方用人偏好形成一个完整画像。还会精细化分析和标注处理整段职位描述,并分析所处行业特征和标的企业的用人状况。麦穗会运用智能语义解析,切分并提取候选人简历的核心内容,形成150多个维度,来匹配企业的用人画像。这150多个维度包括候选人的期望薪资、期望的工作地点、到岗时间、简历新鲜度(候选人更新简历的频繁程度是和换工作的意愿成正比的)、学历状况、专业技能、工作经历等。 人才库盘活是近年来一个活跃话题,理想场景是当 HR 向外发布职位时,系统可以自动提示她自有人才库里已经有很多合适的候选人了。但是据欧美市场最大的求职网站 Indeed.com 的总裁 Chris Hyams 介绍,由于不同行业、不同工种之前存在许多“潜规则”,且很多职位的 JD 还是不能标准化、模型化,该技术的实际应用还是存在一定问题。 仅仅通过职位 JD 和候选人简历去匹配供需双方,这个显然是不够的,因为很多时候职位与职位间的描述是比较相似的,并不能精确匹配,利用简历数据所做的只能是一个“冷启动模型”,后续还要通过不断添加数据维度来精细化该模型。麦穗的第二个业务是为该模型添加了类似电商的用户行为数据分析。 具体来说,麦穗会分析企业的职位发布者在招聘网站上的历史行为数据,比如关注了哪些候选人、拉黑了哪些候选人、搜索查看过哪些候选人,付费买过哪些候选人的联系方式。通过在推荐模型中添加用户行为数据,匹配的维度自然会更多。使用越多,产生的数据越多,匹配自然也就更加精准。 以上两款产品均是重大数据,轻 AI 的产品。麦穗在今年试点性地推出了一款视频面试类产品,据王露颐介绍,该款产品集成了机器学习和深度探测模型来探测候选人的软性素质,方法是通过探测候选人在面试时的肢体动作和面部表情,来对候选人打分。比方说团队会通过一套数据模型,从中产生6000多个维度,来定义什么是“领导能力”。在匹配候选人面试时的表现,挑选出“领导力”强的候选人。 据悉麦穗是由英格玛HRTECH基金投资。 来源:36氪,作者:徐宇。
    大数据
    2017年12月29日
  • 大数据
    天天喊着大数据,人力资源SaaS服务商又该如何应对? 图片来自“123rf.com.cn”   来源:人力资源行业观察 作者:老猹 人力资源SaaS服务商天生就具有一个优势——大数据,例如大象人事掌握了人员流动情况、员工工作效率;2号人事部获得企业用户的员工规模、社保公积金缴纳、薪酬福利水平等数据……这一优势也是其必将对传统的人力资源行业产生变革的重要原因。我们都知道,大数据并不在“大”,而在于“有用”。价值含量、挖掘成本比数量更为重要。对于很多行业而言,利用这些大规模数据进行精准营销、服务转型以及市场预测,是赢得竞争的关键。 所以,如何将固定的数据资源常量操作化为可收益的业务变量,对于一家SaaS服务商能否规模化至关重要。 结合国内外大量人力资源SaaS服务商成功利用大数据案例以及对中国未来SaaS环境市场的了解,老猹认为,转换方向有几种。 渠道转换 SaaS服务商在自身行业掌握着其他行业大量的用户通道,于是将这一渠道优势转化为收益。例如Zenefits将其保险入口渠道作为获利接口,大量的用户资源,成为了它向保险公司收取费用的直接“点金手”,这一模式每年给Zenefits 增加约45亿美元的年收入;国内如点米社保通有着大量用户缴纳社保的通道入口,智联、51有着招聘的入口,这些都可以转换为收益,未来在行业、市场竞争能够牢牢站住脚,正反馈于通道的建设。当然渠道转换也有一定的劣势和风险,其他行业本就有自身渠道,当SaaS服务商占据这一通道使其不得不付费时,冲突就可能产生。例如,在美国犹他州, Zenefits 一度被判定为非法,保险经销商控诉称,由于Zenefits 是免费软件,这有不正当竞争的嫌疑。 资源转换 SaaS服务商沉浸在自身行业掌握着大量的用户资料,这些资料能get到用户的基本特征,属性,将其变现,可以更精准化的进行其他的业务。例如北森做好企业人才测评服务后,掌握了大量的员工特征,开始做招聘。精准化需要技术力量,正确地处理大数据能起到颠覆式的作用,但错误的处理一样可能导致亏损,智联、51在获得大量求职者的数据之后,也开始为企业提供测评服务,但市场规模总难以做大,反而是为个人提供的测评服务更显优势一些,这种转换过程就是数据处理稍显不够的结果。 场景转换 SaaS服务商拥有了一个场景大数据以后,任何一个想要进入该场景的业务都要向其缴纳“场地费”。上一期老猹说到,由于消费者对某一市场中原有品牌的认同,会迫使新进入者不得不花费巨资来克服消费者的品牌忠诚度所带来的影响,场景化的SaaS服务商既对行业内部形成自身的护城河,同样的,在行业外部一样会构建一道壁垒,想要进入这个人力资源行业某一场景获得用户、完善产业链的企业,也不得不花费巨资来迎合消费者对于现有场景品牌的认可度,北森占据了企业测评的场景,大量面向教育行业做职业测评的机构首选的软件也是北森产品。 趋势转换 大数据最重要的一点,是能通过对这些数据的分析,预判未来行业发展的方向,提前布局。这些年来,“风口”一词用得可谓泛滥,每一位投资者、企业家都在凭借自己的经验、分析来判定行业的变化趋势,以求占领时代的高点。可是真正能判断正确的,万中无一,只有风口真正来了、过了,才意识到哪条路是正确。大数据可以大大提高这一判断的准确率,人力资源SaaS服务商可以通过大量的客户数据,进行产品布局、渠道建设、和顶层规划。 2017年,数百家人力资源SaaS服务商都在摸着石头过河,谁对谁错,暂无结论,但是,未来势必会出现一家占领这一领域的超级公司,到那个时候,相信每家曾经在这个行业留下脚印的SaaS服务商,回首起来,都会感慨万千。 总之,SaaS服务商势必将存在数据优势,真正能够利用好这些数据的企业才能把握住未来行业变化的趋势,占领高地。
    大数据
    2017年10月11日
  • 大数据
    通过大数据自动制定最合理的排班计划,Legion完成1050万美元A轮融资 【猎云网(微信号:ilieyun)】9月29日报道 (编译:冰摇柠檬茶) 近年来,我们不断讨论员工希望更灵活的工作时间安排的话题。而在Lyft和Uber等公司诞生后,我们离这一梦想的距离也更近了一步。但是,并不是所有人都实现了这个梦想,尤其是规定严格的小时工们。 为解决这个问题,Sanish Mondkar创办了创企Legion,利用大量数据,细致到一家商店旁边的天气,试图预测繁忙情况,给商店员工提个醒。同时,它也能够帮每一位员工制定最合理的排班,比方说这周想要每天同一时间工作,下周想要每天更换工作时间等。 日前,Legion完成1050万美元A轮融资,Norwest Venture Partners领投,后者的Sean Jacobsohn加入该公司董事会。早期投资人First Round Capital,XYZ Ventures,以及Webb Investment Network跟投。这轮资金让Legion能够进一步深入广阔的零工零售行业。 Legion未来的目标是准确预测店铺流量和所需员工数量,帮助每一位员工找到适合自己的排班,甚至生活方式。Mondkar认为,千里之行的第一步,就是让员工对工作和生活感觉更好,从而在工作的时候更开心,给客户提供优质的服务。 虽然不是没有人尝试过智能排班,但现在更多的还是依赖经理,花费数小时时间确保每个人的需求得到满足。
    大数据
    2017年09月30日
 Hotline: 021-31266618   Email:hi@hrtechchina.com