• 招聘
    人工智能:人力资源行业真正的杀手应用程序 对人工智能的炒作和期望现在是天高。我们很快就会和我们的电脑通话。无人机将提供我们的杂货; 我们的汽车会开车自己; 而大多数白领工人将会是监控机器。这一切都是真的吗?这真的会发生吗? 作为一位遵循技术几十年的行业分析师和工程师,我想说我们正处于一个有趣的阶段:一方面,炒作远远超出了现实; 另一方面,上涨幅度可能比我们想象的要大得多。在人力资源方面,价值的机会是巨大的。 虽然几乎所有人力资源供应商现在都在建立人工智能团队,我们都希望我们的系统更加智能和实用,但我相信这个市场还很年轻,所以我想指出一些需要考虑的事情。 上周我参加了一个关于招聘自动化的会议,我们听取了奥克兰A的总经理比利比恩谈到钱球。在对Sabermetrics的历史和数据如何改变了棒球比赛的精彩讨论之后,他告诉我们,他现在在他的名单上有六位博士学位机器学习工程师,“拥有最多博士学位的团队真的很难被击败。”这就是业务中发生的事情。 人工智能在人力资源和管理中的作用 让我们认识到AI不是一些神奇的电脑化角色; 它是一个广泛的算法和机器学习工具,可以快速注入数据,识别模式,并优化和预测趋势。系统可以理解言语,识别照片,并使用模式匹配来获取关于情绪,诚实,甚至个性的信号。这些算法不像人类那样“直观”,但它们速度很快,因此它们可以在几秒钟内分析数百万条信息,并快速将它们与模式关联起来。 统计学上的AI系统可以通过绘制可能结果的曲线来“预测”和“学习”,然后根据许多标准优化决策。所以你可以想象一个人工智能系统,可以查看可能的人口统计数据,工作经历以及与候选人面试的问题,然后“预测”他们在工作中的表现如何。(HiredScore,Pymetrics,HireVue,IBM和其他公司正在研究这方面的工作。) 虽然这比听起来更复杂,但这是一项重要且高尚的举措。几周前,当我被问到这个问题时,我回答说:“我们今天制定的大多数管理决策都是由我们的裤子所在位置完成的。如果这些系统让我们变得更聪明一些,我们可以极大地改善我们的运营。“ 是的,有很多风险和障碍需要处理,但潜力非常大。 我们可以期望看到哪些杀手级应用程序? 让我列出我们可以看到突破性成果的许多领域中的一小部分。 在招聘中,我们做出了很多关于直觉的决定。一项研究表明,大多数招聘经理会在候选人的头60秒内对候选人做出决定,通常基于外表,握手,着装或演讲。我们是否真的知道什么样的特征,经历,教育和人格特质能够保证某个角色的成功?不,我们不。经理和人力资源专业人士使用数十亿美元的评估,测试,模拟和游戏来雇佣人员 - 但很多人告诉我他们仍然有30-40%的人选错了。 基于人工智能的算法可以清除简历,找到优秀的内部候选人,分析高绩效人员,甚至解码视频访谈,并告诉我们关于谁可能成功的信号。我们的一个客户现在使用Pymetrics的基于人工智能的游戏化评估来筛选其市场和销售角色的候选人,他们的成功率提高了30%以上,同时消除了固有的所有“面试偏见”和“教育谱系偏见”当前的过程。AI在招聘中将是巨大的。(7月27日 在上海,招聘科技创新大会中将会有谈到类似的话题,值得关注) 顺便说一句,尽管我们都担心工作技能(软件技能,销售技能,数学技能等),但大多数研究表明,技术技能只占一个人成功的一小部分。在我们最近关于高影响力人才招聘的研究中,我们发现,那些从招聘中获得最高财务回报的4级成熟公司将其招聘标准的近40%分配到情感和心理特征,如抱负,学习敏捷性,激情和目的感。人工智能也会发现这一点吗?也许。 在员工发展和学习,我们真的不知道如何完美地“训练”人。全球L&D行业超过2000亿美元,大多数学习专业人士告诉我们,至少有一半是浪费(遗忘,不恰当的应用,或只是浪费人们的时间)。但我们不知道这是哪一半!作为一个人,你是否知道你需要学习什么以更好地工作?我们都有一个非常好的主意,但是如果我们有算法来监控和研究团队中表现最好的成员的技能,行为和活动,然后告诉我们如何更像他们呢?这类“类似Netflix”的算法现在正在进入学习平台的世界,使得学习与观看有线电视一样有用和有趣。市场还很年轻,但机会很大。我们的研究表明,普通员工每周少于25分钟的时间进行培训和学习; 如果我们让这个时间更相关,每个人都会表现得更好。 在管理和领导方面,我们像禅师一样运作。我们阅读书籍,去讲习班,复制我们敬佩的老板,并且荣耀当天成功的领导者。我们真的了解领导科学吗?我建议这是一个短暂的话题。今年我们专注于目标,使命和追随者。就在几年前,这就是“仆役式领导”,而我年轻的时候就是“执行力和财务智慧”。大多数研究发现,有几十种管理和领导特质定义了成功,我们每个人都带来了一点点不同他们的独特组合。 AI现在可以帮助解码这个。我知道有三家供应商构建了“基于AI”的辅导工具,需要反馈的系统,阅读评论以及员工和团队的直觉情绪。他们使用这些数据来将这些个人和团队的问题与高绩效团队进行匹配,并利用这些数据为经理和主管“推动”如何做得更好。一位客户告诉我,在使用这个工具仅仅3个月的时间里,他们的领导团队仅仅基于小的行为推动就显示出企业价值提高了25%。 在欺诈和合规方面,机会是巨大的。一项研究发现,窃取或实施犯罪的员工对同龄人(与他们一起工作的人有不良习惯)具有“传染性”。人工智能可以查看组织网络数据(电子邮件流量,评论意见)并确定压力领域,可能存在道德失范的领域以及许多其他形式的合规风险,并指出人力资源部或合规官员的“红色区域”他们可以在不良行为发生之前进行干预。 在福祉方面,人工智能现在被用来识别导致工作表现差的行为。在安全方面,人工智能可以识别导致事故的行为和经历。在销售中,人工智能可以通过微调和真实数据向专家提供初级销售人员的提示。该名单继续下去。 有风险吗?人们分析会发生什么? 所有这些应用程序都是新的应用程序,并且看起来很令人兴奋,但有很多风险需要担心。最大的挑战在于,如果没有“训练数据”,人工智能就无法工作。换句话说,算法会从过去学习。如果你目前的管理实践存在偏见,歧视性,惩罚性或过度等级化,你可能会把所有你讨厌的事情制度化。我们需要透明和“可调整”的AI,以便我们可以检查这些模块以确保它们正在做正确的事情。就像早期的汽车并不总是直行,我们早期的算法将需要“保险杠”和“调音旋钮”,以便我们学习如何使它们更加精确。 这些系统可以将偏见制度化。假设你的公司从未雇用女性工程师,并且拥有很少的非洲裔美国人工程师。人工智能招聘系统自然会得出结论:女性和黑人工程师不太可能进入管理层。这种类型的偏差必须从算法中仔细去除,并且需要时间才能做到这一点。 数据暴露和无意滥用也有风险。考虑一种常用的分析方法,我们试图预测高绩效员离开公司的可能性。如果我们告诉管理者“这个人很有可能离开”我们实际上可能会制造错误的行为 - 管理者可能会忽视这个人,或者以不同的方式对待他或她。我们必须认真学习如何运用行为经济学,所以我们不要让AI偶然变成“HAL”(电影2000)。人工智能是一种建议和改进的“工具” - 而不是今天的独立解决方案系统。 我本周与Entelo的一位AI领导交谈过,并且我们讨论了创建“解释性”和“透明”AI系统的必要性。换句话说,每当系统做出决定时,它应该告诉我们为什么做出这个决定,所以我们人类可以决定它使用的标准是否仍然准确。他告诉我这是新工具最重要的标准之一,不幸的是,今天大多数AI系统都是一个完整的黑匣子。 考虑一下当自动驾驶车辆发生碰撞时会发生什么。我们花了很多时间来诊断它是如何发生的,视觉或算法系统失败,以及可能导致事故的条件。如果人工智能对候选人,薪资调整或管理层干预进行错误推荐,该怎么办?我们会发现吗?我们会诊断它吗?我们会注意到它太迟了吗?我们还有很多工作要做,并且学习如何“训练”我们的基于管理的人工智能系统才能正常工作。 人工智能将成为人力资源解决方案的差异化特征吗? 现在围绕人工智能的炒作处于历史新高。每个人力资源软件供应商都希望您相信他们拥有一个机器学习团队和一流的AI解决方案。是的,这些功能对这个行业非常重要,但不相信炒作。 人力资源工具的成功取决于许多因素:算法的准确性和完整性,系统的易用性,但比提供所谓的“狭窄人工智能”的能力更重要 - 或者非常具体的解决方案解决你的问题。这只能在供应商拥有大量数据(以训练其系统)时才能完成,并且他们对其工作效果获得大量反馈。所以我相信进入障碍将成为关注焦点,业务战略和客户亲密关系,而不仅仅是拥有优秀的工程师。 除非你可以在公司证明这一点,否则不要购买一个黑盒子系统。每个公司的管理和人员决策往往都是基于文化的,所以我们必须花时间在现实世界中尝试这些系统并调整以充分利用它们。例如,IBM花费数年时间为公司,文化和商业模式优化其基于AI的薪酬和职业解决方案。他们现在将这些工具引入企业客户,并发现每个实现都会教授IBM关于算法的新内容,以使其更好地适应该行业,文化或组织需求。 尽管存在这些问题,上行是巨大的 尽管存在这些挑战和风险,但其优势是巨大的。公司将40-60%的收入用于工资,其中大部分的巨额费用是由我们对直觉感到的管理决定所驱动的。随着人力资源管理系统变得更加智能化,更加成熟,并且更专注于具体问题,我相信我们将看到生产力,绩效和员工福利的显着提升。我们必须耐心,警惕,愿意投资。 以上由hrtech  AI 翻译完成,仅供参考! 作者:JOSH BERSIN
    招聘
    2018年06月25日
  • 招聘
    区块链如何永远改变人力资源 区块链即将彻底改变我们的经营方式,但可能不符合您的想法。虽然它与比特币和其他加密货币关系最密切,但区块链技术已经准备好打破一切,而不仅仅是货币。 Pexels.com 区块链即将彻底改变我们的经营方式。 区块链的分散式计算机网络验证和自动化信息流。这使得它成为一个值得信赖的系统,可以在切断中间人的同时存储数据。这就是为什么银行努力跟上区块链的原因- 也是为什么它可能彻底破坏人力资源专业人员的工作方式。 如果我们充分利用区块链的能力,这项技术将为人力资源中的所有事情创造出更加准确和有效的方法。从雇佣和税收等大型图像领域到工资单等较小规模的任务,区块链会变化的人力资源应用如此之多。 区块链将使简历和LinkedIn过时 这看起来可能像今天的一个奇怪的声明,但区块链技术完全有能力让老式的简历和像LinkedIn这样的职业网络网站变得过时。区块链交易将简单地存储他们的所有就业历史记录,而不是申请人撰写关于他们在哪里工作以及他们所做的事情的描述。 这将彻底改变公司招聘人选的方式。人力资源部门不需要进行冗长的验证过程,以确认工作历史。他们可以简单地拉起公共区块链。区块链甚至有可能存储绩效指标,如员工是否晋升或他们离开公司的原因。 让这个完整的图片随时可用,将会招聘游戏中的很多主观性。我们不会根据我们正在申请的具体工作来调整我们的简历或改变我们自己的表现。区块链可以记录我们的成功和失败,鼓励我们接受这些失败以及我们从他们身上学到的东西,而不是将他们抛弃。最重要的是,更全面的情况将有助于公司做出更好的决策,并让优秀的员工站稳脚跟。 如果LinkedIn继续存在,其主要增值将采用更好的用户界面形式,使区块链技术更易于浏览。然而,就业历史和“内容”将全部从公共区块链中撤出。 区块链将实现税收自动化并使其更加准确 目前,合同工的税收很复杂。从注销到估计税收,每年的税收负担是工人和雇主都头痛的问题。估计我在澳大利亚本国的小时工的税率。在这里,他们可能非常不准确。例如,假设我通常每小时赚20美元。如果我在某个特定的日子每小时赚100美元,那么我的收入将会被征税,就好像我将全年提高这个收益率一样。这会让我处于最高的税率范围内,即使这种付款是异常的。然后,我必须等一整年才能缴纳税款,并让政府知道我付了太多钱才能拿回我的退税。 如果我想要扣款,保存收据多年,我还必须仔细追踪我的费用。这引起的挫折和头痛在Seinfeld的一集名为“真相”的例子中举例说明,杰里在电话商店打了一个绝望的电话,试图得到几年前他购买计算机的证据。 这是区块链可以改善人们生活的地方。这是一个公平和负责的制度,没有任何事情可以通过裂缝。区块链可以跟踪我的收入和我的购买情况,并根据我的收入实时重置我的税率。无需等待一整年,也不需要为保存每一张纸而烦恼。 区块链将简化日常任务 从工资追踪到发放工资到管理合同的所有内容都可以通过区块链更高效。该技术允许公司在世界任何地方即时安全地发送和接收资金,而无需使用银行作为中介,也不需要相应的费用。 它还可以通过实施可以自动执行预定条款的智能合同来削减管理合同的许多日常任务。双方将得到保证,对方将坚持这些条款,而不必花费太多的时间来确保适当的监督。 区块链效率大于顾虑 通常,即使技术专家谈论创新,他们通常最终会进行翻新。他们没有提出真正新颖的技术,只是稍微改变和刷新已经存在的东西。区块链是不同的。这是少数几个真正全新的开发项目之一,就像我们以前见过的一样。 这就是为什么区块链引发混乱的原因。它比标准的时间密集型和人员密集型方法更便宜并且更有效。它使人们的生活更轻松。技术就在那里,激励就在那里,想法就在那里。现在,只有创新者才能将其变为现实。   Ashik Ahmed是副总裁兼首席技术官兼首席执行官的联合创始人,这是一个面向员工时间安排,时间表和沟通的全球劳动力管理平台。 作者:Ashik Ahmed  以上由ai翻译完成,供参考!
    招聘
    2018年06月17日
  • 招聘
    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。
    招聘
    2018年06月11日
  • 招聘
    人力资源如何利用AI铲除无意识偏见 来源| undercoverrecruiter     人工智能并不是在窃取我们的工作 - 他们让我们更好地安排合适的员工。   人工智能(AI)的发展有时会让人感觉像是一把双刃剑:我们对智能机器获得更大更好的东西感到惊叹,但与此同时,即使是在自己的游戏中的人类超级巨星,它们也开始走向胜利。重新编码。   从这个角度来看,A.I.开始看起来可能像一个威胁。   但实际上,A.I.的目的是不是要超越我们 - 这是为了提高我们自己的能力。   正如TechCrunch解释的那样,计算机的智能显然非常狭窄,事实上,只有我们为其分配的特定任务(如国际象棋)才具有优势。     然而,有些精明的,我们可以使用A.I.弥补我们自己的弱点,大大提高我们作为专业人员的效率。这就是为什么人力资源专业人员现在使用A.I.瞄准人类最根深蒂固的缺点之一:无意识的偏见。   数据可以是客观的,但我们不能   不幸的是,个人偏见是人性的基本组成部分 - 换句话说,偏见不是我们可以避免的。   无论我们的自我意识如何变化,我们做出的每一个决定都会受到主观意见的损害,因此也会产生偏见(或者潜意识也许是另一个更常见的术语)。     公司在改善多样性方面遇到很多麻烦的原因,比如包容性。     据Fast Company介绍,这就是招聘经理们转向A.I的基于数据的客观意见的原因。   虽然我们不能从自己的大脑中消除偏见,但是我们可以通过编程计算机来取代它。感谢机器学习技术,A.I.计划可以收集大量数据以识别细微模式,从而找出招聘过程中出现偏差的确切位置。   对于“学习”绰号,这些计算机可以动态适应不断变化的招聘环境,随着新信息的涌入或招聘策略的变化而改变评估。   PBS报告显示,自然,来自硅谷各地的招聘人员 - 处于多元化举措的最前沿 - 已经引起人们的注意。   雇佣公平和智慧   正如主板所观察到的,人力资源团队的优势在于能够从上到下优化招聘;从面试问题和候选人选择标准到个人招聘人员的行为都可以进行分析,剖析和改进。   当然,他们注意到,没有A.I.将在100%的时间内提供完美的性能 - 机器学习算法受到创建它们的人的影响。   尽管无法实现完美的准确性,组织仍然可以从A.I.的优势中获益匪浅。     创造更好的人类团队 - 而这正是他们正在做的。   根据TechRepublic,A.I.已经被全球许多大公司所采用,以识别和留住顶尖人才。   通过评估候选人情商并分析关键词,计算机可以确定候选人是否会在公司独特的文化中茁壮成长。   虽然我们早些时候说过A.I.的目的不是要超越人类。事实上,对于招聘人员来说,智能电脑正在改变游戏规则。   得出这样的结论:有了这样的项目,人力资源团队可能只会对竞争对手产生压倒性的优势。   以上内容由HRTech AI编译完成,仅供参考
    招聘
    2018年06月08日
  • 招聘
    HR实务丨如何打造前瞻型的招聘体系 文| 屈辉 来源| MsQ的共享课堂(ID:SharingQ)     招聘部门招聘所得的人员应是能为公司所用、适合公司业务发展的优秀人才。招人要先识人,识人要先懂行。招聘部门只有深入了解公司业务发展的整体动态和需求,才能勾画出公司所需人才的实际标准,按标准寻人才。 所谓前瞻型招聘体系,既指将招聘作为一项市场营销工作;把每项招聘任务,作为项目完成;而招聘专员就是招聘项目的负责人。招聘部门对公司的客户、业务、市场做必要的深入接触和了解,在此基础上把握整个公司走向的洞察力和对整个行业走势的前瞻性预测,从而开展针对性的招聘。   01 前瞻型招聘的定位目标   ❶ 成本效率目标 人员招聘作为人力资源部门的管理项目,意味着一项比较大的花费。一份资料显示,美国一个包括751个公司的招聘样本报告说,从2015年至2016年期间,招聘服务花费为34亿美元,平均每个公司每年的招聘服务花费大约为270余万美元。   成本效率目标的设计旨在完成有效招聘任务的同时努力降低招聘成本,从而提高招聘效率。这就要求人力资源部门要经常研究招聘的方法,开发招聘创意,设计创新性的招聘战略,选择更快速、更经济、更有效的方法完成招聘项目。     ❷ 吸引高度合格人选 所谓高度合格,应该是完全符合专业技术岗位要求,并能够直接与组织规划目标要求相衔接。 越是特殊技术岗位,越需要高度合格人员;越是高度合格人员,则越具有稀缺性。这是人员招聘中一个突出性的矛盾。它要求人力资源管理部门增强战略意识,开拓招聘途径,在环境、组织、战略的多重制约条件下,努力吸引高度合格人选。访问高等学校,寻找“企业家类型的人物”,是吸引高度合格人选的一种方式。     ❸ 提高和保持招聘成功率 招聘成功率是指应聘人员能够留在组织中的比率。影响招聘成功率的因素有:通过招聘过程建立的心理契约、同行业竞争和新员工的素质。   通过招聘过程建立的心理契约,这一原因来自组织;通常是组织的有关部门在招聘过程中作出了难以兑现的承诺,因而当应聘者来到组织之后产生“受骗感”,导致应聘者“流失”。   同行业竞争,这一原因来自环境。当同行业对应聘者提供了更优厚的条件时,有可能导致新员工“跳槽”。   新员工的素质,这一原因则是来自应聘者自身,如难以胜任岗位技术要求、难以适应组织文化等。   人力资源管理部门应了解这些情况,从而提高招聘成功率。     02 前瞻型招聘的举措   ❶ 开展招聘规划 招聘规划指根据企业人力资源规划开展人员的需求预测和供给预测,确定人员的净需求量,并制定人员选拔、录用标准政策,在企业的中期经营规划和年度经营计划指导下制定出不同时期不同人员的补充规划、调配计划、晋升计划。   招聘规划要求把对岗位空缺的描述变成一系列的目标,并把此目标和相关求职者的数量和类型具体化的工作。即在规划中既要写明招聘人数,又要确定招聘类型;同时企业必须计划吸引一定数量的人员申请此岗位。   企业招聘规划囊括招聘人数、招聘人员素质要求、招聘对象、经费,招聘渠道以及人员需求计划报表等信息,它是建立在以低成本,招收高质量、适合企业的人才为标准制定。这样,对企业整体发展才能起到积极的配合作用。     ❷建立招聘项目责任制   招聘项目责任制指将每项招聘任务,作为一个招聘项目;指定招聘专员担任招聘项目负责人。招聘项目的过程自接受招聘需求起,直至人员试用期结束。招聘项目中,设定部门期望人员到岗时间;以及部门对招聘岗位要求的变更类别。招聘项目负责人全程记录面试的过程;在招聘期末,计算出面试成功率和人员到位率。这样动态监控招聘过程,能有效提高招聘的质量和效率。 招聘岗位的要求应与公司业务挂钩。招聘专员定期参加业务部门的例会,了解与所招聘岗位相关的业务内容;在招聘启示中缩小对应聘人员的业务要求范围,使其具有鲜明的针对性。 在面试中最好采用提问行为性的问题,即具体了解应聘者过去是如何做的。并运用STAR法(Situation:什么情景;Task:什么任务;Action:采取了什么行动;Result:得到了什么结果)进行追问,以判断和保证应聘者回答的真实性。     03 前瞻型招聘的优势   ❶ 节约人力成本   由于招聘工作与企业业务相联系,因而减少了招聘过程中的时间浪费,避免了招聘所得人员的能力与企业实际需求之间的误差。同时也使企业不必因人员资质不到位,而对其出资培训。   ❷树立企业形象   招聘工作对“推销”企业具有重要作用。招聘工作涉及面广,企业可以采用各种各样的招聘方式,如利用招聘网站、微信公众号、企业网站、BBS群、线下广告传媒等开展招聘活动。而全面周到的招聘工作,不但可以使企业招到所需的人才,同时也可在一定程度上起到推销企业、树立企业良好形象的作用。   ❸ 推动企业发展   招聘取才的结果影响着企业的发展。招聘与企业的业务发展相结合,其结果表现为企业获得所需要的优秀人才。拥有高素质适应企业发展的人才,推动企业良性发展,使其立于不败之地。  
    招聘
    2018年06月04日
  • 招聘
    HR们常说的胜任力到底是个什么鬼,以及它将如何优化你的招聘技能 来源| 首席招聘官     胜任力的理念最早可以追溯至古罗马时期,那时的人们就构建出胜任力剖面图来描述“一名好的罗马战士”该具有的属性。   管理科学之父泰勒通过“时间-动作”实验发现了优秀工人和一般工人完成工作时的动作差异,被称之为早期的“管理胜任特征运动”。   1973年,美国著名学者麦克利兰(Maclelland)教授为美国甄选外交官设计了一套胜任力指标体系,为胜任力的研究和发展奠定了基础。麦克利兰通过“运用胜任力而不是智力”的研究表明传统运用智力来测量绩效的方式是十分有限的。     经过国内外相关研究的不断变迁与深入,在我国,胜任力呈现出独特的生命力,国内胜任力与绩效关系的特点主要表现在: 第一,用胜任力替代智力来评价绩效得到不断的推广和验证; 第二,胜任力对绩效的影响作用在不同的企业、部门和岗位表现出差异性。       什么是胜任力 这个出生在1917年,美国社会心理学家的“胜任力”理论,让我们的人力资源工作再也轻松不起来,这源于The more you know, the more you don’t know(知道的越多,懂得的越少)。   “胜任力”这个概念最早由哈佛大学教授戴维·麦克利兰(David·McClelland)于1973年正式提出,是指能将某一工作中有卓越成就者与普通者区分开来的个人的深层次特征,它可以是动机、特质、自我形象、态度或价值观、某领域知识、认知或行为技能等任何可以被可靠测量或计数的并且能显著区分优秀与一般绩效的个体特征。     本着系统性、相关性和可操作性的原则,我们认为所谓胜任力,是指在特定工作岗位、组织环境和文化氛围中绩优者所具备的可以客观衡量的个体特征及由此产生的可预测的、指向绩效的行为特征。         从定义中不难分解出,胜任力的核心要素: 针对特定工作岗位的;可客观衡量的; 可预测的; 指向绩效的;   可以说,胜任力模型是最具科学性的人力资源系统性管理工具,没有之一。         读研究生之前,还是招聘小白的时候,给公司招一个市场总监的职位,拿了一份简历给老板,背景、资历、软性的匹配度都不错,老板看了一眼说,这个人不合适,然后就没有然后了。   我当时就纳闷呀,为什么?后来,老板这样给我解释的。     他本科就读于清华大学,院学生会副主席,一定可以去很好的国外高校,但他选择去了南洋理工,一个留学成本低,奖学金高的地方,说明这个候选人的家境一定不富裕;   毕业后先进入了A公司,他在A公司选择的是销售,但大家都知道A公司并不是行业内的顶级公司,只是在区域做的还不错罢了,后面进入了B公司,B是行业内出了名的高工资,但体系和流程这些都不完善,说明这个候选人的求职动机就是薪水;   我们现在需要的候选人是要去搞定渠道关系和媒体关系,需要的是长期稳定的人选,而且在2-3年内薪资不会有显著的变化,他不适合这个职位。     后面我又给候选人打了电话,他家庭为他上学的事情欠了很多钱,还有个弟弟在上大学,他毕业后首先考虑的是把欠款还清并供养弟弟。而且确如老板所说,薪酬在他求职动机里面排第一位的。     这些就因为老板看了一眼简历,都没见这个人(姜还是老的辣)。现在看来,这还只是胜任力模型在领导头脑中的冰山一角,只涉及到了预筛选维度的人口特征和资质一个条件。     其实,胜任能力模型之于招聘,关键在于帮助我们画出人才的脸谱,告诉我们要招聘什么样的人才,什么样的人才更符合我们的企业。         举个栗子:单身狗。 作为“中年妇女”的艾霓姐姐,已经步入了特别热心帮忙介绍对象的年纪,但艾霓姐姐经常遇到一个问题,朋友请帮忙介绍对象,每当问到朋友:“你想要一个什么样的?”的时候,得到的回答经常是:“有眼缘,谈得来就行。”     作为HR的我内心无数头羊驼呼啸而过,眼缘是个什么鬼?谈得来的标准好高行么!我知道你到底喜欢长腿还是大胸,长发姐姐还是短发妹妹?     哎,我就有一个特别要好的朋友,他就很明确的给我说了一二三。我喜欢长的漂亮点的;我希望她有160左右的身高;我虽然是博士但是我不要求她是硕士或者博士,但是怎么也得一个比较好的本科,要不然恐怕沟通有问题……,这条条是道,可量化好评估,活该能快速找到合适的伴侣~     没错,胜任力模型在招聘方向就主要起到这个作用,岗位到底想要什么样的候选人,希望他实现什么绩效,对什么样的人有感觉,给尽量的明确出来。   胜任力模型的确是一个很好用的工具。经过多年招聘实践经验,我曾尝试在招聘的经验中提取有效信息建立我司销售人员素质模型,有成就动机、关系建立、服务意识、信息收集、沟通影响等素质指标。然后我就根据这些素质,结合销售人员具体工作场景,用内隐联结的思路,建立简单易上手的精准推理模型,包括开发面试问题题库,设定观察项与关键行为,通过开放性问题和STAR法,获得对候选人的评估。         什么是内隐联结? 内隐连结可以简单的概括为“条件反射” 看见美食,狗会流哈喇子。 看见钉子,锤子就想往上砸。 看见美女,男性荷尔蒙会飙高。 看见苏格拉底,你就想聊人生哲学。         测验中,在快速反应条件下,被试者对刺激的反应形式是很难有意识控制的,这种情况获得的社会认知结果通常认为是内隐的。   在现实中,大家对胜任力相关知识的学习以及如何构建,又爱又恨,不是没有原因的。因为苍蝇不叮那无缝的蛋,小三不挖那石头墙。胜任力模型是一套准科学的工具,使用和学习的成本都较高,没有点刻苦钻研的学习能力和排山倒海般的好奇心,还真是攻不下这个山头。     相信做HR的,都对胜任力模型和理论有概念和框架,听能听的一直半解,讲也能讲的冰山上下,但要是再往深里面讲,就蒙圈了。     比如在招聘面试中的应用,在培训需求挖掘与人才培养规划中的应用,在人才管理中的分类应用等等,都需要较为专业的人对其进行解读和分析。这也部分说明了,胜任力说起来好听,研究起来很火,但是一谈到实施,就难掩曲高和寡。   今天我们的重点不是精讲胜任力建构,我们主要是讲招聘中的“胜任力”思维。           胜任力思维在招聘中的应用   招聘是个技术活,你既要有人力专业打底,又要辩证认识具体岗位的专业性要求。不懂的人认为人力资源就是招聘,招聘就是问问题,聊聊天,打打分,看着不爽就下一个,聊天谁还不会吖~然后凭感觉用人、留人。但是,作为人力资源部门人员,你若如此行事和思考,那么就Too yang too naïve了。   在我看来,招聘要想实现真正的变化,让自己大有不同,关键是完成视角的转换,否则顶多就是小打小闹庸庸碌碌而已。怎么完成有效的视角转换呢?从本质上说就两条路。   第一条转变,是从由内而外的“个人视角”,转化为由外向内的“他人视角”(岗位视角)。   所谓的“他人视角”就是以岗位分析为核心,真正把岗位性质、价值链条、绩效期待和企业生命周期等串联起来认识一个招聘岗位。这里的重点是,这些个认识,并不是你自己闭门造车的结果,而是经过长期的访谈、调研、分析的结果。   说白了,就是把“胜任力”思维嵌入到你的招聘逻辑中。       实践中,我主要考察如下素质项:   如下是我曾给一个财务主管出的面试意见: (公司喜欢) 职业岗位技能匹配,账务处理能力丰富。 (同事喜欢) 礼貌谦逊,具备较强上进心与责任心。 (岗位喜欢) 金融行业经验欠缺,但自学信心较足。 (公司喜欢) 生活富足,内心安稳,具有一定持续性。       面试意见切记面面俱到长篇大论,根据公司现阶段和近阶段给出简练且具备逻辑性的简要陈述即可。   可以说,胜任能力模型是招聘的核心指导思想,当你的模型可以被候选人的绩效所验证,才是真正脱离机械性“选角”,真正走向招聘的维多利亚秀场。   关于如何建构胜任力模型,我讲建构三部曲:分析、分解、验证。建构的步骤有很多,但是作为一个懂得化繁为简的职场人,你只要把握好这三个环节就完全够用了,这三点的目标就是明确岗位所需专业技能、分解岗位绩效要求、验证人岗匹配指标有效性。   至于验证环节,你可能会问我,你怎么做信效度的检验?我只能说,这是个不大不小的课题,这主要涉及你的样本空间提取水平与能力,以后我将开辟新的主题来讲讲人力资源中的技术问题。   接下来的工作,招聘反馈与总结,指标修正等工作,相信我不说你也是要一脉相承的要做的。     什么是信度与效度 信度与效度可以简单的概括为“四斤五花肉”   四斤是信度,五花肉是效度。   如果测出来的是三斤或者是三厘米,那就说明信度有问题,信度反应的是测验结果的一致性、稳定性及可靠性。   如果测出来的是里脊肉或者是猪头肉,不是我们想要的五花肉,那就是效度的问题。效度反应的是测量工具或手段能够准确测出所需测量的事物的程度。     第二条转变,是要以未来的视角看问题,要从过去的视角,转化为未来的视角。一句话,要在未来的场景下建立“需要视角”和与之相匹配的评价标准。     举个栗子:就私募基金金融产品经理而言,我们尤其关注候选人的如下素质。     对于私募产品经理而言,产品结构的设计本身并不具备极度复杂性,但一个月薪一万的产品经理和月薪三万的产品经理究竟差距在哪里?     可以说一个有见识的产品经理,一定兼具对产品认识的深度与广度,产品不仅要有好的结构,更要贴合市场。对所有产品要素的认识,我们需要他具备持续学习能力,而这些都不是学校可以教给他们的。     让我们看看如何考察持续学习能力。   我们可以通过四个维度设计问题来考察。一是看志向:关注新知识积极面,看重新知识带给人的收获和未来。二是看自省能力:候选人是否能够客观承认自己在工作中的观点有偏差和错误,并虚心听取意见。三是看好奇心:候选人是否喜欢思考用不同方法让工作更有趣。四是看容错能力:候选人对错误的认知是否是宽容且平衡的。   过多的我不做展开,本篇分享只是在我们的头脑中建立一个有关招聘有关胜任力建构的理论框架。说多了宝宝们都没耐心看也没耐心听,这里面每一个环节都可以作为一个专题再进行拆解,后续也会有相关实用性文章陆陆续续与大家分享。   总之,按照胜任力的理论思想,决定是不是选择一个候选人,不再是“我感觉挺好”、“我认为不行”、“我觉得还可以”等描述性的模糊表述,而是这个候选人的关键指标真正符合具体岗位的胜任能力。这样,符合标准的留下来,有未来发展潜力的留下来,其他,一概断舍离。   是不是觉得自己的逻辑终于有点脉络了?   基于对岗位的深刻认识,再加上持续不断的反馈验证并不断修正,就能让你的招聘技能高出好几个LEVEL!     胜任力模型的构建,只是任职资格体系中一个环节,人才能力标准的认定,人才测评的方式方法等都关乎一个公司的任职资格体系是否完整,这是一个巨大的系统性的工程,非一朝一夕可以完成。   总之的总之,可不要小看了招聘,可别忽视对胜任力的总结与反馈,记住这种思维方式,当你真正能看准人了,除了升职加薪走向职业巅峰,更重要的,你能给自己踏踏实实的选择一个合适的伴侣,那么你才是开始走向人生巅峰了。  
    招聘
    2018年06月01日
  • 招聘
    谷歌助手问世,预示AI招聘即将成为新趋势? 来源| 环球人力资源智库   AI必定会让一部分员工失业,但人才永远紧缺 近日,谷歌召开一年一度的Google I/O大会。亮出了王牌AIGoogle Assistant,Ta可以无障碍和人沟通,惊艳全场。 发布会上,用户对Google Assistant说:我想剪头发。GoogleAssistant接受指令后直接一个电话轰炸到洗剪吹一把手Tony老师那里!! Google Assistant:你好,我想帮助我的客户预约做头发。 理发店:预约什么时候呢? Google Assistant:你觉得3号可以吗? 理发店:我查查Tony老师的档期,请稍等。 Google Assistant:嗯哼?   这一声“嗯哼”把全场人都逗笑了,谁也想不到一个人工智能AI可以做出如此自然的反应…接着,Google Assistant又继续了Ta的表演: 理发店:3号12点不行,Tony老师要帮王阿姨烫头发。 Google Assistant:那10点到12点呢? 理发店:你的客户想剪发还是烫头发? Google Assistant:就修一下。 理发店:那没问题,我们10点见! 整段对话,Google Assistant表现的自然流畅,理发店那头丝毫没有察觉到自己竟然是在和AI对话。 AI时代已经到来,失业潮也离我们越来越近!商超无人化、配送无人化、公司无人化...的标准场景无人化都将成为未来的目标。 未来的人力资源也将在科技的推动下完成创时代的全新变革,这会让一大批HR被人工智能替代,但这并不意味着所有员工都会失业,因为优秀的人才无论是在过去、现在,还是未来都依然是非常稀缺的。   优秀HR如何识别人才? 寻找「人」而不是某个标签 很多HR寻找人才时首先瞄准TMD、BAT等名企,但HR还是要问问自己,想要的是「人才」还是「某某名企的人」。 也有不少CEO或业务部门负责人偏爱名企出身这个标签,喜欢以公司大小、知名度来衡量和判断候选人的优劣,非BAT,TMD出来的人不看,这是我们经常能够听到。 这样的人才质量真的好吗?真的就能为公司创造价值吗???       如果按照这种逻辑,那就和在菜市场买萝卜没区别了,判断这个萝卜好坏的标准只是通过个够不够大,皮够不够亮,有没有贴着某某牛逼产地标签等等! HR如果只是这样去招人,不用未来,现在就可以被替代掉。 不是所有的人才都集中在名企和独角兽企业中,招人要有发现人才的独特视角和专业能力,要基于企业的特点、业务需要、用人的要求来思考你所需要的人才到底在哪里,而不是盲目的追求BAT、TMD等名企背景。 「名企出身」是非必要核心条件,是锦上添花、有比没有更好的事情。 所以记住,首先要找的是人才,人才,人才!(重要的事说三遍)     如何甄别与企业匹配的人才? 3+2法则,即3甄2验。   简历甄别, 一份优秀的简历通常呈现出的特点是:内容上逻辑清晰,重点突出,业绩和产出可量化。   面试甄别, 行为+结构化面试,着重了解简历中呈现出的核心内容,及业绩,产出背后的逻辑。   举个例子: 比如XX销售总监在XX知名公司工作期间完成了100个亿的销售任务。   面试官可以从当初的目标设定开始,为什么制定这样的销售业绩目标? 当下的市场环境是怎样的? 竞争对手的同岗位业绩目标设定的范围是怎样的? 实现这个目标所需要的路径是怎样的? 过程中遇到了什么样的问题和困难? 这些问题又是通过什么样的方法解决的? 等等类似的问题去展开面试的甄别。   测试辅助甄别, 基于岗位胜任力模型,了解岗位需求的核心纬度,针对性的给予相应的测试,辅助甄别候选人于岗位的匹配程度。   结合背景调查验证与试用期管理验证综合考察候选人业务能力。   招聘的本质是以需求为导向,需求不仅决定了招什么样的人才,也决定了招聘的路径,什么样的需求匹配什么样的人才,这里面人岗匹配是关键,只有把合适的人放到合适的岗位上才会有最好的效果,岗位上切勿盲目追高追名。   所以无论需要招聘什么样的岗位,前提都必须要搞清楚需求,招聘中遇到的大部分问题都源自于需求本身。基于什么样的背景出现了这样的需求?需求的核心要素是什么?基于核心需求的岗位定位和人才画像是否清晰?根据需求制定有效的招聘计划和策略才是成功招聘到合适人才的基础。   其实,人力资源的工作和医生非常相似。   医生通过望、闻、问、切,找出病人的问题对症解决;HR们通过对组织的望、闻、问、切发现组织上的问题然后通过不同的管理工具解决;而招聘通过筛、甄、测、验招聘到组织中最为合适的人才。   相信短时间内AI还学不会这些非标准化的专业技能, 但我们还是要在AI能够替代我们之前,去提前了解、学习AI,强化工作技能,提升自己的价值,在时代变革的同时完成自我的变革,这才是唯一不被替代的出路。  
    招聘
    2018年05月31日
  • 招聘
    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。      
    招聘
    2018年05月29日
  • 招聘
    e成科技举办2018产品升级发布会 描绘数字化人才决策未来生态 5月25日,e成科技在上海成功举办2018产品升级发布会,云集300余名HR行业专家、资深经理人及新闻媒体工作人员,见证e成科技人工智能产品全新升级,共话未来AI+HR无限可能。 会上e成科技创始人兼CEO周友鸿先生、首席科学家陈鸿博士、企业服务业务负责人杨宝龙先生、法国里昂商学院副校长王华教授以及众泰汽车总部人力资源中心总经理杨雷先生出席并发表演讲。 人工智能助推企业人力资本转型 在发布会现场,e成科技创始人兼CEO周友鸿发表了题为“数字化人才决策浪潮”的开场演讲。   周友鸿指出,AI时代HR要学会拥抱数字化人力资本,而e成科技在做的就是用人工智能技术带领人力资本管理实现新的跨越: 一方面,AI让招聘更对、更快、更省。通过AI算法,高效、精准地建立企业画像、岗位画像、人才画像,从而做出更准确的人才决策,提高人力资本决策效率。   周友鸿介绍,目前e成科技主要有以下智能招聘产品:AiTS系统,帮助HR进行信息化管理、智能化运作、数字化决策,达到企业降本增效的目的;精英速递,智能匹配企业需求和猎头优质资源;人脉内推,挖掘员工人脉资源;人才库,配备智能招聘机器人,高效管理人才资源,节约招聘成本。 另一方面,AI辅助人才决策数字化。除了“选”,AI还将全面渗透企业人才“用、育、留”相关决策场景。   在员工画像的基础上,e成科技可利用AI技术对人才质量进行评分排序,帮助企业筛选高潜力高绩效的员工,组建协作效率更高的团队,从而做出更正确的人才决策。 AI时代下的招聘新动态 人力资源行业是做关于人的决策的数据密集型行业,这一特征使它与知识图谱成为一对“天作之合”。   e成科技首席科学家陈鸿博士从技术角度揭示了人才知识图谱如何帮助企业做出更准确的人才决策。   他解释道,e成科技已经初步构建以人才为中心的图谱,刻画人才画像和岗位画像,可应用于人岗匹配、人才质量评价、员工内推、团队协作等具体场景。 e成科技合伙人兼企业服务业务负责人杨宝龙先生发布了e成科技最新升级的产品,他精炼了以下四个产品亮点: 为每个岗位刻画人才画像,由AI将从海量主投简历里匹配筛选,提高招聘效率; 行为数据升级岗位画像,沉淀招聘过程中的行为数据,更精确地刻画岗位画像; 快速挖掘合适的被动候选人,基于离职预测和人岗匹配技术,在企业人才库中快速定位合适的被动候选人,挖掘员工内推人脉和猎头优质资源; AI赋能企业开创人力资本数字转型,帮助企业提升人才决策的准确性及客观性。   AI将改写人才发展未来简史 ​法国里昂商学院副校长,法国里昂商学院亚洲校长王华教授在“人才发展的未来简史,人工智能vs心智”的演讲中表明人工智能对人力资本细分领域正在产生深刻影响。 同时,他也对人与人工智能的关系进行了前瞻性的讨论,提出在人工智能时代,人才更要关注自身心智模式的发展。 众泰汽车总部人力资源中心总经理杨雷先生作为资深HR专家发表了题为“互联网时代企业招聘的迷局及突围”的演讲,阐述了互联网时代招聘渠道的变迁和招聘工作的痛点,指出智能化招聘系统的重要价值及未来发展方向。 e成科技2018产品升级发布会完美地落下了帷幕。此次e成科技首次以发布会形式对外发声,表明了e成科技经过5年多的沉淀和积累,已经初步描绘出AI时代数字化人才决策的未来生态。正如CEO周友鸿所言,未来的AI+HR还有无限可能,e成科技还有很长的路要走,期待e成科技作为国内领先的AI人才决策解决方案提供者,为人力资源行业的全新变革持续贡献力量。
    招聘
    2018年05月25日
  • 招聘
    火币集团战略投资的链人国际上线 主打区块链高端人才招聘 文| 姚远   据最新消息,由火币集团战略领投的链人国际正在筹备上线,此消息向区块链行业传递了一大福音,区块链行业人才招聘的难题即将得到解决。     据悉,链人国际主要为区块链企业提供高端人才招聘服务,目标是成为区块链招聘细分领域的独角兽,创始人为原火币高级人力资源总监张晓媛女士,拥有15年的人力资源管理经验,曾就职于酷我音乐,巨人集团,现为火币集团管理顾问。   而据圈内人士透露,张晓媛女士是火币网最早期员工,创始团队高管,曾在火币担任高级人力资源总监,是火币企业文化灵魂人物。作为区块链行业资深人士,张晓媛女士有着深厚的圈内人脉和行业资源。   链人国际的业务范围主要包括为区块链企业提供猎聘服务;985、211、海归人才输出/企业管培生推荐;招聘流程外包服务;区块链高端论坛、大型招聘会组织;区块链外语翻译等服务,业务渗透了区块链行业底层服务的各个方面。     链人国际在诞生之时,就受到众多圈内投资者和合作伙伴的追捧与垂青。   投资者方面,链人国际由火币集团战略领投,并获得区块链基金歌者资本、金色财经、信天创投、库神钱包、蜂窝矿机、链上科技等行业知名机构和投资人的投资。   合作伙伴方面,链人国际的合作包括火币、金色财经、币世界、蜂窝矿机、库神钱包、链上科技、博晨、EOSbeijing等。                
    招聘
    2018年05月25日