-
产品
Salesforces市值逼近千亿美金并盈利，SaaS 20年发展终步入盛夏光年
来源| 亿欧网
5月30日，Salesforces发布了其2019财年Q1业绩，根据财报显示，第一财季利润为3.44亿美元，每股收益46美分，收入从上年同期的24亿美元升至30.1亿美元。
受此利好消息影响，Salesforces以每股超过130美元的价格，市值最高达到了982亿美元，直逼千亿美金大关。
SaaS鼻祖Salesforces终于站在了千亿市值门槛，再一次为To B市场注入了兴奋剂。Wedbush维持赛富时（Salesforces）公司评级为跑赢大盘，最新目标价甚至为150.00美元。
在更早的2017年8月，Salesforces公布其第二财季收入达到25.6亿美元，2018财年年化营收将比Orcle抢先突破 100 亿美元的时候，就被很多人认为是SaaS模式的胜利。
回顾1999年，以客户关系管理（CRM）软件服务商杀入市场的Salesforce，没有人预料到他能达到千亿美金的市值，甚至很多人认为它不会活下来，毕竟彼时Oracle还处于巅峰，无人能够撼动其在软件市场的领导地位。
没人注意到22岁被评为“Oracle最佳年度新人”，25岁成为Oracle公司最年轻副总裁的Marc Benioff，在这一年离职并成立Salesforce。
当Salesforce喊出"No Software"的口号，以软件终结者身份杀入市场，用将近20年时间证明了其当时的远见与SaaS模式的正确性。
回顾Salesforce的发展，可以粗略的划分为三个阶段：
1999-2005：依托CRM实现上市；
Salesforce公司从1999年成立，直到2001年推出首个SaaS模式的CRM。2003年公司举办了第一届年度Dreamforce用户大会。从此，Salesforce开启了他们每年在会议上宣传新产品与创意的传统。2004年Salesforce在美股上市，筹集了1.1亿美金。
2006-2010：打造PaaS平台，实现应用的自主开发；
先是Slaesforce在2005年推出AppExchange，Salesforce根据对用户需求的把握将一个个解决方案研究开发成独立的“乐高积木”式应用放在AppExchange平台上，用户可按需订阅，定制自己的个性化“乐高城堡”。
最重要的是2007年推出的Force.com，Force.com允许客户在其PaaS平台上定制化开发应用，帮助Salesforce向中大型客户领域进军。彼时Slaesforce真正形成了对IBM、Oracle等企业的竞争。而后Heoku、Lighting等平台先后上线。
2011至今：完善CRM四大领域布局，积极并购打造 “CRM+AI+数据”完整生态。
CRM分为四个部分：客服（Service）、销售型CRM（Sales）、营销型CRM（Markting）和电商（DigitalCommerce），在2016年6月，Salesforce以28亿美元的价格收购Demandware后，终于补全了在CRM四块业务中的最后一块，构建起完整的CRM版图。
2017年，Salesforce推出了最新AI产品——Einstein（爱因斯坦），CRM+AI模式再次引起市场的关注。Einstein将会被嵌入到商业业务的范围内，自动挖掘相关商业信息，预测客户行为，推荐下一步最优行动，最终帮助客户提升销售能力。
在数据层面，今年3月Salesforce以65亿美元收购了软件制造商Mulesoft，Mulesoft提供的集成平台使用API（应用程序接口）构建连接企业应用程度、数据和设备的应用网络，帮助Salesforce链接不同应用中的数据，为Einstein提供数据支撑。
至此Salesforce已经形成了其依托CRM的生态布局。
回顾国内市场发展，国内SaaS最早起步于SAP中国区的研究，也曾在阿里软件宏大的梦想中折戟。
真正的SaaS CRM崛起应该是在2012年时，以纷享销客、销售易、红圈营销等CRM代表厂商开始崛起，如今几家头部企业年营收大概在2亿元左右，与Salesforce 80多亿美金的年营收差距巨大。
现在Salesforce逼近千亿美金市值，甚至超过国内某些To C巨头企业市值。在其高速的发展历程中，总结发展经验，亿欧认为Salesforce带给国内企业三点启示：
对前沿技术保持投入
在很多人看来这是一句正确的废话，但是亿欧在采访很多国内很多企业时，会遇到企业在产品化与定制化方向的争执。接下大客户的定制化案子，短期对营收有帮助，但却不利于SaaS产品化持续开展。
甚至有些企业在AI技术不能达到效果的情况下，与客户签订效果保证，利用人工入住客户企业实施服务。
而反观Salesforce，在近期还有另一则喜讯，就是被福布斯杂志评选为世界上最具创新性的公司第三名。
Salesforce一直坚持技术与产品化的发展思路，早期创立SaaS模式本身就是对传统软件的一种颠覆。按订阅收费而非Licence收费，在当时看来就不可思议。
当时最大的不看好因素，是很多人相信客户不会把数据给第三方服务商。然而Salesforce坚持以SaaS模式拓展市场，即便当时投资人都不认可。
2017年3月，Salesforce将“爱因斯坦”的大部分功能向所有用户开放，并宣称“爱因斯坦“现已为客户每天提供超过10亿次由AI驱动的预测。AI技术的利用，再次帮助Salesforce对竞争对手形成了代差的竞争优势。
对待在国内风声鹤唳的区块链技术方面，Salesforce联合创始人Parker Harris也并不排斥，并称公司希望在2018年9月之前公布区块链和加密货币支持。“我希望在我们的年度会议Dreamforce之前，为Salesforce和我们所有客户找到一个区块链和加密货币解决方案”。
对销售和营销的重视
Salesforce直到2016年才实现盈利，此前很多人一直怀疑SaaS模式能不能赚钱，尤其在Salesforce也在保持成本持续不断增长的情况下。事实在SaaS非常关注的续约率方面，Salesforce续约率常年保持96%左右，续约金保持为108%的不错成绩。
Salesforce不能盈利的原因，除了本身SaaS就是前期重投入，多年的订阅收入才能摊平成本的原因外，就是Salesforce非常注重销售和营销。
Salesforce创始人Marc Benioff曾说：“对于To B公司而言，获客最好的方式即内容营销和活动营销。”
从数据来看，从2011年左右，Salesforce公司销售费用增长率均超过35%，有些年度增速甚至超过40%，高于同期公司营业收入的增长水平。
之所以在保持SaaS霸主地位的同时，仍旧高投入销售而非造利润，与Salesforce既定的战略有关。Salesforce希望以30%的收入增速成为50亿美金营收的公司，然后是100亿美金，接下来才是盈利。
近五年Salesforce公司销售团队持续扩张，人员增加幅度平均每年接近 32%，这在国内的To C公司中都非常罕见。
积极并购形成布局
尽管Salesforce并非类似思科等公司，那么依赖并购形成布局。但是Salesforce在并购方面并不手软，此前Salesforce曾希望收购Twitter或者linked In，但是linked In被微软以262亿美金收购，让Salesforce丧失了大量企业和职场关系数据。
不过Salesforce依旧做了很多收购布局，比如为了夯实产品收编了Demandware、ExactTarget，发力人工智能收购了PredictionIO、MetaMind等。
2018年最重要的收购，是以64亿美金收购Mulesoft。2016年以来，Salesforce 花在收购上的资金达到40亿美金左右。
当然国内目前还没有一家以纯SaaS业务登录A股的企业，新三板的流动性依然不足。国内SaaS企业想利用资本市场进行一些布局，还相对存在一些难题。
公司首席执行官Marc Benioff此前曾承诺，将在2034年实现600亿美元的收入。这意味SF未来必须保持2位数的增长，以10倍PE计算，彼时Salesforce市值将超过IBM和Oracle。
来自易观数据显示，2017年中国SaaS CRM市场规模（含SFA 、外勤、 SCRM）将达到46.9亿元人民币，同比增长24.1%。
在追寻Salesforce的道路上，国内To B企业的未来，用一句形容就是前途是光明的，但道阻且长。
-
产品
有征科技：用区块链技术批量处理网贷纠纷，降低企业用户百倍仲裁费
文|quinn
来源|新芽NewSeed
原来的电子合同，或通过中心化系统形成的电子证据，基本上都能通过一定手段改变属性，难以证明证据未被篡改，但使用区块链技术则解决了这一点。
如今网络借贷行业处在较快发展的趋势，但是不良贷款率也在上升。据资料显示，截止去年第三季度末，平均不良贷款率为4.11%，由此导致的不良资产规模也在逐年上升，去年已超过2000亿。
据麦肯锡估计，2019年不良资产率可能升至15%，届时，每年应对坏账所需的花费就会增长2万亿至3万亿元人民币，处理繁杂的网贷纠纷成为了当今面临的一大难题。
由于网贷纠纷目前以个人消费信贷为主，具有小额、高频、海量的特点，所以在人工处理耗时过慢、成本过高的情况下，机器处理应运而生。有征科技做的就是将网贷纠纷进行电子化批量处理，打通处理环节“最后一公里”。
作为一名在电子签章行业耕耘多年的老兵，有征科技董事长邢东岩之所以选择创建有征，也跟自己之前的工作经历有关，“电子签章行业的天花板越来越低，并且我发现客户其实并不在意如何保存证据，更在意的是遇到纠纷时，如何保障自己的合法权益。”
于是，有征科技以结果为导向，运用区块链技术固化证据，强调“打赢了官司才收钱。”
用区块链固化电子证据，降低百倍仲裁费
邢东岩表示，之所以敢为公司定下如此自信的基调，是因为有征会把仲裁的前置工作做好，不打无把握之仗，而这依赖于有征的网贷纠纷系统。
首先有征的法务部门会与客户共同梳理业务的证据链条，然后在每个业务关键点嵌入API接口收集证据，系统会自动筛选逾期客户，将证据内容发送给仲裁委，智能发起仲裁。
而与有征合作的广州仲裁委，是国内首家成立网络仲裁服务平台的机构，并且制定了《广州仲裁委员会网络仲裁规则》和《网贷纠纷网络仲裁专门规则》，有征看中的正是其公信力与权威性。
在证据固化阶段，系统会在本地生成文件，然后按照证据清单，搜集并上传资料，生成hash值后导入电子签章，最终上链完成固化。由于信息经hash处理，不可还原出明文，由此保证了证据不会被更改，具有完整性和保密性。
争议一旦发生，仲裁委可以将其所收到的材料的hash值与链上的做对比，即可验证数据有无被篡改。由于每次上链的数据极小，用现有的区块链技术即能满足性能要求。
“原来的电子合同，或通过中心化系统形成的电子证据，基本上都能通过一定手段改变属性，难以证明证据未被篡改，但使用区块链技术则解决了这一点。”邢东岩解释道。
除了解决电子证据“被篡改、丢失”等风险，极大地提高了律师的办案效率也是其优势之一。邢东岩举例道，一个毫无经验的应届毕业生可以用该平台一天处理200个案件，而如果只靠律师自己人工处理，恐怕是其一年的工作量。
另外，批量处理纠纷还加快了司法仲裁的流程，降低了仲裁成本。目前，法院与线下仲裁机构的最低审期分别为90天和60天，一个3000元标的的纠纷，其线下仲裁费加其他相关费用高达5000多元。而有征则可以将一起纠纷仲裁在7天内完成，并且几千元标的的纠纷，仲裁费用最后只需几十元，大大降低了企业用户的成本。
由于申请仲裁没有地域限制，极大的提高了企业效率。据了解，目前有征已服务了近百家企业用户，客户范围几乎完整覆盖全国大中城市。
与中国联通合作，修复债务人失联问题
处理网贷纠纷，自然会涉及到最后对纠纷被告方的执行环节，也就是进行催收，而这也是有征的外延服务之一。
以往的催收手段以电话和短信轰炸为主，有的会发假律师函和假法院传票，甚至是动用暴力手段。“如果你采用电话轰炸手段，对方可以直接换掉手机卡，如果是后两种方式，很显然是违法的、不合规的。”邢东岩解释道。
有征采取的方式是利用系统，对案件进行监控，获取催收过程的实时动态，同时与中国联通合作，向其提交确凿、合法、明确的证据，然后通过中国联通获取债务人手机状态，调出债务人线索，解决债务人失联的问题。
“因为电信运营商拥有庞大的用户规模，采取的是实名制认证方式，所以没有人比他们更清楚债务人身处何地了。”
当面临债务人拒不执行仲裁结果时，有征会与线下的催收公司合作，由有征的法务团队做法律支持，依据法律条文，告诉债务人失信的后果，强调一旦登上征信黑名单，会为自己的工作、生活带来诸多不便，受到种种限制，“一般债务人都会衡量失信所带来的负面影响，很多人会就此动摇，依规还款。”
除此之外，有征还与北大法宝合作，如果当事人的仲裁书有执行需求时，可以通过有征发布内容给北大法宝，由其旗下遍布全国的律师资源提交法院执行，然后反馈结果，减少因地域跨度大仲裁文书难以执行的问题。
结语
据悉，有征之前于2017年10月获得了来自东信基金的天使轮融资，而新的一轮融资计划也在启动之中，邢东岩表示新一轮的融资将主要用于团队扩招和市场拓展等方面。
在谈到创业圈的一句话“创业是九死一生的事情”时，邢东岩笑着说道，创业本身就是一个具有极大挑战性的事情，没有难度、顺风顺水的创业似乎也没什么意义，这样的公司也有可能倒下的更快。
-
产品
HR部门：人工智能技术的第一线领域
文| Dr Jeremy Nunn
自古以来，哲学家和科学家们一直在探索人类智慧和思考的奥秘。就像我们在海洋和太空探索一样，我们在知识方面取得巨大进步之后，仍然存在一个萦绕不去的问题：
我们如何运用我们了解到的知识来帮助自己更好地生活和工作？
技术人员凑齐了以人类为原型的人工智能（AI）的最后一块拼图。
人工智能摆脱银幕并进入我们的日常生活，这项技术有望为人类各行各业带来革命性的变化。其中企业家将作为早期的人工智能行业推动者和采用者。
没有比人力资源（HR）部门更好的人机协作场所了。
通过人机协作及其对日常招聘，评估，入职和管理实践的影响，人力资源部门将迎来彻底的转变。
让我们从一开始就明确一件事：AI技术不会让HR经理和员工失去工作。
就像蒸汽机和计算机没有把我们引入过早的反乌托邦一样，AI技术承诺改变人力资源部门，而不是让它们变得多余。
毕竟，它只是许多人力资源专业人员在家中使用的技术的延伸，无论是Cortana，Alexa还是任何其他基于AI的设备。
因此，他们中的大多数人认为人工智能可能为人力资源部门的重要职责带来革命性变化，如招聘，绩效评估和教育，这是一个小小的惊喜。
人才招聘是人力资源部门的主要责任之一，但我们如何确保招聘到的人员是最终需要的“人才”？
假如你最终招到了一位说话流利，看起来很帅的员工，而他很难达到最初的承诺呢？
由于人力资源部门的人群纷杂（也就意味着易受扰乱），他们在这些招聘过程中无法抵抗人类的偏见。
人工智能技术有望通过依靠更多的大数据分析处理，而不是单独的观察来简化这一过程。
对于刚开始使用这项技术的人员来说，人工智能技术在筛选人员时，不受陈旧观念，以及申请人的种族，性别或国籍的影响。
人工智能软件可以设计相关的面试问题，完全忽视某人的背景，专注于他们某项工作的专业能力。
这些评估问题将以申请人早期的工作记录为基础，更重要的是，以他们申请的工作要求为基础。
用谷歌前任HR部门老板的话来说，将AI用于这种类型的自动化可以更快速地过滤出“极好的候选人”。
除了在候选人筛选期间摆脱人为偏见问题之外，人工智能还为人力资源部门提供了很多其他帮助，从而减轻了筛选候选人简历，社交媒体帐户，参考信函和其他来源的千兆字节数据的巨大负担。
这个过程是人力资源专业人员面临的最耗时的任务之一，他们往往面临为了及时完成工作而需要削减一些候选人的问题。
这无意中造成了公司招聘程序的缺陷，并可能把错误的人放在公司的错误位置。
最后，这也需要重复地耗费时间和昂贵的重新招聘程序。
人工智能可以使这些繁琐过程成为企业HR实践历史的一部分。
这归功于其强大的分析能力，使得人工智能可以同时处理大量候选人的大量数据。
如果可以的话，这些信息不必停留在简历或参考资料中，但也可以包括招聘后的绩效评估，这些评估为申请人的潜力提供了宝贵的见解。
人工智能处理这些任务所节省的时间可以在几天甚至几个月内进行衡量，人力资源专业人员可以将其用于实时访谈，入围和业绩分析。
AI通过协助新员工提供入职手续，再次释放HR部门资源。
这些新进人才经常淹没于人力资源部门，处理许多与薪资支付，假期，福利和一般权利有关的问题。
对HR专业人员来说，回答公司在宗教节日期间缺勤或未付奖金的政策等问题既重复又耗时，而人工智能可以使用日益智能的聊天机器人来“解救”这些人员。
他们可以很容易地编程，实时提供日常问题的答案，无论新员工或老员工的问题。
这些机器人可以作为自助服务平台，让人力资源人员能够专注于回应更加复杂和迫切的问题，那些更应该引起注意的问题。
最后，人工智能可以提供HR管理方面的协助，比如协助现有员工绩效评估的进行。
监控绩效会产生大量的各种数据和指标，人工智能可以对这些数据和指标进行梳理，以便人力资源经理能够快速访问有价值的系统化见解。
这些指标可以根据AI设计的每个员工的绩效目标进行衡量，也可以包括行为评估。
人工智能可以帮助人力资源人员为每位员工设置分级系统，并对设定的绩效目标进行定期自动化审查。
在企业界，人工智能最佳使用领域之一是人力资源部门，作为公司处理“人”的业务的第一线。
在人工智能领域，他们可以在其专业工作的各个阶段找到一个伟大的盟友，从早期入选人才和申请人筛选到后期上岗程序和绩效评估。
除了消除人力资源人员不必要的负担之外，人工智能可以帮助简化所有这些任务，并对每位候选人和员工的真实潜在业绩产生前所未有的见解。
所有这些都是在没有人为偏差和错误能力的限制的情况下完成的，这使得AI成为未来成熟的人力资源管理工具。
-
产品
游戏式积分制管理，人力资源管理新工具！
来源| 人力资源分享汇
作为管理者，您是否有这样的困惑？
员工越来越难管理，低工资招不到人又留不住人，高工资能留住人却容易形成“高薪养懒汉”；
员工的忠诚度越来越低，核心骨干、老员工流失率居高不下。不加工资就跳槽的现象比比皆是，但加了工资效果又不明显，员工的积极性、工作状态最多不超过3个月，这是为什么；
HR学了太多的课程，去年学了宽带薪酬，今年听了战略性绩效管理，明年准备学任职资格管理，这些内容听起来有道理，用起来却效果不佳。老板不满意，HR地位岌岌可危，未来的出路在何方？
... ...
这些问题的原因就在我们自己身上，当前很多企业和员工之间的关系是：对立+博弈，一旦产生这种关系，就意味着老板痛苦的开始。
人搞不定，事就办不成，其实，解决了人的问题，就解决了企业80%的管理问题；
大家很头疼的这一系列问题，其实很多公司用积分制就能解决，而积分制和传统KPI考核最大的不同如下图：
积分制具体落实的维度，如下图：
-
产品
百度百科上了区块链，“不背黑锅”只是第一步
来源| 虎嗅
5月28日晚间，百度百科悄然上链，利用区块链不可篡改特性保持百科历史版本准确存留。
该项目由百度区块链和百度百科合作运作。百度百科上线的是百度区块链生态布局中，具体落地项目之一，此举是为了“增强词条编纂的公信力”
百度百科不再背锅
百度百科，以人人可编辑的模式，成为最大的中文网络百科全书。但问题是也会出现恶意编辑的现象，百度百科平台往往也要承担责任。
上链的作用，就是百度百科可能不用再背锅了，因为编辑历史都有证可查。
使用区块链技术，平台可以通过时间戳、哈希算法对百度百科上的每次编辑进行确权，从而记录百科词条的历史版本和作者、编辑时间，实时记录次条的全部变化，达到存证目的，配合用户实名制效果更佳。
下一步是版权保护？
百度区块链原生应用负责人柴桥子告诉巴比特：“目前已发布的，都是存量业务和链的结合，接下来有一个全新产品，1.0就是基于区块链来做的。产品的理念、定位、构架都是和区块链融合的，会发布自己的权益通证，基于百度自己的底链。” 而应用场景，将是“百度相对擅长的领域”。
今年4月，百度就上线版权区块链原创图片服务平台——图腾。据其官方介绍，图腾是百度内部对区块链技术的深入研究和加持后的落地实践，主要提供图片版权保护。
图腾将利用区块链技术，配合可信时间戳、链戳双重认证，为每张原创图片生成版权DNA，真正实现原创作品可溯源。
百度百科这次区块链应用，也是对数字内容的通证化。区块链具有随时提取、不可伪造、不可撤销、可验证四个特点，正是对数字版权问题的解决方案。
下一步区块链应用是否继续在版权保护上？由于百度搜索的天然属性，百度上有大量内容，若百度能通过区块链技术对平台内容进行确权和侵权监测，那“洗稿”“抄袭”之类事件也能少一些。
版权领域的区块链应用门槛是较低的，百度肯定有这个能力，但问题是，百度上也存在大量盗版内容，百度若想落地版权区块链，是否会成为阻碍？
百科是否会引入代币激励？
关于百度百科上链，有一个案例可以参考。
在线百科全书网站Everipedia（完全百科）从2014年设立之初起的目标是赶超Wikipedia维基百科，但一直都不温不火。2017年末，Everipedia团队宣布即将迁移到半年后上线的EOS区块链上并发行名为IQ的代币之后，母公司迅速获得三千万美元融资，被资本市场看好。
在Everipedia的白皮书中，整个项目被分为3方面：治理、代币和文章。简单讲，在Everipedia通过区块链技术加入代币激励，会按照贡献给予代币激励的模式鼓励更多作者加入。
并且，每个用户如果要提交对文章的编辑，都必须抵押一部分代币，如果编辑通过审查抵押的代币会退回给用户。若编辑不通过，抵押代币将消失，而优秀内容可获得代币奖励，从而加强编辑质量。
目前，百度百科是通过积分激励作者，百度用户在百度百科上参与编辑即可获得奖励积分。积分分为经验值和财富值两部分。财富值可用于在商城兑换虚拟特权、徽章和实物礼品。经验值与等级头衔相关。
分布式记账的代币，显然更具价值和安全性。网易星球的黑钻都能兑换黑猪肉的，若百度百科想提升作者激励体系，Everipedia的代币激励是一种可选方案。
-
产品
国际人力资源平台ChronoBank宣布推出首个基于区块链技术的完整工作平台Laborx
来源| bitcoinist
世界领先的国际人力资源平台ChronoBank宣布推出LaborX--目前已成为大规模应用的首批区块链应用之一。
ChronoBank生态系统的新成员
ChronoBank宣布推出一个雄心勃勃的、旨在革新人力资源/招聘/金融行业的大型区块链项目LaborX--这是全球首个完整的基于区块链的工作平台。
ChronoBank的生态系统已经非常丰富，由Labour-Hour Coins和智能合约管理系统界面（ChronoMint）共同组成。
Labour-Hour Coins能够有效标记劳动力，同时消除通货膨胀。
而ChronoMint允许管理ETH，ERC20代币，BTC和LTC等虚拟货币。它还使用户能够创建自己的ERC20令牌。
LaborX现在是ChronoBank人力资源生态系统的重要组成部分，能够为求职者和公司提供安全有效地进行即时交易的保障。
准备以主流方式登场
最重要的是，如今LaborX是可以合法和大规模采用、基于blockchain的应用之一，得益于其人性化的设计与ChronoBank的多币种钱包（ChronoMint）和分布式交换（TIMEX）的集成。
凭借其一系列工具，LaborX计划尽快通过不变的信誉系统，智能合约和透明的令牌市场，来破坏和革新招聘市场。
同时LaborX声称它允许求职者增加小时费率以及避免支付延迟，同时允许公司选择更优秀的全球工作者，数字游牧人和加密货币爱好者。
在整个求职过程中，招聘双方都能够降低成本，LaborX平台本身只收取1％的费用 - 与已成为当今招聘平台收费标准的5-20％相差甚远。
ChronoBank的首席执行官Sergei Sergienko说：我们的业界领先团队去年一直致力于打造世界上最完整的区块链式人力资源生态系统。 LaborX仅仅是团队劳动成果之一，并且今天为它的大规模采用做好了准备。
就我们而言，任何人都可以在早期阶段采纳和使用我们的项目。我们预计有1,000家公司，100,000名用户将在年底前注册LaborX，他们通过LaborX每月可节省大约4500万美元的开销。
LaborX今天已经投入使用。
Edway Training和DGTek正在使用它。预计未来几个月将有更多公司使用该技术。
行业领先的功能
从客观的角度来看，LaborX的优势在于其特色 - 其中许多特色迄今在人力资源行业尚未见到。
除了大幅降低费用外，LaborX还拥有一个专有信誉系统，该系统将数十个来自不可变账本上的候选人的数据点考虑在内。
通俗地说，这可以让公司相信他们雇用的候选人，并通过消除证明不可靠的筛选过程来节省时间和金钱。
LaborX还可以标记工作时间，允许个人以最高的市场价格销售自己的时间，并决定他们每周希望工作多少小时 - 为工作和娱乐之间的完美平衡打开大门。
求职者也可以通过加密货币进行支付，这意味着那些以前无法进入招聘市场的人 - 比如那些没有银行账户的人 - 现在可以为他们的服务寻求工作和支付。由于智能合同和内置的纠纷解决方案，所以支付也得到保证。支付是立即收到钱包，而不是转移到银行账户。
那些加密货币的新手不需要向第三方交易所注册，而可以使用LaborX的内置交易所和钱包。付款由稳定的LH代币处理，这消除了加密货币臭名昭着的波动。
最后，LaborX建立了简洁的、用户友好型的网站和app界面。用户不需要任何专业、技术上的知识便可以使用。
随着该平台已经准备好大规模采用，当今业界很少有其他基于区块链的项目与LaborX一样令人兴奋。
以上内容由HRTechChina AI编译完成，仅供参考
-
产品
专注教育领域人力服务，才鹿获数百万元天使轮融资
文| 甩饼姐姐shirley
来源| 新芽NewSeed
5月29日消息，垂直教育领域的人力资源创新服务机构才鹿于2018年4月完成数百万元天使轮融资，由上市集团旗下产业基金金哲成长之心领投。
本轮融资后，才鹿将从产品创新、团队复制、品牌塑造等三方面发力，启动垂直在线招聘的产品和服务创新，将启动垂直在线招聘的产品和服务创新，推出在线招聘工具，实现招聘服务规模化。
才鹿创立于2014 年，是一家专注教育创业人才招聘的服务机构。教育行业极其依赖人的参与，才鹿设计并执行适用于教育企业与人才特点的顾问团队和工作系统，提供匹配不同发展阶段、不同人才需求的招聘解决方案，为招聘效果与效率负责。
才鹿从猎头服务切入，主要针对k12、语言培训、国际教育、幼儿教育、职业教育、素质教育六大细分市场，关注教学教研、市场销售、互联网三大职能方向的中高端人才。
累计服务超过300家教育企业，覆盖30%的A轮+赛道标杆，如VIPKID、掌门一对一、精锐教育、四季教育、凯叔讲故事、英语流利说、成长保、混沌大学等。
为了突破传统猎头行业对于“顾问”的极度依赖和简历搬运等低效现状，才鹿将人岗匹配经验结合移动互联网、数据与算法，通过自建标准化、模块化的人岗匹配“中央厨房”，快速复制教育行业招聘顾问。
同时，基于数十万的企业与人才动态数据，训练智能“招聘助手”，在获取人才需求标签的同时反馈目标人才数量、活跃度和匹配度，缩短顾问寻访时间。
才鹿目前猎头服务主要满足成长型强的头部企业与中高端人才的有效匹配。
由于教育行业的企业与人才特点，为体量更庞大的中小型教育机构招聘，满足初中级人才的求职需求有更大的市场需求。才鹿正研发相关工具与服务，预计于2018 年第三季度上线内测。
据了解，2018年4月，才鹿营收单月破百万，人均月单产超15万；2018年第一季度营收超2017全年规模，预计年底营收突破千万。
才鹿2016年还曾于8月完成蓝象资本的80万元种子轮融资。
-
产品
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。
-
产品
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。
-
产品
机器学习淘汰简历的五个理由
文| Louis Columbus
由于现有申请人追踪系统（ATS）的不准确和缺陷，全国的猎头公司错过了50％或更多的合格候选人，科技公司错误地分类了80％的候选人，说明在招聘方面，这些系统存在多么大的缺陷。
那些平均需要42天的时间才能完成任务，并且需要60天或更长的时间才能填补专业技术技能的职位，这些职位的平均成本需要5,000美元。
在招聘人员筛选后，女性申请人有19％的概率被淘汰，30％的人在现场面试后被淘汰，导致每个公司大量丧失本需增长的智囊团。
现在是招聘过程变得更加智能的时候了。
招聘部门需要更多地融入情境智慧，洞察力，评估应聘者掌握所需技能，而不是根据候选人的简历来评判他们过去取得的成就。
通过更多基于机器学习的情景智能来丰富招聘流程，可以发现非常优秀的，并且具备超出招聘经理预期的智力技能的候选人。
机器学习算法还可以删除候选人的任何道德和性别上的身份识别信息，并让他们纯粹根据专业知识，经验，优点和技能进行评估。
目前全球的招聘流程500多年来都没有改变。
从达芬奇1482年的手写简历可以看出，他能够搭建桥梁并且提供赢得战争胜利的帮助。这位创造了蒙娜丽莎，最后的晚餐，维特鲁威人以及无数的科学发现和发明背后的天才推动了世界的现代化进程。
追求新职位的申请人一直在顽强地藐视创新。
ATS应用程序和平台对入境简历进行分类，并根据他们在简历上看到的技能，为候选人提供排名。
需要深入了解的是哪些管理人员具备领导才能，哪些候选人正在掌握和以何种速度掌握技术技能优势。
机器学习扩大了招聘公司在候选人的简历中看到的能力范围，从而超越了简历的障碍。投资回报率（ROI）通过加强招聘决策并以更大的智慧制定更好的招聘决策。
包括雇用时间，雇佣成本，保留率和绩效在内的关键指标都将在依赖更大的情境智能时得到提高。
超越简历，赢得人才大战
上周，我有机会与全球领先的技术智囊团之一的人力资源副总裁进行了交谈。
从现在起，他专注于他的组织需要的数百名技术专业人员，他们将在六个月，12个月和一年多的时间内为员工提供令人兴奋的新研究项目，这些项目将提供有价值的知识产权（IP），包括专利和新产品。
他们的方法始于寻求理解当前高绩效企业的概况和核心优势，然后在申请人社区和更广泛的技术社区寻找与理想候选人的匹配。
机器学习算法非常适合完成对高绩效人员和候选人的能力的比较分析，在比较完成时将其整个数字角色考虑在内。
下文说明了eightfold.ai人才智能平台（TIP），说明了它与公众可用数据，内部数据存储库，人力资源资源管理（HRM）系统，ATS工具的集成方式。
高绩效人员与申请人的特征进行对比分析需要数秒钟才能完成，提供了一份完整的档案。
根据机器学习得出的符合高绩效人员特征的潜在雇员情况，可以提供比任何简历都更好的背景情报。采用综合方法创建人才智能平台（TIP）可获得当今典型的招聘或ATS解决方案无法提供的洞察力。
下面的概要反映了将机器学习应用到候选人的综合数据集时可能出现的情境智能和深度见解。请点击图片展开以便阅读。以下配置文件中的关键元素包括以下内容：
职业生涯成长曲线
- 说明一个给定的候选人的职业进步和表现，与其他人进行的比较。
关于公共站点的社交关注
- 实时了解候选人在Github，Open Stack以及技术专家可以分享其专业知识的其他站点上的活动。
这也提供了他人如何看待他们贡献的辅助信息。
与正在审核的工作相关的背景要点，提供与简历中候选人历史记录中最相关的数据，以便招聘人员和经理可以更轻松地了解自己的优势。
近期出版物
- 出版物提供对过去10至15年或更长时间内当前和以前的兴趣，重点领域，思维模式和学习进展的见解。
专业重叠，可以更容易地验证履历中记录的成绩
- 实时职业数据的多种来源可以验证并提供更好的背景和洞察简历列出的成就
关键是了解候选人能力正在评估的背景。
而一份2页的简历绝不会给予候选人足够的自由度来涵盖所有的基础。
对于大中型企业来说 ，如果手动完成这项工作，跨所有角色，所有地区，所有候选人来源，所有在线申请，大学招聘，公司内部重新招聘，内部流动现有员工以及所有招聘渠道。
这是机器学习可以成为招聘人员，招聘经理和候选人的盟友的地方
机器学习使简历过时的五个原因
通过降低成本和招聘时间，提高招聘质量，以最优质的人才招聘新员工，所有这些都可以促进收入的稳定增长。
单凭依靠简历就像在打一个不好的Skype电话，你只能听到谈话中的每一句话。使用基于机器学习的方法为雇佣决策带来更高的敏锐度，清晰度和可见性。
以下是机器学习使简历过时的五个原因：
简历就像反映过去的后视镜。
企业所需要的更多的是关注某人的去向，什么（能激励他们）以及他们自己着迷和学习什么。简历是后视镜，而我们需要的是基于目前的兴趣和才能，展现他们未来的前景。
依靠一个有着500多年历史、陈旧的招聘流程，我们无法知道候选人获得什么技能，技术和培训的动力。
特定领域掌握的深度和程度并不反映在简历中。
通过将多种数据源整合到候选人的统一视图中，从专业发展的角度来看，他们有可能看到他们正在成长的最快的领域。
游戏机器学习算法是不可能的，考虑到候选人可用的所有数字数据，而简历有一个可信度问题。
任何雇佣下属，员工和参与雇佣决策的人都会遇到找到一位有前途的候选人。然后经历失败的失望。
简历与招聘人员进行比较，他们说至少有60％的简历夸大其辞，有时候会对他们有所影响。使用像TIP这样的平台将所有数据考虑在内，这显示出真正的候选人及其实际技能。
现在是时候采取更多的数据驱动方法来消除无意识偏见。
今天的简历带有内在的偏见。招聘人员，招聘经理和最终面试组的高级管理人员会根据个人的姓名，性别，年龄，外表，所参加的学校等情况，制定了无意识的偏见决策。
了解他们的技能，优势和智力核心领域更有效，所有这些都是更好地预测工作绩效的指标。
降低糟糕的招聘风险，从而快速导致人才流失。
最终，每个人都会根据他们的最佳判断招聘部分人员，部分原因是他们的经常无意识的偏见。这是人性。
随着更多的数据，减少外聘的可能性减少，从而降低通过新租赁进行搅动的风险，并且花费数千美元聘用然后替换他们。
拥有更好的情境智能降低了招聘的下行风险，通过用可靠的数据显示一个人是否有资格担任某个角色并消除他们的背景优势，技能和成就来消除偏见。
造成无意识偏见的因素包括性别，种族，年龄或任何其他因素都可以从简介中删除，因此候选人只能评估他们在考虑的职位方面的优势。
底线：
现在是彻底改革简历和招聘流程的时候了，他们通过用机器学习所带来的更多背景情报和洞察力，重新定义简历和招聘流程，将它们重新定义为21世纪的招聘。
以上内容由HRTech AI编译完成，仅供参考
扫一扫 加微信
hrtechchina
