ML
HR领导者必须掌握的十大AI术语
人工智能正在改变全球企业环境。为确保贵公司领先于这一变革，您需要掌握这十个关键的AI术语。
人工智能（AI）正逐步融入我们的日常生活和工作之中。对于企业而言，要想在新的工作环境中保持竞争力，了解AI及其价值至关重要。因此，我们汇编了每位商业领袖都应该了解的十个AI术语。
在我们的《AI智商：企业中的人工智能见解》报告中，我们调查了1000名高级决策者关于人工智能和机器学习（ML）。调查结果显示，有81%的领导者认为，保持企业竞争力需要运用AI。然而，有74%的领导者表示，他们的组织缺乏全面部署AI和ML的能力。
为了弥补这一技能差距，企业需要在各个业务领域内应用AI。在财务领域，AI能够消除低效，将原本需要数月或数周的工作缩短至数小时或数分钟。在信息技术方面，AI及其促进的自动化使得现代化IT生态系统的优化变得更加高效。对于人力资源领域来说，随着基于技能的经济不断演进，赋予HR专业人员AI和ML的知识变得尤为重要。
为了实现公司范围内成功且负责任的部署，各级商业领导者，从首席执行官到团队经理，都必须确保他们充分理解AI。那些对AI采用缓慢的组织不仅会失去竞争优势，而且会完全落伍。明天的AI思想领袖将是那些从今天起就开始掌握基础知识的人们。
有81%的领导者认为，AI对于保持其业务的竞争力是必需的。
必备的AI术语表
AI术语通常可能涉及广泛的技术内容，从决策树到强化学习等。在下面的AI术语表中，我们集中讲解了一些基本术语。
此外，我们还解释了每个术语在组织层面的重要性。考虑到AI应用的广泛性，很容易忽视其对业务潜在利益的影响。因此，我们着重强调AI对于现代商业环境中公司成功的关键作用。
1. 人工智能（AI）
人工智能指的是机器执行通常需要人类智能的任务的能力。AI通过分析和学习数据、识别模式、做出预测来增强智能决策制定和提高人类生产力，其处理速度和规模远大于人类。
为什么重要： 2022年的一项调查显示，92%的大公司报告称他们从AI投资中获得了回报，这一比例自2017年的48%大幅上升，这标志着AI所代表的商业价值正迅速增长。
2. 机器学习（ML）
机器学习是AI的一个分支，使机器能够通过重复学习来获得知识。依赖于数据和自我修改的方法，机器学习算法能够识别模式并进行预测，其模型不断自我完善，以提高模式识别和预测分析的能力。
为什么重要： 由ML生成的自动预测让商业领导者能够专注于战略决策，保留关键时刻人的参与。坚持手动过程的公司可能会浪费本可以更有效地使用在其他项目上的员工时间。
3. 负责任的AI
负责任的AI强调AI的部署者需要确保AI系统的开发和应用是符合道德的。对于AI和ML来说，建立和预期信任是必要的。这是为什么Workday致力于AI的道德、透明和负责任的使用。"可信赖的AI"也是相似的概念，由国家标准与技术研究院（NIST）定义为"有效可靠、安全、弹性、可问责、透明、可解释、增强隐私、公平且有效管理有害偏见"。
为什么重要： 我们的《AI智商》报告指出，仅有29%的高级商业领袖非常确信AI和ML目前被以道德方式应用。因此，决策者必须优先考虑与那些致力于道德和负责任使用AI的公司合作。
4. 深度学习（DL）
深度学习是机器学习的子集，通常用于建模数据集内的复杂模式和关系。深度学习通过多层处理分析大量信息，类似于我们大脑中的神经网络结构，尤其在计算机视觉领域发挥重要作用，使机器能够解码视觉图像。
为什么重要： 对于大型企业来说，快速处理海量数据的能力至关重要。在Workday，我们在财务等多个功能中应用深度学习，例如在处理报销单和发票时，通过深度学习识别数据点，并将其映射到数据库中的相应字段，极大提高了效率。
5. 自然语言处理（NLP）
自然语言处理让机器能够理解、解释和生成人类语言。它广泛应用于语音识别、机器翻译、情感分析和问答系统。NLP还包含两个子领域：自然语言理解（NLU），侧重于理解人类语言的意图和含义；自然语言生成（NLG），侧重于将结构化数据转换成人类风格的文本。
为什么重要： 随着工作节奏加快，准确捕捉员工情绪变得越来越重要。NLP技术使各级业务领导能够高效地分析大量文本数据，提取出相关的员工反馈，以指导关键决策。
6. 算法
算法是一个为解决特定问题或执行特定任务而编写的计算机程序。它包含了一系列在满足某些条件时自动执行的指令。无论是在AI、ML模型还是计算机科学的其他领域，算法都是其核心和基础。
为什么重要： 在21世纪，几乎所有重大的技术进步背后都离不开算法。随着工作世界越来越依赖数据，编写得当的算法是成功的关键因素。
7. 生成式AI
生成式AI是一种能够创造新内容的AI系统，如数据、图像、音乐或文本。这种内容通常是根据用户的简单提示产生的。生成式AI变得极为流行，其中包括：
ChatGPT：一个能够生成连贯、逼真的类人语言的语言处理聊天机器人。
Stable Diffusion：一个根据文本描述生成详细图像的文本到图像工具。
Amper Music：一个根据用户选择的风格和情绪生成音乐的AI音乐平台。
为什么重要： 尽管生成式AI最常见的示例是面向消费者的，但其在商业中的应用潜力巨大。结合人类的输入，生成式AI可以帮助创建招聘信、职位描述，提供预算决策支持等。
8. 大语言模型（LLM）
大语言模型是生成式AI背后的核心技术。这些模型在大量的非标注文本上进行训练，拥有数十亿个参数，可用于多种机器学习任务，如搜索意图识别、话题分类、内容摘要以及基于现有数据生成语义相似的短语。
为什么重要： 随着时间的推移，企业需要处理的数据量不断增加。LLM不仅加快了数据处理和分析的速度，还能帮助用户实时产生有用的洞察。
9. 光学字符识别（OCR）
光学字符识别是一种图像识别技术，用于扫描图像或文档以识别里面的文本和数字字符，并将这些信息转换为机器可读的文本格式。执行图像识别的系统大多采用了深度学习技术，包括Workday的系统。
为什么重要： OCR的商业应用范围极广，可大幅减少各种业务功能中不必要的手工工作量。每张发票、报销单和文档都可以实时扫描和处理，让员工有更多时间专注于更重要的任务。
10. 神经网络
神经网络是一种复杂的计算机系统，模仿人类大脑中神经元的连接和交互方式。也称为人工神经网络，它属于机器学习的一种形式，能够很好地适应变化，通过模拟人脑的数据处理方式进行学习和模式识别。
为什么重要： 适应性是未来工作环境的关键。神经网络能够发现有价值的数据见解，并随着时间的推移不断学习和进化。采用能与您的公司共同成长的AI技术，将在长远来看带来重大的好处。
AI与未来工作的融合
得益于AI的进步，未来的工作方式已经成为现实。全球职场正在以前所未有的速度演变，企业必须立即做出正确的决策，以防范未来的变化。AI和ML的核心集成将成为成功与否的关键分水岭。
ML
如何利用人工智能克服招聘中的员工短缺危机？
在各行各业员工严重短缺的时代，创新招聘实践的必要性从未像现在这样重要。本文将深入探讨人工智能（AI）和机器学习（ML）如何彻底改变人才招聘，为这场危机带来希望的灯塔。通过将尖端技术与人类的细微洞察力相结合，人工智能驱动的平台有望大幅缩短招聘时间，同时确保高水平的人才招聘。
了解员工短缺危机
美国的当代就业市场正在经历一场员工短缺危机，对从技术到医疗保健的各个领域都产生了重大影响。这种短缺不仅仅是工人数量上的不足，它还反映出劳动力储备与新兴产业所需的技能之间更深层次的不匹配。美国商会的一份报告显示，2022 年，90% 的雇主会因缺乏合格的求职者而难以填补职位空缺，这凸显了危机的严重性。
在这种不断变化的情况下，主要依赖人工筛选和传统招聘渠道的传统招聘方法越来越显得力不从心。它们难以应对数量和特殊性的双重挑战：既要在庞大的求职者库中找到候选人，又要确保他们具备专业职位所需的独特技能。这往往会导致空缺期延长，给企业带来巨大的机会成本。
此外，技术的飞速发展和向远程工作模式的转变也使招聘工作变得更加复杂。企业现在要在全球市场上争夺人才，而人才的匹配不仅要看资历，还要看文化契合度、适应性以及是否符合远程工作规范。
员工短缺的后果是深远的，会影响组织的发展、创新潜力和竞争定位。显然，应对这场危机需要的不仅仅是传统的策略，还需要对人才招聘进行战略性的重新构想，将技术和人类的专业知识融合在一起，创造出一个更有活力、反应更迅速、更高效的招聘生态系统。
人工智能和 ML 在招聘中的兴起
将人工智能和人工智能融入招聘流程，标志着在应对员工短缺危机方面取得了重大飞跃。这些技术带来了一系列优势，不仅简化了招聘流程，还提高了招聘效率。在此，我们将探讨人工智能和 ML 在招聘中的诸多优势。
1. 加快招聘流程： 人工智能在招聘中最直接的好处之一就是显著加快招聘流程。人工智能算法可以快速解析成千上万份简历，只需招聘人员花费很少的时间就能确定合适的候选人。这种快速处理能力在一个速度往往决定能否获得顶尖人才的市场中至关重要。
2. 增强候选人匹配：与传统方法相比，人工智能系统采用复杂的算法，能更准确地将候选人与职位要求相匹配。通过分析工作经验、教育背景、技能甚至社交媒体活动等数据点，人工智能可对候选人进行多维度评估，确保候选人更适合职位要求。
3. 减少无意识偏见：人工智能有助于减少招聘过程中的无意识偏见。通过关注数据和预定义标准，人工智能系统可以做出客观的决定，从而促进员工队伍更加多元化和更具包容性。这对于建立具有不同观点和背景的团队尤为重要。
4. 改善候选人体验： 人工智能驱动的招聘工具可以为应聘者提供更具吸引力和互动性的体验。例如，聊天机器人可以即时回复询问、安排面试并提供反馈，从而增强候选人的求职体验，并有可能改善他们对公司的看法。
5. 未来招聘预测分析： ML 算法可以分析历史招聘数据，预测未来的招聘需求。这种预测能力使公司能够积极主动地解决人才短缺问题，规划劳动力扩张，并为特定行业的招聘趋势做好准备。
6. 具有成本效益的招聘： 通过自动化日常任务和提高招聘流程的效率，人工智能和 ML 可以显著降低招聘成本。节省成本的原因在于缩短了招聘时间，降低了对外部招聘机构的依赖，以及能够不受地域限制地利用更广泛的人才库。
7.持续学习和改进： 人工智能算法旨在随着时间的推移不断学习和改进。这意味着它们处理的数据越多，就越能更好地识别合适的候选人。持续学习可确保招聘流程与不断变化的就业市场动态和公司需求保持一致。
8. 全球人才覆盖： 人工智能驱动的招聘平台可以轻松扩展，以适应全球人才搜索。它们可以处理来自不同国家、使用多种语言的申请，并根据一套通用标准对候选人进行评估，从而使全球招聘更加便捷高效。
9. 增强数据安全性： 随着数据隐私越来越重要，人工智能招聘系统配备了强大的安全措施，以保护敏感的候选人信息。这不仅能确保符合数据保护法规，还能与候选人建立信任。
10. 与人力资源系统集成： 人工智能工具可以与现有的人力资源管理系统（HRMS）无缝集成，创建一个统一的平台，管理从寻源到入职的整个招聘生命周期。
11. 为战略决策提供分析见解： 人工智能可为招聘流程提供有价值的分析和洞察，如成功招聘的来源、填补时间指标和候选人参与度。这些洞察力有助于做出明智的战略决策和优化招聘战略。
12. 文化契合度和软技能评估： 除了硬技能，人工智能还能帮助评估候选人的文化契合度和软技能。通过自然语言处理和情感分析，人工智能工具可以分析候选人的沟通风格、价值观一致性以及对团队融合至关重要的其他无形素质。
在招聘中采用人工智能和 ML 不仅仅是一种技术升级，更是一种战略转型。这些技术为应对现代就业市场的挑战提供了全面的解决方案，不仅能确保企业快速填补职位空缺，还能确保获得合适的人才来推动企业的发展和成功。
人工智能驱动的招聘中的人为因素
虽然人工智能和人工智能大大加强了招聘流程，但人的因素仍然是招聘中不可或缺的一部分。人的直觉和情商发挥着至关重要的作用，尤其是在评估文化契合度、人际交往技能以及在公司取得长期成功的潜力等方面。在这一过程中，招聘人员和招聘经理所具有的理解力和同理心是算法无法复制的。他们的洞察力在解读应聘者经验和愿望的细微差别时尤为重要，而这些往往超出了简历上所展示的内容。此外，招聘过程中的人际互动能促进与候选人的个人联系，增强他们的体验和对公司的印象。这种人情味对于创造一个吸引人、尊重候选人的旅程至关重要，而这反过来又会对候选人决定加入或留在企业产生积极影响。
因此，平衡人工智能的效率和人类的判断力是制定全面有效招聘战略的关键。最好的方法是协同合作，人工智能工具负责定量分析和初步筛选，而人类则专注于定性评估和最终决策。这种协同作用不仅能确保招聘工作迅速高效，还能确保招聘工作细致入微，并考虑到招聘工作中人的因素。通过将人工智能的分析能力与人类的鉴别力相结合，公司可以实现一个更有活力、反应更快、更人性化的招聘流程，最终形成一支更具凝聚力和生产力的员工队伍。
结论
人工智能和人工智能与招聘的结合预示着人才招聘进入了一个新时代，为解决员工短缺危机提供了创新解决方案。虽然这些技术简化了招聘流程并提高了效率，但招聘的未来在于将人工智能的分析能力与不可替代的人情味相结合的平衡方法。在迎接技术变革的同时，我们必须以负责任的态度应对挑战，确保道德规范、数据安全，并在招聘过程中保持人与人之间的联系。展望未来，人工智能在招聘领域的持续发展不仅有望重塑企业寻找和留住人才的方式，还将在打造更具活力、包容性和效率的员工队伍方面发挥关键作用。拥抱这一变化，企业就能对自己进行战略定位，以应对现代就业市场的挑战，在不断变化的全球环境中促进增长和创新。
ML
探索2024年十大人力资源技术趋势
2024 年，人力资源领域将发生重大变化，技术将发挥关键作用。主要趋势包括在人才招聘中使用人工智能（AI）和人工智能（ML），向基于技能的招聘转变，以及远程和混合工作模式的整合。对多样性、公平性和包容性（DEI）的重视与日俱增，同时对虚拟人力资源实践的 Metaverse 进行了探索。数据分析对于做出明智决策至关重要，而优化用户体验、支持员工福利和心理健康也是重点。提升候选人体验、确保数据安全和合规性也至关重要。
人工智能和机器学习
人工智能（AI）和机器学习（ML）是 2024 年人力资源技术趋势的前沿。这些技术正在通过简化招聘流程彻底改变人才招聘。人工智能驱动的算法可以评估简历，进行初步的候选人筛选，并根据历史数据预测候选人是否合适。ML 算法可分析员工数据中的模式，提供有关绩效的见解，帮助人力资源部门在晋升和职位安排方面做出更明智的决策。
基于技能的招聘
基于技能的招聘优先考虑候选人的特定技能和能力，将在 2024 年对企业产生重大影响。这种方法将帮助企业迅速适应不断变化的工作环境和技术进步。2024 年，基于技能的招聘将：
提高招聘效率： 公司将发现更容易将候选人与职位要求直接匹配，从而减少筛选简历和面试所花费的时间和资源。
缩小技能差距： 通过基于技能的招聘，企业可以更有效地解决技能差距问题，并投资于现有员工的培训和技能提升，以满足企业的需求。
提高员工生产力： 聘用掌握正确技能的员工可加快入职速度，提高员工生产率，从而推动业务绩效。
远程和混合工作：
远程工作已迅速改变了现代工作场所，并将在 2024 年成为一种固定模式。人力资源专业人员的任务是应对在虚拟环境中监督远程团队、鼓励协作和保持员工参与度的挑战。此外，随着混合工作模式的日益突出，需要采取战略性措施来提高员工的工作效率，并平衡他们的工作与生活，无论他们身处办公室内外的哪个位置。
多样性、公平性和包容性（DEI）：
2024 年，包容性和多样性仍将是人力资源议程的重中之重。各组织将努力创造包容性文化，让不同背景的员工都能感受到被重视、被尊重和被赋权。人力资源专业人员将重点关注建立多元化人才梯队、实施无意识偏见培训和发展包容性领导力实践。解决薪酬公平问题和确保各级机会平等也将成为优先事项。
关注人力资源领域的 Metaverse
Metaverse 将重新定义人力资源实践。这项革命性技术将虚拟会议、面试、入职培训和学习体验无缝整合在一起。通过创建栩栩如生的虚拟环境，人力资源专业人员可以举办动态会议，进行身临其境的面试，并促进远程团队之间的讨论。
企业认识到 Metaverse 的巨大潜力，纷纷采用它来重塑传统的人力资源流程，加强分布式团队之间的协作。Metaverse 使人力资源部门能够超越地理界限，开创了一个极具影响力的虚拟互动新时代，从而提升了员工体验，提高了组织生产力。
利用数据做出明智决策
这一趋势围绕着利用先进的数据分析工具来收集、处理和解释人力资源领域的大量数据。这样，人力资源专业人员就能对劳动力管理的各个方面，包括员工敬业度、绩效指标、人才招聘和劳动力规划等，获得有价值的见解。
人们认识到，数据对于做出明智的战略决策至关重要，从而推动了这一趋势的发展。人力资源部门越来越多地采用预测分析来预测趋势、识别潜在挑战并制定积极主动的解决方案。通过数据驱动决策，企业可以优化其人力资源战略，简化运营，并提高劳动力的整体效率。
优化用户体验
随着人力资源技术的发展，人力资源专业人员和员工的用户体验也在不断优化。这一趋势就是要使技术更加用户友好和直观。友好的用户界面、简化的导航和定制的仪表板使人力资源人员更容易访问和使用人力资源工具，最终提高效率并降低学习曲线。
员工福利和心理健康支持
人力资源技术的发展趋势聚焦于员工福利和心理健康。创新工具和应用程序旨在监测和支持员工福利，提供资源帮助个人管理压力，实现健康的工作与生活平衡。这一新兴趋势凸显了人们对全面关爱员工重要性的认识。
强调提升候选人体验
即使在 2024 年资源有限的情况下，CHRO 仍致力于保持团队对基本任务的关注。企业认识到，当务之急是不断提升求职者体验、强化企业品牌、加快招聘流程，从而在吸引顶尖人才方面保持竞争力。在讨论的众多人力资源趋势中，完善候选人体验仍然是 TA 团队面临的一项持久挑战。
数据安全与合规性
随着人力资源技术的应用日益广泛，数据安全和合规性成为重中之重。人力资源部门正越来越多地实施数据保护措施，以保护敏感的员工信息，并遵守不断变化的全球数据保护法规。
结论
进入 2024 年，人力资源科技趋势正在塑造人力资源管理的未来。这些趋势，从人工智能和机器学习到对员工体验的强烈关注，都在加强企业吸引、留住和管理人才的方式。紧跟这十大人力资源技术趋势，企业就能在瞬息万变的职场中取得成功。采用这些技术将简化人力资源流程，打造一支更投入、更多元、更有韧性的员工队伍。
ML
Workday推出"Workday AI"的创新人工智能功能，塑造未来工作方式
Workday 以其人工智能平台为基础，扩大其合作伙伴和开发人员生态系统，为全球更多企业带来 Workday AI 的强大功能
Workday 在 Workday Rising会议上推出一系列名为 "Workday AI" 的创新人工智能功能。以帮助企业提高生产力、简化业务流程、增强员工能力并做出更好的决策。
"Workday联席首席执行官Carl Eschenbach表示："全球有超过10,000家企业依靠Workday管理其最宝贵的资产--员工和资金。"他们相信 Workday 能够提供强大、负责、透明的解决方案，推动他们的业务向前发展。今天，我们将通过分享尖端解决方案来加强这种信任，这些解决方案将彻底改变我们客户的业务方式。借助人工智能和 ML 的力量以及行业领先的合作伙伴生态系统，我们正在书写未来工作方式的剧本。
Workday AI功能可提高效率和增强员工体验
Workday 在人工智能领域的领先地位得益于公司的平台战略、无与伦比的数据集以及提供负责任、值得信赖的解决方案的承诺。人工智能已嵌入 Workday 平台的核心，使公司能够跨所有应用领域为客户快速提供最先进的解决方案。Workday 的人工智能模型得益于系统每年处理的超过 6250 亿笔交易--这些交易产生了世界上最大、最干净的财务和人力资源数据集。Workday 无与伦比的数据集，加上公司负责任的人工智能保障措施，使得结果始终准确、有意义、值得信赖。利用其平台方法的速度和覆盖范围，公司发布了多个新的人工智能解决方案，包括：
生成式人工智能功能，用于解决常见的业务挑战，如生成职位描述、知识库文章、员工成长计划和工作说明书，以及合同分析和更正。
Workday AI Marketplace 帮助客户在 Workday 生态系统中轻松找到并部署经过验证、值得信赖和负责任的 AI 和 ML 应用程序。
Workday Extend 中的 Workday AI Gateway 使开发人员能够使用 Workday AI 构建智能和负责任的应用程序。
"Workday 是将我们的财务、人力资源和运营数据汇集到一个地方的技术骨干，帮助我们管理员工和有效地运营业务，"P.F. Chang's China Bistro 首席运营官 Art Kilmer 说。"嵌入 Workday 平台的人工智能有助于增强我们员工的能力，使我们能够更快地行动，做出更具战略性的决策，并提高整个业务的运营效率，最终使我们能够更好地服务于我们的客户。
帮助企业更好地管理最宝贵资产的新工具： 人员和资金
财务和人力资源专业人员需要实时访问数据和信息，以便更快地做出决策，更好地管理员工和资金。为了帮助他们满足这些需求，Workday 推出了新功能，包括：
Workday Adaptive Planning 中的人工智能生成功能可简化用户体验，新功能可帮助推动财务和人力资源部门之间的协作、简化员工人数规划、加快对账和报告速度，并为业务利益相关者提供更高的透明度。
经理洞察中心（Manager Insights Hub）是 Workday 人力资本管理（HCM）中的一个新解决方案，它以人工智能为动力，提供简化和提升的经理体验。
全新的用户成功平台（User Success Platform），其中包括为员工提供实时、上下文指导的新工具，指导他们如何在工作流程中完成复杂的任务。
关于 Workday
Workday 是企业财务和人力资源云应用的领先提供商，帮助客户在不断变化的世界中适应和发展。Workday的财务管理、人力资源、计划、支出管理和分析应用以人工智能和机器学习为核心，帮助全球企业迎接未来的工作方式。全球各行各业的 10,000 多家企业都在使用 Workday，其中既有中型企业，也有超过 50% 的财富 500 强企业。
文章来源： Workday
ML
全球调查：98%的CEO表示，实施AI将带来商业利益，但信任仍是一个问题
现在，商业领袖们普遍认同一个观点：采用人工智能（AI）是商业发展的必要条件。根据Workday与FT Longitude合作发布的新报告《CEO全球AI指标报告：AI是终极提升》，在未来三年内，七成高级管理人员预计AI和机器学习（ML）将改变他们组织的核心功能和全球商业格局。更有98%的CEO表示，实施AI将立即为组织带来商业利益。
然而，这份涵盖了2,355名高级管理人员的全球调查也揭示了一个普遍存在的紧张关系：商业领袖们几乎一致认为必须采用AI，并且这样做将带来好处，但在采取第一步时，许多人似乎陷入了停滞。近一半的CEO表示，他们的组织尚未准备好采用AI和ML，超过四分之一（28%）的人表示，他们希望先看看这些技术如何影响他们的组织，然后再决定如何采取行动。
主要发现：
98%的CEO表示，实施这些技术将立即带来某种商业利益。
47%的所有商业领袖认为AI和ML将显著提升人的潜能。
43%的所有商业领袖对AI和ML的可信度表示担忧。
59%的受访者表示，他们的组织数据在某种程度上或完全是孤立的。
只有4%的受访者表示他们的数据是完全可访问的。
对人的潜能感到乐观
所有商业职能都一致认为，提高生产力是他们从AI中看到的最大潜在好处。在关于AI是否可能取代工人的激烈辩论中，许多商业领袖似乎渴望以一种能够增强而不是取代他们员工能力的方式实施AI。
事实上，我们将其中80%的一组领导者命名为“AI先锋”，他们已经成功地使用AI和ML简化了工作流程，并增加了他们劳动力的能力。在所有受访的商业领袖中，近一半（47%）认为AI将显著提升人的潜能。
阻碍商业领袖的是什么？
尽管对AI充满热情，但许多组织似乎还停留在起跑线上。在所有受访组织中，只有16%的受访者表示他们目前正在测试这项技术，而五分之二（39%）要么仍处于最初的研究阶段，要么甚至还没有开始研究。为什么呢？报告发现，一个非常普遍的障碍是不良的数据。AI和ML依赖于高质量、可靠的数据。但数据完整性对于那些在混合系统、静态电子表格和分散流程中处理大量信息的组织来说是一个弱点。
关于数据和隐私的不确定性以及缺乏信任，阻碍了CEO和其他商业领袖全面接受和采用AI和ML。43%的所有受访领导者表示，他们对AI和ML的可信度有所担忧，67%的CEO将潜在错误列为AI和ML整合的最大风险，从而强化了缺乏信任。
为了建立信任，需要增加透明度，但孤立的数据阻碍了领导者们的能力。59%的受访组织报告说，他们的数据在某种程度上或完全是孤立的。只有4%的所有受访者表示，他们的数据是完全可访问的。
前路
当涉及到利用创新时，速度至关重要，这对AI来说尤其如此。报告中，多伦多大学Rotman商学院的教授Ajay Agrawal分享道：“坐在场边的人错过了所有那些正在建设他们AI的人现在正在受益的学习时间。你越早加入，你的AI开始学习的速度就越快。”
我们都应该记住互联网的早期日子——许多早期尝试利用新技术的品牌至今仍然存在。而那些没有做到这一点的品牌，或者等待得太久以至于永远没有机会赶超他们的先行竞争对手，已经不再存在，提醒我们等待太久会发生什么（或不会发生什么）。
ML
人工智能AI革命：重塑人力资源职能以取得成功
人工智能正在进一步推动人力资源技术的进步，从提高效率到增强员工体验，这绝非人为。了解人工智能如何重塑人力资源，以及人力资源如何将人工智能运用到工作中。
人工智能（AI）重塑了世界的格局，但机器人接管仍不是眼前的事情。相反,是人类正在利用AI的力量。从改善农业作物产量到提升医疗保健中的患者参与,各行各业正在以有益人类的方式运用AI。
同样的情况也发生在人力资源（HR）管理领域。人力资源从业者正在使用人工智能来帮助增强员工在工作场所的体验并提高人力资源流程的效率。更重要的是，人工智能表明它可以支持首席人力资源官办公室的下一步发展——与最高管理层合作，推动更具包容性和整体性的业务战略。
为未来的工作转变人力资源职能
根据“AI IQ：企业人工智能洞察报告”，这是Workday对全球1000名业务决策者的新调查，与AI增强的顶级HR相关任务包括招聘和申请人跟踪、业务分析和技能评估工具。此外，65％的受访者表示，他们现有的AI和机器学习（ML）部署已经改善了员工体验，这是HR的主要业务指标。
全面了解员工能力和人才管理
HR领导者必须拥有支持技能用于现今工作未来的技术：摆脱工作是通过结构化的工作角色和职责来完成的僵化观念，相反，将工作视为更流动的技能汇编，以便为业务不断变化的需求提供支持。
Workday的CHRO办公室产品的集团总经理David Somers表示：“随着组织加速并扩大其基于技能的人才战略，人工方式无法了解和管理他们的员工技能—现在和将来。” “没有AI和ML工具来帮助理解所有数据，就不可能理解，更不用说将员工的技能与业务需求相匹配了。”
AI和ML超越了识别和将员工的技能映射到不同的项目或角色，这是典型的技能管理方法。相反，通过AI和ML增强的技术帮助组织了解技能之间是如何相互关联的，以及它们是如何演变为其他相邻技能的，这是至关重要的见解，因为技能正在不断变化。例如，擅长Microsoft Excel的员工也可能具备数据分析、报告和其他Excel用于的任务的技能。 AI和ML有助于揭示组织中的技能深度，并获得基于技能的倡议所需的见解。
理解和改善工作场所文化和员工敬业度
员工敬业度曾经仅是HR部门的优先事项，现在已成为高管层的优先事项，推动了从生产力到创新等许多业务驱动因素。公司领导者希望了解员工如何看待雇主以及他们如何利用他们收集到的见解；反过来，人力资源领导者正在将这些见解带给最高管理层，并利用它们来创造一个更具吸引力的工作场所。
人工智能的预测能力正在帮助公司更深入地了解员工敬业度的挑战性方面之一：了解哪些员工可能更容易辞职。人力资源领导者可以利用这些见解来采取规范性行动，以帮助降低员工倦怠和自然流失的风险。
Somers分享了一个如何使用自然语言处理（一种ML技术）来帮助领导者理解员工情绪的例子。他解释说，组织正在使用Workday Peakon Employee Voice这种智能监听平台来帮助理解和确定离职风险。它具有一个利用AI和ML并使用在数据库中的数百万个调查数据点上训练的统计模型的离职预测功能。
Somers说：“该模型根据他们的回应和分数计算每个员工的离职风险。然后，它使用员工级别的离职风险来计算每个部门以及整个公司的平均离职风险。它还将每个部门的平均风险与公司的平均风险进行比较，以分配离职风险级别—例如，它可能揭示出市场部门的离职风险在您的组织的前10%。”
这些见解可以指导公司如何改善员工敬业度，例如增加福利或评估工作量。最终，重要的是要让人处于中心地位，这样他们才是最终的决策者。通过以人为中心的方法，人工智能和机器学习可以帮助人们提高工作效率和了解更多信息，使他们能够解决以前认为无法解决的问题。
自动化重复但动态的HR功能
自动化革命—无需人工干预就可以执行任务—在HR中的发生远早于大流行病。但是，应对前所未有的破坏加速了对数字创新的需求，因此，引发了AI采用的浪潮和HR中敏捷性和效率的下一次演变：智能自动化，这涉及读取数据并从该数据中进行预测。换句话说，智能自动化就是与机器学习配对的自动化。
这对于那些常规但动态的HR任务特别有帮助，例如调度和满足劳动力需求。例如，公司正在使用AI来匹配劳动力需求和工人的资格、技能、可用性、偏好等，以便为工人和业务优化时间表。这在雇佣一线工人的公司中尤其普遍，其中班次不断变化，经理需要在短时间内填补和调整。
Somers说：“通过AI自动映射工人的可用性和技能到开放的班次，提供工作人员调度的建议，公司可以确保他们不会过度和不足的调度，同时更好地控制劳动力成本和防止工人疲劳。”
HR在确保清洁数据以实现负责任的AI中的角色
虽然AI确实正在重塑HR的角色，但HR领导者必须与其他业务领导者一起成为实施AI的驱动者。
关于AI的关键是：其执行任务的能力，例如进行预测分析或生成新内容（生成性AI），取决于其AI基础模型的质量，而这只取决于提供给它的数据的质量。对数据治理的强烈承诺始于相信并实施HR数据在整个业务中都是相关的—这恰好与Workday人力资本管理（HCM）的基础相同。 Workday HCM建立在统一的数据模型和单一的安全模型上，可以读取多样化的数据集，以执行各种分析和报告用例。
Somers说：“因此，实施AI时的大‘警告’之一是要保持数据的清洁和连贯，以帮助确保准确性和质量控制。” “如果数据集不干净，HR和人员领导者可能会得出不准确的结果，这可能导致昂贵的错误。”
HR领导者是塑造未来工作场所的驱动者
在英国和美国等地进行的全球和国家级别的对AI的公众情绪调查揭示，越来越多的人正在设想一个AI的力量可以产生积极影响的未来。同时，这些调查也揭示了对AI的关注，特别是对是否有足够的监管。
对于每一个利用AI增加HR影响力的用例，重要的是要记住使这些努力成功的是什么：通过额外的见解和改进的效率来增强决策。这并不是要取代使HR专业人员如此有价值的东西：通过将业务中发生的事情与公司的目标和价值观联系起来，成为公司文化的管理者。
正如Somers所说：“最终，重要的是要将人类置于中心，使他们成为最终的决策者。以人为中心的方法，AI和ML可以帮助人们更加高效和更好地了解信息—使他们能够解决他们以前认为无法解决的问题。”
来自workday
ML
贝恩公司宣布收购Max Kelsen 的咨询和管理服务部门，为全球客户提供增强的ML和AI服务
贝恩公司宣布收购人工智能（AI）和机器学习（ML）解决方案提供商 Max Kelsen 的咨询和管理服务部门（统称为 "Max Kelsen Consulting"），为全球客户提供更强的 ML 和 AI 能力。
Max Kelsen Consulting公司总部位于澳大利亚，成立于2015年，其全栈ML工程师团队为客户提供ML系统、人工智能驱动的应用程序和咨询服务。现在，作为贝恩高级分析集团（AAG）下一个统一的整合团队，Max Kelsen Consulting和Bain将共同帮助企业开发和运营具有高度影响力的人工智能和支持人工智能的用例。
"贝恩高级分析集团全球主管 Roy Singh 表示："我们很高兴 Max Kelsen Consulting 团队加入贝恩，并利用他们行业领先的机器学习专业知识为我们的客户提供更强大的解决方案。"我们看到，客户对人工智能相关服务和工程能力的需求日益增长，这将使他们能够成为引领技术变革的先行者，从而改变他们各自的行业。
"我们对Max Kelsen咨询公司团队的素质以及他们为澳大利亚和全球客户所做的创新工作感到非常兴奋。此次收购将加强我们为地区和全球客户提供的人工智能和ML能力，"贝恩亚太区高级分析部门负责人Richard Fleming说。
Max Kelsen曾与澳大利亚和全球多家公司合作构建和部署ML解决方案，包括实时预测、预报、计算机视觉、工业控制优化、机器人技术等，并与客户合作建立最佳实践操作机器学习（MLOps）能力。公司为包括财富 500 强企业在内的众多客户提供服务，并与亚马逊网络服务和谷歌云平台等市场领先的云提供商建立了合作关系。Max Kelsen 将其 ML 和 AI 专业知识应用于采矿、金融服务和零售等各行各业，尤其在医疗保健和生命科学领域拥有深厚的服务经验。
"Max Kelsen 的联合创始人兼首席执行官 Nicholas Therkelsen-Terry 表示："我们很高兴能在企业开始驾驭生成式人工智能所带来的颠覆之际加入贝恩。"在快速发展的商业环境中，了解如何利用这些工具为自己带来优势的公司将脱颖而出。加入贝恩后，我们很高兴能与更多的全球客户合作，并支持贝恩加强其全球人工智能能力。
文章来源：techrseries
ML
面对AI发展，Workday应对更加快速—值得每一位HRTech领域CEO阅读
Workday不仅对其AI产品策略有清晰明确的认识，而且公司正进入多年来最强大的产品周期之一。我从未见过如此多的Workday功能达到成熟，很明显，该平台正在全面发挥作用。
首先让我给大家一个概述：ERP市场庞大、重要且不断变化。每家公司都需要一个财务和人力资本系统，这些平台需要同时完成数百项任务。我们希望它们易于使用、运行迅速且能立即为我们的公司进行配置。但我们也希望它们易于扩展，能与许多其他系统集成，并建立在现代架构上。
那么，作为一家成立18年的公司，Workday如何在所有这些领域保持领先地位呢？
事实上，答案非常简单。Workday并非ERP或软件应用公司，而是为业务解决方案构建平台的科技公司。换句话说，Workday的思维方式是“先考虑架构，再考虑应用”，在我们了解Workday的产品时，这一点得到了一次又一次的强调。
请允许我给您分享一些我们了解到的内容：
首先，Workday非常明确，随着时间的推移，AI和机器学习将彻底改变业务系统的功能。传统的ERP世界是一套包括财务、人力资本（HCM）、供应链、制造业，以及后来的市场营销、客户分析等在内的核心业务应用。几乎每个从这些领域起步的供应商都试图进入相邻市场，主要目标是“向现有客户销售更多软件”。
如今，尽管公司希望整合这些应用（这对Workday来说是一个巨大的机会），但更大的目标是重新定义这些应用如何协同工作。正如Workday所描述的，他们的目标是帮助企业改进计划、执行和分析。当招聘变得困难时，例如未来几年可能会持续这种趋势，我们希望HCM系统帮助我们找到承包商，寻找替代工作安排，并安排财务和结算解决方案来外包工作或任务，同时发现和培养内部候选人。因此，这些应用之间的“红线”正变得模糊，Workday对此非常了解。
从某种意义上说，这是我们新的系统性人力资源运营模式的核心。例如，我们希望这些不同的HCM系统能够关注所有这些元素，并帮助我们一起管理它们。Workday新的HCM演示实际上展示了一些这方面的实践。
超越ERP，将AI和ML置于核心
但是平台市场的发展速度更快。企业不仅希望有一套能协同工作的应用程序（Workday、Oracle、SAP等都能做到这一点），而且还希望AI和机器学习能在整个公司运作。这将改变ERP系统的功能。Workday已经提供了50多种不同的“机器学习”体验，它们以“推荐”、“预先填写的表格”或“预先设计的工作流”等形式呈现，看起来不像是魔术，而更像是帮助你更好地运营公司的智能系统。而这正是Workday关注的领域。
例如，新的劳动力管理系统（劳动力优化）可以根据月份、天气和其他外部输入预测招聘和人员配置需求。然后，根据员工的可用性、技能和工资安排工作时间。并自动生成劳动力排班表，确定何时需要合同劳动力，然后自动创建招聘门户和候选人体验来寻找人才。
这实际上是“AI支持的ERP”，而不是一个花哨的用于简化撰写电子邮件的生成性AI演示。
Workday HCM继续成熟
Workday HCM套件正处于多年来最强劲的状态。Workday Skills Cloud正在成熟为一个“技能智能平台”，现在它具有让Workday客户几乎必不可少的功能。它可以从任何纵向或专业技能数据库导入数据，为公司提供多种推断或评估技能的方法，以及为您提供数十种报告技能差距、预测技能不足和为每个员工或劳动力群体创建技能提升路径的方法。多年来，我一直在关注这项技术的发展，从未见过它如此完善并能满足企业需求。
顺便说一句，这并不是说公司仍然需要专门的招聘技能系统（Eightfold、Beamery、Phenom、Seekout、Paradox、iCims等）、流动性（Gloat, Fuel50）、学习（Cornerstone, Docebo, Degreed）、薪酬平等（Syndio, Trusaic, Salary.com）等。从某种意义上说，现在每个人力资源技术平台都有一个技能引擎（记住，“技能”是描述一个人属性的一系列词汇），这些系统将这些数据元素用于非常独特的目的。在市场上更成熟的位置上，Skills Cloud旨在成为一个“整合点”，将术语汇集到一个地方。（它也是Workday HCM工具所依赖的技能引擎。）
顺便说一下，我知道所有Workday客户都有众多其他的HCM系统。鉴于创新周期的发生（供应商正在以非常创造性的方式加入AI浪潮），这种趋势还将继续。但Workday作为“核心”的角色依然强大，特别是因为我接下来要讲的一点。
Workday现在真正开放了
我还对Workday在Extend和Orchestrate方面的进展印象深刻，这些是允许客户和合作伙伴构建附加应用程序的外部API和开发工具。作为一家公司，Workday并没有计划构建很多垂直解决方案，相反，他们现在正在推动合作伙伴（如Accenture、PwC和客户）为应用程序生态系统做贡献。这创造了一个“力量倍增器”效应，第三方可以通过围绕Workday构建开发团队来赚钱。（顺便说一下，这就是为什么微软无处不在：它的经销商和合作伙伴网络庞大。）
除了这些编程接口，Workday还对Microsoft Teams（Workday Everywhere）做出了严肃承诺。您现在可以在Teams中查看Workday“卡片”，并在Teams中点击深层链接，直接进入Workday事务。尽管公司仍致力于持续改进其用户界面，但我认为Workday现在明白，用户永远不会花一整天时间去弄清楚Workday的工作原理。我相信这种趋势将继续，我鼓励Workday考虑将Chat-GPT作为下一个主要界面进行构建。（他们没有作出承诺）。
垂直应用
我问管理团队：“你们如何看待甲骨文收购Cerner的决定，Cerner是临床患者管理领域的领导者之一？你认为这会威胁到你们的垂直战略吗？”Aneel Bhusri迅速回应说：“我们永远不会收购像那样的老旧遗产公司，因为它永远无法整合到我们的架构中。”这一点很重要，因为Workday的集成架构使公司能够大规模实现AI。换句话说，Workday打算成为纯粹的架构领导者，让垂直应用随着时间的推移而出现。
如今，Workday专注于教育市场，并在金融服务、保险和医疗保健等领域拥有一些垂直解决方案（很多是由合作伙伴构建的）。我认为公司不会遵循SAP或Oracle的策略来构建深度垂直应用。而这种策略，即保持对核心架构的纯粹性，可能在长期内发挥出良好效果。因此，对于那些希望建立附加组件的人来说，Workday正比以往任何时候都更加开放。
核心的AI是什么样子？
现在让我们来谈谈AI，这是我们这个时代最重要的技术创新。新任联席总裁兼AI领域公认的学术专家Sayan Chakraborty持有非常坚定的立场。他认为，Workday的6000万用户（其中很多已选择参与匿名神经网络分析）已经为公司提供了一个庞大的AI启用平台。因此，公司的策略是加倍投入“声明式AI”（机器学习），然后将生成式AI视为新的研究工作。
在很多方面，自从2014年收购Identified以来，Workday就一直在“做AI”，许多AI算法已经内置在Skills Cloud、招聘工具以及用于分析、自适应规划和学习的各种工具中。大部分产品经理都在负责与AI相关的功能，David Somers（负责HCM套件的人）告诉我们，有数百个新AI功能的想法在飘荡。所以从很多方面来说，Workday多年来一直是一个“AI平台”，他们现在才开始进行市场推广。
话虽如此，Workday的真实数据资产并不大。假设有3000万Workday用户选择加入Workday的AI平台。再假设Skills Cloud已经尝试对他们的技能进行索引，并可能查看职业路径或其他属性。与Eightfold（超过10亿用户记录）、Seekout（近10亿）以及Retrain.ai、Skyhive等系统以及Beamery或Phenom等招聘系统中的数据相比，这是一个非常小的数据量。在某个时候，Workday将不得不明白，如今的HCM AI平台实际上是“全球劳动力数据”系统，而不仅仅是客户数据系统。因此，我们将在Workday中看到的大部分AI将使“你们版本的Workday”运行得更好。
Prism：Workday整合数据的策略
最后，让我提及Prism Analytics（现在被称为Prism）的增长，它是Workday用于分析和第三方数据的开放数据平台。当公司收购了Platfora时，最初的需求是为Workday客户提供一个存放“非Workday数据”的地方。由于Workday数据平台是专有的、基于对象的数据库，因此无法直接将数据导入Workday，所以公司需要一个可扩展的数据平台。
从那时起，Prism呈指数级增长。最初定位为分析系统（您可以将财务数据放入Prism并将其与HR数据进行交叉关联），现在它已经成为一个“大数据”平台，企业可以用于财务应用、人力资源应用以及您想要的任何应用。它并未旨在与Google Big Query或AWS的Red Shift竞争（至少目前不是），但对于那些希望利用他们在Workday安全性和现有应用方面的投资的客户来说，它相当强大。
在会议上发言的客户之一是Fannie Mae，该公司在其风险管理投资组合中拥有超过4万亿美元的抵押贷款和贷款。他们正在使用Prism以及Workday Financials来管理他们复杂的月末结账和其他财务分析。去年，我遇到了一家大型银行，他们正在使用Prism管理、定价并分析具有大量内置计算的复杂数字银行证券。由于Prism与Workday平台集成，任何Prism应用程序都可以利用任何Workday数据对象，所以它实际上是Workday平台的一个“大数据扩展”。
这将导致AI的发展。如果Sayan的愿景成真，Workday平台可能会成为一个让客户将他们的交易数据、客户数据和其他重要业务数据与Workday财务和HCM数据关联起来的地方，利用AI寻找模式和机会。虽然AWS、谷歌云和Azure也会提供这些服务，但这些供应商都没有提供任何业务应用程序。因此，Workday的AI战略的一部分是使企业能够构建自己的AI支持应用程序，通过Extend和Orchestrate实施，并利用来自Prism的数据。
这将是一个竞争激烈的领域。微软的新Power Platform Copilot和OpenAI Azure Services也为企业提供了一个地方（和方法）来构建企业级AI应用程序。谷歌很快也可能推出许多新的AI服务。但是对于将Workday作为其核心财务或HCM平台的公司来说，将会有新的AI应用程序出现在Workday平台上——这将推动利用率、收入（通过Extend、Prism和Orchestrate）以及Workday的垂直应用。
Workday面向未来的地位
总之，Workday在这场新技术革命中处于有利地位。我向管理团队提出了挑战，让他们考虑将ChatGPT作为整个系统的新的“会话式前端”，他们同意这是他们需要关注的事项列表中的一个。
（顺便说一句，即将进入人力资源领域的生成式AI创意解决方案将令您惊叹不已。我很快会分享更多信息。）
对于企业购买者来说，Workday依然稳如磐石。在只有几个主要竞争对手需要考虑的情况下（Oracle、SAP、UKG、Darwinbox、ADP），该公司很可能会继续为大型公司扩大市场份额。由于经济原因，会有一定的价格压力，但对于那些希望建立一流技术平台以支持核心财务和人力资源的公司来说，Workday将继续保持领导地位。
ML
研究显示：到2026年，人力资本管理（HCM）市场价值将达到320亿美元
根据MarketsandMarkets™发布的研究报告《人力资本管理市场与COVID-19影响分析，按组件、软件（核心人力资源、申请人跟踪系统、人力资源分析和劳动力管理）、服务、部署模式、组织规模、垂直行业和地区--到2026年的全球预测》，全球HCM市场规模预计将从2021年的223亿美元增长到2026年的320亿美元，预测期间的复合年增长率（CAGR）为7.5%。
HCM的进步可能与许多因素有关，然而，一些主要因素包括在人力资源流程中采用人工智能（AI）和机器学习（ML）技术，以及使用人力资源软件降低成本，这是主要的驱动因素，使HCM技术能够在企业内被采用。云安全仍然是企业用户采用HCM云的一个制约因素，特别是在高度监管的垂直行业，如BFSI、医疗保健、能源和公用事业。一些邻近市场的机会，如应急劳动力管理和基于AI的招聘，为HCM市场的供应商开辟了新的收入前景。
在预测期内，中小企业部门将占有更大的市场规模
HCM在中小企业中的采用率很高，因为这些企业必须为员工管理大量的人事信息，特别是在大流行病爆发后进行虚拟管理。中小企业分布在各个地区，需要一个集中的系统来管理这些信息。员工流失率的增加，高额的招聘成本和竞争激烈的市场，促使中小企业投资HCM软件，并采取市场策略，为其业务增长做出明智的决策。
在预测期内，BFSI部门将以最高的复合年增长率增长
BFSI预计部门将拥有最高的HCM软件采用率，该垂直行业也将预计在增长方面超过其他垂直行业。该行业主要采用HCM软件来管理所有员工的信息，并通过有效的协调来提高绩效，特别是在大流行病爆发期间。经济变化极大地影响了这个垂直行业。先进的技术以及各种软件和服务可以帮助这个垂直行业确定其行动的优先次序并顺利地进行劳动力管理。因此，BFSI垂直市场是HCM市场增长的主要贡献者。
在预测期内，亚太地区将占最高市场份额
亚太地区一直是采用先进技术的主要地区，并且拥有HCM的高采用率。亚太地区的许多公司正越来越多地采用HCM软件，以获得对其员工的整体可见性，并提高其系统的整体性能。在中国、日本和其他几个亚太国家，HCM有一个巨大的未开发的市场；这已被证明是该地区HCM解决方案供应商的一个主要驱动力。此外，一些在亚太地区的直接存在的HCM供应商进一步增加了HCM软件在亚太地区的高度采用。
该报告还研究了主要参与者为扩大其在全球HCM市场的存在而采取的各种增长战略，如并购、伙伴关系和合作以及发展。人力资本管理市场由主要的软件供应商组成，如Workday（美国）、Oracle（美国）、ADP（美国）、SAP（英国）、微软（美国）、IBM（美国）、Ultimate Kronos Group（美国）、Ceridian（美国）、SumTotal（美国）、Infor（美国）、Cegid（法国）、EmployWise（印度）、 PeopleStrategy（美国）、 Cornerstone OnDemand（美国）、 Meta4（美国）。Ramco Systems（印度）、Bamboo HR（美国）、Namely（美国）、Workforce Software（美国）、Zoho（印度）、Sage Group（英国）、Epicor Software（美国）、Zenefits（美国）、Paylocity（美国）。Gusto（美国）、Bitrix（美国）、Benefitfocus（美国）、WebHR（美国）、Talentia软件（法国）、PeopleFluent（美国）、Vibe HCM（美国）、Rippling（美国）、Ascentis（美国）和BizMerlinHR（美国）。
关于MarketsandMarkets™
MarketsandMarkets™对30000个高增长的利基机会/威胁提供量化的B2B研究，这些机会/威胁将影响全球公司收入的70%至80%。目前为全球7500家客户提供服务，包括80%的全球财富1000强公司。全球8个行业的近75000名高管都通过MarketsandMarkets™来了解他们在收入决策方面的痛点。
我们在MarketsandMarkets™的850名全职分析师和中小型企业正在按照 "增长参与模式--GEM "追踪全球高增长市场。GEM旨在与客户积极合作，识别新的机会，确定最重要的客户，制定 "攻击、避免和防御 "战略，为公及司其竞争对手确定增量收入来源。MarketsandMarkets™现在每年在高增长的新兴领域推出1500个MicroQuadrants。MarketsandMarkets™决心在今年使10,000多家公司的收入规划受益，并通过提前为他们提供研究，帮助他们尽早将其创新/颠覆性产品推向市场。
完整报告内容： https://www.marketsandmarkets.com/PressReleases/human-capital-management.asp
ML
如果你正在领导人力资本分析（People Analytics），现在该怎么办？创建人力资本分析仪表板
人力资本分析从业人员所熟悉的话题：人力资本分析仪表盘。
设定场景。
"你刚刚在人力资本分析领域找到了你的第一份重要工作。你一直在努力工作，而组织刚刚抓住机会，让你建立他们新的人力资本分析梦之队。你虽然紧张但又充满能量。你想迅速引起轰动。你会怎么做？"
许多处于这种情况的新的人力资本分析领导者，在对组织进行评估后，会决定采取行动，创建一个人力资本分析仪表板。这是个古老的东西，但也是个好东西。如果你是一个新的领导者，并且专注于速度-价值商数，你可能会从这里开始。但为什么呢？
如果你是一个雄心勃勃的、前卫的领导者，在领导你的第一个人力资本分析功能的情况下，你可能会想："我从组织和人力资源部门的领导那里得到了坚定的职责和积极的授权，以满足他们对前沿人力资本分析的需求。组织领导期待着一个巨大的突破，而我在ML和AI方面的技能已经磨练了多年。让我们给人们他们想要的东西--通过先进的预测性分析来实现工作的未来！"
我祝愿你在这项工作中取得好成绩！这听起来很了不起！我唯一担心的是一旦你遇到创建一个新职能的组织实际情况，你的成功几率就会降低。它们包括但不限于：糟糕的数据、没有数据、缺乏系统、争夺预算、领导不知道如何处理数据、文化冲击，有时甚至更糟糕的数据。
你可以做一些事情，大大增加你的长期可扩展成功的机会，为你和你的团队建立带宽，并以增加人力资本分析的可信度的方式使数据民主化。你可以开发一个人力资本分析仪表盘。
从我的角度来看，开发这样一个仪表盘需要（宽泛地）三个步骤。数据，背景，和故事。
第一步：数据
你可能在想，我很快就淡化了人力资源部门对AI/ML的需求。我没有。在我的职业生涯中，一些最有价值、最有洞察力、最能激发智慧的工作需要先进的技术。然而，在一个人力资本分析职能部门的新领导人的背景下，直接的挑战是可能的事实，即客户没有，从来没有，也不习惯于拥有他们需要的数据来做决策。因此，一个新的领导者的第一步必须是获取、构思和增强数据的民主化。
诚然，人们分析的 "极客"（即可能有编程、数据科学/工程和/或数据基础设施背景的人）会最喜欢这一步，在不灵活的情况下，会卡在步骤1，这可能是他们的死穴。他们会发现这一步对智力的刺激很大，原因是需要解决大量的问题，比如：整合来自多个来源的数据，清理数据流，建立数据处理程序，创建数据字典和定义，试验不同的技术来存储数据，处理数据，和自动化数据处理。这可能是一项永无止境的工作，有些团队从未离开过这个步骤。
尽管有前面提到的注意事项，让你的数据 "正确 "是基础的一步。一个新的领导者将需要一些基础数据源来创建一个有目的、有意义的人力资本分析仪表板。这似乎是一个平淡无奇的话题，但我已经看到整个人力资本分析会议联盟致力于凝聚标准化的人力资源指标，每个企业和企业领导人都应该通过人力资本分析仪表盘来关心这些指标。事实上，适合你的公司的最有意义的数据来源很可能不是标准的，而是针对你的行业、员工构成、你的客户价值主张和你的组织的。尽管每个公司都是不同的，但这并不意味着创建人力资本分析仪表盘的一些数据来源/系统在各组织之间不一致。这些系统包括但不限于以下系统：核心HCM（招聘、人数、营业额、薪酬等。这可能是你最广泛的数据源），销售系统（Salesforce等），运营系统和吞吐量（ERP系统如SAP，自制的内部系统等），安全，技术和工程数据（Jira，Asana等），甚至更多的实验数据（例如，Zoom会议，日历邀请和Slack互动）。
无论数据来源和系统如何，一个新的领导者将需要某种类型的数据库来汇编和存放这些数据。在中长期内需要哪种类型的数据库的决定，通常会归结为新技术的传统 "建造与购买或借用 "的决定。但不可避免的是，我愿意赌上几个硬币，几乎每一个刚接触人力资本分析的团队都可能开始使用Excel/Access或GSheets，至少在他们进行实验/原型设计的时候，将他们的数据整合到初步的可视化中。如果我的经验是指示性的，再加上我遇到的许多其他领导人，在人力资本分析领域更广泛的现实，许多团队从未离开这个原型阶段。我想这并不是世界末日，但对于一个新的人力资本分析团队来说，这绝对是一个早期的高原期。从我的角度来看，这个高原期可能是一个负面的原因，因为它可能会留下 "钱/价值"。使用Excel等工具推送原始和/或汇总的数据报告，并期望企业/人力资源部门的领导用这些数据做一些有价值的事情，这种循环从根本上来说是有缺陷的。我们将在第2步中进一步讨论这个问题。
如果你的团队有兴趣超越一个简单的Excel报告/仪表盘，持续改进产品的周期应该是这样的：集中数据，数据可视化原型，获得用户反馈，投资于与业务影响相关的数据/可视化，重复。这个过程松散地基于敏捷方法论、最小可行产品（MVP）和软件开发（关于资源，请看这样的地方），但显然这个过程应该根据你的团队的技能组合、你的组织、团队/技术的投资水平等进行调整。
与此相关，这里有一个关于前面提到的 "建设与购买 "路线的简单对比。如果你决定走 "购买 "路线，有许多成熟的供应商，如Visier和One Model，以及新兴的供应商，如eqtble，都可以竞争你的业务。所有的供应商都有优点和缺点。相反，如果你决定走 "构建 "路线，你可能会考虑通过R Shiny这样的开源产品，或通过购买的产品，如Tableau或Looker，来创建你自己的网络应用程序来承载你的人力资本分析仪表板。这条路也有它自己的优点和缺点。
第二步：背景
不是所有的人的分析仪表板都是平等的。你猜谁决定了仪表板的价值？是解决方案的架构师吗？还是数据分析师？仪表盘的客户--通常是业务领导、部门领导、人力资源领导--决定它的价值，并最终决定它的使用。决定仪表盘所产生的价值的，或任何被共享的数据的，是背景。然而，背景不能在分析员所隐喻的小房间里得到，而是要在组织决策的舞台上得到。在我看来，有两种背景，它们都是赋予固有的无价值数据以价值的先决条件。
1.组织背景
2.数据背景
首先，作为一个新的领导者，你必须了解组织的背景。这一步是人力资本分析走出纯粹的数据分析领域的地方--因此，这也是 "极客 "们可能感到最不舒服的领域。对许多员工来说，人员成本占公司运营费用的70%左右（显然，这可能因公司和行业而异），这让人感到惊讶，但对任何财务主管来说，这并不令人惊讶。如果你真正考虑到有时是数十亿美元的企业，这是一个惊人的资金和投资数额，而这些是大多数人力资本分析机构所居住的组织。因此，我想的方式是，人力资源组织的汇款是正确投资和衡量组织70%的运营成本的投资回报率。这就是为什么我发现，当讨论一个组织中运营成本较低的部分--如IT、财务、集中式数据科学、运营等--的财务投资时，这些组织往往不会对在技术、数据和基础设施方面投入大量资金以更好地了解其组织的行动背景感到惊讶。而人力资本分析往往要通过乞讨、借用和偷窃来试图建立、构建和实施基本电子表格之外的任何数据机制，以服务于组织最大的OpEx支出。然而，如果人力资本分析的领导者能够充分理解他们产生的数据如何与组织的优先事项保持一致并产生价值，这种不公正就会迅速消失。
其次，一个新的领导者必须了解数据的背景。我发现令人惊讶的是，有时我认识的非常聪明的人并没有意识到，没有背景的数据表面上是没有意义的，无法解释的。他们往往有一种 "梦境 "的心态，认为 "如果你建立了它[即，"它 "是一个可靠、准确的人力资本分析仪表盘，并具有视觉吸引力、动态、实时的方式]，他们就会来["他们 "是企业和人力资源领导人]。这不是真的。这是风格大于内容，这个论点我将在其他时间讨论。当领导者看到这种类型的仪表盘时，双方（领导者和人力资本分析团队）都会感到疑惑。人力资本分析团队期望得到赞扬，并展示了仪表盘，而领导者的反应是 "这看起来不错，但我应该用这个做什么？" 在我看来，只有三种方法可以为数据提供背景，让大家觉得有意义。
- 一个目标
- 一个基准
- 与以前的自己进行比较（即，随时间变化的数据趋势）
没有这些，数据就只是数据。这三个提示给了任何人隐含地查看数据的背景（即，没有科学方法和试图证明因果关系）。它们还允许回答 "我们如何知道我们所做的事情是否有效？"这一问题的许多变种。我个人最喜欢的目标，允许观众以二分法的方式知道 "我们是高于还是低于目标？" 如果你有OKRs、成功指标和/或关键绩效指标，不假思索地规定目标对业务有意义，那就真的有帮助。基准，是我最不喜欢的，因为它很可能鼓励平庸，它可以让观众回答 "我是否与竞争对手/参考点持平 "的问题？一个与以前的自己进行比较的数据点，将你今天的位置与你过去的位置进行比较。这种背景是理想的，可以看到为解决一个问题所花费的努力和资源是否导致焦点变量随时间的推移而增加或减少。
当反思你的组织当前的人力资本分析仪表板时，请随意问自己一个问题："这些数据是被我的客户推送的还是被我的客户拉动的？" 很可能，如果你的数据缺乏背景，你只是把它推给了不高兴的客户。然而，如果你的数据包括必要的组织和数据背景，你就会被拉去做更多的事情。这是一个很好的问题。
第三步：故事
光有背景还不足以让人事分析仪表盘产生影响。仪表盘中的数据有机会来追踪、告知和阐明组织的过去、现在和未来的故事。这个故事很可能具有任何好故事的叙事弧度。想象一下，如果你是一个组织的领导者，而你的组织内部有人能够用数据向你明确地展示你的组织的历史，你的组织现在在感兴趣的指标上的位置，组织在概率意义上的 "去向"，甚至有时 "为什么 "你会看到正在看到的问题。如果做得好，你的组织的故事可以带来增值的 "自我服务的数据即产品"，这是许多人力资本分析功能努力实现的。
理想情况下，随着前面提到的改进人力资本分析仪表板的迭代过程的发展，数据和延伸的 "故事 "变得更加复杂、细致和有价值。我有一个假设，在人力资本分析甚至更广泛的科学中，一个最没有被研究的概念是 "时间 "的概念（有时称为时间效应）。时间有什么影响？想象一下，能够在足够长的时间内讲述组织的故事，你可以对一路走到行政级别的初级员工进行队列分析。撇开幸存者的偏见不谈--这种水平的洞察力难道不令人难以置信吗？另一个让我感兴趣的概念是将影响、成功指标和投资回报率嵌入到这个改进人力资本分析仪表板的反复过程中。作为一个新的人力资本分析领导者，如果你能将实现的价值嵌入到仪表盘本身，为什么要去做六个月的项目评估，以确定你的工作价值？
想想你知道的任何一个好的故事。它是一个单向的对话，独白，还是独白？不是。所有好的故事都包括对话。人力资本分析仪表盘也应该如此。信息的流动不是单向的对话，而是一个持续的递归，数据通过叙述和背景流向决策者，而决策者根据组织的变化进行处理、校准和行动；这反过来又会导致对仪表盘所需变化的反馈，比如背景和所讲的故事。“球一直在跳动”，故事也不会结束。
作者：Cole Napper
往期系列文章：如果你正在领导人力资本分析People Analytics，现在该怎么办？ 人力资本分析的战略和实施
扫一扫 加微信
hrtechchina
ML
ML
ML
ML
ML
ML
ML
ML
ML
ML
扫一扫 加微信
hrtechchina
