-
资讯
为企业寻找中高端国际人才，HelloCareer获英格玛人力资源基金战略投资
近日获悉，国际人才招聘网站 HelloCareer 获得了英格玛人力资源技术基金战略投资。公司于2015年11月获得了冠群驰骋的300万人民币天使轮融资。新资金主要用于增加顾问团队人数、促进平台技术迭代和扩展国际市场。
HRTechChina曾经报道过HelloCareer，HelloCareer 是一个从国际人才切招聘的项目，目前主要是帮中国企业招聘海外人才，以及帮助海外企业当地招聘。
随着中国经济迅速发展，很多企业走向国际化，尤其是机械加工制造、能源、制药、汽车、IT互联网等科技性、技术性较强的行业更需要国际经验，特别需要掌握相关知识的外籍人士以及旅居海外或者有海外相关工作经验的华人。但是这些企业在寻找国际人才的时候无从下手，首先企业自身没有渠道；其次企业HR缺少国际人才招聘的专业性，在与候选人交流的时候缺乏相关的经验和知识，容易导致沟通不畅，比如国家政策解读、国际文化背景知识等；再者国内招聘网站业务重点并不在国际人才上，虽然某些网站有留学生简历信息，但又不符合企业对中高端人才的需求。
针对企业“想要又得不到”这一痛点，HelloCareer建立了连接企业与国际人才的平台，平台分为企业版和求职版，需求双方可以在平台上发布需求、申请职位，这一点和国内招聘网站类似。此外，HelloCareer帮助企业做海外推广、品牌推介会，在此过程中收集应聘者简历，完善后台数据库。由于不同行业对人才需求差异较大，许多中高端人才不会主动递交简历，所以HelloCareer会根据客户需求做定制化服务。比如某电视台希望寻找有两年工作经验的西班牙语播音，HelloCareer顾问团队就会定向寻找相关国际人才，寻找周期从一个星期到半年时间不等，成功率在35%左右。
创始人王振中告知记者，平台目前服务的用户有90%都是中大规模的企业，大企业更愿意为IT技术类、市场营销类的岗位付费，因为这类职位国外远远比国内先进得多，一旦引入高水平候选人会为公司带来可观的营收，候选人职位年薪多为50万元以上，HelloCareer 会收取年薪25%的服务费。
目前HelloCareer主要着手中高端人才的招聘上，留学生并不作为重点。主要是因为留学生招聘市场竞争比较充分，在职位刚需性和营收可观性上有待观察。但王振中也表示，目前学成回国学生占已完成学业学生群体的79.87%，留学生端需求越来越旺盛，但留学生招聘的难点在于面试，所以公司接下来会推出网络招聘，并推出微信小程序、APP等形式完善服务。
在谈到行业门槛时，王振中认为国际人才招聘过程中，最难的一点在与候选人沟通，这方面顾问团队起到了重要作用，也是做国际招聘平台的关键点。负责国际招聘的顾问需要具备以下几点素质，第一点是会说外语，包括英语和小语种；第二点是了解国际文化、具备国际视野；第三点是有海外工作学习经验。此外还需具备沟通技能和5年以上相关工作经验等。HelloCareer也会对顾问团队进行培训，比如怎么选择渠道、当前国家对国际人才战略的相关政策等。
行业竞品方面，国内像智联招聘、前程无忧都开出了海外留学生求职版面、猎聘的猎聘北美、新东方为旗下学生成立的海威时代等，但这些网站的重点在留学生招聘，而 HelloCareer 的业务重点是放在中高端人才的招聘上。
目前HelloCareer平台一共有25万左右的的数据简历，其中主要以华人简历为主，在华外籍人士简历约有2—3万，覆盖美国、加拿大、英国、德国、印度、新加坡等88个国家 。平台注册企业有2000多家，成功合作过的有200多家，包括阿里巴巴、中信证券、腾讯、中央电视台、PayPal、中兴、海航、安邦、唯品会等。
盈利模式上，HelloCareer根据服务形式收费，主要的收入来源是猎头服务，平台会收取职位年薪25%的服务费用。其它收入来源包括根据客户需求的定制服务，费用从几万到几十万不等。据悉，公司利润率在30%-35%，目前已经实现盈亏平衡。
作者：韩旭，如若转载，请注明出处：http://36kr.com/p/5073730.html
-
资讯
企业云通讯公司Fuze获1.34亿美元E轮融资，或将进行IPO
企业云端通讯公司Fuze宣布获3000万美元融资，自此之后该公司E轮融资结束，该轮融资数额达1.34亿美元。
3个月前，Fuze宣布获得了1.04亿美元融资。目前公司的融资总额已达3.34亿美元。
这家公司于2006年成立于马塞诸萨州，当时名叫ThinkingPhones。去年，公司改名为Fuze，该名字来源于1年前它收购的一家视频会议公司。如今，Fuze将视频会议、短信服务、即时信息和语音呼叫集成到一个平台上，另外还添加了不少工具，包括分析服务和来电显示等。同时公司的技术还能整合到其它第三方软件中，比如Zendesk、Salesforce和Gmail。
这笔3000万美元的资金来源于一家“美国顶级公共养老基金”，公司将利用融资为其企业客户带来更多产品创新，并在亚太地区和拉丁美洲进行扩张。
“这轮融资会帮助最一流的商务云端通讯平台抓住更多商机。Fuze自建立以来，已经有10多年的历史了，但过去的1年尤为特殊，大公司的首席信息官们将毫不犹豫地将公司的通讯平台移动至云端。”Fuze的联合创始人兼执行董事长Steve Kokinos说道。
Fuze有可能会在不久的将来进行IPO，但公司并没有指明具体的时间。在最近一次外媒的采访中，Kokinos表示，这次E轮融资足以支撑公司实现盈利和上市，只是哪个会先实现尚不得而知。他还表示，2018对于Fuze来说将是关键的一年。
（编译：叶展盛）本文来自猎云网，如若转载，请注明出处：http://www.lieyunwang.com/archives/307332
-
资讯
HRTechChina专访“e成科技”：想要实现企业招聘与人才管理的智能化全流程高效衔接
编者注：中国人力资源科技创业访谈是HRTechChina 2017年推出的系列采访活动，我们精选行业中优秀的HRTech创业者，力争通过我们的平台把这些优秀的企业，产品，创业者介绍给大家。中国人力资源科技正处于一个快速发展的阶段，有大量的机会和需求，需要更多的优秀的创业者加入其中。我们HRTechChina 也非常愿意为这些创业者加油助威，提供我们的支持！
作者：於丹 转载请备注文章出处
1
此次HRTechChina记者采访了e成科技创始人兼CEO周友鸿先生。e成是领先的大数据招聘服务SaaS平台，用机器学习算法、数据挖掘、和 NLP（自然语言处理）等技术提升简历与岗位的匹配效率，激活企业及猎头等招聘机构的闲置的简历资源，提高存量简历利用率，形成协同共享效应。
1
1
公司简称：e成科技
公司全称：上海逸橙信息科技有限公司
官网：www.ifchange.com
1
谈及研发该产品的初衷，e成科技创始人兼CEO周友鸿先生告诉我们，其在创办e成之前，创业了博略咨询，一家提供中高端猎头服务、招聘外包派遣服务、人事信息咨询服务的专业顾问咨询公司。十多年的人力资源行业服务经验，让他对HR的工作流程非常熟悉。周友鸿同时也告诉HRTechChina记者，在这十多年间他也看到许多HR工作中存在的痛点，希望能为人力资源行业的工作方式和效率带来变革。这让他萌生了二次创业、打造智能化招聘服务的想法。而他认为，大数据和人工智能技术将是未来各行业的技术新趋势，在大数据时代，HR服务的新道路也将通过大数据和人工智能打开。
1
e成科技创始人兼CEO周友鸿
1
同时，周友鸿从多年从业过程中，见证着国内互联网产业发展壮大和从业者的成长，使他对未来人力资源行业的发展形成了基础判断。他认为，互联网产业遍地开花，企业服务的未来也必然是向着互联网、新技术方向发展。
1
HR行业随着科技进步，也在应势发展。互联网时代引发的第一次招聘变革使招聘工作从传统的线下招聘会、纸质简历走到线上，实现招聘过程的信息化，出现了智联招聘、前程无忧等为首的互联网产品。应聘者和企业HR信息互通、职位应聘互动的问题得到解决；同时，to B领域也有专门针对HR工作流程的北森等服务产品诞生。
1
信息化之后，“线下转线上”的人力资源行业虽然在信息处理上有了大幅度发展，但因其技术桎梏，“线下转线上”的简单信息复用率低，并未解决长期困扰HR的成本、效率、决策等运营管理问题。简历获取成本居高不下，多渠道重复下载浪费严重；云端存储的简历仍需人工逐一浏览确认；而人才管理的核心职能人才决策，其信息获取仍要耗费巨大人力进行数据解析。
1
大数据和人工智能等新技术，则从HR的工作全流程出发，在招聘渠道、人才管理流程、人才决策等更加高级管理层面，解决效率和成本问题，实现第二次招聘变革。DT与AI时代的新技术浪潮，或将成为人力资源领域颠覆性变革的最佳时机。此次变革，将完成HR行业从信息化到数据化、再到智能化的全新转变。
1
谈及产品主要解的痛点，周友鸿告诉记者，“e成科技则顺应DT时代的技术与应用趋势，基于云计算+大数据+AI多重技术，打造国内领先的一站式大数据招聘服务SaaS平台，对招聘渠道、流程、决策进行智能化建设，搭建智能人才大数据服务体系，实现企业招聘与人才管理的全流程高效衔接”，“未来，e成将进一步围绕人与组织关系、行业大数据服务、智能商业关系连接三个板块，最终升级为一家人才大数据公司。”周友鸿先生如是说到。
1
据HRTechChina了解，e成提供一站式大数据招聘服务方案，通过对招聘的渠道、流程、决策进行智能化建设，一站式解决HR招聘全流程中的工作效率、投入成本等问题。机器智能处理庞大信息量带来的筛选、匹配、数据评估等问题，把HR从大量重复的机械劳动中解放出来，将更多时间投入到策略、架构等更加高级的事情中。这些大数据和机器学习的沉淀，未来也将随着移动办公、人与组织关系变革等新人才问题的诞生而顺时衍生新的解决方案。
1
具体来看，e成产品主要从招聘“渠道、流程、决策”这3方面，针对HR工作痛点提供解决方案。HRTechChina记者了解到，根据筛选简历效果差、效率低、购买成本高这个痛点，e成推出的解决产品有：云人才库、约ta、个性化搜索推荐、职位BI；对于主投简历少，寻找人才难，挖角方向不明确，推出的产品有：人才地图、人脉内推；人才管理策略难制定等问题，则相应推出了员工宝留、人才质量评估、DDI测评。而所有这些智能化产品都通过ATS打通，一站辅助HR完成招聘全流程工作。
1
关于对大数据招聘领域的前景看法及行业预测，周友鸿分别从“创投领域、SaaS前景、人工智能落地前景、大数据行业数据”为我们解读分析预测。他认为，大数据和人工智能等新技术，为解决人力资源长期问题（渠道、效率、成本、决策等），从HR的工作全流程出发，在招聘渠道、人才管理流程、人才决策等更加高级管理层面，解决效率和成本问题，实现第二次招聘变革。DT与AI时代的新技术浪潮，或将成为人力资源领域颠覆性变革的最佳时机。此次变革，将完成HR行业从信息化到数据化、再到智能化的全新转变。
1
互联网行业一直都在追求更加快捷高效，而全新的人工智能产品，其应用本质在于低成本、高效率解决各行各业问题，它在降低成本和提高效率的道路上是无止境的。
1
当前，不论是政府层面，亦或是产、学、研、用、资本各界，都对大数据和人工智能前景普遍看好，政策支持与资本投入力度不断加大。在这样的整体趋势下，此前有统计数据表示，基于云技术的企业服务在4年间以25%-26%的高比例占据热门领域事件大头，逐渐取代电商成为最受投资人青睐的领域，2016年新成立互联网企业中18%是企业服务方向，而这其中又以人力服务表现最为抢眼。可以说，从前在国内不受重视的企业服务，近几年正在快速崛起。
1
在全社会普遍将工作流线上化、打破空间界限的时代，SaaS产品对企业而言是不可或缺的工具。近几年创投市场中的人力资源SaaS平台，已基本具备以下共识：深挖技术壁垒、精化产品服务，让用户认可产品价值，对产品产生高粘性，从而构建具备竞争力的业务模式基础，最终实现企业盈利的企业发展生态链。能够真正深钻技术与产品落地的人力资源SaaS，拥有很大机会去重新书写市场规范，改变行业模式。
1
e成科技团队合影
另外，据HRTechChina了解，e成科技目前团队规模已达300人，其中产品技术团队100余人，核心成员全部来自于BAT。融资方面，e成科技2014年10月，完成A轮千万美金融资，光速中国领投，开启全面市场化； 2016年3月23日，完成B轮数千万美元融资，凯辉创新领投、光速中国跟投。
本栏目是HRTechChina 推出的中国人力资源科技创业访谈系列，如果你希望参与，请和我们联系 yudan@hrtechchina.com
-
资讯
9个美国最新最热美国企业服务产品一览
美国著名的热门应用风向标Product Hunt盘点了近期面世的一众新产品，从Google、Youtube等巨头发布的产品更新，到Elon Musk全新脑机接口公司，再到刚刚面世的创业项目，HRTech为大家将其中涉及企业服务的项目整理如下。
消息来源：阿尔法公社
YC创业学校
来自Y Combinator 的创业课程
来自Y Combinator深受大家喜爱的创业学校课程强势回归。他们在富有更多拓展性的方法上，建立起这个课程去教育和发掘伟大的创业者们。你可以作为一个学生在创业学校里上课，这意味着你将会得到一个顾问。如果你没有正式成为学生，你也可以以游客的身份试听所有的讲座和讨论会。
可视化传记 Visual Biographies
为视觉学习者展现名人们不可思议的大事表
这些不可思议的可视化传记集锦会帮助你掌握名人们的成功时间表，包括杰夫·贝索斯、艾隆·马斯克、希拉里·克林顿、爱因斯坦、史蒂夫·乔布斯等等。这些传记的创作者，Adioma，还有一些工具可以帮助你创建自己的专业信息表。
Duolingo的小卡片
从现在起，用这个记忆卡app在网上学习语言
Duolingo的小卡片代表着记忆卡的未来。这个应用通过间隔记忆和其他的学习小技巧帮助你学习新的知识。你可以选择成百上千的话题，比如星座、各国首都、语言、世界历史等等。选择你感兴趣的话题和老师，马上开始你的学习之旅吧！
网站：http://www.duolingo.cn/
环聊Hangouts
带上你的小伙伴们一起玩耍
Google已经正式停用了Gchat( 又叫做Google Talk)，并用其新开发的环聊系统Hangouts代替了Gchat。Hangouts 已经启动并且运行了四年，随着Google 整合服务所带来的商业用户的增加，Hangouts的界面也会有一些细微的改变。换句话说，Gchat虽然还会存在，但是其定位会更加像Slack。
Tetra
电话内容自动记录器
当你刚打完一个电话却发现你忘记了记录重要内容时，有时会感觉好像整个谈话都浪费了。别担心，Tetra会帮你解决这个难题。它通过拨入你的电话进行自动记录，这样，你就可以只专注于谈话了。一旦谈话完成并且Tetra完成了转录，你就可以把电话的记录转存到诸如Evernote、Dropbox、 Google Docs、或者 Slack这样的应用里面。
Mixmax Calendar
随时随地，用最快捷的方法完成日程的安排
使用 Mixmax Calendar可以迅速地预定会议时间和自动化通信时间，此方法可以有效避免为了找到一个大家都可以接受的会议时间而来回奔波。你所要做的一切，就只是设置好你的空闲时间，然后分享链接，让客户从中挑选出合适的时间。
Typeform Chat
将你的typeforms转到Facebook Messenger的谈话之中
Typeform Chat 是一个用Facebook Messenger这类聊天应用的typeform 来收集数据的绝佳方法。创意在于：当你的顾客在一个安全、放松和舒适的环境下进行反馈的时候，你更可能收集到有用的数据。这就要求你比传统的调查经验提供更多的人与人之间的互动。
Remotive Jobs
一个策划收集远程公司工作的平台
Remotive Jobs 是一个策划收集远程工作的平台。如果你想在世界各地都能从事喜爱的工作，那么这就是一个开始寻找的最佳场所。通过这个场所，你可以找到各种一系列诸如销售、市场、产品、支持类、人力资源类、工程类和教育类等远程工作的机会。
Loopy
一个用来进行系统性思考的工具
Loopy 是一个交互式仿真工具，用以帮助你理解复杂的科技、政治、社会学、心理学和经济学方面的体系。这里有一个例子，是说明自动化对工作损失的影响的模型是怎样的：
用Loopy去理解一些复杂的体系，并且帮助身边的人去做同样的事情。你能够用它来做任何事，比如把它放到博客中，或者把它变为一场生动的演讲的一部分，又或者把它用到课堂的思维训练和职场里的分工协作上，这些都是它所能发挥作用的地方。
-
资讯
怡安收购人才测评行业领导者cut-e
上海（2017年5月5日）—— 怡安集团昨日宣布收购总部位于德国汉堡的在线人才测评领导者cut-e。财务条款未披露。
“当下，全球劳动力不断萎缩，员工敬业度呈下降趋势，新生代员工的离职率持续上升，大数据正在改变企业识别、选拔、部署、激励人才，以及衡量人才效能的方式，” 怡安人才、薪酬和绩效咨询业务首席执行官Michael Burke表示，“收购cut-e能将我们人才评估与甄选能力应用到更广阔的市场和商业场景，为客户提供更强大的洞察力，通过人才驱动经营业绩，帮助企业驾驭经济不确定性而产生的风险。”
cut-e在全球拥有35个分支机构，每年在70多个国家，使用40多种语言，完成超过1200万人次的测评。其创新且精准的心理测评工具和专业的咨询服务，帮助客户做出更明智的人才甄选与发展决策。
“在这个竞争激烈的劳动力市场，企业都敏锐地意识到，发掘适合企业文化的合格人才、构建可持续的人才梯队，并把人才测评与公司绩效高度关联，是应对挑战的当务之急”，cut-e首席执行官Andreas Lohff表示，“将cut-e的人才测评工具与怡安领先的测评工具和定制化人才解决方案相融合，我们在人才测评和甄选领域给客户提供的价值和影响将不断扩大。”
怡安翰威特大中华区首席执行官张宏表示，“随着全球经济和商业环境的快速变化，中国企业也在不断升级和转型中，国际化、跨界经营和合作、营销模式的改变、人工智能的发展和应用，都使得企业需要拥有更敏捷、更敬业、更高效的人才队伍，以提高对经济变化的响应速度。怡安收购cut-e将更有力地帮助我们在中国将选对人和用对人的专业解决方案融合在一起，为领先的跨国企业和中资企业选拔和发展与岗位要求和企业文化都适配的人才，支持他们通过人才致胜战略，屹立于全球经济的领先地位。”
cut-e的加盟使怡安全球人才、薪酬和绩效咨询团队拥有近400名人才测评与选拔专家，包括许多屡获殊荣的心理学家，他们将继续利用科学客观的方法论和工具，借助大数据帮助企业筛选和发展人才。通过此次战略性结合，怡安和cut-e在人才测评领域共同积累了超过50年的专业经验，每年使用行业内最具创新性、屡获殊荣的测评解决方案，评估3000多万名求职者。
cut-e创始人Andreas Lohff、Achim Preuss、David Barrett和Espen Skorstad也将在怡安人才、薪酬和绩效咨询团队继续担任领导职位。
关于怡安
怡安集团（纽约证券交易所代码：AON）是全球领先的专业服务公司，提供涵盖风险、退休、健康和人才方面的解决方案。怡安在全球120个国家拥有50,000名同事，通过积累深厚的大数据和专业分析，提供深刻的洞察，帮助客户降低风险，提高业绩，创造价值。欲了解更多信息，请访问www.aon.com/china
关于cut-e
cut-e创立于2002年， 是全球领先的测评方案提供商，致力于设计和实施创新性的在线测评工具、问卷调研、以及游戏化测评方案，为企业提供人才吸引、招聘、甄选和发展的专业服务。我们帮助企业识别兼备合适能力与潜力，并与企业文化相契合的人才，以支持企业提高业绩。我们每年在70多个国家通过40多种语言，完成超过1,200万人次的在线测评。欲了解更多信息，请访问www.cut-e.com
-
资讯
前程无忧2017第一季度财报出炉，净利润比去年同期增长90%。
前程无忧今日发布截至3月31日的2017财年第一季度未经审计财报。报告显示，前程无忧第一季度总营收为人民币6.077亿元（约合8830万美元），比去年同期的人民币5.238亿元增长16.0%；净利润为人民币1.629亿元（约合2370万美元），比去年同期的人民币8590万元增长90%。
主要业绩
前程无忧第一季度总营收为人民币6.077亿元（约合8830万美元），同比增长16.0%，在公司此前预期区间之内；
前程无忧第一季度网络招聘服务营收为人民币4.201亿元（约合6100万美元），比去年同期增长19.4%；
前程无忧第一季度其他人力资源相关营收为人民币1.876亿元（约合2730万美元），比去年同期增长9.1%；
前程无忧第一季度运营利润为人民币1.644亿元（约合2390万美元），比去年同期增长29.4%；
前程无忧第一季度净利润为人民币1.629亿元（约合2370万美元），比去年同期的人民币8590万元增长90%；
不计入股权奖励支出、汇兑损失、可转换债券的公允价值变动以及与这些项目相关的税收影响，前程无忧第一季度调整后每股完全摊薄收益（不按照美国通用会计准则）为人民币3.46元（约合0.50美元），超出公司此前的预期区间。财务分析
前程无忧第一季度总营收为人民币6.077亿元（约合8830万美元），比去年同期的人民币5.238亿元增长16.0%。
前程无忧第一季度网络招聘服务营收为人民币4.201亿元（约合6100万美元），比去年同期的人民币3.518亿元增长19.4%。前程无忧网络招聘服务营收的增长，主要由于使用前程无忧网络招聘服务的独立雇主数量的增加。第一季度共有361644名独立雇主使用了前程无忧的网络招聘服务，比去年同期的302261名增加19.6%，主要由于新客户获取的表现强劲。
前程无忧第一季度其它人力资源相关营收为人民币1.876亿元（约合2730万美元），比去年同期的人民币1.720亿元增长9.1%。前程无忧其它人力资源相关营收的增长，主要由于企业流程外包、培训和安排就业服务的使用量增长。
【来源：新浪科技】
-
资讯
HRTechChina专访“全景求是FACT”：想要帮助企业真正搭建专业招聘风险管理体系
编者注：中国人力资源科技创业访谈是HRTechChina 2017年推出的系列采访活动，我们精选行业中优秀的HRTech创业者，力争通过我们的平台把这些优秀的企业，产品，创业者介绍给大家。中国人力资源科技正处于一个快速发展的阶段，有大量的机会和需求，需要更多的优秀的创业者加入其中。我们HRTechChina 也非常愿意为这些创业者加油助威，提供我们的支持！
作者：於丹 转载请备注文章出处
此次HRTechChina记者采访了全景求是FACT创始合伙人兼CEO魏兴。全景求是FACT是中国领先的背景调查服务机构。据了解，其服务范围覆盖中国大陆所有地区和境外187个以上国家/地区的全模块服务。
产品：全景求是FACT
网站：http://www.factchina.com/
11
谈及研发该产品的初衷，魏兴认为，无论是中国本土还是国际社会，大家都越发重视诚信体系的建设，其中职场诚信也受到了更多关注。然而在中国，至今仍没有建立完善的职场诚信相关的数据库，导致很多HR只能通过核实身份、学历、工作经历等基本信息用作雇佣参考，但是这些数据类查询和简单的访谈，是无法充当完整且有效的招聘风险管理体系的。
所以，“我们在2008年开始探索和开创背景调查行业，初衷是希望推动中国建立良好的职场诚信体系，旨在帮助企业降低时间成本和资金支出的浪费，同时为应聘者带来更为公平、纯净的求职环境”，全景求是FACT创始人-魏兴如是说到。同时，魏兴还告诉HRTechChina记者，“FACT还要帮助企业搭建出更多实用的管理模型和流程，同时融合先进的互联网技术和工具，帮助企业真正搭建全面、高效、精细化的专业招聘风险管理体系。”
魏兴认为，从企业实际需求的角度出发，背景调查不可能简单了事。首先，背调过程的有效性和结果的可参考价值，是需要精细化深挖的，不是数据核实或简单打个电话就能解决的；其次，背调报告做完时，才只是招聘风险管理刚刚开始，企业该如何应用报告结果，对应的流程和决策方案应如何设置，这才是风险管理的关键本质；还有，对于服务过程中每一份订单的及时监控和管理、定期为客户提供全面的招聘质量分析报告等等，都是风险管理过程中必不可少的重要环节。因此，当HRTechChina记者问及FACT所解决的痛点时， 魏兴告诉记者，“全景求是想要帮助企业真正实现全流程、全场景、精细化、定制化的招聘风险管理全套服务，给企业HR带来专业的体系化解决方案，而不仅是一份优质的背调报告。”
谈及FACT的产品主要功能和服务，魏兴告诉我们记者 ，其结合了新技术和新理念，所打造出的“线上与线下并存、体系与流程贯通、专业与创新融合”的全新服务模式！从“专业模式”来看，FACT了解不同企业在背调应用和风险管理中的特点以及缺失，为客户做出诊断并重新梳理管控流程，建立各类管理模型，最终有针对性的提出专属的背景调查方案及延伸解决方案；
从“创新模式”来看，FACT研究美/欧等背调发达地区的最新动态和先进模式，利用互联网技术实现了在线全流程风险管控系统，并结合中国本土特点，打造出“第一款中国自主研发的精细化风险管理SaaS平台-真哒”，实现了订单跟踪管理、实时预览预警、招聘质量分析、全流程监控等十余先进功能。
据HRTechChina记者了解，全景求是FACT目前在中国有76名员工，有丰富的团队积累；此次受访的FACT的创始人魏兴被业内誉为“中国背调第一人”，荣登“中国人力资源产业变革推动者百人榜”；FACT是背景调查公司协会NAPBS的中国第一批会员外，还是NAPBS“亚太区沟通委员会主席”。
谈到行业前景和发展，魏兴表示，中国背景调查行业近两年已开始呈现迅猛发展的势头，对比美国已有的市场情况来看，背调在中国至少是数千亿级的市场。随着行业近期爆发式的发展，也涌进了越来越多的从业者和创业者，甚至很多猎头公司、征信公司、互联网公司也急切的涉足此领域，其实这本身是好事，人多力量大，可以促使行业更快的发展。但魏兴认为，背景调查并不是一件简单的事，客户的本质需求是基于职场的，所以传统模式不能丢！同时这件事其实是需要较高专业度的，因为仅是一份背景调查报告是不能充当招聘风险管理体系的，企业客户也迫切的需要顾问式的整体解决方案，所以应谨记：数据核实≠背景调查、优质的背景调查≠完善的招聘风险管理！
从另一方面说，互联网模式和创新技术又是有效提升行业发展所必不可少的“良药”，后期如果想把市场做稳、做大的话，必须要将专业的传统模式和创新的互联网模式相结合，背景调查创业者和从业者都必须持续的提升和蜕变，在坚持对客户需求本质的深度探寻前提下，不断优化服务体验和产品价值。
“其实，HR们也正在愈发意识到，即便拥有了专业的背景调查技术和渠道，也只是刚刚具备了风险管理的一个基础条件，更重要的是必须搭建出适合自身的风险管理模型、梳理出配套的有效流程、研发出高效的新型管理工具，这样才能让背景调查在整个风险管理层面发挥出应有价值！魏兴跟HRTechChina的记者谈道。
融资方面，FACT在2016年底获得近千万元天使轮投资，当时主要用于公司研发团队扩建和商务市场拓展，目前正准备开启Pre-A轮融资。
-
资讯
Salesforce推出AppExchange合作伙伴计划，拨款1亿美元满足企业需求
Salesforce已经为初创公司拨款了3.5亿美元，3.5亿美元将分配到四个基金
AppExchange是由Salesforce 推出的、旨在发布自定义程序的共享中心。用户不仅可以利用 AppExchange 下载、安装别人共享的自定义应用程序，也可以将自己创建的自定义程序发布到 AppExchange 站点共用或交换。
迄今为止，AppExchange 上已经有3000多个应用程序，安装次数超过400万。但是随着时间的推移，不仅Salesforce 发生很多变化，创业环境也发生了很大变化，为了适应这些变化，Salesforce准备将AppExchange 推进到下一阶段，以更好地解决企业内基于订阅服务的需求。近日，公司推出了一个合作伙伴计划，采用全新的定价模式以替代现有的独立软件供应商（ISV）模式。为此，Salesforce 已经拨款1亿美元来激励开发商、创业公司和ISV。
Salesforce执行副总裁Leyla Seka对此表示，人工智能和物联网的融合，以及大量的数据为开发人员提供了超越应用程序、构建组件、智能机器人、数据流等等以外的新机会。新的AppExchange合作伙伴计划使下一代Salesforce ISV拥有满足他们成功的必要因素，不仅为软件供应商传授先进的Salesforce技术解决方案，还将初创公司转变为具有全球影响力的企业。
以下是AppExchange合作伙伴计划较之以往的变化：
建立一个AppExchange Trailblazer Score：实际上是一个评价系统。评判的标准包括客户服务、评论、开发人员在Trailhead（一个培训平台）上的参与度以及采用技术的频率。
净收入较低（PNR）： 对于新的合作伙伴，Salesforce正在减少应用程序订阅所占的百分比。传统的百分比为25％，新合作伙伴只有15％。但是Salesforce规定，现有合作伙伴将保持在25％，除非续约，否则比例将保持不变。
新培训：为了使开发人员更轻松地将应用程序纳入市场，Salesforce简化了培训流程，推出了一个新的AppExchange向导和支付工具，其中包括支持欧元支付、自动结算（ACH）和信用卡支付。此外，Salesforce还为Channel Order app开辟了API支持。最后，推出合作伙伴计划仪表板，开发人员可以跟踪应用的整体进度和在AppExchange Trailblazer Score的得分。
新技术工具：开发人员可以访问Heroku和Salesforce DX，从而实现群组协作功能。
未来，Salesforce将通过公司的风险投资机构提供1亿美元的平台基金。虽然这不是Salesforce的第一个投资，但此次投资的目标是建立生态系统来满足企业的需求。根据Salesforce Ventures副总裁Matt Garratt的说法，接受资金赞助的开发商必须建立与公司战略一致的内容，并为Salesforce 客户提供更好的解决方案。Salesforce已经为初创公司拨款了3.5亿美元，3.5亿美元将分配到四个基金。
本文参考了多个信息来源：venturebeat.com，如若转载，请注明出处：http://36kr.com/p/5073245.html
-
资讯
企业2.0时代或将终结？Aurea以4.62亿美元收购企业协作软件公司Jive
Jive是一个企业协作软件公司，于2011年上市，近日公司宣布已经同意由 ESW Capital’s Wave Systems以4.62亿美元收购。收购后的Jive将成为Aurea企业的一部分。
总的来说，ESW每股支付5.25美元购买该公司，比截至2017年4月28日的Jive的收盘价平均涨幅高20％。周五收于每股5.05美元。股东似乎已比较平和的方式退出，但并不是每个人都这样看待。Constellation Research的创始人兼院长Ray Wang在Twitter上称此次收购为“降价销售”，并称投资者损失了数百万美元。
收购后，Jive将整合到Aurea的客户体验管理平台中，为Aurea创建内部和面向客户的社区提供一个有效的工具。此外，Aurea还可以访问Jive的客户群，包括T-Mobile，施耐德电气，McAfee和EMC。Aurea首席执行官Scott Brighton认为，社区成分从总体上加强了Aurea平台功能。Jive与Aurea合作促使客户体验、员工和客户参与度更好得结合在一起。
很多分析师分析了此次收购， Community Roundtable负责人 Rachel Happe 对此次收购并不感到惊讶。在他看来，社交软件市场已经变得越来越大，而Jive正面临来自更大的玩家和小型参与者的竞争，这种竞争对Jive来说没有任何好处。Deep Analysis 负责人Alan Pelz-Sharpe多年来一直研究协作领域，他认为此次收购对于ESW和Aurea都是不错的选择。ESW Capital的实力能够确保Jive的未来。而Jive不仅拥有性能良好的传统软件，而且认真对待客户，并拥有非常广泛的客户群。
随着这次收购落下帷幕，企业2.0时代也正式结束。2006年，哈佛教授Andrew McAfee创造了“企业2.0”一词。员工可以通过更自然的沟通界面直接在团队内部和社区中直接交谈，而不是仅仅坐在工位上等待电子邮件。此外，员工还可以使用博客、维基和其它工具创建内容，而不是依靠专家的权威书籍，最终知识的共享延伸到企业之外。
企业2.0时代在2006-2012年处于全盛时期。Jive与Yammer、Socialcast、Socialtext和其他众多的企业在这段时间中突显出来，对企业内部和外部沟通方式进行了诸多改变。
Jive上市的2011年是“企业2.0”的顶峰。最成功的的案例则是2012年Yammer以12亿美元的价格被Microsoft收购。几年后，Slack的横空出世又带动了一批企业协作软件的兴起，比如Facebook的Workplace和Microsoft Team，这些协作工具创造了新一代更现代化的协作方式。
Constellation Research分析师Alan Lepofsky表示，企业2.0时代的结束不是因为这个赛道上的玩家越来越多，而是因为包括微软、Salesforce、思科和IBM在内的大公司纷纷入局，大公司的入局填补了领域的空白。
本文参考了多个信息来源：techcrunch.com，如若转载，请注明出处：http://36kr.com/p/5073092.html
-
资讯
如何用机器学习手段提高HR甄别简历的效率
如何用机器学习手段提高HR甄别简历的效率引言“假设简历库中有10000份名为“软件工程师”的简历。 一位HR在搜索“Android工程师”时仅关注名称为“Android工程师”的简历，她将遗漏912份有可能匹配的简历；如果这位HR愿意花时间从头到尾通读每一份“软件工程师”的简历，将其中真正从事Android研发的简历筛选出来，那么她需要多阅读9088份无效的软件工程师简历。假设阅览一份简历需要15秒，这项工作将占据她38小时。“
一、低区分度的简历——隐藏的招聘雷区
搜索和阅读简历占据了招聘的大部分时间。在HR搜索或阅读简历时，需要根据简历名称或工作内容对简历类别进行判断，简历类别的“区分度”越高，HR越容易通过搜索定位到对应的简历，也越容易甄别出简历与空缺岗位的匹配度。
例如，HR在招聘一名“Android工程师”时，非常喜欢那些在职位名称为“Android工程师”的简历，因为可以很方便地搜索和识别。这部分简历可以定义为高区分度简历。
可令人头疼的是，许多候选人的简历并未照顾到招聘者的使用体验。例如一名软件工程师在他的简历中提到了多项编程技能，并将简历名称定为“软件工程师”，给系统搜索定位到这份简历造成了极大的难度。这就意味着：由于JD的编写方式与候选人编写简历方式的天然差异，大量履历匹配的简历在搜索时被遗漏，许多工作内容里包含这些关键字的简历（比如招聘专员）实际却又毫不相关。
二、大量的低区分度简历增加了甄别难度
我们从简历库中抽样了1479818份互联网行业中包含“工程师”的简历数据，按简历名称进行统计，从高到低排序后截取Top15展示如下：
<图1-高频职位名称统计数据>
由统计数据可以看出，类别区分度低的简历在整体简历数据中占比较大。例如互联网行业中包含大量“软件工程师”、“高级软件工程师”、“软件研发工程师”、“研发工程师”简历，占抽样总数的25.7%，但这部分简历却无法轻易判断候选人对应的技术方向。
实际上，Java工程师、PHP工程师、后端开发工程师等均可称为软件工程师。有众多Title为“软件工程师”的简历，需要根据职位或工作描述进一步判断具体类别。
例如对简历进行搜索时，输入“Python工程师”，简历名称中含Python的简历可能较少，导致搜索结果数量丰富度不高。但如果通过模型可以判断简历名称为软件工程的具体角色，增强简历的区分度，则可在软件工程师的简历中筛选属于Python工程师的简历，进一步提高搜索的丰富度。
三、通过机器学习方法提高角色识别的准确度
1、建立合理的职位理解
增强简历的区分度，可以理解为“如何更准确地理解职位，包括职位的不同表达方式，以及与该职位相关的技能模型”——这件事可以基于一张专业词表完成。
例如我们定义一个简单的词表——“软件工程师”为一级类别，其下属二级技能类别分为Java、C++、PHP、.NET、Python、Delphi、Perl等。这张词表定义了明确的职位/技能关系，当词表在“阅读”一份名为“软件工程师”的简历时，它实际阅读的是上述技能。
聘宝的知识图谱更为复杂，除技能分支外，还包含行业、公司等众多维度。
<图2-聘宝的职位技能知识图谱节选>
2、如何进行高效的角色分类识别计算
深度学习方法近期在文本处理领域大受欢迎，但需要注意的是它们的训练以及测试过程十分缓慢，以至于工程应用时门槛颇高。
在进行了一系列的技术方案调研与比较后，我们尝试对比分析了三种机器学习的文本分类算法： TextGrocery，fastText，Naive Bayes。
· TextGrocery—是一个基于LibShortText和结巴分词的短文本分类工具，基于线性核SVM分类器，使用二元分词（Bigram），不去停顿词，不做词性过滤同时支持中文和英文语料，让文本分类变得简单。
· fastText—由FAIR（Facebook AI）开发的一款快速文本分类器，提供简单而高效的文本分类和表征学习的方法，出自Word2Vec作者Mikolov的论文《Bag of Tricks for Efficient Text Classification》
fastText适合大型数据+高效的训练速度，能够训练模型“在使用标准多核CPU的情况下10分钟内处理超过10亿个词汇”，与深度模型对比，fastText能将训练时间由数天缩短到几秒钟。FastText的性能要比时下流行的word2vec工具明显好上不少，也比其他目前最先进的词态词汇表征要好。
<图3-fastText分类器模型示意图>
<图4-fastText模型架构>
· Naive Bayes——由贝叶斯定理延伸而来的概率模型，它根据每个特征的概率确定一个对象属于某一类别的概率。该方法假设所有特征需要相互独立，即任一特征的值和其他特征的值没有关联关系。
在自然语言处理领域，处理的的数据可以看做是在文本文档中标注数据，这些数据可以作为训练数据集来使用机器学习算法进行训练。
在训练样本时，构建可以表征文本的特征向量(词汇表)，并根据这个特征向量将训练集表征出来，计算各个类别的频率作为该类的先验概率，和在每个类别条件下各个特征属性的条件概率，分类时，根据贝叶斯公式计算待分类句子在每一类别的后验概率，取最大值作为其分类。
<图5-Naïve Bayes模型架构>
四、一个简单的分类识别实验
为更好地分析不同技术手段在增强简历区分度上的效果，我们进行了一项简单的比较实验，来展现算法是如何把低区分度的简历如“软件工程师”进行具体的技能方向分类的。
1、实验数据集的准备：
选取680731份根据职位名称判断属于二级类别的工程师简历数据，随机抽样取80%的数据做训练数据，剩余20%份作测试数据。
<图6-实验数据集的分布>
2、实验效果表现：
通过实验我们发现，通过机器学习方法，我们能够快速识别低区分度简历并进行准确的分类，从而能够极大的降低人工搜索与阅读的时间。
<图7-各个类别预测准确率的分布>
对比上面模型结果， fastText模型基于词袋的针对英文的文本分类方法，组成英文句子的单词是有间隔的；而中文文本是连续的，因此对中文文本，则需分词去标点转化为模型所需要的数据格式，但分类效果一般，尤其是类别间区分度不是很大的情况下。另外参数调优对模型结果影响较大，但模型优势在于训练时间很短。所以fastText模型更适合做类别区分度更大且讲究分类效率的应用场景，比如将一则新闻自动划归到财经、军事、社会、娱乐等板块。
TextGrocery模型是专门针对短文本的分类模型，直接输入文本，无需做特征向量化的预处理，不去停顿词，不做词性过滤，优雅的API接口，但模型准确率和模型训练时间在此角色预测模型中不是太突出。
Naive Bayes为传统的文本分类模型，特征向量化的预处理相对繁琐、训练时间较长，但在分类类别多文本区分度不大的情况下，分类效果相比其他两种算法更为优秀。这个实验结果侧面说明，在产品实现时勿过度追求“时髦”的技术。对某一项特定业务来说，有助于业务实现更优效果的技术就是最好的技术。
聘宝在面对低区分度简历时的角色识别算法，吸收结合了上述各类算法的特点，面对不同场景条件时搭配应用，实现了更优的分类效果，在TMT行业主要职位类型上的识别准确率高于75%。
以“软件工程师”为例子，在聘宝中输入属于软件工程师的职位描述，预测出可能的角色，效果如下图：
<图8-聘宝角色识别效果示例>
对于其他行业低区分度的简历，同样可以训练出对应的模型。如果单个行业预测类别不用过细的话，可以将众多行业数据混合一起训练模型进行预测。
基于该实验的样本数据，假设简历库中有1万份名为“软件工程师”的简历。 一位HR在搜索“Android工程师”时仅关注简历名称为“Android工程师”的简历，她将遗漏912份有可能匹配的简历——这些简历均被冠以“软件工程师”的职位名称；如果这位HR愿意花时间从头到尾通读每一份“软件工程师”的简历，将其中真正从事Android研发工作的简历筛选出来，那么她需要多阅读9088份无效的软件工程师简历，假设阅览一份简历需要15秒，这项工作将占据她38小时。
角色识别除了在简历检索方面的应用，在其他方面也有广泛的应用空间。 如薪资预测， 根据工作描述预测角色作为特征变量，将有助于提高预测薪资的准确性。
又例如简历解析， 将简历详情页的各个区块作为文本，预测各区块所属的信息类型（如工作经验、教育经历等）后再使用对应的解析程序对区块进行解析，将大大提高简历详情页面的解析效率。
我们始终相信技术可以提高工作效率，也正因此我们在简历的分析与匹配工作上持续深耕三年，相信在机器学习技术的帮助下，HR的招聘工作将变得更加省时高效。
来源：聘宝
参考文献:
[1] 超快的 fastText[EB/OL].https://sanwen8.cn/p/4744TBs.html, 2017-04-10/2017-04-24.
[2] Library for fast text representation and classification.[EB/OL].https://github.com/facebookresearch/fastText, 2017-04-10/2017-04-24.
[3] TEXTGROCERY，更好用的文本分类PYTHON库[EB/OL].http://blog.chedushi.com/archives/11383?utm_source=tuicool&utm_medium=referral, 2017-04-10/2017-04-24.
[4] LibShortText简要入门[EB/OL].http://guoze.me/2014/09/25/libshorttext-introduction/, 2017-04-10/2017-04-24.
[5] NLP系列(2)_用Naive Bayes进行文本分类(上)[EB/OL].http://blog.csdn.net/longxinchen_ml/article/details/50597149, 2017-04-10/2017-04-24.
[6] 从Naive Bayes到N-gram语言模型[EB/OL]. http://blog.csdn.net/longxinchen_ml/article/details/50646528, 2017-04-10/2017-04-24.
[7] Bag of Tricks for Efficient Text Classification[EB/OL]. https://wenku.baidu.com/view/32db1350777f5acfa1c7aa00b52acfc789eb9fba.html, 2017-04-10/2017-04-24.
扫一扫 加微信
hrtechchina
