• 分析
    【纽约】一个DEI的分析平台Dandi刚刚获得370 万美元的种子轮融资 Dandi Technologies是一家位于纽约市和瑞典斯德哥尔摩的促进工作场所多样性、公平和包容性 (DEI) 的分析平台提供商,刚刚完成了 370 万美元的种子轮融资。 本轮融资由 Springbank 和 Alleycorp Impact 牵头,Atlassian Ventures、Impact Engine、Uncommon Denominator、AAF 和 Heirloom VC 参投。作为本轮融资的结果,Springbank 的创始人兼管理合伙人 Courtney Leimkuhler 加入了 Dandi 的董事会。 该公司打算利用这笔资金来增加该平台对全球产生积极影响的人数。 Dandi Technologies 由首席执行官 Jeff Fernandez 领导,是促进工作场所多元化、公平和包容性的分析平台。企业使用它来了解他们如何招聘、留住和补偿他们的员工,为他们提供所需的洞察力,以查明股权差距并推进他们的 DEI 工作。 借助 Dandi,组织可以: 汇总和分析现有 HR 数据,以在整个员工生命周期中生成数百万条 DEI 见解,包括招聘、招聘、晋升、保留以及介于两者之间的所有内容。 利用交叉测量和复杂的工资差距分析,了解种族、民族、性别、年龄、性取向等之间的相互作用如何影响薪酬,并采取有意义的措施实现薪酬公平。 将 Dandi 与大多数领先的 HR 平台集成,包括 Workday、ADP、SAP、Oracle、Greenhouse 和 Taleo,以轻松查看年龄、性别、LGBTQIA+ 状态和婚姻状况等因素如何影响关键指标。 通过执行仪表板,让最高管理层能够访问实时更新的关键 DEI 指标。 生成自定义品牌的演示文稿并导出到 Google 幻灯片、Powerpoint。 共享易于理解的可视化和详细报告,以可视化公平差距,以便合适的人采取行动。 Dandi 让任何人——无论您是 DEI 从业者、人力资源主管、最高管理层成员——跟踪和衡量对您而言重要的 DEI 指标。您无需成为数据科学家即可使用 Dandi。(也就是说,数据科学家也喜欢 Dandi。)我们还可以通过美观、易于导出的可视化效果轻松分享您在 Dandi 中发现的见解。 如今,Dandi 最常见的用例是DEI 报告、薪酬审计、基准测试以及人才和招聘分析。Dandi 从根本上改变了这些努力的速度、频率和准确性。您可以在几分钟内进行薪酬审计,而不是几个月。您可以更频繁地创建详细报告,从而改变公司与员工和股东就 DEI 进度进行沟通的方式。 以下是 Dandi 在工作中的几个例子: MiQ使用 Dandi 实施尖端的数据收集和报告策略 Oscar Health使用 Dandi 建立关键基准并为全公司的透明度设定新标准 Jimdo使用 Dandi 将公司范围内的薪酬差距从 10% 减少到 2.5% — 在短短 4 个月内 这些早期的案例研究表明了 Dandi 的前景。有了适当的数据,公司正在以比以往更快的速度取得真正的进步。现在我们想看看当更多公司使用 Dandi 时会发生什么。
    分析
    2022年10月16日
  • 分析
    【探讨】HR工单系统建设模式优劣分析 在人力资源管理系统中引入工单逐步成为行业及客户的共识,工单系统也成为HR共享服务平台最底层的业务支撑。通过工单系统可以更方便地构建面向员工的服务体系,并将管理系统真正转向经营系统,实现成本中心向利润中心的转变。现在最大的困惑,是客户如何选择适合自己的工单系统。笔者结合行业实践做点简单分析。目前HR工单系统基本来自三类,一类是客户完全基于自身需求进行自研发,一类是人力资源平台及产品服务商结合人力资源管理系统要求进行标准化开发,一类是部分客服企业结合外呼业务的工单管理开发经验进行外包开发。这三类的优劣势如下表所示:综上所述,自研发、平台开发、外包开发三种模式各有利弊。但根据笔者经验,客户选择一个系统,不应该仅仅考虑当前的业务需求,而是要同时着眼于未来。从这一点说,无论是自研发还是外包开发,都很难做到。以搭建房子为例,平台开发是先夯实地基并设计好基本框架,再根据客户具体需求对每个房间进行不同风格的装修。而自研发和外包开发是直接根据客户需求建设房子,根本不会考虑地基是否稳固,架构是否合理,能不能承担未来的扩建或改建等。如果未来管理模式发生颠覆性变化,原有系统大都只能废弃并重新选型,这就导致系统最终的实际建设成本会翻倍增加。如果因为战略或业务变化导致未来需要开发和部署新系统,客户同样需要有相应的人员投入,员工对系统功能及操作风格也需要一个熟悉和接受的过程,这些也都将会无形中增加系统的建设成本。
    分析
    2020年07月23日
  • 分析
    未来,HR必须具备的保持竞争力的技能 多年来,人力资源管理已经发展。当前的工作环境向招聘人员提出挑战,招聘人员应该适应不断变化的业务需求并发展技能以保持竞争力。 自从引入技术和现代劳动力以来,人力资源管理经历了急剧的发展。当时,HR作用非常简单:寻找符合职位要求的候选人,让他们签署工作邀请,然后适当地入职。 尽管这仍然是招聘人员的核心工作,但目前的工作环境已经多样化,并提高了企业对人力资源人员的需求,传统的寻找顶尖候选人的方法已经不再适用了。 如果求职者以前任由招聘经理和公司摆布的话,现在的局面已经扭转,或者至少反映了两方之间的权力平衡。招聘人员面临的挑战是更具活力、更具吸引力、更具人格魅力,这样他们才能赢得自己想要的候选人,在招聘过程中展现出出色的工作表现和令人愉悦的办公文化。 还存在将技术集成到招聘中的情况,例如人工智能(AI)和分析。这是人力资源发展的重要组成部分,因为研究表明,预计2022年将有85%的组织要求其招聘主管执行用户和实体大数据分析工作。 要保持能力和效率,就必须牢牢掌握先进的人力资源技术,这是招聘经理应发展的一项不可谈判的技能。 在新的十年里成为一名招聘经理是为了适应技能,这些技能将使您在未来的几年中对工作有所帮助。这也意味着您可以更深入地了解您的公司在竞争日益激烈的业务环境中要蓬勃发展的条件。已经有70%的人力资源管理人员承认他们需要重新调整其劳动力以适应数字时代的需求。 这里简要介绍了一些需要提高的技能,以确保能够帮助公司适应当今动态工作环境的变化。 人员分析是将你的直觉和人际交往技巧与数字和数据相结合的艺术。这已经是企业对人力资源经理在2020年最有需求的技能了,因此有必要进一步了解这一点,并尽快将其整合到您的工作流程中。 还有不失人情味的艺术。清晰的沟通、适应能力和说服力是很好的,但同情心和学会与来自不同背景的人打交道也是很好的。 通过使用招聘营销有效地吸引候选人已经成为一种趋势。不久之后,大多数企业都会适应这种招聘模式,并专注于开发一种能够吸引求职者的流程。 如上所述,掌握先进的人力资源技术是未来的另一个重点。实际上,对于大多数工作来说,对人工智能的熟悉已经是今年急需的核心技能,因为到2020年底,估计有500万个工作将被自动化取代。如果不跟上,就可能无法切。 还需要对所有参与人员公平的冲突解决管理。在管理员工时,无论规模大小,各方之间都不可避免地会产生一些摩擦。在日益多样化和充满活力的工作场所中,尽可能平稳地解决此问题是另一项关键技能。 在下面的信息图中,我们将详细介绍上述关键技能,以在当今充满活力的工作环境中保持竞争力,以及其他五项技能。了解明天的招聘方式,以确保您的业务在当今的任何行业中都能蓬勃发展。 以上由AI翻译,仅供参考! 作者:Arvin Ramos
    分析
    2020年02月14日
  • 分析
    挖掘“人力资源”是人力资源未来的核心:专家 文/Marcel Vander Wier 用于导航不断变化的工作场所,职业发展的坚实工具 根据该领域的专家大卫格林的说法,雇主正在转向数据“以支持更好的决策,改善员工体验,并实际提高人力资源的影响力”。 英国伦敦分析专家大卫格林表示,在人力资源领域,随着“数字革命”的推出,人力资本分析正变得越来越重要。 “我们正处于一个巨大的变革时期,”他说。 “变化从来没有发生过这么快,可以说再也不会这么慢了。 公司现在似乎在不断变革,不断尝试发明新的产品或服务,以适应在世界上的生存和发展。 格林说,在过去两年中,人类收集的数据量是以前世界历史收集量的九倍。 格林最近在多伦多举行的人力资源技术论坛上表示:“这确实提升了CHRO和人力资源部门的作用,几乎成为公司内三个最重要的角色之一,与首席执行官和首席财务官并重。” 他说,自动化角色和技能培训需要适当的准备和人力规划,分析证明是一个可靠的导航工具。 分析状态 “分析和数据是人力资源数字议程的核心,”格林说。 “它可以帮助我们理解:我们需要的组织形式是什么? 我们公司需要哪些技能?" “分析可以真正帮助将所有这些结合在一起,为公司提供一定程度的确定性。” 他说:“从本质上讲,人力资源部门正在从营销人员的书中学习经验,许多人使用分析来做出近20年的决策。” 格林说,分析可以提供高达13倍的美元回报率。 “我们可以谈论的人力资源项目并不多。” 他说,为了追求高绩效团队,高级领导人已经接受了人力资本分析是成功的重要因素,促进了这一领域的进一步发展。 大大小小的公司都在转向这些数据,以“支持更好的决策,改善员工体验,并实际提升人力资源的影响力。” 格林说,数据驱动的文化和基础来自于将分析的好处传达给所有员工 - 而不仅仅是人力资源。 “要透明。 与员工沟通您收集的数据以及原因,对他们有什么好处以及对公司有什么好处。" 最佳做法 格林表示,人力资源数据质量和一致性仍存在挑战,但大多数雇主应该有足够的资金开始。 但仅凭数据还不够。 他说,用于分析的报告数据并不总是与业务相关。 “不要从数据开始。 从业务问题开始,然后您就可以开始了解需要哪些数据源来解决这个问题,"格林说, “这不一定是在人力资源范围内使用分析和数据。 我们必须尝试打破孤岛心态,真正集中精力解决我们的业务问题。" “通常情况下,一个组织试图解决的每个业务问题,都有个人的因素。” 他说,例如,将人员分析(如员工敬业度)与业务绩效联系起来是有帮助的。 让CHRO完全相信数据的力量在识别关键业务问题,联系利益相关者,将见解转化为行动也是有益的。 格林说:“这不是要在人力资源部门内创建一个团队。” “这是关于跨职能的协作......利用人力资源外部资源的能力确实是关键。” “高级人员分析团队使用多个数据源,”他说。 “这不仅仅是围绕内部人力资源系统或调查。” “ 请放心,并非所有人力资源部门都需要突然学会如何成为数据科学家 。” Green在收集数据和进行分析以给出可操作的见解之前,推荐了一种方法,构建业务问题和建立可靠的假设。 他说,出色的故事可以促使高层领导推动建议。 前面的路 虽然人力资源趋势进一步向人力资本,但是至少在最初阶段,管理期望是必要的。 “不幸的是,当人们投资人力资本分析时,他们预计会立即回归,”格林说。 “它不一定会发生,除非你碰巧用你工作的第一个项目挖到了黄金。” 他说,个性化的职业轨迹是人力资本分析的根据,数据为工人提供技能路径,使他们能够获得他们所希望的工作。 “这对员工来说非常好,因为它真的支持了职业发展,而且它真的为员工个性化......如果没有数据和分析支持,你就无法做到这一点。” 数据收集的道德和隐私需要尽早考虑,因为在欧盟运营的所有雇主现在都必须遵守“一般数据保护条例”(GDPR)中规定的数据保护规则。 格林说,81%的分析被道德或隐私问题“危害”。 “如果你无法向员工阐明收集数据或做人力资本分析项目的好处,也许你不应该做。” 但他表示,虽然数据,分析和其他新兴技术可以增加人力资源在组织内的影响力,但人力资源将始终处于实践的最前沿。 “这不是取代判断或经验,”格林说。 “这是为了强化它,并希望它变得更好。” 用科技平衡人类 人力资源和招聘服务提供商Randstad Canada的首席执行官Marc-Etienne Julien表示,在分析时代,人力资源保持人性化仍然很重要。 “利用技术的好处和保持人性化的方法并不相互排斥,”他说。 在劳动力市场短缺的时期,公司应该利用技术来简化求职者的求职和申请流程,以及自动化人力资源流程中的重复性工作。 朱利安说:“这使得雇主再投资时间在积累更多经验上,通过面对面互动建立人际关系的方式。” 他说,虽然工作领域变化迅速,但人力资源从业者明智地开始实施分析,以便应对特定和即时的挑战,例如高流动率或招聘特定技能的问题。 Julien说,用户体验应该是整个过程的核心焦点。 “优先考虑用户体验对于为求职者和员工开发可访问和可用的工作场所工具至关重要。 尽早让您的员工参与进来,因为他们是主要用户。" 他说,通过技术解决方案节省的时间,再投资培训项目。 以上内容由HR Tech Cina AI翻译,仅供参考
    分析
    2018年07月12日
  • 分析
    Slack正在开发一些工具来判断某人是否有麻烦 Slack CEO Stewart Butterfield is fascinated by “people analytics.”   在二十世纪九十年代初期,新成立的互联网传播者承诺无性别的乌托邦。他们认为,像种族和阶级这样的分层标识符会在网上被遮蔽,因此有偏见的判断将因此变得过时。这并没有完全奏效。 性别规范今天渗透到数字通信当中,如同他们面对面一样强有力地(并且对女性有害),显示出数十年的语言分析。正如 研究数字通信动态的领先语言学家Susan Herring 所说的,无论是在列表服务,短信,Facebook还是Reddit中,男性都倾向于“数字化传播” 。与此同时,女性在私人空间中自我隔离,像直接消息一样仅限女性空间。 日益流行的工作场所沟通平台Slack不免于这种现象。正如我在“ 你的公司的Slack可能是性别歧视 ” 一文中所写的那样,各行各业的女性都表示,他们的男性同事用他们在会议中部署的同样权威的沟通风格来主导公共频道的对话。与此同时,女性更倾向于使用支持性的友好标点符号,并用对冲方式修改他们的观点,如“我可能是错的,但是......” 现在,Slack首席执行官斯图尔特巴特菲尔德说,斯莱克是领先的产品,将提供单独的斯莱克用户的数据,他们的数字通信是否改变时,他们与不同人口的人说话。他表示,这些数据将有助于促进更加平等和包容的工作场所文化,并使员工更有效率和效率。 在Slack上偏置 随着Slack继续取代电子邮件,成为全球5万多家公司内部沟通的主要手段,女性对平台的抑制对组织文化,创新和商业成功构成了巨大威胁。 当然,性别或其他等级的传播规范并不普遍; 有些女人很自然地说话,特别是其他女人也一样。有些男人自我质疑,以至于瘫痪。Slack(作为一个公司或产品)也不应该归咎于性别规范的流行,我们在我们打字之前就开始内化 - 甚至可以用完整的句子说话。但是,尽管Slack认为其产品的任何部分都不利于偏见,但公司现在似乎承认,女性和代表性不足的少数群体的人  可能会在Slack上保持沉默 - 并且正在研究解决这些趋势的产品开发。 2017年11月,Slack告诉Quartz,关于该平台促进性别偏见的抱怨没有出现。“如果我们看到一种趋势,那就是女性说他们在Slack上没有发言权,我们会努力解决这个问题,”Slack通讯主管Julia Blystone说。“但我们在研究中没有听说过。” 短短几个月后,CEO巴特菲尔德管家指出,斯莱克是 着手解决的担忧,通过开发工具来分析其平台上通信的发展趋势,在沃顿人们分析会议 3月23日在费城响应来自沃顿商学院管理学教授一个问题Mae McDonnell谈到Butterfield是否担心私人Slack聊天“渠道”会加剧排斥,CEO也开玩笑说,“我担心所有事情。我有一个犹太人的祖母。“ “如果组织内部存在深层和系统性问题,Slack可能夸大他们,”他说。 巴特菲尔德补充说,该平台还可以增强组织的积极特征。“如果组织内部有真正的积极属性和成功的[谈判和对话]技能,那么这些技能可以超负荷,”他说。“所以我认为[Slack]的结构没有任何内在的东西......或者任何固有的可见特征都会抑制多样性。” 巴特菲尔德强调,对于所有身份不太熟练的雇员来说,斯莱克可能是天赐之物。巴斯菲尔德说,几乎每个星期,斯拉克都会听到那些内向的或者以前很难参加“某些参与者声音更大,或者更具侵略性”的会议的客户,或者只是想更慢地思考。“他们伸手要说声谢谢,因为现在有了Slack,他们可以异步参与,他们觉得他们有更多的投入,并且他们的公司对话中的参与者要多得多。” “个人分析”可能会暴露沟通偏见 虽然面对面沟通中的性别歧视或种族歧视可能会被感知和记忆扭曲,但Slack的数字档案为语言分析提供了宝贵的机会。 巴特菲尔德说,他对个人分析的想法非常感兴趣。 “这些分析是除了你之外没有其他人能够接触到你,”他说。“他们没有以任何方式向你展示任何真正的道德价值,但[他们回答诸如此类的问题],你跟男人说话的方式不同于与女人谈话?你是否以支持小组的方式发言,而不是与上级谈话?你在公共场合讲话的方式不同于你私下说话吗? 巴特菲尔德的纽约员工正在创建这些分析工具来识别这些个人通信风格,他说。“Slack员工使用一些API来完成自己的查询,”他说。“ 我们未来几年的计划是尽可能地扩大这一计划 - 以便为客户提供有关其组织和个人的见解。” 布莱斯通表示,个人分析计划“处于早期阶段,并将在未来几年继续发展。” 作为首席执行官,Butterfield表示他有兴趣在更宏观的层面上使用Slack通信分析来识别功能失常的团队或其组织内不匹配的合作关系。Slack已经公开承诺在自己的职位中实现多元化,2016年已经将女性管理人员的比例从43%提高到48%。尽管如此,有色人种  仍然缺乏代表性,  只有5%的Slack科技职位的雇员是黑人,这在科技公司中普遍存在。 分析和监视之间的细微线路 在这些产品的早期,它们将数据放在逐个人基础上损害(和积极)通信动态的潜力是前所未有的。 女性和代表性不足的少数民族的人有时不会说出Slack习惯使他们感到不舒服的同事,因为担心他们不会相信,或者没有数据支持他们的指责。令人信服的是,对于性别交流模式的语言学研究可能是有代表性的,但与容易获取的有关人们坐在一起的实时数据(或偷懒)相比,这些国家代表性的样本显得苍白无力。 当然,与人们分析相关的隐私仍然很紧迫。这是Slack尚未解决的问题。 巴特菲尔德说:“我们在这些关于信息访问的谈话中处于中间位置,因为我们大部分大型企业客户都有员工条款,这些条款已经授予他们访问所有员工沟通的权利。 自动分析用户如何沟通将是更进一步的一步。 巴特菲尔德后来说:“这是一个  充满挑战的领域,因为你希望通过他们得到的反馈和他们使用的工具来赋予人们权力,而没有他们感觉他们正在被监督。 “ 这对任何员工都是有用的反馈,但这可能是人们与他们的经理或同事分享不太舒服的东西,所以同意问题真的很有趣。” 然而,即使不公平的数据要暴露个人,它也可以 - 并且在巴特菲尔德的书中  应该激发积极的变化。“因此,如果[数据]的结果不是'嗨,结果你是个混蛋,我们正在解雇你',但'嘿,事实证明我们已经确定了一些围绕沟通的问题,或者管理结构或组织设计,这阻碍了我们想要取得的进展,因此我们要纠正它们,“这是件好事,”他说。     以上由AI翻译完成,仅供参考。                   In the early 1990s, newly minted Internet evangelists promised a gender-free utopia. Hierarchical identifiers like race and class would be obscured online, they argued, and biased judgements would therefore become obsolete. That didn’t quite work out. Gender norms infiltrate digital communication today as powerfully (and as detrimentally to women) as they do in-person, show decades of linguistic analysis. Whether on listservs, text messages, Facebook, or Reddit, men tend to “digitally manspread,” as Susan Herring, a leading linguist studying digital communication dynamics, calls it. Meanwhile, women self-segregate in private, women’s-only spaces, like direct messages. Slack, the increasingly popular workplace communication platform, is not exempt from this phenomenon. As I wrote in “Your company’s Slack is probably sexist,” women across industries say that their male colleagues dominate public-channel conversations with the same authoritative communication styles they deploy in meetings. Meanwhile, women are more likely to use supportive, friendly punctuation, and to modify their opinions with hedges like “I could be wrong, but…” Now, Slack CEO Stewart Butterfield says Slack is pioneering products that will provide individual Slack users with data on whether their digital communication changes when they speak with people of different demographics. He says this data will help promote more equal, inclusive workplace cultures, and make employees more efficient and effective. Bias on Slack As Slack continues to replace email, becoming the primary means of internal communication at over 50,000 companies worldwide, women’s inhibitions on the platform pose a formidable threat to organizational culture, innovation, and business success. Of course, gendered or otherwise hierarchical communication norms aren’t universal; some women are comfortable speaking bluntly, especially when other women do the same. And some men self-question to the point of Slack paralysis. Nor is Slack (as a company or product) to blame for the prevalence of gender norms that we start internalizing before we can type—or even speak in full sentences. But while Slack holds that no part of its product facilitates bias, the company now appears to acknowledging that women and people of underrepresented minorities could be silenced on Slack—and looking into product development that addresses these trends. In November 2017, Slack told Quartz that complaints about the platform’s facilitation of gender bias hadn’t come up. “If we had seen a trend where women said they didn’t have a voice on Slack, we would work on how we might address it,” said Julia Blystone, head of communications at Slack. “But we haven’t heard that in our research.” Just a few months later, CEO Steward Butterfield indicated that Slack was beginning to address concerns, by developing tools to analyze communication trends on its platform, at the Wharton People Analytics Conference in Philadelphia on March 23. In response to a question from Wharton management professor Mae McDonnell on whether Butterfield ever worries that private Slack chat “channels” can reinforce exclusion, CEO also joked, “I worry about everything. I have a Jewish grandmother.” “If there are deep and systemic problems at an organization Slack can exaggerate them,” he said. Butterfield added that the platform can also enhance an organization’s positive characteristics. “If there are real positive attributes and successful [negotiating and conversational] skills within an organization, those can be supercharged,” he said. “So I don’t think there’s anything inherent to [Slack’s] structure… or any inherent visible characteristics that would inhibit diversity.” Butterfield emphasized that for less loquacious employees of all identities, Slack can be a godsend. Nearly every week, Slack hears from customers who identify as introverted, or previously struggled to participate in meetings “where some of the participants are louder, or more aggressive,” or just prefer to think more slowly, says Butterfield. “They reach out to say thank you, because now with Slack, they can participate asynchronously, and they feel like they have much more input, and are much more active participants in their company’s conversations.” “Personal analytics” could expose communication bias While apparently gendered or racial slights in face-to-face communication can be distorted by perception and memory, Slack’s digital archives provide invaluable opportunity for linguistic analyses. Butterfield says he’s “really interested in the idea of personal analytics.” “These are analytics that no one else has access to you except for you,” he said. “And they don’t present you with any real moral  value either way, but [they answer questions like], do you talk to men differently than you talk to women? Do you speak to support groups differently than you speak to superiors? Do you speak in public differently than you speak in private? Butterfield’s New York staff are creating those analytics tools to identify those personal communication styles, he says. “There’s a handful of APIs Slack employees use to do their own queries,” he said. “Our plan for the next couple of years is to expand that as much as possible—so to provide customers with insights about their organizations and individuals.” Blystone says the personal analytics initiatives are “in the early stages and will continue to develop over the next couple of years.” As CEO, Butterfield says he’s interested in using Slack communication analytics at a more macro-level to identify dysfunctional teams or mismatched partnerships within his organization. Slack has publicly committed to diversity within its own ranks, and 2016, has raised representation of women in management from 43% to 48%. Nevertheless, people of color remain vastly under-represented, only 5% of employees in tech roles at Slack are black, a disproportion common in tech companies. The fine line between analysis and surveillance Early as these products may be, their potential to put data behind damaging (and positive) communication dynamics on a person-by-person basis is unprecedented. Women and people of underrepresented minorities sometimes don’t speak up about coworkers whose Slack habits make them uncomfortable due to fear that they wouldn’t be believed, or wouldn’t have data to back up their accusations. Convincing as linguistic studies on gendered communication patterns may be, nationally representative samples pale in comparison to easily accessible, real-time data about the people literally sitting (or Slacking) alongside you. Of course, privacy as it relates to people analytics remains pressing. It’s an issue Slack has yet to resolve. “We’re a bit stuck in the middle on these conversations about access to information, because most of our large corporate customers have employee provisions which already grant them the right to access all employee communications,” said Butterfield. Automatic analysis of how users communicate would be a further step. “It’s a fraught area, because you want people to be empowered by the feedback they’re getting and the tools they’re using, without them feeling like they’re being surveilled,” said Butterfield later. “That would be useful feedback for any employee, but it’s probably something that people don’t feel very comfortable sharing with their managers or with their peers, so the consent question is really interesting.” However, even if unfavorable data were to to be exposed about an individual, it can—and, in Butterfield’s books, should—inspire positive change. “So if the result of that [data] is not ‘Hey, it turns out you’re a jerk and we’re firing you,’ but ‘Hey, it turns out we’ve identified some set of problems around communication, or management structure or organizational design, which inhibits the kind of progress we want to make, and therefore we’re going to rectify them,’ that’s a good thing,” he said. This story is part of How We’ll Win, a project exploring the fight for gender equality at work. Read more stories here.
    分析
    2018年03月30日
  • 分析
    2015年关于SaaS趋势的一些分析 来源:微信公众号“SaaS”   // // // 文中分析了SaaS在15年的一些趋势,小编从中挑选了几点和大家讨论一下。 1. 免费的SaaS 软件会越来越多的出现免费版本,这意味着软件将迎来更大的用户群体。在巨大用户群体的身上,将会间接产生类似B2C的商业模式。 例子:Quartzy, Zenefits(又是Zenefits,这个公司也快成为buzzword了)   2. 语音的力量 语音会贯穿企业关于客服,培训甚至通讯的一切。语音和文字相比,优势是不需要一个交互界面,而且适用于各种可穿戴设别。(apple watch可是马上就要发布了) 例子:Aircall, Solved,CodeMentor,AirPair,Twilio   3. 垂直细分的SaaS 现在几乎每一个行业,每一个细分都有一个专业的软件去服务。未来的趋势一定是往这个方向发展的,无论是医生,律师,设计师。每一个行业都需要一个新的,用户友好的,负担得起的软件来帮助人们去简单高效的管理自己的信息。 例子: Clio, Lightspeed   4. 按需服务 这个已经快被说烂了,Uberization. 这种Uber的模式将会进入食物快递公司(Instacart),清洁公司(Handy)。最终一定会从消费者渗透到企业,也就是大家常常谈到的企业的消费者化 。 例子:ManagedByQ, Uber for business(相信专车业务可能会逐步改变企业传统车队的配置)   5. SaaS移动化 将会有越来越多业务开始于移动端,核心在移动端,甚至都不需要一个桌面端。这极大的方便了员工在任何时间地点方便的沟通和办公。 例子:Slack, ShowPad(国内也有很多协同类和CRM类走在了前面)   6. 融资和上市的提速 过去,SaaS平均上市的时间是7-10年。 从图中我们能看到最短的4年,最长的要14年。 我们熟悉的Salesforce花了6年,WorkDay花了7年,而最近的公司节奏越来越快,Zenefits从建立到2千万美金ARR只花了20个月,预计15年底达到1个亿美金,还记得我们之前提到的T2D3模式么,这意味着Zenefits用不到3年的时间将会走完绝大多数SaaS公司7年走过的路走向IPO。   参考: 1. 文章:https://medium.com/inside-efounders/15-saas-predictions-for-2015-5dfecb0a783c 2. 图片来自:http://www.altosventures.com/2013/12/saas-ipos/     扫一扫,关注“HRTechChina",聆听人力资源科技的声音!
    分析
    2015年03月19日
  • 分析
    大数据流程处理“三要”“三不要” 大数据时代处理数据的三大转变:要全体不要抽样,要效率不要绝对精确,要相关不要因果。 具体的大数据处理方法确实有很多,但是根据笔者长时间的实践,总结了一个普遍适用的大数据处理流程,并且这个流程应该能够对大家理顺大数据的处理有所帮助。整个处理流程可以概括为四步,分别是采集、导入和预处理、统计和分析,最后是数据挖掘。 大数据时代处理之一:采集 大数据的采集是指利用多个数据库来接收发自客户端(Web、App或者传感器形式等)的数据,并且用户可以通过这些数据库来进行简单的查询和处理工作。比如,电商会使用传统的关系型数据库MySQL和Oracle等来存储每一笔事务数据,除此之外,Redis和MongoDB这样的NoSQL数据库也常用于数据的采集。 在大数据的采集过程中,其主要特点和挑战是并发数高,因为同时有可能会有成千上万的用户来进行访问和操作,比如火车票售票网站和淘宝,它们并发的访问量在峰值时达到上百万,所以需要在采集端部署大量数据库才能支撑。并且如何在这些数据库之间进行负载均衡和分片的确是需要深入的思考和设计。 大数据时代处理之二:导入/预处理 虽然采集端本身会有很多数据库,但是如果要对这些海量数据进行有效的分析,还是应该将这些来自前端的数据导入到一个集中的大型分布式数据库,或者分布式存储集群,并且可以在导入基础上做一些简单的清洗和预处理工作。也有一些用户会在导入时使用来自Twitter的Storm来对数据进行流式计算,来满足部分业务的实时计算需求。 导入与预处理过程的特点和挑战主要是导入的数据量大,每秒钟的导入量经常会达到百兆,甚至千兆级别。 大数据时代处理之三:统计/分析 统计与分析主要利用分布式数据库,或者分布式计算集群来对存储于其内的海量数据进行普通的分析和分类汇总等,以满足大多数常见的分析需求,在这方面,一些实时性需求会用到EMC的GreenPlum、Oracle的Exadata,以及基于MySQL的列式存储Infobright等,而一些批处理,或者基于半结构化数据的需求可以使用Hadoop。 统计与分析这部分的主要特点和挑战是分析涉及的数据量大,其对系统资源,特别是I/O会有极大的占用。 大数据时代处理之四:挖掘 与前面统计和分析过程不同的是,数据挖掘一般没有什么预先设定好的主题,主要是在现有数据上面进行基于各种算法的计算,从而起到预测(Predict)的效果,从而实现一些高级别数据分析的需求。比较典型算法有用于聚类的Kmeans、用于统计学习的SVM和用于分类的NaiveBayes,主要使用的工具有Hadoop的Mahout等。该过程的特点和挑战主要是用于挖掘的算法很复杂,并且计算涉及的数据量和计算量都很大,常用数据挖掘算法都以单线程为主。 整个大数据大数据时代处理的普遍流程至少应该满足这四个方面的步骤,才能算得上是一个比较完整的大数据处理。 【文章来源:199IT】
    分析
    2014年04月14日