• 大数据
    基于知识体系做人才推荐,“聘宝” 获洪泰基金千万级人民币Pre-A轮融资 招聘推荐服务“聘宝”向透露,获得洪泰基金近千万人民币 Pre-A 轮融资,未来资金将投入到技术优化和市场拓展上。据创始人方园透露,目前 “聘宝” 拥有 8000 家企业用户,1000 家签约付费用户。   “聘宝”创立于 2013 年 9 月,总部位于四川成都,是一款大数据猎头服务应用。企业在 “聘宝” 系统中录入招聘需求,聘宝收到招聘需求后进行解析、匹配,并将算法认为匹配的 3 - 5 位候选人推荐给企业。过程中聘宝会记录用户行为、分析用户喜好,以便下次推荐更符合用户需求。其中,“聘宝” 提供给企业的简历主要来自合作的猎头服务商和渠道。近期他们将尝试用众包猎头的方式来拓展简历来源。   同时本月“聘宝” 也迎来了整体升级。本次升级包括算法优化、推出按需求紧急区分的服务模式、上线微信服务端等。   算法:利用基于知识体系 mapping 的主题的概率模型提高推荐准确率,例如当用户搜索 “iOS 游戏开发” 时,“cocos2d-x” 会扩展出来,那么当一位候选人是 cocos2d-x 工程师时,算法引擎就能够计算他是否属于 iOS 游戏开发。   服务模式:推出了 “省心” 和 “自助” 两档套餐,前者满足企业预算充足,招聘需求紧急但 HR 人手不足时的情形,后者则满足企业基础招聘需求,HR 能够通过下载和收藏积累人才。   微信端:HR 用户将能够直接通过微信服务号提交需求、获得推荐。   目前 “聘宝” 的收入来源主要是企业购买招聘套餐所得。方园透露,下一步,聘宝将继续利用机器学习技术对接 HR、line manager、猎头顾问等多种招聘角色进行招聘服务。   另外,“聘宝” 也开始针对 HR 人群进行用户运营,线上建立 “聘宝江湖” 社区,邀请成都、上海、广深等地 HR 到社区进行经验分享。同时未来一个月“聘宝” 将会举办多场线下招聘会,邀请业内人士进行线下分享。   事实上,除了 “聘宝”,还有很多公司用数据化的方式来进行简历筛选,人才推荐,提高招聘效率,包括 e 成,枇杷派等。据公开资料,“e 成” 于去年获得光速千万美元 A 轮,“枇杷派” 今年 7 月获得赛富亚洲投资基金领投的 A 轮 4000 万元融资。   来源:36氪,作者:饭遥
    大数据
    2015年10月10日
  • 大数据
    Sensors Data面向中小企业提供私人定制方案,算是条蹊径么? 目前在做大数据的公司,比如友盟、百度统计、Talking Data 等,他们已有很大体量的数据积累,像 Talking Data 线上平台每天入口的数据就在 10 个 T 左右,初创公司想要颠覆并非易事。   但是现有的大数据工具基本为标准化产品,有着技术门槛高、上手成本高、和实际业务结合较差以及部署成本高,小公司用不起等特点。那么新创企业就可以根据以往这些产品的缺陷,来做更适合市场和客户的大数据分析工具和服务,也就是走个性定制的路子。   9月25日,Sensors Data公司(80%的人员来自百度大数据部门)正式发布一款用户行为数据分析产品,名为 Sensors Analytics,旨在服务于数据量较少的初创公司,主要针对已有 SaaS 统计服务公司存在的三方面痛点:   1.在数据源收集方面。大部分公司的做法都是在网站前端嵌一个 JS,或者在 APP 里面嵌一个 SDK 去采集客户端用户访问数据。其实有两类数据是没有采集到的,一个是数据库里面的数据,另一个则是服务端的数据。   这就会导致一些问题,比如说电商公司,需要将数据库的商品数据和用户行为结合起来分析,这些后端的数据利用前端是采集不到的,所以有些分析无法覆盖。这也是为什么一些企业用了第三方的数据统计软件,还需要有自己的数据团队去做分析。   2.在分析能力上,数据体量大的公司只能基于宏观指标进行分析,像地域、时间等通用维度。但例如 “来自于北京的年龄在 20-25 之间的女性用户最近一个月购买过 10 次的商品的,平均客单价在……” 这种多个维度组合在一起的深度分析方面就会有欠缺。   由于这类公司的数据太多了,又是标准化的产品,若想要增加一个维度指标,逻辑复杂性和计算量都会大大增加,需要投入的研发代价太大。   3.在数据安全方面,一些公司会担心自己的数据放在第三方平台是否安全。在国内的风险环境下,有一定规模的企业都希望自己做数据工作。   基于上述问题,Sensors Data做的改进如下:   1.Sensors Analytics 支持私有和公有云两种部署方式。私有部署就像 Oracle 软件的性质一样,可以部署在企业自己的服务器上,这样就解决了企业对于数据安全方面的担心。同时对那些相对信用第三方平台的企业,Sensors Analytics 也会提供云版本。   2.Sensors Analytics 对于企业任何一个维度的需求,都可以进行分析。因为对每一家企业,使用的是独立的一套分析产品,其实就是相当于 Sensors Analytics 对每个企业都做了私人定制。   Sensors Data的联合创始人&CEO 桑文锋认为,对于体量较小的创业公司来说,企业本身的数据以后足够支撑,不需要再扩大用户集合分析无关数据。   3.Sensors Analytics 是在帮客户建立专属的数据仓库,数据仓库不同于数据库。数据库是为了满足业务需求,很多人同时使用,每个人只会查很小一部分数据,所以数据库只保留当前的状态,来满足高并发的请求。而数据仓库是可以追溯历史状态的,通过数据仓库可以恢复到数据库里面的任何一个状态。   通过数据仓库这样累积的一段时间的数据,企业可以在此基础上做二次开发,省掉了准备数据的步骤。   关于数据仓库的概念,我质疑了其他公司是否有在做,桑文锋解释到,Talking Data 有一部分业务是针对银行开设的,像交易量、流水等,这种传统企业的数据仓库和 Sensors Analytics 是不一样的,Sensors Analytics 是在基于用户行为建模。另外,阿里公有云也有在做数据仓库,他们的定位是在 IaaS+PaaS,Sensors Analytics 是在做 PaaS+SaaS。 前期,Sensors Data的目标用户更侧重电商、O2O 领域的创业公司,因为对于这类公司来说,用户数据可以直接产生价值,并且这两类创业公司的数量也相对较多。目前,爱鲜蜂、一亩田、pp 租车、快快鱼、51offer 等多家创业公司使用,基本靠口碑传播。年服务费在 2 万到 20 万之间,根据公司员工数量和需要接入的数据量来收费。   来源:36氪 ,作者:徐宁
    大数据
    2015年09月28日
  • 大数据
    如何将大数据与企业人力资源管理相结合?“才储”试图从人格心理测试入手 人格心理测试在我国尚属舶来品,且应用的还不多。但在国外、尤其是商业领域,一些测试已应用的非常广泛——比如正在国内逐渐流行起来的 MBTI。   如果你在国内搜索引擎寻找人格测试,多半绕不开 “才储(APESK)” 这家网站,其创始人徐浥融告诉记者,网站于 2005年 上线(公司正式成立于 2011年),至今已有 2000 万左右的采集样本,目前每日有效测试 2 万次左右。   人格测试除帮助用户深入了解自己之外,也可以在企业人力资源管理上有所辅助。企业服务是才储的主要营收来源和发展方向,它们的需求主要集中在两方面:招聘新员工时,以及内部人才晋升、调岗时的辅助考量。此前 报道过的测聘网、TalentBot,e 成皆在尝试求职者、职位间的双向分析匹配,模式都是基于测评、数据为企业提供更多维度的 “求职者画像”。   才储与企业的合作模式是这样的:首先由企业选出表现优异的员工,对其进行人格测试(MBTI、16PF 等为主),据此得出在某一岗位成绩斐然之人的性格特征。才储依托众多企业的人才型格分布,与模型本身的预测进行对比验证,对模型预测结论进行适当改善,以此帮助企业更科学进行人岗匹配。这种企业服务模式的关键在于根据数据验证重构模型,并引入多个模型交叉测评,如此方能避免用外国模型测评中国人出现解读偏差、或维度单一不准确。   模型改善重在数据,才储在对企业员工测试中会加入测谎题目,如果用户在类似 “我从未撒过谎” 这种问题上趋向选择美好但不符合常情的答案,将被视为无效,从而提升数据真实性。同时也会对题目语句进行修改,避免出现明显的褒贬含义,以及与中国文化迥异、难懂的描述。   目前,才储已经和包括华为、招商银行在内的 700 多家企业展开合作,拥有近 30 万组企业员工数据。才储也在引入更多模型,包括 DISC、OPQ、MBTI 等管理潜质测试;大五(BigFive)和 PDP 等用于服务领域。不过,人格测试对企业还仅仅是辅助作用,现有的模型科学性、技术手段还无法做到精准的匹配,依旧需要人工介入。   才储创始人徐浥融于湖大数学系毕业后直接创业,其团队核心成员一半来自国内知名高校心理学专业、一半来自科技公司的技术、数据分析部门。目前尚未引入投资机构融资。   除了上文提到的几家国内创业公司,国外的SHL和CPP同样在做基于人格数据分析的企业服务,但关乎文化差异、操作障碍,它们还没有融入到中国。   人格测试在我国方兴未艾,尚处于一个只有 20 道题的 MBTI 小测试便能引爆朋友圈、甚至有人对此深信不疑的阶段。经 36 氪向专业人士了解,包括 MBTI、九型人格在内的一些模型,尚在学术圈内有所争议亦或被认为不够严谨,主要因为这些测试没有经过学术期刊的可靠性、合理性认证。测评机构、网站还应负起引导公众科学理解人格测试的担子,在模型重构和多种模型交叉测量上做出更专业的服务。   来源:36氪,作者:暮雨
    大数据
    2015年09月21日
  • 大数据
    专注云监控和大数据,“悠络客” 获亿元 B 轮融资,东方富海领投   云监控运营商 “悠络客” 今天对外宣布获得近亿元的 B 轮融资,由东方富海领投,用友幸福和理成跟投。公司 成立于 2009年,2013 年曾获 KPCB A 轮数千万人民币投资。据悉,此轮融资将主要用于基础设施及市场大量扩张、研发体系以及智能视频生态链的建设。 在北美以及其他一些发达地区, “智能视频” 已经成为一个热门的名词。它是指使用计算机图像视觉分析技术,通过将场景中背景和目标分离进而分析并追踪在摄影机场景内出现的目标。 目前,视频监控数据的二次运用已逐渐在国内的连锁企业中成为一种趋势。悠络客创始人沈修平介绍说,公司在 2年 前就开始尝试运用 “云开放技术平台 + 视频大数据”,为连锁企业提供智能化 “安防管理 + 店员管理 + 客流分析” 服务。 在悠络客模式下,视频大数据除了具备安防用途外,也是帮助连锁企业解决企业管理疼点、提升管理效率的工具。通过云端实时监控、远程随时调用、后端数据分析等技术手段,连锁企业可以实现收银经营防损、店铺人员管理、客流智能分析。在沈修平看来,未来如果企业和行业将海量的摄像头视频信息进行云端存储,并进行深层次的大数据分析,电商、金融、零售、餐饮等行业的业务提供模式会有很多想象空间。目前,悠洛客签约的商户门店总量超过 14 万家。 线下商家面临的困难包括:选址困难、客流无法统计、收银飞单、门店实时远程管理等。如果派专门的督导或是运营经理进行巡店检查,又会耗费大量的时间、财力。悠络客的解决方案是通过云端热点分析,系统地分析客户消费行为。同时,平台利用 VRP(可视化管理分析)系统,实现定时定点收集图片,快速定位和发现服务问题等功能,比如:上班聊天、店内脏乱、员工盗窃、服装不规范、收银无人等。 此次宣布融资的同时,“悠络客” 也发布了新产品——“慧店” 平台。“慧店” 支持云台控制(上下左右放大缩小复位,聚焦)、云回看(一键轻松高清、流程回看)等功能。同时,产品支持从客户端到设备的实时语音沟通,帮助连锁企业扩展总部与门店之间实时沟通渠道,方便集中管理,提升工作效率。 除此之外,“慧店” 的自动巡店功能,可以帮助店铺了解某个店面在特定时间内的现场状况。   原创文章,作者:人人酱 来源:36氪
    大数据
    2015年09月17日
  • 大数据
    前有拉勾垂直招聘,后有寻英定制配聘,又一招聘神器开始公测了 拉勾、智联你还没有用够吗?招到你最想招的人吗?别守株待兔了,因为又一招聘神器——寻英网(http://www.xunying.me/hrtech),开始公测了。   开门见山,毫不客气的说,为了这次公测,寻英网是豁出去了。   寻英网在公测期间限量发放1000名VIP公测账号,注册即送价值599元超级豪华招聘大礼包:一键发布职位至其他招聘网站免费、同步回收其他招聘网站简历免费、获取求职者联系方式免费、智能匹配人才简历免费、求职者到场服务免费、即便是高端定制的猎头服务,也仅收取求职者年薪的1%。名额有限,手快有,手慢无。   不用怀疑自己,你的打开方式是正确的。寻英网的CEO周俊临一向都很任性。   千里马常有,伯乐也常有。寻英网是成都数联寻英科技有限公司基于目前招聘环境,中小企业没有招聘账号、企业找不到大牛、无法支付高昂猎头费用的市场痛点而上线的招聘服务平台。   相对于智联的传统招聘模式、拉勾的垂直招聘,寻英网的精准匹配更符合未来大数据高效招聘的趋势。   寻英网以大数据重新定义人力资源为目标,利用大数据对传统招聘行业进行颠覆性创新,提出了“配聘”的概念。主要有三点特色功能:   1.免费职位同步、轻松分管多账号   寻英网可免费将职位一键同步至其他招聘网站,一键导入职位,同步回收其他网站的简历,实现一个平台分管多个招聘账号。   对于加入创业热潮的创业公司来说,大多没有使用招聘网站的付费功能,针对中小企业,在寻英网中发布的职位可一键同步到其他招聘网站,公测期间,在其他招聘网站的职位发布费用,由寻英网承担。对于之前已有其他招聘网站账号的公司来说,亦可使用一键导入职位发布功能,加之还能回收其他网站的简历,高效科学的招聘管理让HR省时省心。   2.全量大数据、智能精准匹配   寻英网拥有全国2000万人才数据,更是拥有主流城市的70个热门职位人才数据,能将人才与企业进行精准匹配,达到无缝对接。   目前招聘市场状态普遍是,主动投递的简历质量不好,经验丰富的牛人又是被动求职,这时往往需要企业主动挖掘大牛。寻英网广泛采集并融合互联网中公开的专利、论文,简历和社交数据,建立求职者的人才画像,结合企业的招聘需求,采用大数据分析技术主动为企业推荐合适的候选人。企业发布职位后,系统智能将人才精准定位,秒级推送给企业,企业不用再苦等人才上门,可以主动出击。   寻英网强大的人才数据库更是拥有北京、上海、广州、深圳、杭州、成都所有热门职位的全部人才简历,精准同时还是免费的哦。   以下为成都部分热门职位寻英网的人才数据库:     3.1%的超低价格,即可人才高端定制   寻英网大胆推出免费到场服务,成功入职后仅收取求职者年薪1%的人才高端定制服务。   当中小企业的招聘需求紧迫又挖不到人的时候,寻英网的人才高端定制将为企业贴心服务,企业提供需求,其余的交给寻英网帮忙完成。成功入职后的1%服务费更是远低于市场价格。   寻英网早前已拿到天使轮近千万融资,八月刚上线一周,即刻俘获2000名HR的青睐并注册。这一次再发放的1000名VIP公测账号,或许你应该赶紧去注册一下,试试不用等待就能招到合适人才的感觉。    
    大数据
    2015年09月14日
  • 大数据
    大数据?我们可能只是在努力实现两百年前拉普拉斯的预言 本文来自法国首席数据官 Henri Verdier 的博客:   似乎早在 2000 年伊始,数字革命的发展史就已经可以想见:计算机功能越来越强大,直至实现人工智能;电子通讯的部署越来越发达,直至连接全体人类。而对于经济的影响似乎也是可以预料得到:去物质化、去中介化、可交互性……   然后就有了几项重大的创新:传感器技术的加速发展使各种各样的现实体验得以被测量,而成本则越来越小;智能手机手机崛起,把超级复杂的采集设备在了千千万万人的口袋里,也让人们可以通过一个熟悉的界面去连接操作千千万万的事物;机器学习方面的发展让我们能理解那些目前还不能模型化的现象;大数据预的测功能变得强大。   于是在 2010  年的转折点上,数字革命的中心发起了一场新革命 : 数据革命。而大方向可以从几个简单的趋势里识辨出来:   -       产生数据的成本大大降低了。不管是因为采集器成本的降低,因为人们自发地提供数据,还是因为我们无意中留下了记录。现在整个现实都可以用原始数据来描述,动作也好,直觉印象也好。大体上说,我们看着现实在我们眼前面按下了一个数字指纹,而且这个指纹越来越完整,越来越精确。   -       技术成本的降低助推了技术的普及。十年前,我们手机的计算能力相当于阿波罗 10 号;今天我们手机的计算能力相当于一台 Cray-2,尤其是在组织、房屋、日常品中内置的计算机,倍数级地增长了我们每个人的活动能力。   -       数据相关的基本工具和方法得到了发展,让我们有了新的利用数据的形式:贡献经济、大系统之间的同步、预测分析、反馈经济、实时决策等等。   我们甚至可以打个不太妥当的比方,这场数据革命对我们的作用就像是用生化学改造了生物学一样。过去所有的现象都会有新的意义,另一些现象也会继而引起我们的注意,促使我们去寻求进一步的解释。在我们的生活里出现了新的行为方式、新的道德伦理上的问题。这会是一个全新的时代。   但在我们思考创新的时候,我们总是倾向去贴着我们熟知的东西去思考,所以就常常陷在过去的套路里。在 “大数据” 这个故事的本质,几乎原封不动的还是拉普拉斯(注)宿命论式的畅想: (注:拉普拉斯是生于 18 世纪末的法国学者,在数学、统计学、物理学、天文学领域均有卓著贡献。)   “有一种智能,在任一瞬间里都能识别所有在移动的力,以及力与力相互之间的状况。最好是能得到足够巨量的数据来分析,用同一种程序既能分析宇宙中最大的天体的运动,也可以分析最轻的院子的运动。没什么是不能确定的,对于这种分析程序来说,未来就像过去一样看得清清楚楚。”   从长远来看,数据革命就像是回归到了这一派的设想里去。关于大数据铺天盖地的报道,背后似乎藏着个看着你的老大哥。但是数据革命的理念不该局限于此,这也是 “量化自我” 的现象对我们来说有意思的原因之一。互联网不再只是个媒介,而是个可以称之为 “动联网” 的空间,让人们来传播内容和服务。作为我们的另一个居住空间,记录和利用我们的生活痕迹。
    大数据
    2015年09月01日
  • 大数据
    走进估值 200 亿美金的大数据龙头企业 Palantir 当前世界最为领先的反恐秘密武器非Palantir莫属,这间全球排名第一的大数据公司Palantir早在2004年便已成立,公司注册在美国的特拉华州,由Facebook的早期投资人、PayPal的联合创始人皮特·泰尔(Peter Thiel),和其他四个人联合创立的,其中就包括了现在的首席执行官阿历克斯·卡普(Alex Karp)。   皮特·泰尔1998年创立Paypal, 2002年以15亿美元卖给Ebay。 Paypal非常受商家欢迎, 也受到犯罪分子青睐,他们利用Paypal进行洗钱和诈骗。 之后他们于2004年创立Palantir决定把Paypal的防止欺诈技术商业化,并建立一个数据分析的模型, 用PayPal安全认证系统的人机复合模式来辨识恐怖分子和金融诈骗。   运用Palantir提供的分析软件,分析师还可以预测阿富汗的叛乱分子放置爆炸装置的地点,帮助起诉引人注目的内幕交易案件,打击全球最大的儿童色情团伙,以及通过先进的诈骗检测软件,帮助商业银行每年减少上亿美元的损失。洛杉矶警察局的警探用它进行案件侦破,摩根大通行用Palantir的系统识别了诈骗分子。   银行运用Palantir揭露内部工作人员的可疑行为并追查资金去处: 它是如何工作的? 这家公司的名字来自《指环王》里的“视眼(Palantir)石”,这种石头可以帮助剧中人物和其它石头建立联系,从而可以看到附近的图像。Palantir的基本要点就是收集大量数据,帮助非科技用户发现关键联系,并最终找到复杂问题的答案。该产品源自PayPal,最初用做反欺诈措施:“他们遇到了这种严重的网络欺诈行为……他们尝试了种种算法……但问题之一是效果并不理想,因为对手非常灵活……你需要的是一个灵活的头脑,”Karp解释说。   这为Palantir平台奠定了基础,该平台把人工算法和强大的引擎(可以同时扫描多个数据库)整合到了几近完美的境界。   采访洛杉矶警官关于Palantir在破案时的运用: Palantir客户背景: 目前该公司业务大多来自政府、银行、保险、零售、医疗保健、石油和天然气等行业。很多金融机构购买Palantir来调查金融诈骗。例如美国银行,美国证监会,对冲基金等。Palantir在2014年仅企业级用户已突破14000家!   Palantir 的业务遍布全球,并非只局限于美国。在新加坡,加拿大,澳大利亚,欧洲均有办公室。 (图片来源:Palantir官网截图)   Palantir 早已成为美国政府御用的分析机构,CIA、FBI、海陆空三军以及纽约和洛杉矶警察局等都是Palantir的客户。根据USAspending.gov网站上的数据,自2009年以来,Palantir已经从FBI、国防部和国土安全部获得了超过3亿美元的合同。 (图片来源:网络)   Palantir 财务状况以及过往融资情况 据消息,该公司目前在银行的现金超过10亿美元。公司已经手握大量现金,筹集更多资金,以保护自己免受任何未来可能出现的经济低迷形势的冲击。   Palantir在早期获得了美国中情局(CIA)旗下的投资机构In-Q-Tel 200万美金的融资,之后接受了彼得·蒂尔创办的风险投资基金Founders Fund 3000万美元的投资。   2010年7月,融资9000万美元投资,公司估值7.37亿美元。 2011年5月6日,融资5000万美元,累计融资额达到了1.75亿美元。 2011年10月7日,融资7000万美元,估值25亿美元。 2013年9月29日,融资1.96亿美元,估值60亿美元。 2013年12月12日,融资1.075亿美元,估值90亿美元。 2014年,估值达90亿美元。 2015年,融资5亿美元,估值达200亿美元。 累计融资达16亿美金。   目前,彼得·蒂尔是这家公司的最大股东。在刚结束的一轮5亿美金融资中,Palantir获得了200亿美金的估值,成为Uber、Airbnb之后全美估值第三高的创业公司。当然,高估值是由亮眼的业绩支撑的,去年全年,Palantir的销售额达到了10亿美元。Palantir 目前把大量的利润都投入再研发,为的是未来承担更大的历史使命和责任,同时获取更大的市场和利润。   通常购买Palantir软件的费用在500万美元至1000万美元之间,客户被要求预先支付20%的经费,剩余部分在客户满意后在支付。至今没有一套软件因为质量问题被退回。其创始人Alex Karp声称公司是“没有公关,没有销售,没有营销”,而这一切都是为了保证产品。   Palantir今年初收购了零售大数据Fancy That等, 全力进军零售大数据领域。预计零售大数据将会给Palantir带来爆发式的增长。虽然Palantir垄断了美国政府业务,但随着其他领域业务的爆发式的增长,政府业务的占比将进一步下降。   Palantir的投资者 Palantir有138家风投,其中包括很多著名投资机构及个人,例如: TIGER GLOBAL (老虎基金) Black Rock (全球最大的资管公司贝莱德) THE FOUNDERS FUND (Peter Thiel 旗下的基金) Credit Suisse FirstBoston Next Fund, Inc. In-Q-Tel, Inc. (中情局旗下的风投机构) The Founders Fund, LP Kenneth Langone Stanley Druckenmiller   随着我国网络传输能力的不段增强,信息安全的不段重视,打造中国版的Palantir迫在眉睫。大数据的时代的来临更需要的是软件算法能力的加强,而非简单机械化硬件的布局。我们预计未来3-5年内,中国信息安全产业将保持30%以上的增长,行业增速增长趋势明显,并且具备极高的准入门槛。中国现在有些公司像烽火通信,蓝灯科技等等都往打造中国版的Palantir发展, 谁会成为中国市场上真正的Palantir, 我们拭目以待! 摘自:环球理财
    大数据
    2015年08月11日
  • 大数据
    大数据服务平台Cazena获2000万美元B轮融资 Cazena,一家帮助企业处理数据的新平台,今天宣布已获2000万美元B轮融资,融资由Formation 8领投。其他的投资方包括Andreessen Horowitz和North Bridge Venture Partners,他们也参与了去年十月Cazena800万美元的A轮融资。   Cazena由部分Netezza的前任员工创办,Prat Moghe是公司的领头人。2010年Netezza被IBM收购时,他担任数据监察部门总经理,收购后,任职高级副总裁,负责产品、战略和市场营销。   在IBM干了一段时间后,Moghe觉得是时候用新的视角来解决Netezza曾遭遇的一些问题了。“在看到企业都是如何同全新的大数据堆栈(如Hadoop,一种分布式系统基础架构)挣扎较劲的情况下,我们开始思考下一个十年数据处理的前景,”他说道。“每一个企业,尤其是中大型企业,都在积极寻找着能提高进程灵敏度的云方法,但是现有平台的复杂性和安全问题是很大的障碍。”   Cazena 的目标是极大简化商业中的大数据进程处理。Moghe设想,最终的理想状态是,使用Cazena时只需点三下,就能设置好数据处理工作(当然现阶段还有一些问题需要解决)。 这项服务通过自动搜寻到,处理设定数据组的分析技术方案,从而解决掉处理的复杂性。接下来,它会替客户自动的规定、优化和管理工作流程,无论是Hadoop、Spark、MPP还是SQL9(如Amazon Redshift)类型的结构。   根据你的工作量和其他标准,如价格或是你想要获得结果的速度,Cazena会为你提供适当的基础结构,然后全程关注进度。“最终,数据即服务成为一个新的分类,我们希望能助企业一臂之力,让他们用好云计算。”   Cazena花费了约两年的时间,才公开他们的新产品。但Moghe说,公司尚在和一小部分大型企业合作,进行β测试,现在还没有达到完全开放服务的阶段。   当准备就绪的时候,Cazena会使用相对特别的定价计划。Moghe说,计划是针对服务,包括所有的云计算成本、支持和SLA开销,收取单一费用。他认为,目前针对云处理的收费系统,如gigabyte、note,对企业而言结果都太难预测。   公司的这一轮融资资金,将会用于技术开发、销售推广和合作伙伴建设。   Cazena Raises $20M Series B For Its Enterprise Big Data-As-A-Service Platform Cazena, a new platform that wants to make it easier for enterprises to process their data, today announced that it has raised a $20 million Series B round led by Formation 8. Other participants include Andreessen Horowitz and North Bridge Venture Partners, who both also participated in the company’s $8 million series A round last October.   Cazena was founded by a number of former Netezza employees and is now led by Prat Moghe, who was Netezza’s general manager for data compliance before its acquisition by IBM in 2010. He then became the senior vice president for strategy, product and marketing at Netezza under IBM’s ownership.   After a few years at IBM, Moghe decided that it was time to look at some of the problems Netezza was trying to solve from a fresh perspective. “We started thinking about the next decade of data processing and how enterprises are struggling with the new big data stacks like Hadoop,” he told us. “Every enterprise — and particular the medium to large enterprises — they were actively looking at the cloud to speed up the agility of processing. But they were being held back by the complexity and security issues [of the existing platforms].” Cazena aims to greatly simplify big data processing for businesses. Ideally, it should only take three clicks to set up a data processing job with Cazena, Moghe believes (though in reality, it’s still a bit more involved right now). The service strips away the complexities by trying to automatically figure out what technology to use to analyze a given set of data. It then automatically provisions, optimizes and manages that workflow for its customers, no matter whether it’s a Hadoop, Spark or MPP SQL (think Amazon Redshift) job. Depending on your workload and other criteria like price or how fast you need the results, Cazena will provision the right infrastructure for you and then take care of the processing. “Ultimately, data as a service is a new category and we want to help big enterprises get into the cloud,” Moghe said.   It took the Cazena about two years to get to this point where it’s openly talking about the new product. But while Moghe told me that the company is already running some beta tests with a small number of large companies, Cazena isn’t quite ready to open up its service to all yet.   Once it does launch, though, it will do so with a relatively unusual pricing plan. Moghe tells me that the plan is to charge a single fee for the service that will include all of the cloud costs, support and an SLA. He argues that current cloud processing systems that charge by gigabyte or node are too unpredictable for enterprises.   The new funding the company announced today will go toward building out the company’s technology, sales force and partnerships.   来源:tc
    大数据
    2015年07月23日
  • 大数据
    微软新推出套件集合大数据和分析工具 微软在奥兰多举行的全球合作伙伴大会上宣布了 Cortana Analytics Suite。 它将该公司的机器学习、大数据和分析产品都集合到一个完全统一的套件中   微软寄希望于该套件能够为企业用户提供一站式的大数据和分析解决方案。   微软负责 Azure 机器学习的企业副总裁约瑟夫·斯瑞西(Joseph Sirosh)告诉 TechCrunch,“我们的目的是将这些分散的部分集成在一起,这样用户就可以有一个完整的平台来搭建智能解决方案。”   至于 Cortana,这是微软在 Windows 10 中推出的语音驱动的个人助理工具,只是解决方案的一小部分,不过斯瑞西表示,微软以 Cortana 来命名这个套件是因为它象征着微软公司希望通过这个套件提供的符合实际的智能。   这个套件汇聚了微软的云机器学习产品 Azure ML、数据可视化工具 PowerBI 和上周宣布的企业数据共享和数据存储访问服务 Azure Data Catalog 等等。微软希望利用脸部和语音识别等一系列技术来生成推荐引擎和生产预测等一系列的解决方案。   一切围绕集成 微软希望通过提供一个集成的解决方案,第三方和系统集成商可以基于这一套件打造打包式解决方案,让一些不同的产品能够很好地在一起发挥功效,这样的产品将会吸引消费者。这正是这一集成所在做的事, 这样就会减少让这些类型的工具合作的复杂性——至少理论上是这样。   “这一套件提供的价值在于卓越的互操作性,已完成的解决方案,既有配方又有指导书,”斯瑞西解释道。   微软举了一个例子,它谈到 Dartmouth-Hitchcock 医疗中心的一个医疗保健协调项目。被称为 ImagineCare 的解决方案正是建立在 Cortana Analytics Suite 和 Microsoft Dynamics CRM 工具的基础之上。 这个解决方案希望通过向患者提供家庭监护来测量心率、血压、睡眠模式、体重等等,并且在 Azure 云中共享这些信息,这样医护人员可以协调更好的医疗服务,还可以防止像心脏病发作这类重大医疗事件的发生。   护士可以在医疗数据仪表盘上监控一组病人的数据,在病人的数据发生整体变化时,协调更好的治疗和更好地应对,这些变化如果不及时治疗可能会带来更大的问题。斯瑞西谨慎地指出,这更多的是一种未来的理想状态,但微软希望通过将这些分散的功能用一种协作的方式集合在一起,为这些复杂项目的发展提供一个平台。   套件情结 微软用在这个套件上的是可靠实用的打包技术,那些我们多年来在微软、IBM 和 Adobe 这样的大公司身上所看到的技术,他们用这一技术把一组有些关联的产品放在一起,鼓励顾客去购买所有的产品而不是其中的一两个。   微软在 Office 套件中就万年不变地使用类似的集成手段。Adobe 在 Creative Suite 上也是如出一辙。两家公司都为套件中的产品提供了更方便的操作。   Cortana Analytics Suite 会在今年秋季晚些时候上市。斯瑞西没有说价格的事情,不过据他说,如果你想买这个套件,收费模式会更加简单,肯定比你单独购买这些产品要划算得多。   这看上去是一个挺不错的营销做法,但在现实中,根据过去几年的经验显示,消费者想要产品类别中最好的那一款,而且他们更愿意组合他们想要的或是已有的产品。   各家企业已经不想再受制于一家供应商。他们要让他们的供应商,特别是在云端,能够让各种不同的产品,不管生产商是哪一家,都能够更容易地一道工作。   这一套件属于逆势而上。时间会告诉我们消费者是否买账。   Microsoft Hopes To Unify Big Data And Analytics In Newly Announced Suite At its Worldwide Partner Conference in Orlando,Microsoft announced the Cortana Analytics Suite. It takes the company’s machine learning, big data and analytics products and packages them together in one huge, monolithic suite.   Microsoft has put together the suite with the hope of providing a one-stop, big data and analytics solution for enterprise customers.   “Our goal was to bring integration of these pieces so customers have a comprehensive platform to build intelligent solutions,” Joseph Sirosh, corporate vice president at Microsoft, who is in charge of Azure ML told TechCrunch.   As for Cortana, which is the Microsoft voice-driven personal assistant tool in Windows 10, it’s a small part of the solution, but Sirosh says Microsoft named the suite after it because it symbolizes the contextualized intelligence that the company hopes to deliver across the entire suite.   It includes pieces like Azure ML, the company’s cloud machine learning product, PowerBI, its data visualization tool and Azure Data Catalog,a service announced just last week designed for sharing and surfacing data stores inside a company, among others. It hopes to take advantage of range of technologies such as face and speech recognition to generate a series of solutions like recommendation engines and churn forecasting.   It’s All About Integration Microsoft expects that by providing an integrated solution, third parties and systems integrators will build packaged solutions based on the suite, and that customers will be attracted by a product with pieces designed to play nicely together. It is building in integration, thereby reducing the complexity of making these types of tools work together — at least that’s the theory.   “Where the suite provides value is the great interoperability, finished solutions, recipes and cookbooks,” Sirosh explained.   As an example, Microsoft talked about a coordinated medical care project at Dartmouth-Hitchcock Medical Center. The program, called ImagineCare, is built on top of the Cortana Analytics Suite and the Microsoft Dynamics CRM tool. The hope is that by providing patients with home monitoring to measure things like heart rate, blood pressure, sleep patterns, weight gain and so forth, and sharing this information in the Azure cloud, they can coordinate better care and perhaps prevent a major medical event like a heart attack.   Nurses could monitor the data from a group of patients in a medical data dashboard and coordinate better care and responses to changes in the overall patient profile that could signal larger issues if left untreated. Sirosh was careful to point out that this is more of a future ideal, but Microsoft is hoping that by putting these pieces together in a coordinated fashion, it will provide a platform for these types of sophisticated projects moving forward.   Suite Emotion What Microsoft is doing with this suite is the tried and true packaging technique, we have seen from big companies like Microsoft, IBM and Adobe for years, taking a group of somewhat-related products and putting them together to encourage customers to buy all of the products instead of just a couple.   Microsoft made billions for years delivering a similar type of integration with the Office suite. Adobe did the same thing with Creative Suite, both companies delivering ways to work more easily across the products that make up the suite.   Cortana Analytics Suite will be available later this Fall. Sirosh wouldn’t discuss pricing, but if you buy one suite, you’ll get a simpler billing model and more savings than you would get buying the individual pieces, he said.   It seems like a sound marketing practice, but in reality customers have indicated over the last several years, they want the best of breed across product categories and prefer to string together the products they want or already own.   Companies no longer want to be locked into a single vendor. They want their vendors, especially in the cloud to make it easier to make the various pieces work together, regardless of the manufacturer.   This suite bucks that trend. Time will tell if customers will bite.   来源:Techcrunch
    大数据
    2015年07月14日
  • 大数据
    大数据的三个误区及危险 大数据解决方案供应商总是信誓旦旦。他们说,你要做的就是把数据给到我们。然后我们就会提供一系列想法,让你们公司在营销效率、客户体验和服务运营效率方面得到极大改善。你和你的团队就放心吧,我们的技术和你们的数据科学家会把重头扛下来。 是不是有似曾相识的感觉?如果你曾经历客户关系管理(CRM)改革时最初那个兴奋阶段,那么你一定会有这种感觉。早在20世纪90年代,很多企业对这种技术十分认同,最后的结果就是搞了一堆没用的数据库、养成了很多叛逆的销售团队,以及资本预算的耗尽。   此后,CRM行业日渐成熟。毫无疑问,现在的CRM解决方案可以为很多机构提供真正的价值。例如,在贝恩咨询“2015管理工具与趋势”调查(2015 Management Tools & Trends)中,CRM是排名第六的畅销业务工具。根据Gartner统计, 2014年,全球的CRM开支总计达到204亿美元,此前一年为180亿美元。   但CRM的失败率也很高。C5 Insight在2014年发布的一份报告中称,有超过30%的CRM应用以失败告终,同一批公司的第二和第三次CRM应用,其失败率仅比第一次实施略低。这就是CRM改革之前20年的情况。   我们看到,大数据的发展路径与此类似,都是在客户影响力和价值创造方面信誓旦旦。Gartner在最新一份报告中预测,到2017年,60%的大数据项目过不了试验期,会被打入冷宫。为什么历史会重演?原因不在于兴趣、努力或投资的缺乏。相反,这说明从既有客户、运营和服务数据中创造价值是非常困难的,更不用提社交媒体、移动设备和在线活动所产生的大量非结构化的内外部数据。   各家公司在利用大数据和高级分析工具方面面临的压力日渐增大,因为客户希望从与他们打交道的机构中获取更多信息。竞争在加剧,特别是在金融服务、零售、通信和媒体等成熟行业。以数据为驱动的行业继续洗牌。包括Progressive、Capital One、亚马逊、谷歌、优步、Zappos等新旧行业的搅局者已经创造出以数据为驱动的经营模式,并将其应用于定制产品和服务的生产。   以美国汽车保险商Progressive为例,他们利用插件设备,追踪司机的行为。Progressive利用数据细分客户群,并确定保费。美国金融服务公司Capital One则在确定客户风险评分及忠诚度项目中十分倚重先进的数据分析。为此,Capital One开发了多种客户数据,包括先进的文本和语音分析。与此同时,美国零售业巨擘亚马逊则对客户数据深度开发,创造出个性化的在线购物体验。亚马逊参照客户的购买历史和浏览记录,开发出一种先进的推荐引擎,不同的消费者会看到定制化的网络页面。在物流领域,亚马逊在将数据分析应用于优化库存和减少装运时间方面也走在了前列。   大数据的先行者设定了很高的成功标准。他们聚集了一大批数据分析人才,并创造出很多流程,使这些机构能从高级分析中获得有用的想法。他们打造技术平台,以发布最新数据以及这些数据何时何地会被用到的洞察。很多公司还基于“测试与学习”(test and learn)方法营造持续创新的文化理念。   那么你的公司如何才能从大数据中获益呢?第一步就是,学习如何大浪淘金。对大数据的持续炒作有赖三个误区:一、大数据技术会自行识别出商机;二、就是掌握的数据越多,自动创造出的价值也越多;三、数据科学家可以帮助任何公司从大数据中盈利,无论该公司的组织架构如何。   以下内容是我们认为与上述三个误区分别有关的危险。   误区一:大数据技术会自行识别商机。 危险:尽管投入了大量的资金和时间,但这种投资所产生的回报非常有限。失败的技术布局往往是以假想这种新工具会自行产生价值开始。成功利用大数据能量的企业往往都是在重金投入大数据技术前,先将高级分析应用于少量高价值商业问题的解决。在这个过程中,他们学会了如何有组织地实施解决方案,也获得了对于运营挑战的新认识,并渐渐了解其数据和技术的局限性。根据对于他们实际需求的理解,他们可以确定大数据技术解决方案的具体要求。(图1)   例如,一家大型保险公司最近将其数据分析项目聚焦骗保问题。这家公司的骗保率激增,且由此产生了高额的调查成本。这个项目旨在以最低的成本减少骗保行为。为此,这家公司开发了一种可以算出骗保倾向分数的文本挖掘算法。这种算法帮助这家公司实现了骗保分数准确性的增加。结果就是,需要调查的骗保案变少,节省了3000万美元的成本。在证明了高级分析的价值后,这家公司现在加大了对高级分析的技术和能力投资。   误区二:掌握的数据越多,自动产生的价值也越多。 危险:对于未经证实的数据来源过度投资,忽略了那些有价值的、接近真相的数据来源。   随着社交媒体和移动设备的爆炸性增长,获取和利用新数据的诱惑在不断强化。很多大型机构已经被淹没在数据的海洋中了,其中多数数据存储在筒仓内,不能轻易接触并连接。我们发现,成功的大数据之路往往始于充分开发该机构的现有数据。   从分析的角度而言,通常处理历史数据要比处理全新数据更容易。美国一家大型通信公司就采用了这种方法。这家公司面临的竞争日趋激烈,因此希望创建一个项目,能系统地增加现有客户群的价值。为了实现这个目标,该公司从既有的15个营销、服务和运营数据库中提取了200多个数据,为所有客户描绘出“高清晰”画像。这家公司利用这些画像开发出有针对性的新员工培训、交叉销售和客户管理项目。   误区三:好的数据科学家会为你发现价值。 危险:现有组织还没有做好实现数据价值的准备。为了从大数据中持续获利,你需要打造出一个持续利用大数据和高级分析力量的运营模式。基于数据和分析团队的思考,成功的数据驱动业务可以让其组织、流程、体制和能力协调化,以做出更好的业务决策。(图2) 一家通信服务供应商创建了一种涵盖数据和分析团队、技术部门和一线职能部门(销售、市场、客户运营和产品开发)的合作模式。在这个模式中,商业智能团队(数据科学家、统计学、数据挖掘工程师)与各业务部门紧密配合,通过对海量的内部数据进行分析来解决具体问题。   结论 大数据革命已经扰乱了很多行业。某些数据驱动公司已经从这场革命中获取到重要价值,但很多传统公司正在迎头赶上。但光靠技术是无法弥补这一鸿沟的。那些能够实现客户数据分析承诺的公司通常遵循以下三个规则:   1、在投资大数据技术解决方案前,证明你所在的机构可以将高级分析应用于解决一些高价值的业务问题。   2、在向新数据来源扩张前,先利用现有数据创造价值。然后再利用测试-学习的方法,向你的历史数据注入前瞻性数据   3、将运营模式赋能企业,特别是业务前线,使其快速行动,并对企业高级分析团队的洞见报有信心。   在大数据时代,那些遵守这些规则的企业将更有可能获得成功。   关于作者: Eric Almquist和Tom Springer是贝恩咨询波士顿办事处合伙人,John Senior是贝恩咨询悉尼办事处合伙人。  
    大数据
    2015年07月13日
关于我们  | 商务合作  | 加入我们  | 那年今日  | 招聘科技峰会精彩回顾  | 上海科技峰会回顾  | 首届HR区块链峰会  | 2017HRTech年度颁奖  | people analytics  | 候选人体验大奖  | 友情链接  | HR科技极客大奖  | 深圳科技峰会精彩回顾  | HR共享服务平台  | 三支柱论坛2018  | 2018数字人力资源科技奖榜单  | 2018 数字人力资源科技奖  | 北京2018HRTechCon精彩回顾  | 2018HRTechXPO  | 2018TOP100人物榜单  | 2019年度活动计划  | 2018年度大奖揭晓  | 2018投融资报告  | 2017投融资报告  | INSPIRE 2019精彩回顾  | 2019海外活动计划  | 2019北京招聘科技论坛精彩回顾  | 2019深圳人力资本分析峰会精彩回顾  | 2019中国人力资源科技峰会上海精彩回顾  | 2019HR科技极客大奖  | 北京HRTechXPO未来馆精彩回顾  | 深圳·2019招聘科技创新论坛精彩回顾  | 2019候选人体验大奖榜单  | 中国人力资源科技云图  | 招聘科技云图  | 2019上海招聘科技创新论坛精彩回顾  | 深圳7月19日HRTechXPO精彩回顾  | 2019HRPA上海站精彩回顾  | 2019中国人力资源科技创新奖  | 深圳·2019中国人力资源科技年度峰会精彩回顾  | 2019北京HR科技峰会精彩回顾  | 2019数字人力资源科技奖榜单  | 2019HRTechChina TOP人物榜单  | 2019HRTechTOP人物列表  | 2019HRTechXPO-上海精彩回顾  | 2020HRTechChina品牌活动计划  | 2020HRTech云图入口  | 共同战疫专题  | 2019年度评选榜单  | 2020招聘科技创新虚拟峰会精彩回顾  | 助力企业共同抗疫专题  | 2020年度候选人体验大奖(中国地区)榜单揭晓  | 2020HRTech虚拟峰会精彩回顾  | 提交业务需求
 Hotline: 021-31266618   Email:hi@hrtechchina.com