• 大数据
    品牌课程:数据分析在人力资源管理中的应用 用数据驱动见解和创造价值 是学习,也是反思 是关键技能,也是管理思想 有矫枉过正,也有独门秘笈 有关键理念,也有工具模板 讲师写在前面的话 从2012年开发这门课程开始,通过一线城市公开课和企业内训的方式,到当前已是第五版了,我们不断完善和打磨,力求兼顾到宏微观、理念与工具,广度、深度以及实践应用,大家已然都很认可HR数据分析是一种关键手段,但我们在这个背后真正需要的思考是,我们该如何重新定义人才管理价值?我们需要思考的是如何从关注模块化HR的效率价值,转向关注人才管理和组织效能,聚焦问题导向、成果效力和关键价值,回归出发点、聚焦独特价值以及寻找效能杠杆! 这一切都需要数据的帮助,HR数据分析应更多关注从Metrics到Analytics,从数字到信息整合,从逻辑化到循证思维的转变。个人希望本课程至少可以起到以下三点作用: 1、学会将循证、数据驱动和人才细分的理念应用在工作上; 2、在你的公司内部,建立周期性的“人才报表”; 3、建立“定义价值 - 衡量 - 改善”的新思维常态。 让我们共同开启一段全新的学习旅程! 课程模块 理念趋势:下一代人力资源管理者的关键素质 温故知新的统计学基础:回归、概率、数组特征、层次分析、相关性…与常见应用 价值四层级:反应性统计、高级、战略、建模 三项过程要素:来源、技术与应用 从大数据到小数据:基于人才细分、内容拆分、动态分析下的小数据分析 内容四模块:人力资本投资效益(HC Investment)、人力配置(Headcount Planning)、HR运营(HR Operations)、人才管理价值(Talent Management) 从定性到定量:成熟度模型、定量溶解冰山、建立预警指数 价值回归:从人才管理到组织效能 课程对象 任性的你敢于挑战难度和HR数据分析技术 关注左脑开发,聚焦理性思考与技战术 对所负责的HR职能模块并无要求 虽然我们对你的数学基础0要求,但起码你要懂一些基础的Excel操作 既有大型集团关注的宏观体系,又有小型公司所关注的微观方法 以往参训企业: 自2013年初至2014年底,已超三百家企业,近千名HR学习本项课程。 麦当劳、精工电子、中国光大银行、英特尔、复星医药、雅仕维广告、特思尔、东银实业、方太厨具、国药控股、华宝证券、中国电信、华住酒店集团、中国金茂集团、天士力帝益药业、科勒、马克华菲、唛歌餐饮、平安证券、日立机械、厦门翔业、朗泰物业、齐耀动力、睿泰集团、苏泊尔、浙商建业、中建材集团、中粮、中兴通讯、嘉实信息、一茶一坐、互动通、诺华制药、重庆长安汽车、三菱电机(中国)、森马集团、苏宁电器、创侨贸易、上海外高桥发电、新华传媒、矢崎(中国)投资。。。 报名咨询 于小姐 电话:021 5108 3646 QQ:1466990193 邮箱:hrsalon2018@qq.com 课程大纲 课时(1天) 模块 内容 授课方式 1.0小时 模块1: 人力资源管理数据分析的三个层级 1.HR价值导向与数据分析 HR职能发展与思维变革 HR关键价值与数据分析三层级 HR数据分析的特点 数据如何收集 课前预习 案例分析 现场练习 问卷与工具模板 公式库 2.数据统计的基础 统计学的基础概念 数据分析的基本方法 回归分析与关键函数 关键图表画法 5.0小时 模块2:HR数据分析的关键模块(科石HR Metrics) 1.投资效益分析 (HC Investment) 人力资本衡量的概念与方法 科石“HR MATIC”四个维度 组织效益与人力资本 HR成本水平与结构 HR成本的价值分析 关键工具 现场练习 案例分析 情景模拟 现场研讨 2.人力配置 (Headcount Planning) 人员信息收集与分类 人才队伍与人才质量的数据表达 组织形状与人才结构数据 定岗定编分析 人才盘点要点 3.HR运营分析 (HR Operations) 薪酬管理 薪酬水平内外部分析与量化诊断 薪酬体系设计的量化分析 绩效管理 绩效指标设定的量化方法 绩效管理结果与成效分析 招聘管理 招聘成效类数据分析 员工流动信息分析 培训管理 培训管理效率指标 培训成效数据 4.人才管理价值 (Talent Management) 员工满意度与敬业度 雇主价值与留才指数 从胜任力模型到人才测评的逻辑 基于人才价值的数据分析 1.0小时 模块3:HR量化管理价值指标与总结 1.HR量化价值衡量 基于人才生命周期的HR量化价值 HR运行效率指标 HR管理效力指标 HR战略职能价值指标 案例分析 量化指标练习 现场研讨 答疑 选、用、育、留各模块量化指标 2.总结与答疑 循证思维下的HR变革思路 课程工具包分享 总结与答疑   最近公开课程: 6月11日  上海  紫金山大酒店   报名咨询 杨小姐 电话:021 5108 3646 QQ:1466990193 邮箱:hrsalon2018@qq.com   如需引入企业内训,亦可联系我们。  
    大数据
    2015年03月19日
  • 大数据
    [专访]美国Top 4 CTO:大数据将消失,但融合到你的业务中了 大数据这个关键字从去年红到今年,早已成为科技业的重要趋势,研调机构IDC便预测2015年将有超过25%的企业导入巨量资料方案,而美国专业招聘公司罗致恒富(Robert Halt)公布的《2015薪资指南(2015 Salary Guide》更把大数据工程师列为今年薪资涨幅最大的六大行业之一,预计薪资年成长率9.3%,平均年薪119,250美元至168,250美元。 台湾从企业到政府也人人高喊大数据,连向来对新科技接受速度最慢的政府都开始动作。行政院长毛治国甫上任祭出的科技三箭,就有两箭跟数据息息相关,一个是开放资料,一个是大数据,新北市政府日前也推出全国第一个「传统产业大数据应用示范计划」,希望导入大数据分析,帮助金属、机械和纺织等传统产业转型,还在日前的新北大数据论坛活动中请来美国大数据分析与储存技术公司Teradata首席技术长宝立明(Stephen Brobst)来分享大数据趋势。 宝立明此次来台除了出席新北大数据论坛分享大数据趋势,更受邀至行政院与毛治国畅谈开放资料政策,分享美国政府开放资料的经验以供台湾借镜。宝立明去年被ExecBank选为全美排名第四的CTO(前三名分别是亚马逊、特斯拉和英特尔),在2500名顶尖CTO中脱颖而出,他不仅是全球一流的数据专家,更曾成功创立三家提供数据服务的公司,后来陆续被IBM、NCR等大厂并购,他也是欧巴马的创新科技顾问委员会的一员。 身为全球顶尖的大数据专家,宝立明在接受《数位时代》专访时却说,他认为大数据这个词将会在五年内消失,并认为从物理学家到社会学家都会是优秀的数据科学家,以下为宝立明专访的内容摘要: 1. 大数据这个词近年来非常火红,但也有人认为大数据已处在泡沫期,您怎么看这种人人高喊大数据的现象? 我承认现在整个社会上瀰漫着一股大数据热潮,但我认为这不失为一种好现象,因为这让大家注意到这个世界上还有许多尚未被挖掘,并且充满价值的资料,我认为在这股热潮当中,其实是有黄金的,但就像你说的,其实还是有很多人不知道大数据是什么意思,更不知道怎么用他。 他们以为大数据就是指大数目的数据,事实上,我认为这是大数据中最无趣的部分,我们真正在寻找的是非传统的、而且未曾被挖掘过的资料,并且从这些资料中去提炼出价值,我相信在五年内我们就不会再使用「大数据」这个词了,到头来大数据就只是资料而已,不是吗?资料是很重要,但是这个世界上还有一大堆以往根本不被视为是资料的资料在那边等着我们挖掘,到最后,人们会开始回头分析这些资料,他们会发现,大数据不过就只是数据的一种,大数据、小数据、结构化、非结构化的资料...这些称呼通通都不重要,因为这些都是资料啊,这是我认为为什么到最后大数据这个词汇将会退烧的原因。 2. 你认为数据经济以后将会成为每个企业的DNA吗? 是的没错,人们将会依据一家公司是否有效地运用数据,来定义这家公司是否成功。大数据这个词也许是三年前才出现的,但其实它早在十年前就有了,概念比名词出现得更早,在八年前发生了一个比较重大的转变,人们从研究一笔交易变成研究互动,我们开始往下钻研,不只研究一笔交易,更研究真实的顾客体验,因此我认为虽然不是每一个,但许多大数据应用必须要能够更妥善了解顾客的行为和体验。 我认为大数据发展可以分成三阶段: 第一阶段是.com时期,人们研究log资料,搜集人们的Cookie和搜寻行为等等,这类分析已经存在很久了,我们不只知道使用者买了什么东西而已,而是更深层地去分析行为,一笔交易只告诉我价值,但没有告诉我顾客体验,大数据想要去分析的是顾客体验。 第二阶段是社交网站,这也是我们现在正在经历的阶段,我们分析Facebook、Twitter、部落格文章...等等等,这可以帮助我们进一步了解顾客行为。 第三阶段是物联网,这是我觉得最有趣的阶段,有些企业已经开始分析来自传感器的数据了,在这边我说的物联网不只是穿戴式装置或智慧家庭而已,我说的是机器与机器之间的沟通,这些资料的价值很值得被研究。现在制造业都会订下一些规矩,例如我们的汽车每半年就要进厂维修,就跟人每年都要去做健康检查一样,我认为这是非常过时的想法,一旦我们用传感器去搜集引擎、汽车和生理数据,我们就可以精确知道何时需要进厂维修或做健康检查,这就叫做预测性维修(condition based maintenance),这个概念对于促进顾客体验、效益和健康保险等领域非常重要。 3.你对大数据的定义是什么? 一般来说我们用3V定义大数据,容量(Volume)、快速(Velocity)与多样性(Variety),其中我认为最重要的是多样性,资料不只来自那些传统管道,有更多来自非传统管道的非传统资料产生,我认为价值(Value)是第四个V,人们常常忘了这件事,他们专注于技术,却忘了创造价值,但这却是一个大数据计划能否成功的关键:这不只关乎技术,而是你能用技术创造出什么价值。 4.台湾有许多中小企业,许多中小企业也许认为大数据是个离他们很遥远的概念,因为他们根本没有「大数据」,您会给他们什么样的建议? 这些小企业一看到大数据就会想说,喔这一定是很大的数据才有办法做,但数据的量其实从来都不是重点,我认为「大数据」是个非常差劲的命名,因为它让人们直接联想到「大」,但数据的大小其实是最无趣的部分,最重要的其实是那些你从来没有想过可以用的数据以及那些非传统的资料,我认为这才是人们对大数据应有的认知。 有许多新创企业在思考如何用大数据创造全新的商业模式,例如硅谷最近有一个正在做P2P交易服务的新创公司,比如说我们一起去吃午餐,你买单,然后我透过手机给你我的部份的钱,这不是什么新的概念,但这家公司有趣的地方他不收任何手续费,而银行一点都不喜欢这个主意,你知道现在的银行交易都必须额外负担手续费,银行于是说:「你怎么可以完全不收手续费?」这家公司说,因为这些交易资料本身的价值远远超过手续费本身。 从此之后,这家公司会知道你我之间有一种连结,如果我们每个礼拜五都出去吃饭,他们就可以判断我们之间有强烈连结,如果我们一个月或一年才吃一次,那么也许我们之间的连结比较弱,这家公司可以藉此判断人与人之间的关系强弱,你也许会说:那又怎么样?这可以干嘛?这家公司将会知道谁是社交意见领袖,如果他要卖新产品,他可以先从这些人开始着手,例如我也许会买他的东西,但我没有朋友(笑)所以它就只能卖出一项产品,但你有一百个朋友,你也许是个疑心病比较重的人,所以我要花比较多功夫来说服你买东西,但你一旦用了而且觉得好用,那么你很有可能会将这个讯息散播给你其他一百个朋友,那我搞不好可以再多卖50个产品,这就是一个善加利用社交数据,而且突破旧有思考模式的例子。 5. 如何用大数据创造商业模式? 这是个颇为复杂的问题,因为大数据是由很多不同元素组成的,我会把大数据认定为是比交易系统更深一层的互动分析,首先,如果你有一笔订单,你就得到了顾客的价值,但你无法了解他们为什么如此行动,如果我能够了解他们的行为喜好,我就可以创造更好的顾客体验,我创造了更好的顾客体验,他们就会越买越多,他们会停留更久,如此我当然就可以创造一个非常强大的商业模式。 基本上所有的电商网站都在做这件事情,因为电商网站无法直接与顾客接触,所以他们必须透过分析数据来与顾客建立关系,这是个很显而易见的商业模式,如果你不分析数据去改善顾客经验,顾客就会离你而去。如果就制造业来说,预测性维修是比较常见的大数据商业模式,这跟传统的维修模式全然不同,这当中的经济价值差异是数以千万的美元,就算对中小型企业亦然,如果你知道这些企业每年花多少钱在维修设备和安全改善,你就应该知道预测性维修是门好生意。 6.这些对企业来说是技术层次的问题,但商业嗅觉是否才是如何让大数据变现的关键? 是的,我称之为直觉,你为了验证你的假说,于是你设计了一个实验模型,如果你没有商业嗅觉,你很可能会实验了一千次但得到很差的结果,我相信你一定有听过这个笑话:「一百万只猴子也可以写出莎士比亚等级的著作,只是我们要等很久而已。」你放猴子在那边一直打字,总会有好的产出的,但这其实不太好,对吧?所以我认为还是需要具备一定的商业眼光。 好的数据科学家和不好的数据科学家的差别就在于他们的商业眼光,我认为这不只是管理阶级的职责,而是一个数据科学家的职责之一。 7.大数据项目牵涉到许多跨部门的协作,而不只是IT部门的事,你认为这会更象是一个管理问题而非技术问题吗? 我的确观察到许多只专注在技术层面的公司,他们的大数据表现通常都不怎么好,管理者必须确保你在埋首进行的事是有商业价值的,而不只是在玩技术而已,在麻省理工学院有个词用来形容这些只埋头搞技术的人:追随流行者(Fashionist),这些人盲目追随科技新潮流,看到云端运算就赶快跑去搞云端运算,噢看那边是大数据耶,大家都有我们一定也要有! 他们不知道为什么需要,只是因为大家都有,他们就要有,这不是一个好策略。 你必须要思考:这有什么商业价值?为什么我需要做这个?所以那些最成功的大数据项目都是由技术部门和商业部门协作而成的,只有技术人员是不可能成功的,但同样地,只有业务部门也不会成功,他们必须在一起才能创造价值。 而数据分析的技术的关键在于,你是否有用对技术,这是许多公司低估的地方,有很多公司混淆了做报告和分析数据的人。比如说美国的教育很重视数学,但我们的统计学教得一蹋糊涂,统计学对于数据分析非常重要,很多人高中毕业后也许几何、微积分很厉害,但他们连最基本的期望值理论都不懂,他们也不懂交叉分析,但这些技能对于分析数据都是非常重要的,我认为我们的教育体系和企业在培育拥有这方面技能的人才上,投资得太少了。 近年来有很多大学开始开设数据分析课程,我觉得这是一件好事,但问题是等这些人才毕业了,到时候我们对大数据人才的需求已经远远超过供给了。 8. 你认为现在要寻找优秀的数据分析学家很困难吗? 人们常常把计算机科学家和数据科学家混为一谈,数据科学家不一定非得要写程序才能分析数据,当然你不应该害怕科技,如果你害怕新科技那你就不是那个对的人,你需要会使用科技,但重点其实还是在数据,你要会设计实验、熟悉数学和统计、如何获取资料和得到结果...等等等。 当然,数学系毕业的人是很好的选择,但我的经验是毕业自实验性科学科系的人也会成为很好的数据科学家,例如:应用物理系、化学系、天文系...等等,因为他们知道怎么设计实验、怎么搜集数据和得到结果,这让他们成为优秀的数据科学家。在麻省理工学院我们有个笑话,物理系毕业的人如果不去教物理,他们就失业了。因为除了教物理你还能干嘛?但现在物理系的人也会是很好的数据科学家,例如eBay最优秀的数据科学家就是物理学家。 你看事情的眼光还需要充满创意,所以社会学出身的人也会是很好的数据科学家,很多社会学家必须做调查,并且从中搜集和调查数据,这已经具备了数据科学家该有的特质了。但如果你不具备这种分析数据的背景的话,可能就不是那么好的候选人了。    来源:数为时代bnext
    大数据
    2015年02月25日
  • 大数据
    大数据时代的招聘 导读:「我们想要的是一名狙击手,招聘网站却为我们招来了一架坦克」。企业和应聘者的信息不对称,导致招聘网站「乱点鸳鸯谱」,这是企业中的HR习以为常的尴尬事。   编辑·李佳楠 「我们想要的是一名狙击手,招聘网站却为我们招来了一架坦克」。企业和应聘者的信息不对称,导致招聘网站「乱点鸳鸯谱」,这是企业中的HR习以为常的尴尬事。HR们到底如何才能在茫茫人海中相中「适合自己的人」,并且确保其能在恰当的位置上不会很快另谋高就,「大数据招聘」就在如此情况下应运而生。降低人为因素,让计算机做主是人力资源领域的一项新的举措。而且Facebook、亚马逊、沃尔玛和谷歌这些大牌企业已经捷足先登,利用大数据招聘技术成功找到了与之「来电」的人。   去年夏天,26岁的杰德·多明格斯(Jade Domingues)收到一封邮件,内容是一家旧金山的初创公司邀请他去面试程序员。   那时的多明格斯住在加利福利亚一间废旧的工厂里,经营着一家T恤图案设计公司,为了宣传自己的设计公司,正在自学编程。   多明格斯喜欢在各大编程论坛上和其他软件开发人员交流思想,共享代码,而且他的编程技术在全球最大的社交编程及代码托管网站——GitHub上享有很好的信誉,还曾被Jekyll-Bootstrap网站邀请编写代码,得到过很多其他网站开发人员的重用。   这家公司就是看中了多明格斯的这一点,他们在招聘时忽略了学历文凭以及是否具有专业的电脑编程技术,只是通过收集来自互联网上各大编程网站和论坛的数据信息,分析整理后找到了多明格斯这样的「天才」程序员。   这家名为镀金(Gild)的公司,把这项新的招聘技术命名为大数据招聘,大数据招聘就是希望在巨大的市场需求中,发现那些被遗漏的优秀人才,而且无须开出与一些大的技术公司相当的工资薪酬。   而大数据招聘技术的产生在人力资源领域是一个巨大的飞跃,它成功实现了智能化的员工筛选,让招聘工作变得更为简单、高效。   劳动力科学的新领域 大数据招聘是通过提升人力资源管理在人才搜寻过程中的技术,催生出的一个新的招聘系统。它属于劳动力科学的新领域。   现如今有很多类似镀金公司这样的公司正在朝着这个目标努力,他们想方设法把现有的招聘工作带入到大数据的范畴里。   对于最出名的镀金公司来说,大数据招聘技术是专门针对程序员这一职业的。数据分析主要基于各种编程网站和论坛,为其中较为活跃的参与者建立起个人的性格图谱、兴趣图谱以及关系图谱,深入了解个人的性格特点、兴趣方向和社交圈子,来最终决策出适合他们的公司岗位。   例如:镀金公司会在编程论坛中研究,参与者们写出的代码应用价值如何?是否得到其他程序员的认可?这些代码会得到专业网站的重用吗?编出优秀代码的程序员在网络社区中和其他人交流顺利吗?这都是他们考虑的范围,而且通过这些因素来预测今后这个人在工作和社交中的表现。   而镀金公司并不是第一个利用大数据招聘的公司。在镀金公司之前,一家名为Bright的在线招聘公司被创立起来。Bright公司的创始人古德曼(Goodman)发现,即使在美国的失业率高达两位数时,依旧有很多公司找不到既能胜任公司工作,又符合公司企业文化的应聘者。而且,各种招聘网站也暴露出了令人失望的一面。   很多公司的HR们只能感叹招聘到好的员工就好比大海捞针。   于是古德曼依靠100人以上的专业招聘人才,对互联网上超过数十亿份简历信息进行分析,构建出一个名为「Bright Score」的招聘评分系统。这个系统的特点在于它可以评算出一个具体的数值,用来确定工作岗位和应聘者之间的匹配度,同时创建出一个通用的评分算法,用以告诉招聘单位,对于某一个特定的工作来说,什么样的求职者才是最合适的。而对于求职者来说「Bright Score」也会为你自动匹配职业,如果你选择的职业并不适合你,它也会告诉你为什么,并按照匹配度高低为你推荐工作。   「Bright Score」是大数据招聘技术的先行者,使得人才招聘变得更有效率,而且更节省成本。   另一家来自硅谷的创业公司——Entelo,同样也在解决人力资源管理上的问题。与镀金公司相同的是,Entelo也通过人们在Twitter、Facebook等这样的社交网站发布的内容,来研究这些潜在的候选人所做的符合他们职业特点的事情。   但是与镀金公司不同的是,Entelo关注的职业领域不仅仅是StackOverflow和GitHub这些知名的程序员聚集网站,还包括Proformative(会计师网站)、Benchling(有关DNA测序点网站)和Dribbble(展示和描述设计师网站)等。   Entelo还发现并非所有用户都会用真名发布内容,那些有才华的人只会把特长当作兴趣爱好,于是Entelo便利用数据从数十家专业的社交网站中搜索到这些被埋没人才的联络方式以及居住地,用以向招聘方提供真实的信息数据。此外,Entelo还从多个网站收录并制作了600万专业人士的资料页面,利用超过70个变量来找出这些人职业变化的迹象。   Entelo公司当前已经积累了40多个企业客户,他的创始人约翰·麦克格拉斯(John McGrath)称自己的大数据招聘技术就如同一个搜索引擎,在正确的时机根据实时的新闻和社交网站上的求职信息找到对的人。   通常在时机方面,他们率先发现想要换工作或是正在寻找工作的人并和他们取得联系。   例如,Entelo通常会在一个公司在被收购时抓住先机,因为公司被收购,人事上一定会发生变动,Entelo就会迅速对其人员信息进行收集整理,这样的做法会在资源累积上争取到更多的主动权。   对的人,就是在推荐招聘前就划定正确的招聘对象范围。各种社交网站就是Entelo的首要据点。Entelo的基础工作是不断抓取网页上的信息,包括实时新闻、社交网站、兴趣社区等,当招聘客户提出需要招聘的人时,Entelo会迅速分析出符合特定条件的候选人,用大数据技术进行数据匹配。   而Entelo在大数据应用上更为人性化的一点在于常常为新创公司的HR推荐适合他们的员工,因为麦克格拉斯认为新创公司在初期一定急需注入新鲜的血液。而像多明格斯这样的「天才」肯定是他们迫切需要的。Entelo每次都有针对性地向招聘公司推荐人才,而不是在职场大量散发邮件以期获得一些回应。Entelo的目标是在未来为招聘用户设计出专属产品。   还有一家名为TalentBin的招聘网站,把自己描述为「人才发现引擎」。它的核心业务是一款聚合了来自数百家网站拥有5亿份社交资料的数据库产品。TalentBin上的大部分数据是公开的,而且比同类型的招聘网站所提供的信息更加详尽独到。TalentBin在今年推出了一款年费6000美元的高级服务,可以让应聘者进入招聘公司的人力资源管理平台,在其系统中直接和应聘公司的HR进行交流。   TalentBin可不仅仅提供招聘人才的服务,还提供包括通信工具、销售过程管理和报告等的一条龙服务。2012年,TalentBin 曾被HR Tech Conference点名为「超棒新技术」(Awesome New Technology),并在欧洲 iHR Adwards 大会上荣获「雇佣行业游戏改变者」的称号。截至目前,TalentBin共获得过约400万美元的投资。   // // 更公正更适合 大数据招聘技术的出现,并能在如此巨大的市场中有着广泛的需求群体,原因之一在于它改变了传统的人才指标。   先前的招聘者虽然也认同,不应该由于性别、长相或是名字来影响聘用决定,但是偏见往往就是以人们意识不到的形式体现出来,常规的面试还是会受到是否来自于名牌大学,在前任公司供职的经历如何,或是否来自于前辈或友人举荐的影响。   耶鲁大学曾做过一项调研,发现大部分企业在应聘经理职位的人员,聘任者会普遍认为女性求职者的能力相比具有同样资格的男性要逊色得多。   而美国国家经济研究局公布的另一项研究发现,简历上名字「听起来像白人」的求职者收到雇主回电的几率要比简历上名字「听起来像黑人」的求职者高很多。这样遗漏人才,最终造成的是雇主的损失。   然而这么多被偏见「筛掉」的人才,却可以通过机器来避免。被机器量化的信息虽然达不到百分之百准确,但是设置好的「公正」指标会在一定程度上予以均衡。   Bright公司在建立「Bright Score」的招聘评分系统时,就把一个人常浏览的网站;交谈各种技术时采用的语言类型;与人交流时多处于积极状态还是消极状态;以及在有关技能的描述上是否用词恰当;参与过哪些项目,为时多久;这个人如果来公司能做些什么等放在评分系统的得分榜的前几位。Bright的做法正在实践大数据招聘技术扭转人为因素在招聘领域的影响力。   镀金公司创始人卢卡(Luca)也曾说过,在专业学校学到的东西固然重要,但这「并不代表事情的全部」。企业真正需要的是能有自己真实见地,懂得如何应对压力,甘于同才华横溢的同伴一起共事的人。   大数据招聘技术存在的第二个价值就是找到「为你量身定做」的人才。   加州大学人力资源管理专家列文(Levin)博士说:在大数据招聘技术面世之前,很多大公司喜欢通过在职员工的推荐进行招聘,因为现任员工了解公司文化,而且推荐不好他们自己的名声和工作环境也会受到牵连。   虽然利用员工推荐的方法能招来高效率的员工,但是要想为企业招来适合自己的员工,而且是专门为其「量身定做」的人选,就需要依靠大数据招聘技术。   今年,一家名为Square的移动支付系统公司找到镀金公司,希望帮助其公司招聘员工,。   原因是Square公司经过调查发现,今年,有很多年轻人都把自己的工作成果发布在网上,其目的就是为了被更多优秀的企业发掘。而这些优秀的人才也会在挑选工作上设置一些选项。他们除了单纯找工作,更多的是想应聘到符合自己价值要求的公司。而镀金公司所要做的就是把这些「种子选手」筛选出来,规划他们的事业模型,并告诉他们选择在Square工作是正确的。   还有一个例子来自于TalentBin公司,最近他们新推出了一款Lookup寻人搜索应用软件, TalentBin的开发员说,当你使用Google来搜索你要找的人时,得到的相关信息可能分布在多个社交网络中,而Lookup会把这些零散的碎片集中起来,整合各个社交网络中的数据,列出你可能感兴趣的部分,并显示相关的社交网络活动。这样你就能很快地找到适合自己的正确信息。Lookup的受众并非仅仅针对招聘者,还包含了那些想要寻找他人的用户。   被「大数据」拯救 Evolv是一家专门检测招聘和职场数据信息的美国公司。他们通过对3万名雇员收集到的300万个数据点进行分析发现,运用自行安装的浏览器的人比运用系统自带浏览器的人表现更好,而且更少跳槽。这一研究显现出,大数据招聘技术有望拯救应聘双方信息不对称的难题。   第一个例子来自于IBM公司。 IBM公司每年在招聘销售人员上需求很大,通常IBM公司的HR在招收销售人员时基本要求就是善于言辞并且性格外向。但是在去年,IBM用13亿美元收购了Kenexa,线上招聘培训服务机构后,他们招聘标准发生了变化。因为Kenexa当年发放了4000万份问卷调查,覆盖了很多有一定销售经验的求职者和招聘者。在对其反馈回的数据进行分析后发现,成功的销售员的特质并不在于性格是否外向,而是在于自我鼓励的强度,也就是被拒绝后继续坚持的品质。   另一个真实的例子发生在名为Transcom的全球客服呼叫中心,这个公司长期困扰于人员流动率过高,于是他们找上了「大数据技术」,希望通过它来拯救眼前的困境。   「大数据技术」选择对公司的在职员工的行为进行分析,最后发现,被「大数据技术」认定「诚实」品质分数高的员工,稳定性也会更高。其准确率可以达到20%~30%。由此Transcom改变了现有的招聘策略,此后优先雇用有诚实特质的员工。采取措施之后,离职员工的数量下降20%,团队的稳定性更高,也节省了培训新员工的成本。   数据招聘技术在企业HR招聘人才方面功不可没。很多大企业都从大数据招聘技术中得到了甜头,其中包括Facebook、亚马逊、沃尔玛、谷歌和Twitter这些大牌企业。   然而大数据技术不仅仅是为企业服务,还为小型雇主或个人创造价值,提供便利。最近LinkedIn这个全球最大的职业社交网站便利用大数据技术创造出一系列适用于不同人群的产品。   一个是名为people you may hire的应用软件,是专门针对猎头的。有的时候猎头会看中一些人才但是被其看中的人才目前并不打算找新的工作,这个软件就会根据猎头的喜好向其推荐其他人才。   还有一个名为Who's viewed your profile,把这个应用软件安装在电脑上,它会实时告知用户谁看了自己的简历。得知信息的用户会在第一时间主动联系阅读自己简历的人,这为正在找工作或是正在寻找商机的人打开了一个好的沟通渠道。   「大数据」,靠谱吗? 虽然大数据招聘技术对企业有着很大的优势,但是也有其局限性。   英国的数据分析公司Altimeter Group的负责人苏珊(Susan)认为,大数据招聘技术「绝对值得一试」。但是相对而言,它也有它本身的缺陷。大数据招聘技术可以衡量预测所有的变量,但是却测量不了感性的东西,例如直觉。   大数据公司QUID创始人古尔利在认同大数据招聘的同时,也对它提出质疑:「当你在招聘过程中把人从复杂决策里排除掉,招聘来的人员也可能并不适应现在的人际关系。」   镀金公司的首席科学家薇薇安·明(Vivian Ming)博士说,大数据招聘技术并没有要消除人的判断,而是要让计算机做主,就像一个自动人才吸收机和筛检机一样。镀金公司已经积累了700万个程序员的资料数据库,并根据得分对他们进行排名。而且有很多公司利用大数据招聘技术已经从中找到了适合自己的员工。而且多明格斯就是他们挖到的一座内部金矿——他的编程分数是整个南加州的100分。   镀金公司说他们最终目的是把大数据算分拓宽到各个领域,使其可以用于搜索和评估各种类型的劳动力,比如网站设计师、金融分析师,甚至零售店的销售人员。   但是无论如何,大数据技术对于应聘者来说,得到的优势并不如招聘者明显。而且对于很多像多明格斯那样的人,他们并不知道自己的资料被收集,甚至对方已经帮助自己规划好了职业生涯;并且一个企业在决定是否录用一个人时,所收集的信息不一定会对其公开,因此大数据招聘技术对于个人信息数据的用途监管还有待加强。   Entelo公司的麦克格拉斯表示,迄今只有2个工程师要求将他们的资料从Entelo的数据库中删除。麦克格拉斯称,Entelo已经开始提供个人申请退出功能,照顾一些要求保护隐私或不愿接收邮件的招聘候选人。
    大数据
    2015年02月10日
  • 大数据
    透过10亿条招聘数据看大数据职位需求 // // // 本文转载自大数据文摘翻译作品 作者:LouiseColumbus 翻译:崔浩,蒋锐 校对:陈洁   美国人才招聘市场的数据分析领先者WANTEDAnalytics 最近给出报告:2014年计算机系统分析师和大数据专业人才的市场需求分别增加了89.9% 、85.4%; Python 编程技能的市场需求增加了 96.9% 。“大数据”,主要包括数据分析、数据采集、数据挖掘和数据结构这4项技能。为便于分析,当人们查询“大数据”这术语时, WANTEDAnalytics 即指向这4大技能。这份报告基于的WANTEDAnalytics的数据库,由从150多个国家,超过10亿条非重复独立的工作招聘条组成。   要点: 过去一年内很多职业对大数据专业知识的需求急速上升。市场上对具备大数据专长的信息技术项目经理的需求增加123.60%, 计算机系统分析员需求量增加89.80%。 大数据职位空缺最大的五大产业,依次是科学及技术服务(27.14%),信息技术(18.89%),制造业(12.35%),零售业(9.62%)和可持续性垃圾管理业(0.42%)及污染整治业(8.20%)。下图显示了2014年第4季度各行业对大数据专长的需求分布。 就2014年12月29日统计的数据来看,需要有大数据技能的工作的招聘比为76,平均每个职位的申请者为12人.招聘比例值越高,表示雇主越难找到职位的合适人选。 美国云计算方面的IT专业人士的平均招聘时间为47天 大数据专业人士的年薪中位数为10.3万美金。这些工作主要包括:大数据解决方案构架师, Linux系统及大数据工程师, 大数据平台工程师, 首席软件工程师,Java, Hadoop, SQL大数据师 等等。 相关产业综合后的年薪分布情况如下: 目前, 加利福尼亚的圣何塞-森尼韦尓-圣克拉拉地区( SanJose – Sunnyvale – Santa Clara ), 旧金山-奥克兰-弗里蒙特地区 ( SanFrancisco – Oakland – Fremont, CA ), 华盛顿DC-阿林顿-亚力山卓地区(Washington DC – Arlington – Alexandria)是美国大数据专业的前三大人才市场.下图为WANTED Analytics公司提供的城市数据分布图,它展示了美国各地区工作数量,工资水平,人才供应,平均招聘时间以及招聘比例等信息, 并总结了美国前20名的大数据人才市场的信息。 美国前20名的大数据人才市场的信息 此外,思科(NASDAQ:CSCO),IBM(NYSE:IBM)和甲骨文公司(NASDAQ:ORCL)拥有最多大数据相关的职位空缺。据统计,思科的供应商、合作伙伴和支持生态系统公司具有3613职位空缺与大数据相关。下表列出了目前排名前十的大数据雇主,就业机会分布,以及过去一年的新增就业人数。 这些岗位上需求增长最快的三项技能分别是:Python编程(96.90%),Linux(76.60%)和SQL结构化查询语言(76%) 下表列出了排名前10的技能要求: 原文:http://www.forbes.com/sites/louiscolumbus/2014/12/29/where-big-data-jobs-will-be-in-2015/
    大数据
    2015年02月09日
  • 大数据
    高盛押注亚洲大数据市场,新加坡大数据公司Antuit获得5600万美元新融资 据官方消息,总部位于新加坡的大数据公司Antuit刚获得了 5600 万美元的新融资,对于一家刚刚成立一年半的亚洲公司来说,如此大规模的融资实属罕见。此次由高盛领投,其他的参投机构包括已在 2013 年投资了 Antuit 300 万美金的 Zodius Capital。   Antuit 将来自于社交媒体和移动应用的数据进行整合,提供一系列的大数据分析和业务咨询服务,帮助企业作出正确决策。目前 Antuit 合作的企业超过 20 家,其中包括了 8 家知名的 500 强企业,如凯悦酒店集团、雅芳等。公司计划继续快速的扩张,并且将目标用户聚焦在消费品以及零售业(包括电子商务、运输及物流)。   Antuit 和其他大数据公司的区别在于它同企业的合作更加紧密,不单单是处理复杂的系统和模型。Antuit 扮演的角色更像是个长期的合作伙伴,它能根据公司业务上的紧急需求及时进行数据分析和建模。   投资大数据公司对高盛来说并非新鲜事,2013 年 4 月它曾投资了另一家美国本土的大数据公司Guavus。高盛此次将目光瞄准了亚洲这块新兴市场,它提供的资金有助于 Antuit 收购规模较小的竞争对手,并吸引大量工程方面人才,在美国竞争对手之前抢滩亚洲市场。   大数据领域一直是 Intel, Qualcomm 以及 Google 这些大玩家的天下,而如今越来越多的金融企业正在尝试通过大数据来进行风控,不断完善自身的风险管理框架;以及通过系统自动对客户交易数据分析,预测客户在未来半个月到一个月可能的消费和交易,从而精准掌握客户的信贷和其他金融需求。   国内,平安也在金融大数据上布局,专门成立了平安金融科技为陆金所在内的其他集团子公司提供数据分析挖掘的增值服务。之前拍拍贷 CEO 张俊向还提到:大数据对于金融的影响会使得金融服务将进一步从粗放式管理向精细化管理转型。由抵押文化向信用文化转变更全面的信用体制和风险管理体制将会建立;从“利润为中心”向“客户为中心”转型。从“关注整体”向“关注个体”转型。   [本文参考以下来源:ft.com, finextra.com]
    大数据
    2015年01月23日
  • 大数据
    2014中国教育行业大数据白皮书 来源:百度
    大数据
    2015年01月19日
  • 大数据
    人力资源管理在移动互联时代如何蜕变? // // 移动互联的本质 我的感觉是,现在很多人在做互联网的事情,但是不一定都理解互联网的本质。 人的生意是从大利益逐步到小利益的发展过程。过去我们关注大利益,用50块钱是难以去理财的。而现在的趋势是往“小”的方向走。1个人的50块钱不算什么,但是1亿人的50块钱就是大价值。 从科斯的交易成本理论来讲,移动互联的本质是让小利益的交易成本为零,零成本地将小利益汇聚成大价值。 海量信息的量变可以引起质变。百度文库就是互联网思维,把微不足道的人调动起来,上传微不足道的东西,形成了大价值。一个人的信息可能不重要,但是有13亿人的信息时就很重要了。每个人的一句话是不重要的,但是如果13亿人都有一句话,就重要了。 时代的发展必然会让我们关注小利益,以前这些小利益难以被解决,但是移动互联的出现让我们拥有了解决小利益的技术和平台。抓住“微”就抓住了移动互联的本质。 移动互联与人力资源管理的关系 移动互联让我们做成了以前想做但是做不了的事情。 1、战略:关注未解决的小利益 过去做生意,总是从大处着眼,而现在都会关注人的小利益。战略不一定要“大”。做100个人每人100万的生意不叫移动互联的思维,做1亿人每人1块钱的生意叫移动互联思维。在战略上,要琢磨清楚还有什么小利益没有被解决。 2、工作分析:分解、碎片化、IT化 工作分析离不开分解。泰勒科学管理原理的核心就是分解,这是要把非常复杂的事进行管理的重要步骤。对于企业来讲,有专业化的横向分解和层级化的纵向分解。通过横向纵向的分解形成一个结构,每一个岗位都会在一个具体的位置上。 在科学地设置岗位的前提下,要让每个岗位、每个人发挥作用。人力资源管理的效率可能来自碎片化的管理。碎片化管理就是让每一个岗位每一个细胞都很活跃。什么东西会导致碎片化的效率最高?自我管理,员工参与。如何让员工参与并自我管理?通过IT系统,IT是保证碎片化的效率的手段。 分解导致细化的效率,细化导致碎片化,移动互联技术将此固化。 3、招聘:大数据与微招聘 微信招聘、云招聘对于我们来讲,已经不是新鲜词汇。在移动互联时代,招聘不再是按部就班、进展缓慢的过程。我们可以在手机上进行投递简历,查看应聘进程等操作。 移动互联和传统互联最大的区别就是交互,把很多中间环节都去掉了。移动互联发达之后,其实中介机构的力量会减小。这也是值得关注的趋势。招聘是社交化的,基于移动互联的社交圈可以成为招聘的优质渠道。通过社交网络,实现求职关系的碎片化,创造更多的匹配机会。 基于云的系统也可以记录和获取各种数据,招聘过程和人员管理的数字化能有效的匹配人选。使用高科技,使用数据来让招聘变得更加精准有效,成本低廉,速度更快。大数据一定是招聘的未来。 4、培训:大数据、微培训、为培训提供激励 用大数据来做培训规划。超市要以绩效差距来做员工的而培训规划,会碰到很多挑战。主管要找每个人谈差距,这是很费时的。但是用一个技术手段就能解决这个问题。比如大数据,一个顾客进来你说了多少话,你给顾客介绍商品的次序,这些都可以用数据记录下来。用数据记录每个员工和每个顾客的行为,并进行分析。用大数据来确认员工的能力差别,从而进行培训规划。 用微培训建立移动的行动学习课堂,实现碎片化学习。饭店新员工很多,主管要告诉他们怎么端盘子,怎么收银等等。原来的培训方法是师傅带徒弟的,如果在主管服务的时候,有员工把这个过程拍下来,上传到网上,大家不仅可以随时随地观看,并且还能进行分享、回复。通过微课程上传和微课程查看的方式,增加互动,节省时间。 为员工提供培训激励。比如用社交媒体的手段提升学习的兴趣,大家可以互相交流培训感想,分享好的培训课程等等。也可以采用积分制,每学完之后得到一些培训学分,用学分兑换积分,获得小奖励。 5、绩效:绩效云系统 绩效管理很重要的是要有数据依据。通过人力资源计量明晰绩效考核的依据,了解员工的绩效差距,计算绩效管理的投资回报率。同时,移动互联技术可以实现绩效的实时跟踪,从而进行及时的绩效辅导、沟通和提升。在IT系统中,每个员工都可以参与进来,实现人力资源管理的即时性和交互性。比如说,员工有个自己的账户,将信息即时输入系统后,主管审核。既让员工有承诺,也要直线经理参与进来。通过绩效云系统,将僵化的绩效管理变成动态的、互动的、数字化的,这是绩效管理的一大趋势。 6、薪酬:即时认可与工作-生活平衡 当今时代,移动互联技术的发展为认可激励提供了前所未有的发展机遇。小利益的汇集可以创造大价值,而互联网的本质就是零成本地将小利益汇聚在一起,形成大价值。员工表现好,就可以利用移动互联对其表扬,让大家点“赞”,这是员工行为中的小利益。要对大量员工进行即时认可是很困难的,但是利用技术手段,可以轻松实现所有人的认可激励。当所有员工都实现了即时认可,实际上创造了大价值,实现动态激励。 人力资源管理的两个趋势,去人化趋势和人性化趋势。去人化指的是绩效尽可能不依赖人,人性化指的是很顺着人的性子,绩效还很高。工作-生活平衡就是解决这个问题,让大家变得很舒服,让绩效变得很高。工作-生活平衡的本质,在极大化地尊重人性的前提下,找到不断提高绩效的方法。很多公司有弹性工作制,员工可以在家里工作。这是因为移动互联技术创造条件,打破了工作的时间和地域限制,交流间接化,工作时间弹性化,工作地点弹性化,从而使管理更顺应人性。聪明工作胜过辛苦工作,聪明工作带来工作与生活的平衡。 不少人说,人力资源管理正在被移动互联颠覆。与其说是颠覆,不如说人力资源管理在移动互联时代蜕变。移动互联只是一种工具,利用这一工具,人力资源管理能够实现对小利益的关注,将无数小利益零成本地汇聚成大价值。 移动互联再往前走,一定可以再分解。具体分解到什么状态我们不知道。在设备方面,带通讯功能的可穿戴的移动设备,这可能是下一个趋势。 这不仅是人力资源管理的变革,而是整个时代的变革。在变革风潮中,人力资源管理正在蜕变,我们每个人的小利益被关注,也应不断地关注他人的、社会中未被解决的小利益。
    大数据
    2015年01月19日
  • 大数据
    2015,SaaS的新转变 来源:三影塔CIO之家// // // 企业和客户之间会存在更多的选择。尽管我们心里企盼平稳,但是在市场,销售和产品研发领域,特别是云计算相关领域仍然会发生持续的变化。我们在新的一年里会看到SaaS五大发展趋势:   1. 企业会在个体消费研究方面加大投资规模   目前很多对消费者的研究还停留在静态的方式上,比如通过问卷调查和对原始数据进行分析。更多的企业会在个性化定制服务方面加大投入。这些企业往往会通过社交网络,大数据技术的应用以及直接的接触(电子邮件和社交媒体)来了解客户的需要。像购买动机,生活方式以及内心需求这样的细节都很重要。营销策略的关键是要提高客户的满意度,激发客户的品牌价值意识,所以营销不仅仅是一种服务。   2. 云数据服务将会赶超传统意义上的存储   相对传统的前置应用,微软公司将会从其云服务领域获得更大收益。传统的前置应用受限于自身的前置存储空间,而云数据服务则更加开放。尽管云数据服务成本相对低廉,但企业为了获得有效的发展,还会研究去缩减其开支。云数据服务需要提防的一点是其合法性问题。希望企业花重金来做好数据的安全工作,避免数据外泄。   3. 更多的SaaS应用会行业化定制   像医疗卫生行业,制造业以及零售业将会开发出更多适用其领域的应用程序。这样做面临的挑战之一就是要承担起客户更深层次、更复杂的体验工作。但在开发新的功能时,企业在特定领域SaaS所具有的用户基础会使企业抢得先机。同时对用户也有好处。这种趋势不容小觑的原因是用户对特定领域相关应用的需要日益增长。在任何一个领域,通用的应用软件都会避免变得过于复杂。过于复杂会提供给用户不切实际的服务而与用户脱节。   4. 多重租用的可选方案将会出现   允许多个用户共享一个应用对于管理云服务数据是行之有效的,而传统认识是让多个用户使用,具有各自的界面。多重租用则具有更个性化的用户体验。例如,salesforce.com为企业所提供的新服务“Superpod”。这使企业在自己的数据中心拥有自己专用的基础架构,而不是连接到一个单独的服务器。这些新的混合服务给企业通向未来提供了更多可选项,为系统的开发工作提供了更多的创新空间,这样就解决了云服务市场存在的瓶颈,也为用户提供了更多的选择。   5. 大数据分析更显突出   在2015年DaaS(数据及服务)的应用量会呈现上升的趋势,消费额将达到2150亿美元。DaaS将利用云来提供服务。他们还预测,会有更多的企业使用大数据分析技术作为其商业及开放数据集的一部分。云存储为企业的接入和整体存储容量提供了更高的灵活性。由于每单位云存储的相对成本在下降,越来越多的企业对大数据分析技术变得兴致有加,该技术则是实施开放数据集的绝佳机会。  
    大数据
    2015年01月13日
  • 大数据
    用自助型BI推动企业产品消费化,大数据可视化公司永洪科技完成五千万元A+轮融资 商务智能(Business Intelliegnce)领域过去一直都由甲骨文、IBM、微软等 IT 巨头盘踞着,这些公司有着完整全面的商务智能解决方案,从数据采集、存储到挖掘和展示,所有环节都全面覆盖。用户群庞大而且根基牢固。他们有庞大的销售团队和完备的客户支持体系,几乎构筑了一个铜墙铁壁,不给企图进入这个行业的公司留半点缝隙。大家都觉得 BI 很重,没有人敢去玩,难道新的进入者就真的没有机会了吗?   至少,永洪科技不这么认为,而且找到了一条相对 " 轻 " 的方式切入这个领域。   在底层,永洪基于全自主研发的分布式计算、库内计算、内存计算、列存储等技术的复合,实现 TB-PB 级数据的秒级运算。在前端交互上,永洪大幅简化了传统 BI 的交互模式,用户可以通过简单的拖拽操作自主关联字段,自建运算逻辑和展示方式。海量数据秒级计算 + 自助式的挖掘和展现,使得企业内的业务人员可以大幅摆脱对 IT 部门的依赖,自主实现业务数据分析。而秒级计算本身,将 BI 实现周期从“周”缩短到“秒“,一线业务人员可以探索式的展开分析活动,而不必受限于事先给定的模型框架。   永洪所提倡的“BI 自助化”概念似乎也获得资本方认可,据永洪科技透露,该公司业已于近期完成五千万人民币 A+轮融资,资金来自经纬创投。 Box 的创始人曾经在 YC 创业课中谈及企业级软件的创业思路时,强调了技术性和工具性,创业者要时刻关注革命性的新技术,并思考这些新技术能够给人们现有生活和工作方式带来哪些变化,去思考在传统行业中哪些过于昂贵或者复杂的工作方式可以通过技术去简化。同时从小处着手,在用户导向的模式下,为用户开发一个小工具,获得用户肯定以后再慢慢扩张市场,是创业者可以和现有的大公司竞争的最佳方式。   再来看现在的 BI 技术发展趋势,传统的 BI 服务提供商,平台的复杂性和购买、学习、维护的成本都极高,有分析需求的业务人员由于不懂编程,一份数据报表的产生往往需要经过销售和分析部门和技术部门反复的开会,沟通,最终花费很多时间才能形成。IT 部门事先建模,提前汇总好数据,业务人员在前端查看分析结果报表。这种预设的方法也给使得数据报表的修改和重新制定变得耗时而费力。面对分析需求的变更,无法及时给出响应。   随着大数据时代,数据的量级迅速提升到百万至百亿级别,还依靠 excel 等工具做数据分析的企业迫切需要提升自身海量数据分析的能力,而分布式数据分析系统搭建的技术门槛比较高,一般企业无法承担。   近几年,在数据挖掘技术领域,随着分布式计算等新技术日渐发展成熟,处理数据的性能有了几十倍的提升的可能,BI工具正在朝着轻量级、高性能、秒级响应的敏捷型BI的发展 ,这个技术的革命点给新玩家进入BI领域提供了一个入口。   未来,随着 BI 的轻量化、云端化,预期更多现在没有使用 BI 软件的公司也会加入这个市场。   [36氪,作者: icecutie]
    大数据
    2015年01月13日
  • 大数据
    大数据+机器学习+平台,Dato拿了1850万美元B轮融资 大数据在硅谷炙手可热,拿融资自然也不再话下,拿到千万级美元融资的也有不少,不久前大数据分析云服务GoodData就获得了Intel Capital领投的2750万美元。据华尔街日报消息,机器学习平台 GraphLab 刚刚改名Dato,并获得了 1850 万美元新融资,投资方为 Vulcan Capital 、Opus Capital 、New Enterprise Associates、Madrona Venture Group。此前他们曾获得680万美元融资。   GraphLab 提供了一个完整的平台,让客户能够使用可扩展的机器学习系统进行大数据分析。简单来说,就是从别的应用程序或者服务中抓取数据,让机器学习这个模型,并将学到的知识作为基础,自动地进行准确的预测和决策制定。这么讲挺抽象,我们还是具体举几个例子吧。可能最好理解的就是民主国家政府的民意调查,可以通过社交网络、媒体等提取数据,分析出民众到底在关心什么,分析出哪些区域的哪些问题必须关注、解决。其实,生物医学研究团队也会使用 GraphLab,主要是来分析临床记录,从而预测病人的病情发展趋势。零售业可以做价格预测、用户推荐;金融服务业可以做诈骗预警;市场公司则可以通过情绪分析锁定关键客户。现在 GraphLab 的客户已经包括 Zillow、Adobe、Zynga、Pandora 等。   那为什么是 GraphLab(现在应该叫 Dato 了)会获得这么多客户的青睐呢? 其实,将原始数据转化为决策依据,并作出预测,这个过程还是很复杂的。往往需要大量的数据处理工具,收集、清洗数据,再建模分析,得出结论,进行展示;还需要大量的数据科学家或同样知识渊博的软件工程师来配合完成。既耗时费力,还投入不菲。所以 GraphLab 这样的平台,可以让毫无编程经验的数据科学家,快速地将理念转化为生产环境可以使用的产品,提高企业的生产效率,自然受欢迎。值得一提的是,Dato 现在能处理各种数据类型。     GraphLab 的创始人 Carlos Guestrin 是机器学习界国际公认的大牛,曾被 Popular Science 杂志评为 2008 年 “Brilliant 10”,还获得过美国青年科学家总统奖。2008 年在卡耐基梅隆大学带着两个学生研发了 GraphLab 的原型,2012 年被 Jeff Bezos 游说去了华盛顿大学。   在 Madrona Ventures 和 NEA 的资金支持下,2014 年 3 月创办了 GraphLab,并以测试版的形式推出了第一个商业版。2013 年 10 月,增加了机器学习功能,推出了新版本。现在的 GraphLab 已经不仅仅是图谱分析了,更是一家基于 AI 的大数据公司,能够处理各种数据类型,所以公司也改名叫 Dato 了。   在美国现在的大数据公司主要有四类:   数据的拥有者、数据源:特点是业务优势能收集到大量数据,就像煤老板垄断一个地区的矿一样。其实大多数有能力产生或收集数据的公司都属于这类型,比如Vantage Sports和收集了PB级数据的包子铺。   大数据咨询:特点是非常技术,提供从基础设施规划建设维护到软件开发和数据分析等的服务,但不拥有数据,比如Cloudera这家不到500人的startup是最著名的Hadoop架构咨询公司。   做大数据工具的:比如AMPLab出来的Databricks和Yahoo人主导的Hortonworks。   整合应用型:特点是收集拥有或购买一些数据,然后结合AI来解决更多实际的痛点。   像 Dato 这种做整合应用型的大数据公司才有可能有希望。未来是 AI 的,而 AI 的食物是数据。就像很多产业链一样,最困难且最有价值的创新往往发生在接近最终用户的那端,比如 iPhone。大数据行业最有价值的部分在于如何利用机器去处理数据得到洞见,影响组织和个人的行为,从而改变世界。收集和整理数据在未来会变得标准化和自动化,而利用 AI 进行分析的能力会变得更为关键。   [36氪,作者: 小石头]
    大数据
    2015年01月09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