数据分析 - HRTechChina.com - 向上的力量！

数据分析

投资智能招聘技术的7个理由文/ Chiradeep BasuMallick 在过去的两年中，招聘技术招聘技术发展迅速，激发了一种全新类型的技术创新、颠覆性对话和行业对话。那么，为什么企业会迅速投资于招聘技术，将其作为独立的人力资源工具？是什么因素促使人力资源领导者，尤其是使用基于人工智能的智能招聘技术呢？让我们深入调查。 1. 网上申请变得更容易申请人跟踪系统已经使用基本形式的AI来分析和优先处理每天收集的大量简历。智能招聘技术进一步扩展了这一用例，让雇主通过应用智能和预测技术，主动寻找相关求职者。 2. 一级筛选加快对于任何招聘途径来说，最初的选择都是最耗时的，并且在迭代的、常规的检查列表中占很大比例。基于人工智能的智能招聘技术可以快速扫描简历，并创建一个初步的候选名单。最耗时的任务是通过筛选数百名可能的候选人，选出最适合一级面试的候选人。一场革命就是获得一种无法恢复的资源，那就是时间。更重要的是，你甚至可以期待对话界面从求职者那里收集信息，在必要的时候不再需要详细的简历。 3.达到目标候选人这是人工智能在招聘中最有影响力的用例之一。除了自动化单调的任务，人工智能还可以帮助定位被动求职者，并根据组织价值观进行搜索，这超出了人力招聘人员的能力。所有这些都不需要花费时间或金钱来组织面对面的会议。 4. 人工智能创造了公平的竞争环境聪明的招聘技术可以通过几种方式让事情对求职者更加公平。首先，这是最重要的——它可以消除工作岗位、面试问卷和筛选方法中的偏见。此外，简历不再是求职者与招聘人员互动的唯一接触点。对于非软技能相关的职位，这将帮助招聘人员超越措辞糟糕的简历，在任何情况下评估真实的成就。 5. 这对于远程招聘尤其有用零工经济只会获得真正的动力。大多数招聘人员在招聘、留住和解雇远程员工方面都没有经验。因此，他们往往无法识别成为出色零工的特征和参数。人工智能引擎可以快速处理历史数据，这些数据是从多个来源中挑选出来的，用于推荐候选人是否适合远程职位。 6. 新的招聘技术可以使面试现代化这一直是招聘技术界争论的焦点。虽然人工智能已经取代了一级甚至二级评估，但它在后续阶段的作用仍在不断发展。然而，我们可以想象这样的场景:人工智能机器人在Skype采访中提问，或者人工智能层被用来评估预先录制的采访视频。 7. 面试后的分析更准确通过使用最新的数据分析技术，AI可以不断地从以前的招聘案例中学习。因此，随着时间的推移，你的招聘技术平台变得更加智能，能够以更快的速度提供更准确的结果。结论这些都是公司寻求投资于尖端招聘技术解决方案的主要原因。但这是否意味着技术将完全取代传统的人力招聘?专家说。“鉴于自动化尚未具备绘制行为和文化之间结缔组织的技能，只有人类才能决定谁才是真正的最佳人选。”未来的招聘人员可能需要接受这样一个事实:技能匹配可能没有性格评估那么重要。在人工智能和自动化时代，人力技能在招聘行业变得越来越有价值。凭借智能招聘技术的不可思议的效率，加上直觉和实地经验，招聘人员可以希望强化结果，并在当今的求职者优先市场获得绝对优势。以上为AI翻译，内容仅供参考原文：7 Reasons to Invest in Smart Recruiting Technology

数据分析
2019年02月18日
数据分析

帮助企业数据录入的机器学习初创公司HyperScience获3,000万美元B轮融资把人类可读数据转换成机器可读数据的机器学习公司HyperScience今天宣布，由Stripes Group牵头、现有投资者FirstMark Capital和Felicis Ventures、以及新投资者Battery Ventures、Global Founders Capital、TD Ameritrade和QBE共同参与的3000万美元B轮融资已经结束。 2016年，HyperScience推出了一系列专注于医疗、保险、金融和政府行业的企业产品。原始产品HSForms(由手写形式转换为数字数据输入处理),HSFreeForm(做了一个类似的功能为手写电子邮件或其他non-form内容)和HSEvaluate(这可以通过复杂的数据解析形式,帮助保险公司索赔批准或拒绝撤出所有相关的信息)。现在，该公司已经将这三种产品合并成一个名为HyperScience的产品。该产品旨在帮助公司和组织减少数据输入积压，更好地为客户服务，节省资金和资源。我们在生活或工作中使用的许多表单都是任意格式的。我的银行对账单和你们的不一样，你们公司的发票可能和我公司的发票不一样。 HyperScience能够在没有人类帮助的情况下，将这些形式迅速、轻松地导入系统。 HyperScience不是按座位收费，而是按文件收费，因为仅仅使用HyperScience就意味着实际“使用”该产品的人会更少。最新一轮融资使HyperScience的总投资达到5,000万美元，该公司计划利用其中很大一部分资金来壮大团队。该公司首席执行官彼得•布罗德斯基表示:“我们的产品非常有效，与市场的契合度也非常好。”“决定我们成功的是我们建立和扩大团队的能力。” 以上为AI翻译，内容仅供参考。原文链接： HyperScience, the machine learning startup tackling data entry, raises $30 million Series B

数据分析
2019年01月17日
数据分析

人力资源技术专家将来需要的4项基本技能文/Dave Weisbeck 今天的人力资源技术专家是一个技术性很强的角色，正面临越来越大的压力，需要继续破坏并对组织的底线产生更大的影响。传统上，人力资源技术的重点一直是卓越运营 - 管理和优化我们用于运行人力资源的流程。随着我们的进步，人力资源技术专家将需要专注于更好地整合技术和人员，以便设计一个改进的工作系统 - 业务如何通过其人员发挥作用。这一角色对整个企业的成功至关重要，因为它将成为企业在竞争中脱颖而出的基本手段。那些利用技术，人工智能和数据方面即将到来的优势的人，与那些停滞在创新上的人相比，收益将呈指数级增长。人力资源技术人员现在必须采取措施，确保他们拥有必要的技能，以确保在决策速度和质量至关重要的未来取得成功。随着行业的发展，这些将是人力资源技术人员必须具备的基本技能：将人力资源决策与业务成果联系起来技术投资越来越多地通过批判性的视角进行审查，对于CHRO和首席执行官来说，总体业务影响和财务目标是最重要的。人力资源技术专家的核心重点将不再局限于人力资源和人力资源规划，而是这些力量对整个组织的影响。缺乏远见和商业头脑会伤害任何商业领袖，包括人力资源技术领域的领导者。如果您不知道为何做出业务决策，则无法将人力资源决策与业务成果联系起来。人力资源技术专家不再能够成为各自领域的专家，他们必须精通组织的健康状况，并了解决策如何影响整个系统。基于数据的推理与创新每天，我们都在制作越来越复杂的数据，以便从中获取见解。我们实施的用于雇用，船上，开发，保留，补偿等的所有流程都创建了大量数据。但这只是一个开始。考虑物联网，它通过监控自动室内灯光激活来跟踪从办公室空调的温度到员工流动的所有内容。人力资源技术专家需要找到新颖的方法来有效地汇集和解释这些信息。能够从越来越大和更复杂的数据集中提取最重要的细节以做出明智的决策将对业务产生战略价值。更具体地说，掌握人员分析并使用预测模型来改进人力规划并随着业务和市场的变化定期更新这些计划至关重要。人力资源技术专家不再能够简单地回答诸如“当前员工人数是多少？”或“上个月雇佣了多少人？”等问题。相反，需要更先进地调查员工如何不断适应和改进到加强业务成果。将提出深刻的问题，其结果将改变工作的性质，领导层将寻求人力资源技术专家根据事实和数据提供创新的想法。社会情报人力资源部门经常关注个人，正如我们在考虑招聘，绩效，发展或薪酬时做出决策所证明的那样。当团队（团队内部和团队团队）的动态得到优化时，企业的运作效果最佳。但技术不断改变协作的本质，而且远程工作人员比以往任何时候都多。即使在今天，有效的合作也不再受办公室或城市限制的约束。虚拟通信工具将继续使面对面的交互更加普遍，并且面对屏幕的时间将占主导地位。人力资源技术专家必须了解哪些策略最适合参与和激励全球和几乎分散的团队，并能够衡量团队的运作和互操作程度。在单个团队或职能中发生的业务流程很少，并且可以通过改进团队的互操作性来获得关键业务优势。人力资源技术专家不需要将决策权交给IT，而是需要成为关键的利益相关者 - 并将数据 - 用于新通信或协作技术的决策。此外，在机器和算法将成为劳动力一部分的世界中，对社会智能的深刻理解将成为有效实施和衡量这些新技术如何与人们融合的竞争优势。解决创造性问题随着未来变化如此迅速，需要创造力和好奇心态来为复杂的业务问题找到合适的解决方案。深入研究数据的意愿必须与创造性方法相结合，以收集所需的所有信息，无论是调查利益相关者，使用最新软件，还是开发新的机器学习算法。能够开箱即用并提出创新建议的人力资源技术人员对推动业务发展至关重要。此外，这些相同的技能可以应用于变革管理，这将继续成为关键的成功因素。向工作场所引入任何新技术都有障碍，因此能够找到最佳路径需要创造性思维和健康的好奇心。创造性思维将提供一个计划，该计划将尽可能减少对团队，员工和业务的干扰。为未来做好准备对于人力资源技术专家来说至关重要，不仅要保持相关性，还要展示他们的角色在组织中发挥的重大影响。通过现在思考，有机会掌握所有变化，巩固您现在和将来的价值。以上为AI翻译，内容仅供参考。原文链接：4 Essential Skills an HR Technologist Will Need for the Future

数据分析
2019年01月11日
数据分析

DataCamp为可定制的在线数据科学课程筹集了2500万美元科技行业急需数据科学家，工程师和研究人员。据LinkedIn称，截至2018年8月在美国，科技行业正在经历超过15万人的数据科学技能短缺。而像IBM这样的公司预测人工智能和与分析相关的工作列表数量增长了28％，这确实使得企业招聘在未来几个月内变得困难。如果没有雇用更多的数据科学家，补充教育是企业开始缩小制度知识差距的一种方式。这是纽约创业公司和Techstars毕业生的使命DataCamp - 联合创始人兼首席执行官Jonathan Cornelissen表示，他希望能够让世界各地的人们都能获得数据技能和数据流畅性。现在，在190多个国家和1000个商业客户中拥有超过330万用户的平台，后者包括EA，乐高，Airbnb，Forrester，Whole Foods，PayPal，T-Mobile，Telefonica，Kaiser Permanente，HSBC，REI ，eBay，Uber，宜家和梅赛德斯 - 奔驰，他和其他联合创始人Dieter De Mesmaeker和Martijn Theuwissen更接近实现这一目标。新的资金回合和每月100,000名新用户的增长也没有受到伤害。 DataCamp今天透露，它由Spectrum Equity领投筹集了2500万美元的融资，其中包括Accomplice和Arthur Ventures。值得注意的是，这是DataCamp 2017年7月之前400万美元加薪的六倍，并使该公司的总收入达到3110万美元。 Cornelissen表示，这笔资金将使DataCamp扩大其全球影响力，拓宽课程范围，并改善学习体验。它目前在纽约，比利时和英国设有办事处，其超过90人的团队在欧洲和美国之间平均分配（去年，美国团队从Accomplice所在的波士顿地区搬迁。） “我们的团队很高兴我们与最好的教练一起努力 - 并补偿他们共同创建丰富数百万用户的互动式实践课程 - 现在将使更多的用户和公司受益，”他说过。“我们被Spectrum Equity的扩展在线学习平台和互联网公司（如Lynda.com，Teachers Pay Teachers，SurveyMonkey和GoodRx）的记录所吸引。” DataCamp的课程 - 可在网络上以及通过iOS和Android应用程序获得 - 运行大约四个小时，并将短专家视频与内置练习模块相结合，为编写代码，导入数据，清理等任务提供个性化反馈数据库和培训AI模型。这些练习面向更大的挑战 - 项目 - 为学习者提供现实问题。迄今为止，DataCamp的160名教育工作者 - 其中一些人每年收取近15万美元的版税 - 已经为包含R，Python，SQL，Git，Shell和其他编程语言，工具和平台的200多门课程的图书馆做出了贡献。也许更令人印象深刻的是，该公司表示整体课程完成率超过60％。像Coursera，Codeacademy和edX这样的大型开放式在线课程（MOOC）竞争对手可以提供类似的功能。但有些独特，DataCamp为其企业客户提供了一个强大的门户网站 - DataCamp for Business，使他们能够跟踪员工和团队成员的长期进展。经理可以分配特定的课程或章节，查看谁的会议截止日期，以及创建自定义课程轨道。与此同时，员工可以访问排行榜，显示关键指标，如已完成的课程，获得的技能等。一个快乐的DataCamp for Business客户是Nielsen，该公司正在利用该公司的课程，使其在数据科学和分析方面的技能“提升技能”。 “课程的广度和质量，学习的动手实践方法，通过浏览器内编码练习，一次解释一个概念的简短视频，以及通过DataCamp社区提供的资源深度，为了满足整个组织对数据流畅性的更广泛需求，“尼尔森数据科学全球培训负责人Francesca Farinati表示。 DataCamp每个学生每月收费25美元，并提供企业和专业级别，分别为每位用户499美元和300美元。（“专业”客户错过了高级报告，数据导出，单点登录和数据API等功能。） “我们支持这项投资的论点很简单：随着企业在数据驱动的基础上更加有效地竞争，无论公司规模或行业细分如何，对提高数据流畅性的需求都是普遍的，”Spectrum Equity董事总经理Steve LeSieur ，对今天的公告说。“DataCamp首席执行官Jonathan Cornelissen，他的联合创始人以及团队其他成员所建立的平台，最适合通过独特且快速发展的产品平台和高度参与的全球社区来满足这种爆炸性需求。” 以上为AI翻译，内容仅供参考。原文链接：DataCamp raises $25 million for customizable online data science courses

数据分析
2018年12月18日
数据分析

2019年组织发展趋势：拥抱人力资源数据富有洞察力的人力资源数据正在开始转变长期依赖人力劳动的流程，包括工资单，招聘和人力资本管理。众所周知，数据已经改变了组织的业务方式。基于数据的应用程序和数据分析正在帮助销售，营销，产品开发和其他领域推动创新，消除低效率，改善客户体验管理并追逐以前难以想象的增长。人力资源还可以使用数据做出明智的决策，帮助他们的组织取得成功。人力资源数据的见解已经开始改变长期依赖人力劳动的过程。薪资，招聘和人力资本管理只是人力资源部门的一部分，可以从细分的，细节丰富的数据中受益，例如，显示部门层面的信息或有关竞争组织如何发展的启示。以下是三个不断发展的领域，人力资源数据可以帮助您的组织更好地管理人才并提高盈利，掌握这些趋势有助于为您的部门或组织成功。使用数据作为助手通过人工智能支持的技术收集、分类和分析的数据不应被视为人工劳动的结束，相反，AI应该充当人类的助手。从组织数据中收集的见解有望帮助人力资源领导者以新的方式处理他们的职责，并解决更适合人工智能的挥之不去的问题。通过这种方式，数据将越来越多地允许决策者专注于需要更人性化的优先级和任务。例如，数据可以显示哪些员工有离职的风险，这使得人力资源部门能够与经理讨论潜在的结果，然后他们可以主动与员工交谈，以确定他们是否满足于工作。数据还可以揭示经理何时难以保留新员工。这可以帮助人力资源部门确定哪些经理可以从额外的培训中受益 - 甚至是体贴的，数据支持的对话。数据可以确定某个部门何时超出其分配的加班预算，使人力资源部门能够帮助管理人员更好地指导他们的计划。与人员进行沟通正是人力资源部门应该做的事情，数据分析让人力资源部门能够采取有意义的见解。由于数据的原因，实现人力资源中的“人”元素可能比以往更加直观。为管理层提供他们需要的数据更加以数据为中心使人力资源部门能够积极主动地迎合另一个趋势：需要定期向高管和经理提供重要数据。管理层通常忙于运营组织，通常没有多少时间仔细审查数据，但通过将数据分析纳入其工作流程，人力资源部门可以隔离管理人员和一线管理人员需要看到的成就，问题和异常的统计快照。通过我们的薪资服务提供的见解，今年我们的一个客户合作伙伴节省了330万美元，因为经理手头有数据表明加班超支已经成为一个问题。各地的人力资源工资专家肯定会让他们的主管，首席财务官和其他高管感到高兴，如果他们能够传递直接，准确的见解，导致任何不必要的开支被削减。数据可以促进员工成长人力资源和管理层之间的信息流动主题很好地转化为2019年的另一个趋势：更加注重改善员工与企业的关系。当人力资源部门有数据帮助员工提高绩效，学习新技能或在组织内寻求晋升时，人力资源部门不必仅依靠传闻。在帮助那些对管理角色表示出兴趣的员工时，人力资源部门可以使用数据来概述当前管理者所遵循的具体职业轨迹。主管还可以依靠数据洞察力向员工展示他们需要获得或锐化的技能组合，以提高他们当前职位的绩效并为管理的未来做好准备。成长型组织了解在员工发展中投入资源和时间的必要性。他们希望员工从他们的工作中学习并获得满足感。反过来，员工也渴望获得指导。当管理人员和人力资源部门明确指出员工可以采取的专业发展步骤时，员工会欣赏他们的上级重视个人发展。开始使用人力资源数据促进创新，增长致力于数据驱动的人力资源管理方法应该是您的组织2019年的首要任务之一。分析与您自己的组织相关的数据以及您的竞争对手的成功和失败可以使您的人力资源部门能够为您的公司推进关键目标。将其付诸实践应有助于为您提供时间，洞察力和信心，从而做出明智的业务决策并增强您与员工的关系。这是一个值得追求的目标。以上为AI翻译，内容仅供参考。原文链接：Embrace These HR Data Trends and Make 2019 a Year of Employee and Organizational Growth

数据分析
2018年12月17日

数据分析

Leena AI收购VR分析公司VadR 据外媒近日报道，总部位于硅谷的公司VadR已被HR Tech创业公司Leena AI所收购。VadR于2016年由3位IIT德里毕业生创立，其提供的可视化分析工具，可以帮助更好地组织和理解数据。 Apekshit，Abhishek和Shubham提供VR特定指标和智能开放平台，其中的见解可以帮助Leena AI改进和加强其现有产品。 VadR首席执行官Apekshit说：“我们非常高兴能够成为Leena AI解决每一个人力资源问题的一员，并利用我们的能力更好地实施成果，并不断提高他们提供最佳产品的能力，同时制造业内最好的产品。 ” 2018年9月，Leena AI筹集了200万美元的种子资金以扩大规模并获得更多客户。联合创始人Adit Jain随后分享了创业公司的计划，以加倍在印度和亚太地区（超过12家付费企业客户）的市场领导地位，并进军美国市场。 Leena AI由Adit Jain，Mayank Goyal和Anand Prajapati创立，是一名人工智能人力资源助理，可以即时响应员工查询并改善员工体验。目前，该公司已经为可口可乐越南，皮尔逊，马里科，RPG等客户提供支付服务。机器人Leena AI可以通过Facebook集成到Slack，Skype或Workplace中。此外，它们是使用策略文档中的信息以及从Oracle和SAP等各种后端系统中提取数据来构建和培训的。虽然Leena AI致力于扩大业务，但它与其他HR Tech初创公司（如Bash，Skillate，EdGE Networks，PeopleStrong和Darwinbox等）竞争。以上为AI翻译，内容仅供参考。相关阅读：YC新星：人力资源聊天机器人Leena AI获得200万美元种子轮融资构建聊天机器人，「Leena AI」想帮 HR 回答“年假还剩几天”等琐碎问题原文链接：Leena AI acquihires VR Analytics firm VadR

数据分析
2018年12月04日
数据分析

GrowingIO B 轮融资3000万美元打造更懂用户和增长的行为分析产品在数据分析行业布局三年后，GrowingIO 正在用产品和服务影响更多的用户，通过打造业内领先的基于用户行为的分析产品和增长整体解决方案，帮助产品经理、运营、增长负责人等落地增长，逐步成为行业的领导者。 2018年10月25日， GrowingIO 宣布获得NEA、经纬中国和Greylock三家投资机构 B 轮融资 3000万美元，成为行业内同等轮次融资金额最高的公司。并发布了基于用户全生命周期分析和运营的整体产品新战略，推出了小程序分析、可视化定义指标、用户画像、全平台用户行为数据采集、全获客渠道分析等10多个产品功能重大更新。 GrowingIO CEO 张溪梦（Simon Zhang）表示，未来 GrowingIO 将在产品和技术研发、增长服务落地、市场和业务创新上投入更多的资源。“为产品、运营、增长人员，提供更加快速、高效的用户行为分析产品和服务，帮助他们提高转化和留存，打造增长引擎。” 产品更贴近业务从2015年5月创立，将“增长黑客”概念引入中国，以用户行为分析产品开始帮助客户落地增长实践,GrowingIO 一直走在分析产品的前沿。 10月25日，GrowingIO发布了基于用户全生命周期分析和运营的整体产品新战略，推出了小程序分析、可视化定义指标、用户画像、全平台用户行为数据采集、全获客渠道分析活动运营分析、小程序看数助手等10多个产品功能重大更新。 “从获客监测、到用户激活、再到留存和变现整个用户生命周期， GrowingIO 按照数据采集、图表监测、分析洞察、实验改进的增长闭环，提供更加丰富完善的产品功能和模块，帮助产品和运营人员快速发现问题、提出假设、实验优化，用数据来驱动增长。”GrowingIO CTO 叶玎玎表示。其中，除了持续改进 Web/Android/iOS 的采集能力，也新增了对于微信生态圈、支付宝小程序的采集能力等。GrowingIO 同时将支持服务端数据采集和提供更丰富的数据对接方式，不止是交互行为数据，也包括业务行为数据，GrowingIO 支持全平台数据采集。并新增媒体监测、深度链接、二维码管理和投放映射等，覆盖全渠道数据监测，打通渠道、下载、激活、注册到产品内转化留存的用户数据，支持深度流量分析，精准评估渠道质量。 GrowingIO 增强了数据洞察能力，强化用户画像等功能支持， ”不同客户的留存行为区别、如何快速找到强留存功能，以推送给其他类似的用户分群，提升产品整体留存等这些场景应用，用户此前通常需要分享1-2周甚至更长时间的分析才能获取结果，在我们的新功能上，只需几步操作就能获取到。“叶玎玎介绍。并依托于 GrowingIO 既有双模数据采集方案和强大的数据分析能力，GrowingIO 重磅推出的小程序分析产品，支持投放-行为-业务数据打通，助力做获客-转化-分享增长分析闭环，不仅满足基础的数据监测和分析，更能支持更深度的转化、留存分析。比其传统的数据分析工具， GrowingIO 提供一套更为灵活和强大的分析产品。“更快、更容易上手、更专业、更灵活、更懂增长”成为大多数客户选择 GrowingIO 的核心原因。这主要依赖 GrowingIO的双模（无埋点加埋点采集）分析模式，满足敏捷探索以洞察未知增长点，及稳健监控以监控核心增长点的双重需求。其中无埋点全量实时采集用户行为数据，解放研发人力，减少内部沟通成本，敏捷快速支持创新迭代；埋点打通用户交互行为和业务数据，全面监控核心业务运营指标。创立之初，GrowingIO 以无埋点技术切入市场，解决用户此前在用户行为数据采集上的工作量大，部署周期长，并且用户个性化需求无法被满足，分析灵活度不足，业务同学做数据分析强依赖产研和分析资源等痛点。减少业务人员对产研和分析资源的依赖，自行圈选，即可按照业务需求制作指标和图表，随时分析随时优化运营策略。 “GrowingIO对小猪最大的帮助是，它成为一个人人会用的工具，不只是产品经理，用户运营与市场运营都能自助定制一个接地气的观察方法，在上线的第一时间，开启观察与优化的动作。”小猪短租产品副总裁孙朝晖认为，“Growingio 不是在赋权，而是在赋能。”小猪短租早在2016年9就开始跟 GrowingIO 合作至今。作为 GrowingIO 的技术优势，并随着客户在无埋点技术的使用越来越深入，GrowingIO 不断进行技术迭代和升级，升级数据统计模型及数据模型重构，提高数据采集的稳定和准确性。并新增支持小程序、小游戏、React Native 等，发布 Chrome Web 圈选、实时调试等插件，将机器学习应用在无埋点数据匹配上，迭代圈选元素智能推荐技术，帮助用户更快、更准确的采集所需数据。不止于产品，更是一整套增长解决方案不只是帮用户搭建一套数据平台或只是提供一套软件， GrowingIO 在业内首推国内领先的“分析产品+运营实施+增长咨询”数据服务体系，提供一整套增长解决方案，帮企业落地用数据驱动业务增长。在服务客户的过程中，发现很多客户有很强数据驱动的需求，但过往积累的经验更多是流量运营，比较缺乏增长经验的积累。比如在基础的数据体系搭建上，仍旧处于比较初级和粗糙的状态，即便是一些体量大、较为成熟的企业，其内部也没有建立完善科学的指标体系。 GrowingIO 在业内搭建了首个增长分析师团队，其分析师和技术实施团队在服务了上千家企业后，积累了丰富深厚的行业经验，提供业内领先的电商、互金、在线社交、在线教育、新零售等几大行业场景数据化解决方案。在客户接入后，GrowingIO 服务团队会安排专业的增长分析师团队帮助客户提供数据规划，技术实施团队快速接入，帮助企业全面梳理并搭建更科学的核心指标体系及增长解决方案，然后由客户成功团队，后续提供全生命周期服务，协助客户落地增长。并早在2016年，GrowingIO 就推出国内首家以“数据驱动增长”为核心的 GrowingIO 增长学院，和硅谷顶尖增长专家与机构展开合作，将全球更先进、更科学的增长理念和实践系统性落地本土，帮助国内企业管理者搭建增长团队、构建组织增长体系、驱动文化及创新。随着对客户普及增长方法论的认知、提供最佳实践指导、产品使用培训等全方位服务的深入，在 GrowingIO 服务的客户中，越来越多的公司，包括像快手、滴滴出行等这些一流互联网公司都在搭建增长团队、增设增长职位或增长官。并像春秋航空、实习僧、热拉、中原地产等一大批增长前沿的实践者，借助 GrowingIO的产品分析、洞察和优化，实现用户整体次日留存率提升3% 、注册转化率提升10%、获客成本仅为行业的20%等实际的增长落地。目前，GrowingIO 成长迅速，服务了800多家付费用户，客单价同比提升了100%，最新一季度续约金额超期120%完成，其中一些代表性客户合作金额实现从几万到几十万，甚至几百万的提升。客户既包括头部互联网公司及大量创新成长型公司，如腾讯社交广告、滴滴、快手、陌陌、58同城、人人贷、宜人贷、点融、花椒、造作、自如、小猪短租、途家等；也包括中国移动、云南移动、中移在线、海尔、方太、上海链家、春秋航空、华住酒店集团、首旅如家、顶新、新东方等大型企事业客户的线上业务；其中销售易、北森、下厨房、猎上、狗民、小猪短租等，都是 GrowingIO 自创办至今连续三年续约的忠实客户。其实早在今年2月，GrowingIO B 轮融资已经完成。做为 GrowingIO 最早的投资机构，经纬创投董事总经理熊飞认为自己正见证一个伟大公司的创立，他表示，“我们认为中国企业对增长以及如何精细化运营流量的需求非常巨大，Simon正逢其时地把硅谷先进的实践经验带回中国落地，我们看到越来越多的用户通过 GrowingIO 有效提升 ROI，加速他们的增长。而 GrowingIO 自身在客户数和收入额过往三年也在快速增长。” 美国最大投资基金之一 NEA 亚洲区主席 Carmen Chang 表示，“我们投资一家公司，几乎都是因为团队创始人、团队和他们的愿景。我们听说了很多 Simon 的事，他在圈内、特别是 LinkedIn 都很受尊敬，他在 LinkedIn 带领整个数据科学团队，现在他在国内也组建了一支优秀的创始团队。促使我们投资他的一个重要原因是，他对公司的使命有着非常宽广的视野，对公司的业务有着巨大的热情。” NEA全球管理合伙人 Scott Sandell 同时表示，“GrowingIO 让客户能够更快更高效的获取、分析他们的用户行为数据，并制定策略采取行动。这在中国至世界各地都有非常巨大的需求，我始终认为，它最终将是一家全球性的公司，所以我们决定继续领投 GrowingIO。“ 目前产品、运营、增长等人群仍是个年轻、创新的群体，还处在早期成长阶段，远未到爆发阶段。“从现状来看，可能是个10-20亿元的市场。但这是潜力巨大的市场，未来可能有10倍，甚至更高的增长。”他认为。虽然行业仍处在早期成长期，但如何使用数据驱动增长，正在被越来越多的企业快速吸收理解，并创新应用，“用户的学习和成长速度，用户使用时长、使用度和活跃度比我们想象得更长、更深、更高。”张溪梦认为。 GrowingIO 数据后台显示，目前，其采集日均用户行为消息数达到2000亿条，同比增加了100%；监控指标总数达百万规模，增长了 60%。不过，张溪梦仍认为这是个慢生意，需要有足够的耐心。“一方面技术、产品的门槛，没有人能够跳跃式地跨过，数据分析是数据平台、技术架构等各种能力的综合；另一方面，能否在未来的每个月、每个季度都持续把握住客户需求，并将客户实践积累出的经验转化成产品和服务。GrowingIO 还需要不断努力，以实现给客户带来价值，用数据驱动增长。” 原文链接： GrowingIO B 轮融资3000万美元打造更懂用户和增长的行为分析产品

数据分析
2018年10月25日
数据分析

Workday People Analytics：利用人工智能、机器学习和增强分析的优势文/Pete Schlampp 有人说，数据是新石油。但是几乎在所有公司，其生成的数据远远超过他们能够分析利用的数据。而在很长一段时间里，Workday的目标都是帮助公司从数据中汲取有价值的见解。从内置报告和分析开始，随着Workday Prism Analytics和Workday Data-as-a-Service的推出，随着数据量、速度和种类的增长，Workday扩大了产品范围，帮助客户充分利用他们的数据。 Workday Prism Analytics致力于开放性和将非Workday的数据引入系统，是您的财务和人力资源团队的数据中心。今年夏初，Workday通过收购增强分析的市场领导者Stories.bi，在分析之旅中又向前迈进了一步。今天，我们很高兴地宣布Workday People Analytics，是一个全新的应用程序，它将向高管、组织领导人和人力资源业务合作伙伴提供关于他们的员工队伍中最关键的趋势视图，以及了解趋势的最可能的驱动因素。它将利用强大的人工智能(AI)、机器学习和增强分析技术，提供动态创建的关键指标，并伴有解释性叙述——我们称之为故事。 How We Got Here 首先需要一些背景。注意让Workday People Analytics与我们现有的产品一起工作。由于Power of One，Workday有一个数据模型，因此我们的应用程序能够非常轻松地处理有关人员的数据。对于Workday人力资本管理(HCM)的客户来说，Workday People Analytic将利用这些数据进行开箱即用。即使对于那些不使用Workday HCM的客户，他们也可以通过Workday Prism Analytics从任何HCM系统中引入外部数据，因此这些见解仍将可用。 That’s Great, Now What? 其次，我们必须以更好的方式将有价值的信息交给高管。因此，Workday利用了增强分析将许多应用于企业问题的AI功能集合在一起，包括：自动模式检测功能，可以查找人类可能看不到的重要变化图形处理以查找大量数据集之间的连接机器学习预测最重要的问题供您查看用自然语言来解释一个简单的故事中发生的事情 Workday的人工智能将搜索数百万种可能的数据场景，并确定优先级，以故事形式自动向高管推送个性化见解。故事为正在发生的事情提供了一种自然的语言解释。洞察力可以是积极的，也可以是消极的——它们只是你应该知道的事情。它们会自动地对你的数据进行更深入的挖掘，并告诉你为什么会这样。这为领导者提供了在做业务决策时所需要的基本信息。 See What Matters Most Workday People Analytics是我们第一个使用增强分析的地方。它将为管理人员，组织领导者和人力资源业务合作伙伴提供可操作的指导，将动态创建的故事与静态内容相结合，涵盖组织构成、多样性、招聘、保留和人员流失以及人才和绩效等方面。您将看到最重要的事情，以便您可以在最短的时间内做出最佳决策。这将使得组织的行动，创新和学习速度更快。 Workday People Analytics不是自动生成针对特定问题的预测，而是提供一种叙述，以指导管理人员在一个广泛的领域中找到聚焦点——无论是具体的团队、位置、客户还是产品线。它使用机器学习来预测和展示真正重要的东西。换句话说，Workday People Analytics会告诉您需要了解的内容。例如，一位人事主管可能会收到一条消息，表明新员工流动总体上有所增加，他们不仅应该关注伦敦的销售组织，还要考虑薪酬以及特定的招聘经理。该应用程序可帮助领导者专注于影响其业务的最重要问题，并回答以下高价值问题：招聘过程中的瓶颈是什么？该组织多样性的五大趋势是什么？我们作为一个社区如何发展？整个组织可以从哪些卓越的领域中学习？我们在哪里看到异常高的磨损？它背后的驱动力是什么？因此，信息负载减少了1000倍——你会发现什么是最重要的，这样你就能在最短时间内做出最佳决策。组织行动、创新、学习更快，形成良性循环。 Future’s So Bright… Workday People Analytics只是一个开始，我们很高兴能够进入数据的新时代，超越自助服务，进入人工智能能够有效预测的世界。未来，我们将在所有Workday的产品中应用增强分析。Workday People Analytics将于明年秋季提供给早期用户，通常在2019日历年末提供。单独销售给Workday HCM客户，它将作为Workday Prism Analytics的一部分提供。我们确信好戏还在后面。以上为AI翻译，观点仅供参考。原文链接:Announcing Workday People Analytics: Leveraging the Strength of AI, Machine Learning, and Augmented Analytics

数据分析
2018年10月06日
数据分析

为什么预测分析（Predictive Analytics）是人力资本管理改变的关键？文/ Chiradeep BasuMallick 这是一个由数据推动的时代。对于人力资源专业人士来说，数据驱动的人力资源分析有助于简化战略规划，改善决策，使员工能够从公司更智能、更有吸引力、更高效的生命周期中获益。在这种情况下，预测分析可以改变核心人力资本管理(HCM)过程，如员工流失管理、员工情绪监控、人才获取和能力规划。通过预测人力资源分析能力，HCM解决方案将真正改变上述所有情况。让我们来看看几个关键的影响领域: 对员工进行剖析，并进行准确的分类有了大量关于技能、教育和背景经验的员工数据，预测分析可以帮助评估每个员工的准备程度。这确保了最适合的申请者被雇佣，新员工被分配到最合适的岗位。企业还可以了解哪些员工最值得拥有，并根据未来的结果预测，制定员工福利计划。管理员工流失率，衡量员工忠诚度通过预测性人力资源分析，人们可以建立复杂的模型，根据有关员工潜在流失的数据生成触发器。HCM解决方案通过将员工流失风险因素与绩效数据相结合，可以准确判断员工的工作效率，检查员工流失率，并专注于提高员工忠诚度和员工福利计划。预测能力和招聘要求人力资源分析可以通过对最佳资源可用性、需求可能下降或上升以及其他有用的细节进行正确的检查和平衡，从而确保人员配备。这也将有助于招聘团队掌握工作量，确切知道需求何时会激增，以及如何填补缺口。与此同时，由于准确的产能预测，您的员工也可以减轻工作负担。员工情绪分析到目前为止，这是人力资源分析最重要的益处。除了年度调查或反馈机制外，预测分析还能帮助评估员工对自己在公司的角色的看法。通过跟踪员工对不同话题的看法，跟踪他或她在社交媒体上的数据，绘制他们的绩效图，我们可以分析员工的动机商数，留在公司的愿望以及与企业目标一致性程度。然后，这将继续促进成果、精简增长、有利于重新调整员工福利计划，精简对核心业务目标的关注。结论——未知的领域和灿烂的前方道路对于人力资源团队来说，对预测分析如何帮助日常任务分配感到有点不确定是很正常的。然而，今天，全面的HCM解决方案必须包含这些关键的预测分析组件，帮助揭开高度复杂和竞争激烈的市场的神秘面纱。最后，预测性人力资源分析将创造有意义和令人满意的员工体验，带来真正的长期利益和关系建设。以上为AI翻译，观点仅供参考。原文链接：Why Predictive Analytics is a Game Changer for Human Capital Management

数据分析
2018年09月28日
数据分析

LinkedIn推出Talent Insights，正式涉足商业智能领域文/Ingrid Lunden LinkedIn ，一个专门发布个人或组织专业档案的公共网站，人们将其视为网络招聘的起点，如今这项服务已经吸引了超过5.75亿用户，2000万家公司和1500万活跃职位列表。但现在在微软的所有权下，该公司已经开始越来越多地构建其它服务; 今天看到最新的服务是它们推出的一个名为Talent Insights的新功能。 Talent Insights之所以重要，部分原因在于它是LinkedIn首次涉足商业智能。作为该企业分析的一个分支，它旨在帮助高管和其他企业最终用户做出更明智的业务决策。此外，Talent Insights值得注意是因为它是趋势的一部分。LinkedIn已经推出了许多其它服务，使其不仅仅是一个单纯的社交网络，而更多的是IT生产力工具。它们为用户提供了一种查看和计划前往潜在工作（或其它业务）的通道; 与Microsoft软件集成，包括与Word 和Outlook中的简历构建集成 ; 并在其Sales Navigator 产品中添加更多CRM工具。有趣的是，距离LinkedIn 首次宣布Talent Insights 到今天实际推出已有一年。该公司表示，部分原因在于期间一直在修补它的缺口以使产品完善：它一直在与众多客户间进行测试——现在有100个使用Talent Insights——比如在人力资源、招聘和营销等部门工作的员工。今天推出的产品大致类似于公司一年前预览的产品：它有两个部分，一个专注于公司人员，称为“人才库”，另一个专注于公司数据，称为“公司报告”。其中第一项将允许企业在LinkedIn数据库中进行搜索，以发现那些与企业已经招聘过的人才特征相似的人才，并找出他们目前的位置（就位置和公司从属关系而言），以及他们动向，他们可能有什么共同的技能，以及如何更好地发现那些拥有所有这些特征的人。第二组数据工具（公司报告）提供了类似的分析概况，比如关于您的组织以及您希望在相关教育水平和相应劳动力学校等领域与之进行比较的组织; 员工拥有或不拥有的技能; 等等。运营Talent Insights的高级产品经理Dan Francis在接受采访时表示，目前用于为Talent Insights提供支持的大部分数据主要来自LinkedIn本身，尽管还有其他数据来源，例如来自劳工统计局的材料。（事实上，即使是LinkedIn的其它一些数据库，例如在其招聘列表中，甚至在其新闻/内容播放中，填充两者的材料都来自第三方。）他还补充说，让公司提供他们自己的数据来使用数字运算——无论是他们自己的报告还是其他公司的报告 - “在我们的路线图中，”表明LinkedIn看到了这个产品的一些进程。添加更多数据源也可以帮助公司显得更加公正和准确：虽然LinkedIn在专业配置文件方面是庞大的，也是同类信息中最大的信息库，但它并不总是准确的，比如在某些情况下可能完全受过时了或故意误导的信息影响。（相关：LinkedIn还没有为人们发布任何“验证确认”的个人资料，例如你在Facebook或Twitter上发布，以证明他们是他们所说的人，他们在工作的地方工作，以及他们的背景这是他们声称的那样。我猜测可能是如果是错的，以明确的方式验证一切是非常困难的，所以LinkedIn依靠公众监督的力量来保持人们的诚实度。） “我们对此非常透明，”Francis说。“我们并不认为这是一种全面的产品，但它是一种代表性的样品。在确保数据质量良好方面，我们非常谨慎。我们知道有时数据并不完美。在某些情况下，它是方向性的。“ 以上为AI翻译，观点仅供参考。原文来源：LinkedIn steps into business intelligence with the launch of Talent Insights

数据分析
2018年09月26日

《 1 2 3 456 7 8 9 》