数据分析
秉承“一个萝卜一个坑”的人才观念，找萝卜如何做一站式招聘管理平台
来源：猎云网（微信：ilieyun） 文/小蒙
近来，融资很难进来，所以“开源节流”这个词被频繁提及着。其实，所谓的开源与节流是一个公司一直都应有的精神，一方面能花更少的钱办相同的事儿，说明公司能力强；另一方面，剩下来的的钱不正好可以为公司更好地开源吗？“谁都和钱没愁”，个体如此，公司亦如此。
很多2B的企业那真是门庭若市，为什么公司愿意为这些2B企业的各种服务埋单呢？面儿上看，企业是为他们掏钱了。往里瞧，其实这些2B企业是能为他们带来长远盈收效益的。那如果这还是一个免费的2B企业呢？
找萝卜是一家免费HR SaaS一站式招聘管理平台。
谈到为什么会做2B服务时，找萝卜CEO付浩告诉记者：“我们的团队之前就在做人力资源管理，同时我们也发现目前互联网创业的大背景下，注册的创业公司大概50%都是互联网企业，不管他们是什么类型的，人员招聘是逃离不了的话题。”
找萝卜把自己的用户服务对象定位为20-200人的创业型公司，帮助他们解决公司的招聘难题是找萝卜的创建初衷。付浩说：“由于初创企业人才需求量大，而且这类型公司的人员流动也很大，所以，找萝卜要解决创业公司人员招聘成本高、效率低的问题。”
创业公司的HR或者是当他们还没有HR这个职位却需要招聘员工的时候，不管是HR还是招聘人员都会手忙脚乱的，因为首先他们面对的第一个问题就是去哪里招人，再往后就更不敢想了。所以，对于创业公司来说如何提高招聘管理效能就是道难题了。找萝卜的核心课题和工具产品的价值就体现在它能够提供低门槛、高价值的产品与用户服务。找萝卜也希望贯穿“一个萝卜一个坑”的人才观念，竭力帮助企业寻找到属于自己的优秀人才。找萝卜的价值是通过它三大核心算法来体现的。
一键发布：找萝卜一键将招聘信息免费分发到国内主流的招聘渠道，对于创业公司来讲，省的是时间成本，无需再挨家挨户落实招聘信息了。
简历简析：付浩说：“目前光标准格式的简历模板就有18种，这就给要在十几二十秒内找到他们关注的信息的HR带来了很大的障碍，更别说还有那些自设的简历形式了。”找萝卜则可以在企业收到简历后，将其统一为“找萝卜”模板，这样HR就一目了然了。找萝卜还开放了实时更新的人才数据库，为创业型企业提供免费的简历下载服务。
基于一键发布和简历简析，通过大量的数据沉淀，找萝卜将实现简历的精准推荐与匹配。
简化管理：找萝卜平台可以随时标注简历状态，提高HR工作效能，帮助企业灵活管理自己的人才库。
找萝卜切中招聘这一高频需求，优化多平台简历筛选与管理体系，通过适度匹配商业化环节打造萝卜管家，覆盖社保、薪酬等人力资源模块，为中小型创业团队提供优质便捷的人力资源SaaS服务。付浩说：“社保和薪酬对于创业公司HR来说，是两个仅次于招聘的刚性需求，相关产品找萝卜正在开发中。”
找萝卜产品8月28日正式上线后，用户量在3个月时间达到了5300家，日活25%-30%之间，平均日增长活跃简历5000+，发布近3万个职位。
找萝卜团队目前30多人，其中5位合伙人，公司正在洽谈A轮融资。
数据分析
调查了全球2000多名企业家后，Salesforce总结出20条未来数据分析发展的结论
今年年初，普华永道发布了一份针对77国逾1300位CEO的调查。结果显示，在推动数字技术发展、提高组织能力方面，数据挖掘分析占有第二重要的战略地位，仅次于提高客户参与度的移动技术。同时，这些CEO还认为，数据分析对于提供更好的客户体验并提高业务效率来说是一最为重要的一项能力。
需要注意的是，数据本身并不能提供洞识。如果数据分析的结果无法在组织内部分享和公开，那就无法促进业务成果和运营效率的最优化。
如今，我们面对着一道“消费者鸿沟”。没有洞识的数据是毫无价值的。国际数据中心的数据显示，企业平均分析到的数据只占其可用数据的不到1%。剩下那没有分析的99%会对公司造成什么样的影响？
大数据就是21世纪的石油，但数据本身是不会说话的。如果你不知道如何使用数据的话，它就毫无价值可言。这就好比石油，它本身也只是一团黏糊糊的东西，直到有人将它提炼成燃料。从大数据提炼出来的燃料就是企业的专有算法。专有算法能够解决执行中的具体问题，将会成为未来成功企业的秘密武器。下一轮数字淘金热的重点，就在于如何用数据来进一步做文章，而非仅仅处理数据。这才是算法经济的未来。
——Gartner高级副总裁兼全球研究主管彼得·森德高
说到利用算法来实现价值，组织和企业都面临着巨大的机遇。但要做到这一点，企业必须发展自身的分析能力。要想发展出算法，企业必须抓住数据、分析数据，并将研究结果反馈到整个系统里（即所有利益相关方：员工、合作伙伴和客户）。Gartner预计，到2017年70%的公司将会发展出各自的分析中心。
而当今的企业是如何利用数据分析取得竞争优势的呢？为了了解企业现在的数据分析情况，我们调查了全球的2000多位企业领导，主要研究以下三个问题：
数据分析在当今企业中的角色转变
数据分析的运用在哪些领域呈上升趋势
杰出企业（high perfomers）如何利用数据分析
根据调查，我们有如下重要发现：
数据分析跃为企业的战略重心。有90%的杰出企业表示，数据分析绝对是他们制定整体战略和改善运营成果的关键。
数据分析的应用案例急剧增加。杰出企业大量使用数据分析的可能性是落后企业的3倍，他们能在十多个领域中收集有价值的信息，平均分析的信息类别超过17种——这个数字几乎是落后企业的2倍。
实时分析的时代已经到来。杰出企业利用现有分析工具获取及时有效信息的能力是落后者的5.1倍。
杰出企业欣然采纳这种新的数据分析文化。顶尖团队里过半员工使用分析工具的可能性是落后团队的2倍。
经过分析，我总结出了20条重要结论。
1. 到2020年，杰出企业有效分析的数据源数目将会增长150%，从2015年的20个数据来源增长到2020年的50个以上。
2. 缺乏自动化技术会给数据分析制造痛点。
以下是数据分析的十大难点：
需要手动将所有数据源导入到一个视图中；
太多数据不能得到分析；
花费过多时间更新电子数据表；
分析者是业务分析师，而非终端用户；
产出分析结果的周转周期太长；
数据不能为终端用户定制；
不能灵活地根据需求提供数据分析结果；
企业用户无法完全相信业务成果；
缺少迅速创建报告的自助服务接口；
不能解答关键的商业问题
总的来说，建立数据驱动型文化的关键在于三点：数据整合和定制的自动化，确保数据源的可信度，以及移动设备的实时报告。
3. 数据分析对制定企业战略至关重要。
杰出企业更可能将数据分析视为战略制定和改善运营成果的重点，是落后企业的8.2倍。84%的杰出组织表示，到2017年，数据分析的重要性就会大幅提升。
4. 针对数据分析的投资将会增长。
到2017年，杰出企业在数据分析方面的投资提高至少50%的可能性是落后企业的6.4倍。
5. 到2017年，企业领导将会在以下领域的数据和分析方面投入更多资源：
工具和技术（51%）
人才（35%）
培训（35%）
在我看来，各个行业的企业领导人应当投入更多资金招揽数据和分析专才，比如数据科学家。杰出企业也应设立首席数据官（CDO），并投资建立中央分析中心，这样就能精简最佳实践模式的应用过程，针对企业实际情况开展具体的分析培训。在客户关系管理和分析平台方面的投资可以使分析结果的获取、定制和传递更为大众化，同时大幅提高业务敏捷性，便于达到预期成果。
6. 除了简单的保留记录，杰出企业更有可能利用数据推动实质的企业决策，其可能性是落后企业的4.6倍。
在制定企业决策时，落后企业依靠自身直觉而非数据的可能性是杰出企业的5.7倍。我曾经当过首席客户官和首席营销官，从我的经验来看，只有数据驱动的企业才能持续保持业务优势。
7.数据分析正逐渐遍及每个业务领域。
以下是数据分析的十大优势：
提高运营效率
促进增长
优化运营过程
改善现有产品、服务和特点
找到新的收益来源
产生新的想法，推动创新
监管消费者行为
预测消费者行为
改善员工之间的合作
提升决策速度和准确性
从我的经验来看，杰出的数据驱动型组织能够从数据分析的描述功能（即描述过去）进化到预测功能（基于回归分析预测未来趋势）和规范功能（基于预测结果改变企业行为，从而取得预期成果）。为了尽可能提高分析水平，企业必须动员全体成员，共同创造并保持数据驱动的思维模式，营造数据驱动式的企业文化。成功企业的所有决策都以客户为中心，他们利用数据来保证决策透明度、问责机制和以成果为导向的机制。
8. 杰出企业分析的数据源数量约为落后企业的2倍。
9. 杰出企业使用的十大数据源包括：
电子邮件
研究数据
交易数据
商业化数据
日志数据
企业系统数据
事件驱动数据
社交媒体
合作方数据
客户服务中心记录数据
10. 销售、市场和服务将引领数据分析革命。
到2016年，74%的销售主管会采用销售数据分析手段。杰出的服务团队高效利用数据分析的可能性是落后团队的19倍。54%的市场营销人员相信，数据绝对是建立深度客户合作的关键所在。
11. 速度、便捷性和相关性是关键的区分点。
杰出企业利用分析工具来收集实时商业分析的可能性是落后企业的5.1倍。从我的经验来看，能够在收集速度上拉开差距的组织最有可能实现或超越其内部预期和外部的客户预期。
12. 杰出企业利用移动分析手段的可能性是落后企业的3.5倍。
企业领导必须具备在何时何地都能做出明智决策的能力。
但是，移动并不等于智能手机或平板电脑。移动指的是能够在运作过程中始终工作良好的能力。除了在办公桌前，你要学会随时随地都能工作。移动分析则必须能在运作过程中实时提供分析。
13. 顶尖团队的管理层都会大力支持发展数据分析。
90%的杰出企业的管理团队都将自己的成功归功于分析工具和分析技术。这里有一个很重要的问题，所有的主管都应该问问自己——如何能让消费者相信我们的决策是明智的？今天，我们的经济体高度连接，谁能在没有数据支持的情况下做出正确决策？为了在未来赢得客户，企业必须利用数据获得洞察，迅速做出决定、采取行动，为客户、合作伙伴和员工提供真正及时且有价值的服务。
14. 数据要对所有员工开放，并且利于他们的理解和使用。
杰出企业给至少半数员工提供分析工具的可能性是落后企业的2倍。我的经验是，在所有员工都能够接触正确的工具和商业流程的前提下，给员工进行培训和授权是扩大规模的关键。企业往往会将获取分析数据和使用分析工具的权限限制在管理层和分析师之间，但这么做就限制了整个企业的视野和潜能。系统集成、数据质量、数据整合定制和移动性是激发公司上下共同分析结果、发展洞察的关键。这也解释了为什么说分析平台是成功的关键。
15. 杰出企业内部各类人员合作分析的可能性是落后企业的15.5倍。
这一点非常关键，因为销售、市场营销和服务的界限正变得越来越模糊。客户的预期要求我们重新思考、设计其业务程序，建立更为流畅协调的新模型，根据具体情况分析采取最佳行动。你必须广泛分享你的分析成果才能保持高效。假设你如果在跑一场接力赛，数据分析就是你的接力棒；想要赢得比赛，就必须完美并及时地传递这个接力棒。
16. 选择分析工具的5大决定性因素：
运用的速度和易用性
商业用户使用该工具的易用性
自助服务和数据发现工具
发掘和分享数据的移动性
云部署
17. 杰出企业更倾向于认为，选择分析工具的关键在于发掘和分享数据的移动性（即上文第四点）。
18. 92%的杰出企业强烈赞同一点：拥有数据分析能力对企业未来的成功具有战略性的意义。
19. 杰出企业更可能相信分析非结构化数据对于了解消费者行为具有重要意义，这是落后企业的5.3倍。
社交媒体数据就属于非结构化数据。在我看来，结合结构化和非结构化数据是发挥数据预测和规范功能的唯一有效途径，并需要向你的雇员、合作伙伴和客户反馈及时、具体、有价值的信息。
20. 企业高效利用数据分析手段的关键：
制定更灵敏的战略——利用数据分析来制定战略并衡量成果
扩大数据分析范围——推动跨部门合作
营造数据分析文化——使公司上下都能接触并使用分析工具
投资数据分析——越早投资越能确保竞争优势
采纳新兴技术——持续发展数据分析方面的竞争力
根据星座研究公司（Constellation Research）的分析，目前全球90%的数据是在过去一年里创造出来的。我们正处于数据科学革命的开端，想要生存并占据一席之地，就必须更多、更有效地利用数据分析手段和工具。企业要想成功，就必须投资数据分析工具和技术，发展自身的数据驱动型文化。
由钛媒体编译自Salesforce首席数据宣传官Vala Afshar的评论文章，王雨思/翻译，Joyce/编辑。
来源：钛媒体 链接：http://www.tmtpost.com/1478477.html
数据分析
特邀专栏：张溪梦谈数据分析如何破解SaaS企业客户留存难题？
每个人都感受到了今年是中国企业级服务SaaS元年。无论是融资额、用户增长、销售市场，SaaS服务从来没有象今天一样火热。
但是众多SaaS服务厂商都在面临同一道难题，如何保持客户终身价值与客户获取成本的最佳平衡。
2015年11月2日，易观智库发布的《中国企业级SaaS市场年度综合报告2015》中，亦表示这是企业级SaaS市场发展有三大难点之一。
怎么破解？
在SaaS企业客户中，客户留存度几乎成为每个SaaS公司的核心分析指标。
许多的企业服务公司都在快速地引入和扩展自己的客户成功、延展销售团队或者客户关系管理团队，积极服务于现有的企业级客户，从而减低客户流失率，增加客户黏度。
一、衡量客户成功的核心目标是客户留存度
客户成功经理以及客服人员最主要的任务之一，就是用数据分析，追踪客户是如何使用产品，从而提高客户留存率。
世界上知名的SaaS企业，比如Salesforce, LinkedIn, Box以及Workday等都紧密地追踪新开账户、以及持续衡量现有客户对产品的使用。
这种近乎痴迷地、持续追踪用户各种使用行为、监测对现有及各种新产品功能的使用频率和各种模块细节使用情况，核心目的主要有三个：
1. 衡量客户忠诚度，减低潜在流失率。
2. 预测客户复购率、增加潜在增购可能性。
3. 增强产品设计体验和使用流畅度，提高客户体验，减低产品摩擦。
注意是减低潜在流失率、潜增加在增购可能性，而不是流失率、增购可能性，为什么要强调潜在？
因为有数据分析。数据分析可以使得客户成功经理或销售经理，在客户流失苗头出现之前，就能及时采取行动，阻止客户流失，把潜在的可能性消灭在摇篮里。
为什么数据分析能做到？
因为数据分析能够提供给所有的客户成功经理或销售经理非常详尽的客户分析记录，以详细理解客户的使用行为，从而预测并降低客户流失的风险。
如，当一个客户对新产品功能使用率非常低，客户成功经理、销售经理需要迅速地联系客户，了解用户为什么很少使用或者停止使用。
如果分析结果显示，客户已经停止使用产品的核心功能，这种数据分析结果往往是客户无法从产品中直接获得价值，长远讲，客户会停止使用这个产品，最终造成了营收减低。
二、SaaS客户成功分析的核心指标
客户健康度：根据每一个客户的使用情况给出预警
什么是客户健康度？
可以理解为用户使用SaaS软件各种产品特性的行为数据的一种集合，这个指标涉及到客户使用产品频次、广度和深度，是客户是否会留存的核心指针。
即客户是否会留存就看客户健康度高不高。
在销售的时候就应该考虑到续约问题。
前瞻性的续约需要在续约谈判前获得客户使用数据和健康状况的报告。
当客户还在使用周期内，就应该分析其使用状况及流失风险，从而可以在早期就能发现风险，并采取行动挽留他们。
但现在很多SaaS企业的客户关系管理指标，还很原始粗暴，仍按下一次用户续费日期-----合同到期日期进行。
也就是当距离客户续约之前的若干周／若干月，客户成功经理、销售经理等才会去联系客户询问和接洽续约。
这种做法在SaaS领域越来越遭到摒弃。
因为这种“交易”型客户关系管理，已经越来越不适应当代客户关系管理系统。在续约之前才发现客户已经很少或不使用产品，他们续约可能性基本已经减低为零。
所以越快发现客户存在风险，你就越很快做出反应，来提升客户健康状况。
数据分析可以提供这种结果，
哪些客户存在流失风险，以及哪些客户有拓展机会。
精确评分系统的核心是以用户的行为和使用数据展开，进而结合商业直觉对用户的潜在续约率进行判断。
如何使用健康度这个指标？
1. 积极应对高危账户
好的客户关系管理要利用数据分析，找到用户使用中问题的根源，优化问题解决方案。
有效的客户成功分析系统能够让你把资源分配到最需要的地方，提供及时的服务，发现服务模式和趋势。
有效的商业服务不是去扮演救火员，而是提供有战略意义的反馈。
这里核心的衡量标准就是要紧密追踪客户对产品各种功能的使用度，从而了解客户的痛点和使用特点，有针对性的制定培训和客户关怀策略。
2. 持续指导每个用户，并且进行培训：
入门培训并不是一个一次性的项目，而是长期持续的过程。
有效的培训需要一个系统性的方法，在产品使用周期内，持续指导关键客户。
培训时需要考虑到不同技能等级客户，最佳策略是，在培训过程中，找到并消除不同客户间的差距，最终提高所有客户的能力。
然而并不是所有的客户都需要培训，企业需要用数据分析的手段来了解每一个客户的使用情况，从而判断哪个客户需要培训，哪个客户不需要培训。这样才能最优化的调整客户指导的策略，有效的利用内部销售和客户成功各部门的时间和资源。
但是通常，每个销售经理和客户成功经理手中通常掌握了几百、甚至几千名客户，怎么可能了解每个客户使用情况。
最近国内兴起了一种从硅谷传过来的，针对客户成功的精益化运营分析工具，如GrowingIO等，可以提供接近事实追踪网站或APP内的产品使用行为，从而直接预测每个客户健康度，以监控潜在流失可能性。
客户温度：衡量客户的使用温度，扩大收入
什么是“客户温度”？
可以理解为用户使用SaaS产品各种产品特性的行为数据，那些能够预测其进行复购，增购、或者追加销售的指针。
这个指标涉及到客户使用产品中货币化组件的可能性。也就是Monetization（货币化），是客户是否会增加购买的核心指针。
找到扩大收入机会的核心是：在不增加客户获取成本的情况下如何增加营业额
要想使得占领——扩张策略生效，需要有一个有预测力前瞻性的方法从当前用户基础上扩大收入。
投资回报率数据可以作为扩大服务范围的基础。但要想持续得找到收入增长的机遇同时满足客户需求，大规模重复的人力工作貌似是必不可少的。
比如说给每一个客户打电话询问他们是否需要新的产品和增值服务。
但是这种地推和穷举的方法需要大量的人力，物力和时间去管理，这是一个成本很高，转化率很低的方式。最终导致的是获取和维护客户关系的成本大大提高，但是销售额却没有太多的提振。
而且现实是，销售人员和客户成功经理们都直接管理几十个甚至几百个客户，没有人能够在同一时间之内关注如此多的用户。
这就要求我们能够随时随刻地判断每一个现有客户的增购，和重复购买的可能性。最简单的方法就是利用所有用户的使用行为，找到当天，当周，当月优先级最高的客户予以关注。
上文提到的新一代数据分析工具，就可以通过对用户在SaaS云服务网页或者App端各种产品细节的使用和互动，特别是针对客户消耗和付费功能等的各种使用信号的分析,来对所有使用中的客户进行排序和调优。找到超级活跃客户，也就是“高温度”客户。从而为客户成功经理以及销售人员提供最新的客户动态，让企业内的客户支持部门，有针对性地对活跃度和重复购买率高的用户及时跟进。
发现和发展值得信任的推广大使
满意的客户常常会变成热情的产品推广者。他们的使用经历、成功故事和推荐非常有说服力和吸引力。
因此为了增加他们的人数和有效得利用他们的声音，需要发展一套方法来识别、发展和管理这些客户或者推广大使。
因此客户成功的数据化管理就越发的重要，通过通过客户成功分析及时找到这些忠实的粉丝，就等于找到下一次营销的机会。
关于GrowingIO
GrowingIO致力于卓越易用的数据分析工具，如果你是以下三种人，请立即关注我们，申请试用：
一、你是数据工程师，却在“不务正业”地搭建BI、配置GA代码。→点击阅读原文申请试用，立刻减少无效加班；
二、你是产品经理，却不知道如何分解KPI。→点击阅读原文申请试用，三步就能洞悉留存曲线、精确识别用户行为；
三、你是业务负责人，苦于收入增长乏力。→点击阅读原文申请试用，让我们告诉你怎样就能让客户高效下单；
加入GrowingIO我们相信有才能的人是一切的根本，我们对人才极度渴望，我们欢迎前端开发工程师、后端开发工程师、大数据工程师、机器学习工程师、数据分析师等各类有才华的人员加入我们。
请登录 https://growingio.com/joinus
或发送简历至 talent@growingio.com。
本文系GrowingIO 张溪梦 原创，转载请注明来自微信号GrowingIO.
张溪梦曾经一手创办了Linkedin 的数据分析部门，相当牛！
数据分析
美国数据分析公司Alteryx，Inc获得8500万C轮融资
Alteryx，Inc成立于2010年，总部位于加州尔湾。该公司为一家数据融合分析软件公司，该公司致力于帮助客户分析数以亿计来自表格和数据记录。
目前该公司的主要客户包括麦当劳，福特，Kaiser以及Experian。本次领投的公司为Insight Venture Partners和 Iconiq Capital, Meritech Capital Partners跟投。
数据分析
HR招聘要分析哪些数据、如何分析、有何价值
在这个凡事讲求效率和价值的时代，Recruiter们越来越关注、重视数据分析。那么招聘数据分析有什么价值？要分析哪些数据？如何分析？
“人越来越难招了！”这是广大HR们近两年真实的内心写照。对于那些招聘需求量大、用人部门多的企业来说，更是如此。所有部门、所有层级加起来动辄上百个职位，还要区分关键职位，不同职位的招聘难度又各不相同，业务部门刚提完需求，领导就开始催问招人进度；用人部门一边急着要人，一边又频繁变更招聘需求……想想真让人绝望！
在这个凡事讲求效率和价值的时代，Recruiter们越来越体会到数据分析的价值：只有超越简单的招聘工作汇报，透过日常招聘数据，提炼总结，及时发现问题，深入挖掘原因，才能真正让招聘工作摆脱例行公事似的糊涂泥沼，不断得到优化，实现更高的效率。
招聘数据分析对HR的价值
1、以过程化数据展现工作效果，赢得信任
HR们每天置身于繁琐、重复的招聘工作中，忙得焦头烂额，却不清楚投入了多少，取得了哪些成果？于是，一旦招聘效果不理想，面对用人部门的诘问时，HR往往理屈词穷，百口莫辩。由此可见，招聘过程数据化、招聘成果可视化是何等重要。
对于核心岗位的招聘更是如此。关键人才招聘难已成为普遍现象，招贤纳士不再只是HR的一己之任也成为共识，用人部门在招聘过程中的配合度极大影响着招聘结果，如果用过程化的数据记录用人部门的投入与贡献，就可以有理有据地检视HR与用人部门的待改善之处，从而明确责任、理清改善方向，赢得领导的信任与支持。
2、提炼总结日常数据，发现招聘规律
随着数据时代的来临，招聘分析已不仅仅停留在记录过程、撰写总结报告的层面。成功招到一个核心职位的员工需多长时间？哪个环节效率最低？各职位的需求趋势如何……针对这一系列问题，持续的日常数据追踪可以给出完美答案，而一旦发现这些规律，必将为优化未来工作带来巨大的价值。
比如，虽然有经验的HR看到收取的简历量，就能判断此职位的招聘周期，看到面试通过率，就可判断面试官的用人标准。但感性的经验难以全面指导和干预招聘进程，当从数据中发现规律后，规律就可指导整个招聘过程。
招聘数据分析的统计指标
招聘数据统计与分析主要包括四大类指标：关键绩效、招聘过程、渠道效果和招聘成本。各类指标都有相应的计算方法和展现方式，当然，不同企业的取值方式和展现形式也不尽相同。
招聘数据分析示例
1、招聘漏斗分析
每个HR都希望快速为企业找到足够合适的人，但近年来，大范围的人力资源缺口逐步增大。广告发布后收不到简历、面试通知发出去等不来人、接受了offer最终未入职……再加上入职后在试用期内被淘汰的人，完成招聘任务谈何容易？到底是哪个环节出了问题？要让招聘环节的效果有所改善，就需要深入分析招聘过程，这就要用到招聘漏斗分析——通过实时跟踪过程数据，第一时间发现问题，以便采取相应举措。
招聘漏斗是指通过招聘流程各阶段的状态，逐渐淘汰不合适的应聘者，把合适的应聘者层层筛选出来的过程。
基于招聘漏斗分析，可以统计各个环节转化率，例如：
简历有效率=【电话面试】/【简历初筛】
初试到场率=【初试到场人数】/【初试人数】
复试通过率=【复试通过人数】/【复试人数】
Offer接受率=【接受offer人数】/【发送offer人数】
转化率直观反映了招聘过程的效能和效率，让招聘过程关键环节的问题一目了然。例如，当招聘完成率不达标时，可追查offer接受率的情况。如果发现拒绝offer的人数较多、offer接受率明显低于标准时，就需进一步分析放弃offer的原因，以更好地洞察问题，支持决策。
2、招聘周期分析
核心职位的招聘周期过长，是很多HR深感头疼的问题。在现有招聘方式下，成功招到一个关键人才需要多长时间？从发布信息到人员入职，整个流程要多久？下一个阶段大概要招多少人？HR要明确了解这些信息，才能改善现状并提前准备。
3、招聘渠道效果分析
常用的招聘渠道是否足够有效，不仅涉及到渠道的贡献率，也涉及到各渠道的投入产出比，这些数据也是HR亟需关注的。
科学的招聘数据分析，可以帮助企业在整个招聘流程中及时了解各职位的招聘进度。对于特别重要的职位，有经验的HR通常能够根据数据预判完成情况。这样一方面可全面把握招聘情况，另一方面能够尽早推进和干预招聘过程中的重点与难点环节，从而保证整个招聘活动的顺利进行。应用已有的数据支持决策，需要一套科学的理论基础：
HR要想更好地完成招聘工作，只盯着眼前的任务、被动接受指示是远远不够的。关注招聘过程中的数据，追踪并深入分析数据背后的规律，直至用数据指导行动决策，才能从招聘困局中解放出来，把问题控制在可预期的范围内。富有创造性的变化，就从关注招聘数据开始。
数据分析
数据分析SaaS Discern获A轮2000万美元投资
据报道，数据分析SaaS Discern获A轮 2000 万美元投资。
Discern成立于2009年，总部位于旧金山。主要功能是通过特有的数据集、有效的专业知识和技术，为用户提供可行的投资见解。
该轮投资由Artiman Ventures领投。
Discern Raises $20M in Series A Financing
Discern, a San Francisco, CA-based provider of a financial decision-making platform for investment professionals, raised $20m in Series A financing.
The round was led by Palo Alto-based Artiman Ventures.
The company will use the funding to expand its platform beyond the Energy industry to offer modules for Real Estate, Consumer Retail, Banking/Financial Services and other sectors.
Founded in 2009 and led by Harry Blount, CEO, Discern provides a cloud-based platform connecting financial decision-makers to synthesized data and content that is personalized to an individual user’s investment process. The company’s solution continuously scans the user’s universe of real-time data (public and commercial) then signals the user when new, relevant data surfaces.
Discern data can be viewed by sector, by company, and/or by the user’s own parameters, automating and enhancing the work of the traditional data research associate.
The company also has offices in New York.
来源：FINSMES
数据分析
数据分析工具提供商 Datameer 获得 E 轮 4000 万美元融资
本轮融资由 ST Telemedia 领投，Top Tier Capital Partners, Kleiner Perkins Caulfield & Byers, Redpoint, Next World Capital 和 Software AG 等机构跟投。
Datameer 成立于 2009 年 总部位于旧金山，是一家数据分析工具提供商。利用开源 Hadoop 分布式计算框架，帮助客户分析大型数据。本轮融资将用于全球性的拓展。同时，本轮融资后 ST Telemedia 合伙人 Nikhil Eapen 将加入Datameer 董事会。
Datameer Snags $40M Series E for International Expansion
Datameer, the San Francisco-based data analytics provider, has received a $40 million round of Series E funding to help it expand globally. The company was founded in 2009and uses the open source Hadoop distributed computing framework, meant to help businesses run analytics of large data sets, Datameer says. The Series E round was led by ST Telemedia, along with Top Tier Capital Partners, Kleiner Perkins Caulfield & Byers, Redpoint, Next World Capital and Software AG. Nikhil Eapen, chief strategy and investment officer of ST Telemedia, is joining Datameer’s board. The company says Eapen has extensive knowledge of communications, media, and technology in Asia.
原文链接：http://www.xconomy.com/san-francisco/2015/08/18/datameer-snags-40m-series-e-for-international-expansion/
数据分析
硅谷神秘初创企业欲融资5亿美元 估值200亿
据新闻聚合网站BuzzFeed援引消息人士的话报道称，硅谷数据分析软件创业公司Palantir正在进行最高5亿美元规模的融资，其估值已达到200亿美元。
通过为政府机构和华尔街银行管理数据，Palantir已经跻身全球最具价值的初创企业行列。
Palantir去年末刚刚以150亿美元的估值完成了一轮融资。
正在进行的新一轮融资的规模反映出投资者看好Palantir的未来发展。
Palantir堪称一家神秘的初创企业，目前外界对其商业模式知之甚少，只了解到其数据处理软件可用于打击恐怖分子和抓捕金融行业的犯罪分子。
不过，貌似投资者一点都不介意Palantir的神秘性，据一位投资者称，其对于该公司今年第一季的发展速度印象深刻。据接近Palantir的人士透露，该公司目前在银行的现金超过10亿美元。
除了与政府关系密切，Palantir与硅谷的一些重量级人物也有联系。Palantir的联合创始人包括著名风险投资家彼得·蒂尔(Peter Thiel)以及风投机构Formation 8合伙人乔·兰斯戴尔(Joe Lonsdale)，其早期投资方还有美国中央情报局(C.I.A)旗下的风投公司In-Q-Tel。
若估值达到200亿美元，Palantir将成为美国第三大最有价值的初创企业。目前，打车应用Uber的估值据说已经达到了500亿美元，而在线房屋短租网站Airbnb正在谋求新一轮估值为240亿美元的融资。
由阿历克斯·卡普(Alex Karp)担任CEO的Palantir目前吸引来自多个领域的重量级客户，其涵盖了金融、能源、医疗健康以及美国政府。据《纽约时报》去年报道，该公司帮助摩根大通识别了欺诈行为以及帮助糖果制造商好时(Hershey's)获得更多利润。
截至目前，Palantir发言人对融资事宜尚未置评。（李路）
来源：腾讯科技
数据分析
数据分析产品企业Arcadia Data融资1150万美元
一家名叫Arcadia Data的初创企业宣布，他们结束隐秘模式，正式推出了一个利用开源软件Hadoop所开发的企业智能数据分析工具，这个工具可以对多种企业运营中所产生的数据进行存储和分析。另外，该公司还宣布，他们刚刚完成了一笔金额为1150万美元的融资。
该软件目前支持Mac和Windows两大PC平台，用户可以进行免费下载，并且免费使用这个软件的基本功能。这个软件的企业版中则拥有更多分析功能、安全特性，并且处理和分析能力更高。据悉，企业版将于今年年底正式开始发售出货。
目前市场上有许多类似的企业智能工具，企业可以使用这些工具对多种数据进行分析。然而在这些软件中，大部分在开发中使用的都并非开源软件，因此它们无法调用Hive和Impala等开源SQL引擎，从而限制了企业在进行数据分析时的灵活性。而这正是Arcadia所解决的问题，也是其最大优势所在。
Arcadia Data公司联合创始人兼产品总监Priyank Patel向笔者演示了这个软件，他指出，这个软件的作用远远不止是绘制数据表格那么简单。它能够从1.8亿条记录中对数据进行总结、可视化以及规划等操作。他表示，这种功能远远超过了此前的Tableau和Qlik等企业智能工具。
在接受采访时Patel表示：“这个软件可以帮你突破数据规模的限制。你很快就会发现，无论你的数据规模有多么庞大，这个工具都能够为你提供帮助。”
该公司的竞争对手包括很多具有风投背景的企业智能工具开发商，例如Platfora和Clearstory Data等，这些企业的产品也都支持Hadoop。但是无论如何，Arcadia此次获得风投青睐，对于他们来说都是一个值得庆祝的事情。该公司的几位创始人此前曾供职于被Teradata收购的Aster Data公司。
截止到目前为止，该公司已经与多家其他企业达成和合作伙伴关系，例如Hadoop供应商Cloudera、Hortonworks、IBM和MapR等。虽然这个软件是针对Hadoop数据所设计的，但是它同样可以对来自其他数据库的数据进行可视化处理，例如Oracle和MySQL等。而且它甚至可以对电子表格中的数据进行分析和处理。
该公司本次融资的领投方为Mayfield Fund，其他参与投资的机构包括Blumberg Capital和Intel Capital。Patel拒绝透露该公司自成立伊始共计获得了多少融资。
Arcadia Data成立于2013年，总部位于加州的San Mateo。截止到目前为止，该公司共获得了7个企业客户，例如Appboy、惠普和MarketShare等。
via VB，快鲤鱼翻译，转载标明来源
数据分析
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。
扫一扫 加微信
hrtechchina
数据分析
数据分析
数据分析
数据分析
数据分析
数据分析
数据分析
数据分析
数据分析
数据分析
扫一扫 加微信
hrtechchina
