机器学习
什么是人力资源数字化转型？
数字转型是一个过程，也是一个结果。这是一种革命性的变化，也是一种发展现象。除了数字化，向以技术为中心的业务的转变还需要组织文化和思维方式的转变。
与组织的其他部门一样，在技术中断已成为普遍现象的时代，人力资源的数字化转型至关重要。根据德勤（Deloitte）的一项调查，明年数字化转型预算将增加25％。随着人工智能（AI）、区块链、机器学习、自动化绩效管理等的出现，仍然依靠Excel工作表来收集和解释数据的HR团队需要迅速转向自动化。
在本数字化转型入门中，我们将研究人力资源中的数字化转型意味着什么，以及企业在实现人力资源这种转型中所面临的挑战。
什么是人力资源数字化转型？
图1.人力资源数字化转型的目标是什么？
人力资源数字化转型的目标可能是多重的：
使流程自动化并减少重复性任务所花费的时间。
最大化员工体验。
利用腾出的时间来制定策略并最终从中获利。
人力资源数字化转型是人力资源运作方式的转变，它使用数据来指导人力资源的所有领域：薪资、福利、绩效管理、学习与发展、奖励和认可以及雇用。
人力资源团队在数字化转型中的作用是双重的：
它负责使用自动化和以数据为主导的数字化流程，进行自己的转型。
现在，与IT部门合作，要求HR领导组织进行数字化转型并支持其持续的数字化发展。这涉及赋予员工以数字思维的能力，以改善员工流程并提高生产力。
什么是自动化、数字化和数字化转型？
图2.自动化、数字化和数字化转型:每一步都为下一步在做铺垫
这三个经常互换使用的术语在含义上有细微的差别。识别这些差异以了解您在数字化转型过程中所处的位置非常重要。
1.自动化
自动化是从手动过程到数字过程的转变。例如，将10年前员工的绩效记录自动化。
2.数字化
数字化涉及成为以数字为主导的组织，该组织利用数字工具进行日常运营。数字化涉及创造一种使用技术开展业务的文化。
例如，人工智能对人力资源行业的影响是真正而切实的。在以下人员手中，人工智能是最有效的：
愿意承认AI可以帮助而不是毁掉他们的工作。
具备解释所呈现数据所需的批判性思维能力。
具备使用数据来开发可带来业务成果的HR战略所需的创新思维能力。
数字化的一个理想示例是由人工智能领导的组织，该组织使用该技术来充分利用其对关键流程提供的见解。
3.数字化转型
数字转性包括自动化和数字化。它涉及自动化流程并创建自动化文化。
转型过程需要确定那些要解决的问题，并以最有效的方式使用技术来解决这些问题。它要求改变整个组织的心态，而这种改变从领导层开始，一直到公司的其他部分。
数字化转型是自动化和数字化的结果：它带来一个敏捷的组织，随时准备适应技术的快速发展。
数字化转型策略：如何在人力资源中实现数字化转型
图3.建立和实施数字化转型策略的步骤
Visier首席战略官Dave Weisbeck 在题为“ 我们对人力资源转型有何误解”的文章中要求人力资源部门停止为了转型而转型。
他说：“在这里，我将采取大胆的立场，建议任何正在经历人力资源转型或正在考虑进行人力资源转型的企业，除非您的利益相关者可以清楚地说明原因，并且您明确知道如何量化成功，否则请立即停止转型”
这是开始人力资源数字化转型的第一步：提出相关问题，然后是实施转型的实际过程：
1.通过实施人力资源部门的数字化转型来定义您要实现的目标
在定义数字化转型的目标时，请考虑提出以下问题，以通过转变人力资源来创造价值：
a.它会使参与此过程或受此过程影响的每个人都更轻松吗？
数字化转型最终应使用户受益。这意味着，如果人力资源部门想要实施一个自动化的绩效管理系统，该系统将允许他们收集数据来决定薪资评估，则还应授予管理人员和员工使用此平台的权限，以查看和更新该平台。
b.这个目标可以衡量吗？
目标应该以结果为导向，而不是以产出为导向。例如，面向输出的目标是使用基于AI的工具在招聘周期内每月增加被筛选候选人的数量。为此，您可以有一个目标并确保达到目标。
预期的结果是什么？筛选提供了一个高质量的候选人数据库，这些候选人有可能成为下一轮面试的一部分。
您将如何衡量？可以根据您使用的解决方案为每个候选人分配分数，具有一定分数的候选人数量可以作为该解决方案成功与否的衡量标准。
c.会对业务产生积极的影响吗？
转型的目标必须与业务目标联系在一起。数字化转型项目的成功取决于其增加的业务价值。例如，目标可能是减少每次雇用的成本或每次更换的成本，从而减少总体业务支出。或者，目标可能是通过使用AI领导的候选人筛选过程聘用合适的候选人来提高收入。
2.确定谁将实施这一转变
直属经理和人力资源从业者自己必须为这一转变负责。直属经理直接与员工打交道，而人力资源管理实践的任何变化都会直接影响这些经理及其团队。这些经理可能会对转型感到最兴奋，并且与人力资源流程需要为其改善的关键领域相关。
3.如果需要，请为数字化转型过程雇用其他资源
自然，您将必须投资执行特定工作所需的工具。但除此之外，您可能需要雇用人员担任该职位。例如，如果您的流程之一是使用AI来获取有关组织中的敬业度和绩效的见解，那么您可能想要聘请数据科学家来理解数据并简化其提供的见解，以帮助您改善业务战略。
4.定义一个时间范围，在此时间范围内您将确定某个工具是否成功
必须给每个过程一定的时间，以证明其对组织的价值。例如，为期三个月的实施新候选人筛选工具的窗口足以告诉您它是否能够为您提供优质的候选人数据库。
5.确定在数字平台的影响下将逐步淘汰哪些流程
例如，在招聘周期中，可以通过实施招聘/筛选软件来完全消除通过工作委员会和LinkedIn来寻找候选人的过程。当您确定要替换的流程时，它可能还需要重新组织管理和更开放、更少层次的结构。
6.向最高管理层提供理由，投资所需的资源
向最高管理层提出业务案例始终是一个挑战。当企业准备增加在数字化转型方面的支出时，他们常常发现，要以最小的失败风险委托整个部门来承担是具有挑战性的。但是，通过深入回答前五个问题，您可以构建依赖于深入研究的业务案例，从而为领导者提供有意义的理由来投资所需的软件。
要了解哪种技术最适合您的工作场所，请考虑技术支持与数字支持之间的区别。
IT部门执行合伙人Gordon Laverock表示：“如果不了解技术支持和数字支持之间的区别，仅使流程自动化并不一定会增加价值。技术支持正在使用一种工具来产生结果，而数字技术支持与技术的应用无关，而更多地与选择合适的技术以可持续地提升和发展劳动力有关。”
7.为团队做好应对变化的准备
人力资源流程的变化意味着所有相关人员都需要为此变化做好准备。但是，我们建议从小开始。人力资源主管担心，那些等待观察数字化转型将如何发展的组织将会落后。即便如此，从较小的规模开始（如果你必须这样做的话）可以将失败（如果有的话）的影响降到最低，而不是在整个组织范围内进行变革。将试点项目中的反馈和学习应用于整个公司范围内，要比在大规模部署中出错要容易得多。
Deloitte India的人力资本合伙人Anand Shankar建议创建“边缘团队”以实现平滑的数字化转型。他们从全新的流程开始，不会为了实现数字化而破坏现有的一切。
因此，例如，人力资源团队中的一个小团队可以过渡到针对中高层职位的自动候选人筛选，而其余的招聘团队则遵循原先的流程来确定最适合管理职位的候选人。这意味着您没有破坏传统流程，您只是在尝试一种新的。
8.营造数字化文化
人力资源数字化转型的本质在于创造一种数字化文化。这不仅涉及学习如何使用自动化解决方案，还涉及学习如何使用它们以增强人员能力。例如，基于从数字解决方案中获得的数据（例如AI招聘分析工具）的决策可以推动可衡量的结果。
埃森哲（Accenture）首席信息官安德鲁·威尔逊（Andrew Wilson）分享了如何在其组织中进行数字化转型：“为了确保顺利进行数字化转型，组织必须将员工放在首位，而不是技术。这使用户可以采用新技术，而不是采用其他方法。
“在埃森哲，我们发现基层方法在向全球员工实施技术时特别有效。我们的内部IT组织向需要它的人提供新技术，然后依靠这些人来推广它，因为变化通常更容易被同行接受，而不是被高层推动。这模拟了消费世界，反映了当今服务的消费方式。”
如果您没有实现目标怎么办？
您可能会过渡到新技术，训练您的团队使用它，然后意识到它没有有效地工作，这很可能发生。
在转型项目中取得成功的组织是那些愿意冒险并且思想开放的组织。您需要的是一个必须准备学习，取消学习和重新学习新流程的团队。
要了解为什么您没有实现数字化转型目标，请尝试一下：
确定失败所在。应聘者在与软件交互方面有困难吗?您的招聘团队是否无法利用与该工具相关的仪表板来清楚地了解哪个候选人是一个好的选择，而哪个不是？
指导您的团队开放思想以实现数字化。新技术可能令人生畏，有时可能会对您的团队绩效产生负面影响，然后再对其进行增强。使用数据来指导您的团队以拥有更积极的心态。
重新评估您选择的数字解决方案。也许此工具无法满足您的特定目的。也许您需要更高级的东西或只是不同的解决方案。这就是为什么在您投资解决方案之前确定解决方案的目的很重要。它最大程度地降低了解决方案无法满足您的要求的可能性。
执行以上步骤可以帮助您前进到下一步，以确保您走上正确的道路。
人力资源在企业数字化转型中的作用
随着人力资源部门对其自身的数字化转型负责，它也有望带头实现组织其他部门的转型。尽管IT部门负责数字方面的工作，但人力资源部门的角色更侧重于人的方面–帮助改变观念并帮助创建文化。简而言之，HR是实现数字化转型的核心。
员工们喜欢在个人生活中有着消费者级的体验，比如与聊天机器人聊天，抱怨自己点的菜送晚了。但在工作场所，出于各种原因，他们可能会害怕同一个聊天机器人。例如，他们可能担心与这些聊天机器人共享的信息可能会被用来对付他们，担心这个自动化工具会抢走他们的工作，或者只是相信这种趋势可能不会持续下去。
“在实施新技术时，行为改变是至关重要的方面。最终，人才能使企业成功。”安德鲁说。
然后，他提出了在实施数字化转型项目时让员工参与的独特方法。他说：“人力资源可以帮助员工提供各种学习体验，使学习变得有趣和有效。”
例如，在让员工使用基于AI的工具时，您可以告诉他们是AI自动生成了播放列表，供他们根据自己的偏好在Spotify上收听。这可以使他们对AI的积极特性敞开胸怀，并且他们更有可能将其视为有用的工具。
您可以强调的其他一些好处包括：
速度：数字解决方案将多么轻松地提高员工的工作速度。
简便性：使用解决方案有多容易。
免于重复性任务：它如何腾出时间来执行更多创造性的任务。
匿名性：虽然数据收集是一种规范，但在某些领域（例如参与度调查）如何匿名收集数据以仅帮助识别整个组织的趋势。
此外，“通过在日常活动中提供按需学习和多渠道学习，您的员工可以在实时和实际环境中高效地学习。让学习变得高度沉浸、互动和自我调节也很重要，这样员工就可以在工作的背景下，以他们适应的变化速度，练习特定于他们日常活动的任务，”安德鲁建议说。
人力资源数字化转型面临的挑战
图4.大多数数字化转型工作中出现的挑战
是的，我们需要适用于所有事物的数字解决方案，但是瓶颈在哪里？“如果技术没有被正确采用和有效使用，那么它就不值得投资，它必须为组织带来价值，”安德鲁说。抵制采用是组织面临的主要挑战之一。
此外，您在开始时可能会遇到的其他挑战包括：
缺乏明确的数字化转型战略或目标
高层拒绝投资
缺乏实现数字化转型的预算
缺乏领导数字化转型项目的专业知识
升级到新的数字解决方案缺乏敏捷性
这些问题很普遍，解决这些问题需要人力资源部门的应变能力。“建立一支能够有效利用这些新兴技术的员工队伍需要时间，”安德鲁说。话虽如此，但他们可以在一段时间内得到解决。然而，营造一种需要进行数字化转型的紧迫感至关重要。他坚持认为：“人力资源部门将需要以比以往更快的速度对员工进行技能和再培训，从而跟上技术趋势和实施的步伐。”
总结
数字化转型旨在创建一个敏捷的组织，该组织随时准备随着技术的不断发展而变化。而缺乏这种敏捷性可能是数字转型策略失败的原因之一。
作为人力资源专业人员，您可以做的是使您的组织和团队做好准备以继续参与此过程，并以最佳状态采用最佳技术。为此，您需要做好准备。保持警觉，保持最新状态，并确保你知道你的竞争对手在同一领域做什么。这将允许您启动、完成并继续推进您至关重要的数字转型项目。
以上由AI翻译，仅供参考！
作者：Puja Lalwani
来源：https://www.hrtechnologist.com/articles/digital-transformation/what-is-hr-digital-transformation/
机器学习
【美国】企业服务数据库公司Crunchbase 获 3000 万美元 C 轮融资
企业服务数据库公司「Crunchbase」近日获得 3000 万美元 C 轮融资，本轮融资由 Omers Ventures 领投，Mayfield、Cowboy Ventures、Verizon 等参投。据悉，该笔资金将主要用于机器学习。
Crunchbase 成立于 2007 年，是一家覆盖初创公司及投资机构生态的企业服务数据库公司。最初由 TechCrunch 持有，由于 TechCrunch 在 2010 年被 AOL（美国在线）收购，后者又于 2015 年被 Verizon 收购，同年「Crunchbase」获得了来自 Emergence Capital 的 650 万美元投资，于是「Crunchbase」从美国在线分离。之后，「Crunchbase」于 2015 年 11 月获得 200 万美元融资，在 2017 年 4 月完成 1800 万美元 B 轮融资。
Crunchbase 主要提供的产品包括 Cruchbase Pro 和 Crunchbase Enterprise。前者 Cruchbase Pro 的基本角色是投融资平台，帮助 B 端用户寻找投资机构或投资对象。除此以外还提供收费服务：29 美元／月专业版可免除广告，启用提醒和分析等功能；99 美元／月企业版针对 5 人以上团队，包含监控行业趋势、跟踪竞争对手业务等专业版功能。
后者 Crunchbase Enterprise 更像是 Pro 的升级版本，针对销售团队和市场研究人员，提供企业分类化查询、搜索和分析，支持 API 和 CSV 导出。
Crunchbase 网站
首席执行官 Jager McConnell 表示，「Crunchbase」将在未来为用户创造个性化体验。机器学习依赖大量数据来发挥效用，而「Crunchbase」能够借助已有的数据平台，结合机器学习来帮助用户找到最佳的新机会。除此以外，「Crunchbase」还将利用该笔资金更新网站页面、简化搜索、发布 API 新版本和扩展数据。
目前「Crunchbase」的员工人数达 120 名，为上一轮融资的三倍，其营收运转率翻了十倍，流量也增加了一倍以上。
据官网数据，公司每年会对数据集进行 39 亿次更新，现拥有 4000 多个数据合作伙伴和联合交易，在一年内拥有超 5500 万的用户访问「Crunchbase」的数据。公司目前服务的客户包括三星、Shell、本田等。
在国内的企业服务赛道上，类似 「Crunchbase」的公司也不少，如 it 桔子、鲸准、烯牛数据等。
以数据服务商鲸准为例，该公司成立于 2016 年 7 月，针对创业者、投资人、投资机构等一级市场从业人员，推出鲸准·对接平台、鲸准·资管系统、鲸准·洞见三款产品。
其中，鲸准·对接平台主要用来帮助投资机构、投资人和项目方进行对接，目前已经收录和维护了一二级市场 70 多万个优质项目。鲸准·资管系统采用 Paas 平台，面向 PE/VC 等 B 端用户提供「募投管退」全流程解决方案。鲸准·洞见则是利用算法和经济模型，为企业用户提供公司基本面数据分析及预测。
此外，鲸准旗下的鲸准·研究院还面向企业和政府提供定制化研究服务，并且向个人用户开放创业公司、投资机构、行业研究等信息，用户可以通过 App、小程序、微信端等访问。
随着创业群体的扩大，投融资平台、创业空间、创业孵化器等创业服务机构也在不断增加，创业服务行业正在不断打破服务局限性，形成完善的产业链。可以预见的是，这些机构将持续丰富自身业务，向创新创业综合服务提供商转变，解决企业全生命周期需求。
作者：Readhub
来源：https://readhub.cn/topic/7Rk0cOY8k13
相关推荐：http://www.hrtechchina.com/16607.html
机器学习
【美国】芝加哥一家机器学习招聘公司宣布完成116万美元的融资
一家机器学习技术公司（humanpredictions.io），其产品帮助招募公司和企业识别并建立与科技人才的关系，Humanpredictions今天宣布由Network Ventures领导的116万美元融资，以及海德公园天使的额外投资， SaaS Ventures和M25。这笔资金将帮助Humanpredictions进一步发展并投资于其工程师和数据科学家团队。
“我们很高兴能够帮助Humanpredictions增加其产品，并进一步建立其4400万人的数据库。凭借其强大的洞察力和对招聘人员需求的深刻理解，该产品已经为一系列大公司的技术招聘流程带来了显着的好处。
招聘技术角色可能很困难。由于技术的竞争性，招聘人员往往难以找到既拥有公司所需的正确技能又愿意寻求新工作机会的人。一旦他们确定了感兴趣的人，招聘人员就可能难以按照潜在客户的回应开始对话。
为解决这些问题，Humanpredictions提供有组织的数据搜索工具并收集公共数据，以创建技术行业人员的概况，特别是技术领导者，软件工程师，DevOps，数据科学，产品，iOS / Android，设计师/ UI / UX，和QA。然后，平台使用机器学习来预测哪些人更有可能离开他们当前的角色。此外，Humanpredictions通过指示何时以及如何伸出来促进与人的对话。通过访问这些见解，招聘人员可以更好地定位他们的外展，更轻松地找到正确的匹配，并改善面试过程的流程。
Humanpredictions的联合创始人艾略特·加姆斯评论说：“作为唯一专门为科技行业打造的招聘产品，Humanpredictions是为那些希望招聘技术人才的公司量身定制的。我们知道软件工程师经常对招聘人员持怀疑态度，所以我们希望帮助雇主和招聘公司随着时间的推移与人建立关系。有了这笔资金，我们将能够发展我们的团队，以便您可以帮助您成长。“
Network Ventures的创始人兼董事总经理Jeff Maters补充说：“我们很高兴能够帮助Humanpredictions增加其产品，并进一步建立其4400万人的数据库。凭借其强大的洞察力和对招聘人员需求的深刻理解，该产品已经为一系列大公司的技术招聘流程带来了显着的好处。“
此次宣布是在Humanpredictions出现重大增长之后不久发布的。该公司每年的经常性收入接近100万美元，其产品已被行业领先的公司采用，包括Trunk Club，Allstate和Emerson等。
关于humanpredictions-- Tech Recruiting Database humanpredictions
humanpredictions是一家数据科学公司，其招聘软件可帮助公司寻找技术人才。这家以人为本，以数据为导向的公司提供了一个包含4400万科技行业人员的数据库，以及有关这些人员的见解，以帮助招聘人员找到并与合适的人员联系，以发挥他们的公开角色。Kleiner Perkins，Allstate，Trunk Club，Emerson，CircleCI，IDEO，Tempus，Home Chef和Guaranteed Rate等公司已经使用人工预测来建立自己的团队。要了解有关Humanpredictions的更多信息，请访问humanpredictions.io 或关注@humanprediction。
关注HRTechChina，了解全球HR科技动态。
以上由AI翻译完成。
机器学习
Eightfold为人工智能筹集2800万美元，用于雇佣候选人
文/KYLE WIGGERS
找到合格的候选人很难。在美国，从上市发布到可能的员工接受报价的那一天大约需要43天，而带来一个求职者的费用可能高达4,129美元。不出所料，Gartner调查中有63％的高管将人才短缺列为其组织面临的最大风险。
Eightfold寻求通过人工智能和机器学习解决招聘挑战，并且正在筹集风险资本以促进增长。总部位于加利福尼亚州山景城的人才平台提供商近日宣布，它已经筹集了由IVP领导的C系列融资2800万美元，其中包括Foundation Capital和Lightspeed Ventures。资本注入紧随2017年9月的A轮融资570万美元和去年4月的1800万美元B轮融资之后，它将Eightfold的总筹资额提升至5500万美元。
在从隐身中脱身一年后，Eightfold成功吸引了Conagra，Hulu，Affirm，Twilio，AdRoll Group，Tata Communications，DigitalOcean等高端客户以及遍布四大洲的100多家客户，并与包括SAP在内的渠道合作伙伴合作将其产品与人力资源信息系统和申请人跟踪系统（如SuccessFactors Employee Central和SuccessFactors Recruiting）集成。在另一个里程碑中，Eightfold最近成为Aijob的独家工作匹配平台，这是一项将AI用于指导和培训残疾挪威公民的计划。
首席执行官兼联合创始人Ashutosh Garg说：“我们的使命是帮助企业将人才管理转变为竞争优势，同时确定个人的'下一步'。” “我们的人工智能平台使我们能够以前所未有的速度和规模与客户和合作伙伴进行创新和协作。我们不断壮大的团队很高兴和有幸为每个人解决就业问题。”
上图：Eightfold优化的SEO工作列表之一。
图片来源：Eightfold
Garg，以前是谷歌和IBM的研究员，拥有超过50项专利和35篇已发表的研究论文，他在2016年创立了Eightfold--其名称是佛教哲学中的八重道路 - 与Varun Kacholia合作，后者曾领导Facebook的News Feed和YouTube的搜索和推荐团队。通过一个由工程师和数据科学家组成的小团队，两人开始着手解决在线招聘中反复出现的痛点：对候选人的工作经历，角色，技能和教育背景的不充分考虑，以及缺乏复杂的分享，外展和分类工具。
“糟糕的职业生涯网站和职位描述阻碍了申请过程，因为他们没有吸引合格的人才，更糟糕的是 - 阻碍不同的候选人，”加格说。“由于任何特定组织内的可用机会过剩，大多数候选人表示，求职中最艰难的一步就是找到合适的角色。”
Eightfold带来了一个高度个性化的，机器学习驱动的工作匹配引擎，可以从超过1亿个配置文件中获取数十亿个数据点，为招聘人员，招聘经理和候选人提供建议。它为求职者创建包含其经验，位置，教育历史，简历和简历的帐户，这些算法解析关键功能。
实际上，Eightfold旨在告诉一个人在提交申请之前是否可能被考虑担任某个职位 - 无论他们是内部还是外部候选人。
上图：招聘人员查看按相关性排名的候选人。
图片来源：Eightfold
求职者可以获得公司最适合的角色列表，以及对其技能的相关性评估，以及访问聊天机器人，他们可以讨论工作适合度，福利和工作文化。至于招聘人员，他们能够指定多样性目标、学位水平和其他要求等内容，并可选择掩盖匹配候选人的年龄、性别、种族和地理位置，以尽量减少偏见的可能性。
为此，Eightfold声称其专门调整和消除的算法 - 其中提供了公开可用的网络数据，以产生几乎任何行业中任何业务的“柏拉图理想” - 导致其客户中雇佣女性的集体增加了19％ 。
除了使用人工智能之外，Eightfold还通过提供优化搜索引擎优化的工作页面和一键式申请流程以及支持公司简介（包括视频）的自定义内容，从众多竞争对手的竞争对手中脱颖而出。此外，对于客户现有的员工，它提供了一个职业规划师，可以预测职业发展轨迹，并提供职业教练的访问权限。
Eightfold声称，截至目前已处理的2000多万份申请中，招聘人员节省了80％的时间，合格候选人增加了200％，租金成本降低了60％。此外，它表示即使对涉及数百万条记录的请求，它也可以在亚秒级的时间范围内提供结果。
人工智能驱动的人才招聘工具正迅速成为一打，这也就不足为奇了。从理论上讲，它们为雇主提供了对候选人的个性，历史和经历的更深入了解，而不仅仅是封面信件和简历。像创业Eightfold和 Vervoe自来水机器学习算法来评估潜在的员工的技能，而ZipRecruiter和实际上 使用它们来搭配求职者，否则他们可能越过企业。
尽管竞争日趋激烈，但Garg认为，Eightfold有能力扩大其在2000亿美元招聘市场的影响力。
“在Eightfold中，我们将焦点从模糊的要求列表转移到候选人最关心的内容 - 他们将要做的工作，他们将与之合作的人，以及他们获得工作的可能性，”他补充道。“无论候选人是否最终被聘用，具有申请公司工作经验的候选人更有可能购买其产品，并建议其他人申请在那里工作。”
以上为AI翻译，内容仅供参考
原文链接：Eightfold raises $28 million for AI that matches job candidates with employers
相关阅读：Eightfold使用AI为求职者匹配空缺职位
机器学习
劳动力分析技术公司Claro Workforce Analytics筹集到110万美元的新资金加速增长
2月27日，Claro Workforce Analytics是一个独特的劳动力分析平台，帮助企业提高员工敬业度，减少自愿离职，并更快地发现多样化人才。融资所得将用于加快产品开发和客户拓展。此外，贝塔贝雅的Jim Feuille将加入Claro的董事会。
互联网和社交媒体继续改变着人们交流和思考职业的方式。从人才获取到员工参与，这种模式的转变为将可操作的、数据驱动的员工洞察力推进到所有人力资源战略的前沿铺平了道路。最近的研究也证实了这一趋势；根据Transparency 市场研究，劳动力分析市场预计将以10.8%的年增长率增长，到2026年达到24亿美元。
为了利用这一趋势，Claro扩大了销售和市场营销的力度，并聘用了一些关键的新员工，包括Craig Katz担任高级销售副总裁，Jarrell Chalmers担任市场经理。
Claro独特的技术平台使组织能够结合内部和外部的劳动力洞察力，充分利用集成劳动力分析的力量，帮助吸引不同的人才，留住有价值的员工。普华永道(PWC)最近的一项调查显示，“63%的首席执行官表示，技能的可用性是一个严重问题”，而“93%的首席执行官表示，他们认识到有必要改变吸引和留住人才的策略”。
威尔逊(John Wilson)表示:“为了在当今的全球就业市场保持竞争力，高管层和人力资源领导层应该就公司的人才战略达成共识。”他接着说，“Claro技术使我们能够帮助我们的客户做出数据驱动的决策，包括识别和留住不同的人才，提高员工敬业度，以及进行劳动力供求规划。通过Claro，我们为客户提供相关的、可操作的人才市场洞察力。”
Claro使用机器学习算法来调整和丰富不同的信息和专有的元数据，包括新J-Score®,已成为标准的在线测量工作寻求行为。领先的组织越来越多地依赖于Claro独特的人才洞察力来帮助他们做出更好的决策。
Claro首席执行官迈克尔•贝格尔曼(Michael Beygelman)表示:“Claro的客户正在利用我们先进的人才市场地图和分析工具，帮助他们在这个紧张的劳动力市场中识别和留住顶尖人才。”Beygelman继续说道:“我们也看到越来越多的客户使用Claro技术来加强传统的员工敬业度调查，帮助识别潜在的人才保留风险，并对潜在的职场偏见进行预警。”
“Claro正在开发一种独特的技术，帮助企业在人才市场和员工方面做出更好的决策，”法尔茅斯风险投资有限公司(Falmouth Ventures LP)董事总经理、Claro董事会主席丹尼尔•弗劳利(Daniel Frawley)说。Frawley继续说:“数据讲故事正迅速成为开发和交流商业战略的首选方式，而劳动力分析领域处于领先地位，而Claro在这个新兴领域处于领先地位。”
以上为AI翻译，内容仅供参考。
原文链接：Claro Workforce Analytics Aims To Accelerate Growth With New Funding And Strategic Hires
机器学习
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
机器学习
Hans Mangelschots : 2019年人力资源七大趋势
文/Hans Mangelschots
随着年底的临近，所有人力资源趋势观察者或影响者都在公布他们对下一年的预测，各种形式的人力资源技术都是绝对的赢家。另一方面，研究也告诉我们，对于目前人力资源技术在人力资源方面的能力还存在着各种各样的疑问。
是时候清理一些流行词汇，并给出2019年人力资源七大趋势(幸运的数字7)，基于在几个人力资源技术领域的投资，商业方面的紧迫感和人力资源对人力资源技术的信任/信念。
全球趋势
随着人们对人力资源技术的日益关注，人们对工业4.0以及数字转型背后的机遇的认识正逐渐深入商界。这带来了许多流行词，它们有时更像是炒作，而不是救命稻草。稍后会详细介绍。与此同时，招募，保留和L&D的挑战已经过了否定阶段。
Fosway公司与欧盟人力资源主管的一项研究表明:
75%的公司计划购买人力资源技术来应对未来的挑战
86%的受访者表示，终端用户体验是购买新人力资源技术的关键驱动因素
95%的人认为准确的数据和分析对于他们人力资源运营的成功非常重要
然而，66%的人力资源主管认为，当前的人力资源技术还没有做好准备，因为业务重心越来越倾向于对人力资源领域产生影响的人员问题：
就业率
提高商业文化和实践的透明度
代际转移和技能差距
多样性、包容性、性别平等......
全球趋势对投资市场产生了影响，人们对人力资源技术的关注正在增长。
（来源:HR Federation。注:graph不包括SAP以80亿美元收购Qualtrics、以5000万美元收购Workables以及其他一些项目。）
2018年最受投资者欢迎的人力资源技术类别有:
HCM
人才获取
人才管理
2018年最受投资者欢迎的人力资源技术分类为:
Jobboards /市场(TA)
协作与沟通(HCM)
学习与发展(TM)
“似乎随着新产品每天进入市场，从初创企业到市场领先的传统供应商，全球投资者都在争相进入人力资源技术领域。——HR Federation”
趋势1:薪资体系创新
您的工资单是基于云计算的吗？如果你想在连接其他工作与生活应用程序时降低成本，那就应该这样做。研究表明：
工资单系统的部署时间长短对工资单应用程序的替换计划有影响
计划在未来12个月内更换现有工资单应用程序的机构报告称，他们的系统已部署了8.62年(平均而言)
计划在未来两年内更换现有工资单应用程序的机构，报告其系统已部署10.85年(平均而言)
然而，工资是公司的支柱，而创新对员工的核心承诺听起来并没有那么糟糕。考虑到这些薪酬系统的遗留问题和Windows XP特性(无意冒犯比尔•盖茨)……
40%的人力资源主管计划在未来两年内改变他们的薪酬体系，45%的人将对他们的核心人力资源系统做出同样的改变。
薪酬透明度是一种趋势，到2019年将更广为人知，因为性别平等、多样性和包容性将成为更热门的话题。同样的工作，女性的收入是男性的80%并不合理。你希望人们知道你会平等对待他们。
Linkedin宣布了他们新的招聘模块——包括薪酬透明度
薪酬建模（Pay Modeling）是另一种趋势，明年将更加流行。在这个时候，一个自助服务的员工已经有可能挖掘他的工资单，看看他的扣除额减少了多少，以及他享受的其他公司福利是什么。
在未来(当法律问题得到解决)，员工将有可能建立（ Modeling）他的工资单，在他需要的时候得到他想要的。
也就是说，当员工在宠物保险上获得折扣，但他没有宠物时，该员工将有可能将这项福利转变为另一项，比如将宠物保险换成牙科保险。
事实上，根据法律问题的不同，结合员工的反馈，创造一个独特的奖励系统的可能性是无穷无尽的。
趋势2:人工智能/机器学习的实际应用
第一：让我们消灭这个流行词
AI是一个流行词吗?是的，正如“算法”被严重高估为一个数学公式一样。
人工智能的明确定义是:“能够执行通常需要人类智能的任务的计算机系统的理论和发展”。
从这个角度来看——想想任何一种机器——人工智能不是已经陪伴我们几十年了吗?比人类更聪明的发展是最近才出现的，但仍然…深蓝是于1996年第一台真正打败世界冠军的国际象棋计算机。也就是说，如今人工智能的炒作实际上(99.9%的案例)是关于机器学习(和深度学习)的。
然而，人工智能是一个很好的开场，但在这一点上，它往往过于抽象。人们想知道人工智能能为他们做什么，人力资源也不例外。
人力资源与机器学习
当使用机器学习实现人力资源流程自动化时，人力资源想要知道有哪些可能性，而人力资源主管感兴趣的是人工智能的使用——而不是人工智能本身;
76%的人希望采用预测分析
70%的人想要采用聊天机器人
58%的受访者希望采用候选名单
58%的公司希望采用仪表板和报表
由于机器学习的使用有很多的关注和优势，HR必须小心：太多的自动化会导致去人性化，这往往会对员工体验产生负面影响。
到2019年，这项技术将以更坚实的形式出现，并将用于几个人力资源类别。由于2017年的大量投资流向了人工智能和机器学习在某些人力资源子类别的开发，我们预计这些开发将在2018年进行，并将于明年投放市场。
趋势3:全面福利发展
全面的人才发展将演变为全面的福利发展。员工将被置于他工作和生活经验的驾驶员位置。
不是平衡两者，而是工作和生活都是个性化的体验。为了实现业绩和保留，人力资源部必须把员工作为一个整体来看待——在整个员工生命周期中关注员工的体验。
不仅包括健康，还包括观察员工的生活，以及雇主在已经做出的承诺之外可以给予的额外价值，比如财务建议或帮助，团体折扣，健身基金，学生贷款，支付方式等。
特别是当人力资源向个人层面的消费越来越高，来满足未来员工的期望。提供这类功能的自助服务技术，结合薪酬模型，由于需求只会在一段时间内增长，因此预计将有一个美好的未来。
趋势4:学习是新的招聘/招聘是新的学习
技能差距不仅仅是一个内部问题，而是需要通过学习和发展来解决。某些技术已经创造了一种可能性，可以在潜在的新员工被聘用之前通知和教育他们，不管他们的技能如何。
招聘将把学习带到更远的地方。也就是说，通过在内容(营销)策略中为可能的候选人提供学习内容，公司将在吸引和教育这些“追随者”的同时——吸引品牌大使来提升忠诚的技能。
这一原则也适用于当前的工作人员，再加上微型学习平台，这些工具有潜力建立和保留领域知识，提高雇主品牌和员工/候选人的经验。
学习技术被消费化和游戏化所打断，因此对投资者来说，投资技术非常有趣，这意味着人力资源开发的质量。
55%的人力资源主管计划在未来两年内改变他们的入职技术
48%的人力资源主管计划在未来两年内改变他们的学习和发展
Facebook将LinkedIn作为职业门户网站，提供电子学习、扩大师徒关系和职位功能
提供以上建议的微型学习和入职培训解决方案是为未来准备的，因为学习可能会成为新的招聘方式——在学生或失业时，在教育和个人成长方面给予候选人额外的优势。
趋势5:生动的(VR)候选人体验
当谈到招聘时，这种趋势将继续以生动的候选人体验让未来的求职者感到惊奇，以可持续的工作匹配来吸引和告知他们。
像虚拟现实和增强现实这样的功能将在2019年蓬勃发展，因为第一个例子早已在几年前进行过实验。
2018年，这些实验在招聘策略和补充人力资源技术方面进行了尝试和实施。明年，这些实验将在人力资源技术整体提供以及补充技术方面实现一个更具结构性的重点。
英国陆军招募新成员使用VR“让他们体验战斗前线的真实感受”。
挪威陆军的试验包括一个使用VR的坦克虚拟驱动器。
威勒门集团(一家比利时建筑集团)提供了一个“走进你的未来”的机会，这实际上是一种为他们工作的体验，为他们所有的形象服务。这样候选人就能有一个清晰的视角。
趋势6:技能量化
随着学习和发展成为员工敬业度和留住员工的关键驱动力之一，企业将着眼于自己的员工来填补技能缺口。
51%的人力资源主管计划在未来两年内改变招聘/人才获取方式
51%的人力资源主管也计划在未来两年内改变或进入分析领域
通过将所有员工的硬技能和软技能与新员工的技能相结合的能力，将个人资料和职能划分为任务和角色的趋势，可以通过项目工作的内部市场加速内部人才流动。
人力资源部门不会看到人才离开公司，而是会重新审视如何留住最有价值的员工，或者如何从长远来看找到她/他。
他们将任务划分为特定的角色和微观技能，而不是将工作视为一个整体。有远见的雇主甚至会考虑将内部的职业市场与外部的职业市场结合起来完成工作。
随着人力资源科技市场有一整套新的解决方案来优化其内部人才的使用，这些公司现在正在寻求内部采购和外包之间的平衡——或者深入了解他们的劳动力技能，以及来自组织外部的投入来交付基于项目的工作。
随着技术的发展，通过可靠的人员分析，它将变得更具可操作性，因此对潜在的投资者来说很有趣。人力资源部的建议是，在这些技术以更高的价格提供之前，要灵活地进行调整。
趋势7:把事情做好
随着新的人力资源领导进入人力资源，他们也是劳动力的一部分，并通过这样的变化。结合非IT人员(即业务人员)对人力资源价值感知的变化：员工体验已经成为核心关注点。
这些都是2019年人力资源部门的工作。为获得分析提高效能，沟通和协作将是员工体验的特点。
51%的人力资源经理计划在未来两年内改变他们的绩效管理，提高他们的经验。
91%的人力资源领导者表示，提高绩效和盈利能力是首要目标，86%的领导者相信，最终用户体验的质量是改变人力资源系统的首要驱动力。
新技术能够从求职者那里获取反馈，以减少偏见，人力资源解决方案也更多地嵌入到沟通和协作平台中，这些平台能够识别领导者与团队沟通的时间和方式。
在反馈分析、机器学习和工作流程管理的支持下，这可能会导致人力资源和员工的行为发生变化。这也意味着投资者对他的人力资源技术类别的关注将会增加。
为什么SAP以80亿美元的价格收购了Qualtrics ?“因为它是关于体验的”——Josh Bersin
领导者起立
人力资源在2018年经历了漫长的发展，终于觉醒了。当这些7大趋势冲击到你的组织，并与最终用户(保证准确的数据)合作时，HR将坚定地面对未来的挑战。
尽管如此，随着人力资源技术将在2019年进入市场，人力资源思维也在以同样的速度发生变化。意识到在流程和经验方面进行结构性变革需要一个全面的战略，人力资源部门最好不要依赖运气。
事实上，人力资源并不需要运气——它需要的是能够带领公司走向前人未曾涉足的领域的领导者。
以上为AI翻译，内容仅供参考。
原文链接：How your HR can get lucky in 2019
机器学习
AtScale筹集了5000万美元，将机器学习引入云数据管理
据外媒报道，AtScale今日宣布结束5000万美元的融资，将更多机器学习纳入其数据管理服务。该公司帮助企业从内部部署和云服务器中提取数据，以打破孤岛，池数据集和连接商业智能工具。
AtScale还帮助公司从数据仓库和在线分析处理（OLAP）系统访问数据，从AWS Snowflake，Google BigQuery和Microsoft Azure SQL Data等服务中提取数据。
“我们都知道，人们希望迁移到云端，但是对全球2000有一些实际的抑制因素，这意味着他们建立了所有的数据管理和架构”，首席执行官克里斯林奇说道。“这是我们在市场上的真正机会。我们可以将大数据工作负载带到云端，因为我们消除了阻碍。”
这笔资金将用于为AtScale产品带来新的人工智能功能，目标是协助企业进行数据驱动的决策。为了实现这一目标，AtScale将在波士顿，蒙特利尔和保加利亚发展工程业务，该公司将在秋季开设办事处。
“因为我们坐在结构中并查看每个查询，我们利用机器学习来根据我们看到的查询预测性地提供数据，”林奇说。“我们使用机器学习的另一种方式是自动配置，以便我们可以根据许多属性为查询配置系统。我们的想法是，我们基本上可以根据请求的性质自动启动正确的节点。”
这笔5000万美元的融资由摩根士丹利领导，参与者还有Storm Ventures，富国银行和大西洋大桥。林奇说，这笔资金还将用于发展公司的销售和营销部门。
AtScale的客户包括Allstate，Kraft-Heinz，JPMorgan Chase和TD Bank 。
该公司成立于2013年8月，总部位于加利福尼亚州圣马特奥市。它目前有85名员工。
以上为AI翻译，内容仅供参考。
原文链接：AtScale raises $50 million to bring machine learning to cloud data management
机器学习
人员分析：构建数据驱动的人力资源功能
成功的人力资源领导者如何利用分析来优化员工队伍并创造真正的商业价值？Assurant数据分析信息管理高级总监Perla Sierra告诉我们更多信息。
当您投资，推动采用或尝试优化People Analytics的业务成果时，您的团队面临的三大挑战是什么？
在开始真正的分析之旅之前，必须评估数据的质量，必须同意一致的指标，并且必须实施隐私保护措施。虽然数据通常永远不会完美，但我们必须努力获得尽可能高的数据完整性，并且当存在数据缺口时，分析从业者必须了解数据机会并在任何分析练习中将其考虑在内。
尽管有关人员的数据已经存在很长时间，但人们将分析从预感和感觉转变为更有条理的方法已成为最大的挑战之一。将数据驱动的决策方法应用于人们面临的挑战是，使用公平竞争环境比较员工和绩效非常重要，这很难做到。要做到这一点，我们必须始终调整上下文。调整上下文涉及考虑数据中可能不存在的因素，或者它是否可能不明显。
例如，在比较相似或相同工作的绩效时，应考虑数据之外的其他因素，例如环境因素（即工作条件，经理等）。
在人员分析空间内制定数据驱动的决策可能会加剧紧张局势，因为人们更喜欢人类对算法判断的判断。事实是数据驱动的决策如果竞争场是均匀的，当然如果数据是准确的，那么就会消除偏见。基于数据做出决策无疑将提高组织的分析成熟度，并有助于在决策制定过程中采用更加公正的方法，同时加强组织的文化。数据的可用性提供了新的创新和新的见解。
对于想要成功构建，扩展和优化人员分析功能的人力资源领导者，您最重要的2-3个最实用技巧是什么？他们应该优先考虑什么？
高质量数据，数据安全性和数据隐私的可用性应该是实施人员分析功能的最前沿。如果没有这三个关键要素，那么成功构建和扩展成功的人员分析功能将更加困难。有时并非所有数据都是完美或准确的。在这种情况下，组织应考虑采用分阶段方法，该方法可以利用准确或至少足够好的数据来启动分析过程，而不是等待所有数据准确。
不幸的是，分阶段的方法需要更长的时间，并且在增量成本方面可能会花费更多，但是，如果您只是选择在没有整个数据范围之前选择不继续前进，那么您应该考虑可能遗漏的无形机会成本。这是一个你必须对不舒服感到舒服的情况，并通过“足够好”的数据推进。我会考虑创建数据委员会和数据管理员的最佳实践，这可以推动数据标准化和质量并推动数据治理。
在组织的人员分析成熟度之旅中，2-3个关键里程碑是什么？
让我们从头脑开始。最终目标是让企业将人员分析嵌入业务决策中。我们怎样才能最好地完成这项工作？该数据必须是可靠，安全，维护，一致的，但是，它并不一定是完美的。人力资源合作伙伴必须确定影响业务的人员问题，这些问题可以在流程早期确定，甚至可以完全消除。在人力资源合作伙伴和商业合作伙伴必须协同工作寻找机会获取洞察力并在适当的时间向适当的受众提供可操作的见解，并最终在可能的情况下提供规范性和预测性分析。人力资源团队必须与业务领导者，一线经理，客户，供应商和其他人合作，以识别机会，传播意识，形成深层合作伙伴关系，并提高组织成熟度。
人力资源如何增加自身的分析成熟度同时增加业务的一些例子是提供以下内容：监控员工保留，培训，内部流动性，技能集评估，将招聘评估与绩效指标相关联，确定未来资源需要。
在人力资源组织中构建数据驱动型文化时，您采用了哪种方法？
在构建数据驱动型文化时，我遇到的最有效的技术是与不同的内部业务，部门，分析从业者甚至外部资源建立业务合作伙伴关系。每个人带来的人和体验的多样性在创造性解决问题和创新方面提供了最多的帮助。每个人都通过不同的视角看待机会，这种整合创造了强大的协作模式，使组织受益。通过采用多元化的文化和整合思维伙伴，可以提供建设性的论据，敢于不同意，并准备改变主意，你真正将组织推向最高水平，不仅仅是合作，买入和接受，而是你整个组织的分析成熟度越来越高。开放是真正伟大事物的开始。随着合作和沟通的继续，
2020年及以后，您亲自跟踪的人员分析和劳动力绩效空间的2-3大趋势是什么？
就像消费者一样，员工也希望为他们量身定制解决方案，而不是一刀切的方法。
机器学习技术使组织能够为从人才获取到内部移动，学习，团队建设和其他领域的所有领域的员工量身定制个性化体验，从而提高员工敬业度。机器学习不仅可以用于个性化体验，还可以提供最佳的团队整合，以及基于通过性格测试，社交网络，调查或其他方式获得的数据获得最佳积极成果的内部移动机会，从而创建一个爆炸性的人力资源转型，员工敬业度和减少营业额。当然，这些想法也可以针对承包商，这也将为投资带来巨大回报。
员工和承包商希望提供给客户的相同个性化体验，这不应该让我们感到惊讶，因为客户，员工和承包商都是人。我希望看到更加注重将员工敬业度与生产力水平和业务成果联系起来。
以上为AI翻译，内容仅供参考。
原文链接：人员分析：构建数据驱动的人力资源功能
机器学习
CV Compiler——简历修复机器人，让您更具竞争力
文/John Biggs
机器学习现在无处不在，包括招聘。CV Compiler是一款Andrew Stetsenko和Alexandra Dosii的新产品，它使用机器学习来分析和修复您的简历，让您有机会发挥更大的价值。
CV Compiler的创始人是营销和人力资源专家，他们在使招聘变得更加智能方面拥有15年的经验。Stetsenko创立了Relocate.me和GlossaryTech，而Dosii在许多营销公司工作，然后决定使用CV Compiler。
该应用程序基本上检查您的简历，并告诉您要修复的内容和提交位置。到目前为止，CV Compiler已经能完全自行处理，他们正在研究新的和改进的机器学习算法，同时维护CV Compiler。
“有很多在线简历分析工具，但这些服务过于通用，这意味着它们可以被多个专业人士使用，结果很差。收到反馈后，用户经常被迫购买一些额外的服务，”Stetsenko说。“相比之下，CV Compiler专为技术专业人士设计。相对于行业中的最佳实践，在线评论技术会扫描来自编程世界的关键字以及它们在简历中的使用方式。”
该产品诞生于Stetsenko在GlossaryTech的工作，这是一个Chrome扩展，可帮助用户理解技术术语。他在该产品中使用了大量的自然语言处理和关键字分类，并将其中的一部分转移到了他的CV服务中。
“由于简历，我们发现许多求职申请在没有面试的情况下被拒绝。显然，10秒足以让招聘人员消除许多候选人”，他说。
该服务现已上线，团队希望信息语料库能够随着时间的推移而增长和改进。在那之前，为什么不让机器学习机器人告诉你在找工作时你做错了什么？也就是说，在它完全替换你之前。
以上为AI翻译，内容仅供参考。
原文链接： CV Compiler is a robot that fixes your resume to make you more competitive
扫一扫 加微信
hrtechchina
机器学习
机器学习
机器学习
机器学习
机器学习
机器学习
机器学习
机器学习
机器学习
机器学习
扫一扫 加微信
hrtechchina
