-
观点
钉钉、企业微信的阴影下，中小SaaS玩家们的未来在哪儿
文∣二楞 螃蟹
编辑∣强强
来源：虎嗅网
11月19日，阿里巴巴钉钉在深圳召开了战略发布会，CEO无招介绍了新推出的多款智能硬件产品。
关于定价，无招说了句“保持初心”。无论软件硬件，统统免费。
2014年2月，美国企业级沟通工具Slack横空出世，当天就有8000多家公司抢着注册。在媒体的疯狂报道下，引发了国内SaaS企业竞相开发通讯模块的热潮。
同年12月，钉钉也发布了它的第一个测试版本。
“钉钉出来后我们就发现，以后Teambition要解释最多的问题，就是我们和钉钉到底区别是什么。”Teambition CEO齐俊元告诉锌财经潘越飞。
为了应对巨头带来了威胁，比钉钉早整整一年半上线的Teambition选择了断臂求生。而免费巨头的存在，也成了大部分OA和IM企业、乃至SaaS行业的共同心病。
“除了少数垂直行业的SaaS以外，通用领域已经一片肃杀。即便是CRM、HR、ERP等分支，也难以避免和免费产品的竞争。”明道CEO任向晖表示。
面对巨头的挤压和别无选择的用户，中小SaaS玩家们必须要走出一条新的路径。
01. 被免费惯坏的市场
Slack大火、钉钉入局，众多竞品跟风增加聊天模块，而齐俊元却选择将发展势头正好的团队协作即时通讯工具“简聊”直接开源，放弃在企业即时通讯领域已经取得的优势，就打团队协作牌。
“其实当时我们内部也有不同的观点，但是经过讨论后我们判断，IM加上OA可能会是大部分企业标配的一个东西，而这个东西不会有任何商业化的机会。”齐俊元解释，因此“专注协作”就成为了 Teambition最核心的战略。
“Teambition是关于事的，你在Teambition跟进工作事务，而不是找到某个同事。这就是协作工具和沟通工具的区别。而事实上，Slack上集成度最高、用户使用最多的工具正是类似Teambition的 Asana、Jira、Trello这样的协作工具”。
Teambition在企业微信、钉钉大火的2017年获得了比往年更高的增长速度，或许正是这一战略的成果。
以此来看，在免费的巨头面前，差异化或许是最保险的路线。
一位和钉钉狭路相逢的资深从业者欲哭无泪，他说：“我们的确比他们做的要细、要好，但是你拼不过人家不要钱呀。”
相较付费市场，免费策略似乎更像是一种逃避。“通过免费，可以规避一些难以承担的责任和风险，比如通话质量、接通率等等。我都是免费的，你还要求什么？”一位业内人士表示。
虽然大家都是摸着石头过河，但对于钉钉、企业微信这样的人民币玩家来说，砸钱铺路，短时间的输赢无所谓。而这对于中小公司，显然不是个好消息。
一位业内人士透露，目前国内大量SaaS公司都处在活得不那么滋润，但也死不了的状态。当免费成为市场主流，SaaS似乎变成了一门“熬死对手”的苦逼生意。
那些已经进入付费市场的SaaS企业，又活得怎么样呢？
企企通CEO徐辉告诉锌财经潘越飞：“你看国内新三板上市公司的财报就会发现，大部分公司的年费客户平均客单价就几千块钱。而欧美成熟的SaaS企业，客单价几十万、几百万美金的比比皆是。”
大量低成本替代方案的存在，进一步拉高了企业的付费门槛，SaaS公司的日子确实不如前几年那么好过。
“有免费的谁用收费的，老板又不管员工用得爽不爽。”一位项目经理直言。
一名投资人补充，国内SaaS市场不愿付钱的小企业太多，门槛高的大企业也不少，中间有需求、能付费、门槛一般的中型企业太少。而要拿下这块市场，SaaS公司必须拿出足够有说服力的产品。
02. 最终比拼的还是产品和服务
“因为涉及14家线上店铺，运营、设计、客服等多个环节，我们的第一个双十一过得非常混乱。”依视路电商部门的Todd表示。
作为眼视光行业的老牌外企，依视路在中国的电商部门用谷歌等工具并不能完全适应公司业务。双十一的混乱过后，依视路开始尝试使用协作类SaaS产品Teambition来对工作进行管理。“Teambition让大家的工作更清晰有条理，在双十一这样的大挑战面前，我们也能有更多精力做得更好。”相关负责人说。
尽管SaaS被普遍认为是比软件更理想的企业工具，但在美国的头部SaaS企业年收入都以数十亿美金计，市值已经飙到数百亿美金的同时，反观国内，“吃不饱饿不死”是大多数企业的真实写照。
明道CEO任向晖告诉锌财经潘越飞，SaaS公司卖的东西不贵，但是给客户创造的价值呢，他觉得也不明显。最典型的一种反馈是，企业做项目任务管理，工具可以帮助提高执行力，这是一个很笼统的话，客户也明白，也不反对，但是客户依然不知道接下来该怎么做。
齐俊元也认同，产品本身的问题是现阶段行业的主要问题。他说：“很多SaaS公司做的东西很薄，并不能真的解决问题。他说在解决一个问题，更多的时候只是在命题和方向上匹配了，产品实力也好，服务实力也好，都还没做到。”
从卖软件到卖服务，SaaS产品能不能代替软件更好地满足企业需求，能不能为客户创造看得见的效益，是说服企业掏钱买单的终极指标。
很多人困惑的是，这么多的资金和人才流入，SaaS行业为什么还没出现像2C市场那样迅速崛起的明星企业？或是说，这个行业的发展速度似乎比预期的要慢很多呢？
齐俊元解释说：“SaaS不像消费品市场，你只要找到一个刚需，人人都是你的消费者。企业是你找到一个刚需，但并不是每个企业都是这个刚需，它是非常精细的工作。这就是为什么我们这件事情迭代是最多的，因为这件事情是最难的。”
SaaS企业做一代产品的周期是2年～3年，不仅要满足新增用户的需求，还要兼顾老用户的使用习惯，对产品逻辑和设计的要求非常高，需要持续的打磨迭代。
在Teambition近200人的团队中，销售有50余人，而研发团队有近100人，几乎占总人数的一半。“美国的SaaS公司做到IPO，或者在行业上立足，可能要15年左右的时间。在国内即便能加速，8年、10年也还是需要的。”齐俊元显然已经做好打持久战的准备。
正视了这一点，任向晖显得格外从容，他说：“SaaS这么新生的行业，5年～6年的时间大家在探索，（目前的进展）我觉得很正常，没什么不正常。”
光砸钱砸不出好产品，SaaS有它自己的发展规律。而产品和服务，则是付费SaaS玩家留在牌桌的必备筹码。
03. 挖深护城河，然后等风来
随着SaaS行业的不断发展，赛道也越来越细分，但可挖掘的市场空间依然很大。
专注团队协作的Teambition正在产品和服务的纵深上持续发力，齐俊元透露说：“除了大家能想到的产品发展策略，我们已经开始做的事情是，利用前沿研究去看数据、员工行为和管理者行为之间的互动关系，看能不能抽象为对企业本身管理的一个洞察，然后给管理者赋能。”
最近一个有趣的发现是，任务逾期率和员工绩效不一定是负相关的。逾期完成任务越多的人，反而绩效越高。
Teambition以项目为核心的产品逻辑
“这家公司的问题在于能干的人有限，所有人都找这些能干的人，所以他们任务逾期率高。”齐俊元说。管理赋能就可以通过给这些人增加助手、调整他们和其它部门的合作机制等方式来提高公司的运行效率。
“我认为3年～5年之后，管理赋能这件事将本质地决定了大家评价企业软件的标准。仅仅跟我谈效率提升、仅仅跟我谈管理效率，这样的软件就不再有价值了。”齐俊元的语气非常肯定。
SaaS软件的另一种可能，可以参考专注于供应商管理的软件企企通。企企通从供应商管理切入市场，从大企业用户着手，利用核心大企业的关系网把上下游的供应商拉到平台上，形成网络效应，为平台获取大量流量。
企企通CEO徐辉告诉锌财经潘越飞，对于走平台路线的企企通而言，SaaS只是入场券，后面一系列的增值服务才是重头戏。
“在中国这样的环境下，出一个Salesforce这样的公司概率大吗？”徐辉爽朗一笑，“我可以这么说，中国一定会有Salesforce，但中国的Salesforce和美国的Salesforce一定不一样。”
浏览企企通的相关新闻可以发现，今年以来，企企通与高信隆、中子星、京东金融、民生银行、平安银行等机构达成了合作，通过为平台用户提供金融服务的方式收取增值服务费。平台的收费显然是远超SaaS产品本身的，而供应链金融仅仅是企企通的一小步尝试。
锌财经观察到，供应链金融已经成为很多SaaS产品的逃生之路。“不少公司卖不动产品了，就开始吹嘘自己要做供应链金融，找下一轮融资。”有资深人士分析称。
“这个观点不一定对，你看Salesforce或者Slack都没有做供应链金融，依然是持续增长的美股上市公司。”齐俊元认为，提高效率才是现阶段的关键。至于供应链金融，就国内的SaaS公司而言，还言之尚早。
想靠一款SaaS产品改造供应链，甚至改变整个行业，目前确实难以让人信服。
那么如何才能在这场巨头挤压的混战中活下来呢？
“场景和产品，做好护城河，自然能够很好地增长。”齐俊元说。
-
观点
经纬张颖给创业者的七条融资建议
编者按：本文来自微信号经纬创投（ID：matrixpartnerschina），作者：张颖。
对于融资来说，12月交割的案子其实并不少。一般一家公司在Q3启动融资，往往会拖到Q4甚至1月份最终落定，所以年底也可以称为交割季。
但另一个意义上，年底是融资淡季。因为机构们在12月25日前后再看新案子的几率并不高。
淡季通常宜反思忌贸然行动。这也是我们把昨天经纬张颖发到经纬系CEO群的七条融资建议，再发到公号上来的原因所在。这些建议包括了市场形式分析、业务做重、先合并再融资、拿不拿战投以及什么币种的思考等等。
好的公司在任何时候都是旺季，但也需要谨记今天的优势也容易被明天的趋势所代替。以下是我们的采访原文，根据张颖口述整理。愿看完的人都能获得资本意志的加持，Enjoy：
一直以来，我都经常对同事说要对业务数据极其敏感。今天经纬投资的公司已经超过430家，到年底这个数字可能会超过450。这样复杂多样的体系、商业逻辑和其中的利弊轻重，显然已经不能只靠团队主观和感性思考去做判断了。数据基础上的复盘和寻找新的趋势非常重要，最近我和投后数据、法务和资本小组，又做了一些系统性的梳理。
在经纬系的430家公司里，今年10月底已经有超过130家经纬系公司融到了新的一轮——融资次数我看了一下接近200起，这里面也有一些滚动融资。刨除多个巨额融资的项目比如滴滴、ofo和瓜子二手车等，2017年经纬每投资1美元的等值货币，可以撬动14倍的后期市场资金跟投（如果算上巨额融资，这个数字是62倍）。
我一般会阶段性地参与被投公司的部分融资进程，也与投资团队有过非常激烈的讨论。不是所有的公司在融资过程中都非常顺利。这里面有些一开始就占据主动优势，有些则被一些投资机构牵着走。以下这七个建议是最近我分析思考后的总结，希望对在融资过程中的公司有一些短中期的帮助：
1）所有轻公司以后都会做重，也必须做重，只有做重才能有效抗拒巨头杀入，也唯有如此才能做大。一家公司从初始业务到扩张，今天市场给你适应的时间，要求你去扩张的时间窗口越来越短——我们做了一个统计，各种公司都加快了业务范围扩张的速度，这里面需要的沉淀时间从以前的两年缩短到了今天的六个月：有量的行业交易平台不再拘泥于撮合和流量的流转，他们非常清楚自己要想做大就一定要打造闭环，参与到更多的交易环节里，唯有如此才会实现更多的利润，今天瓜子二手车、找钢网等等都是如此；已经获得流量和用户，在过去偏轻运营的医疗公司，现在也在积极尝试跟线下实体的衔接。流量今天越来越贵，从增量市场转向存量市场，就需要延展用户生命周期，更充分地挖掘单个用户价值，参与到行业的整个环节打造闭环。投资人现在也都很认这点，既然这样，那就现在开始，从今天开始。
但你也要明白，一旦启动，这就意味着是在做一家完全不一样的公司。以前最好的技术人才，可以通过单点突破、快速试错杀出一席之地。今天不只是巨头虎视眈眈，各个细分领域比如衣食住行随着你的渗透与垂直做重，对你的上下游管理能力、新的人才招揽与储备、平衡旧有业务线、迅速试错以及调整等等的要求只会越来越苛刻也越来越多。今天，在各个行业杀出重围成为明星公司的挑战越来越大，不止是ToC的公司会面临这样的挑战，其他行业也同样如此。
2）这个市场现在看是不缺资金的，2017年创投基金的规模较前两年增长了62%，新基金的规模是十年前的50倍，数量增长了18倍，但是越来越明显的一个趋势是：源源不断的资金都聚拢在头部公司。这并不仅仅是大行业里公司发展到后期才会遇到的情况，从A轮、B轮、C轮再到D轮——只要资本认可的特定细分领域，行业的前两名可以拿到不成比例的巨额融资；反之，如果你是处在前两名之外，无论运营再好，在行业头部选手迅速完成一轮又一轮巨额融资的时候，你想要融他们1/20的资金也会异常艰难。
如果你不是行业前二，短期内也做不到这个行业地位，如何求变？这真的是非常需要深思熟虑的一件事。三个月之内自己一定要想清楚、也要动起来。今天创业的环境仍然是黄金时代，但竞争确实也越来越残酷。同时你也还要意识到，竞争并不只来自目前现有的直接竞争对手，也可能是其他角落杀出的、完全意想不到的对手。如果这些对手获取资金的能力很强，那是非常可怕的。
3）这就要求创始人要开创性地思考。为了规模为了融资的便捷，越来越多各阶段的公司开始有主动合并的趋势。现在我们看到更多的D轮、C轮、B轮甚至A轮，都有这样的案例。创始人一定要认真思考下是不是有先合并再融资的可能。有可能合并后，能够吸引更多的资金，创造一定时间内的绝对优势。
我们自己内部的一个数据是，在过去的两个月中，经纬系总共发生了67起并购意向，而在过去的四年里，我们总共只发生了31起已完成的并购，比如2017年“饿了么”和“百度外卖”的合并；也包括今年，更早期领域里发生的“上上签”收购“快签”、找塑料网收购鹏云等等案例。我们也在积极配合创始人们去做各个方面的思考、讨论和行动——他们当中有些是收购别人，有些是两家的合并，还有些是被收购。
如果你已经想好了，正处在合并的前夕或者过程中，你需要再思考一下你选择合并的标的物和真正的目的；你也需要记住中国是没有联席CEO制度的，6-8个月会有一方不得已离开；善待合并业务线员工；处理好各自背后利益和诉求各异的投资人，有些时候他们是助力，但也有些时候他们是阻力。
4）不要再低效地去获取用户数。在现在这个流量越来越难越来越贵的阶段，投资人不认这点了。一直以来，线上流量的获取都比较简单粗暴，投放渠道和ROI这笔账也已经算得比较清楚了。但今天这个立体化竞争的阶段，做好产品和服务的基础上，获取流量的方式是非常多的，线上线下、内容营销、创始人IP化运营等等——要找到你擅长的，并且创新、全方位地去思考。比如有一家非经纬系金融公司，通过投资多家小型桌面广告公司，挤压竞争对手投放渠道，成为他们唯一的投放客户，通过这些广告资源去推荐自己的金融产品，效果不错。
尼克松当年也曾买下各大地方小报的版面以挤压肯尼迪的广告时间，这个事的核心不在选择的渠道，而在他们从另一个维度思考了传播竞争与营销效率创新的问题。各行各业也有很多这样的例子，找到适合你商业模式的高效推广，创新思考与执行现在变得越来越重要。另外，记住公司发展战略的核心不是获得利润，而是获得竞争优势。
5） 如果公司处在平缓期，且没有找到有效的突破方式，账上的资金预期只有12个月，你的推广等成本又无法减缓或暂停，那这个时候你一定要给自己留比原来预设的更为充足的融资时间。
当然，市场上的钱现在越来越更多元化了，有VC、有各种人民币、有超级个人天使、有战投、也有政府引导资金。过往给力的成绩，加上经纬的早期引导效益现在越来越直接，我还是相信未来也是海阔天空。
现在每一个创业公司要去融资，一线知名美元投资机构只是多个选择中的一个，事实上拿到钱重过对机构背书和币种的纠结。此外，我多说一点，拿人民币或美金的思考，要不纠结、有弹性、也要有预判——对业务、利润和公司发展所需要的资金有超前的思考，对币种选择要认可市场规则也要有弹性。融 100 万到 300 万美金的公司，可以考虑人民币；如果是大额融资，理所当然背后的思考要更加严谨：如果公司收入利润都非常好，但行业天花板比较明显，人民币会是比较好的选择；如果处于一个激烈竞争的大行业，业务发展非常迅猛又需要大量资金，但还没有成正比的利润增长去验证匹配快速增长的高估值，那么融美金可能就是你唯一的选择，今天人民币基金还支持不了五千万到上亿人民币那么从容的投资，这会缩窄灵活性、也会增加后续融资的难度；当然，如果中长期看业务方面有政策顾虑，比较长的一个未来里也只能看到三千万到一个亿的利润，同时你看好A股市场并接受市场对业务和利润的要求，就咬着牙拿人民币。
在这个基础之上，如果你决定选择人民币，就要按A股市场的规则去行事，对于业务和利润要有超前的思考与追求，今天A股市场的规则就是如此，对收入和利润有明确的要求；但反之，业务健康发展的基础之上，不要让币种成为你的桎梏，很多创始人融了一个币种之后往往会陷入惯性思维，在资金来源的灵活度上陷入被动。
6）BAT战投现在是非常流行的一件事，这也会让之后的融资更容易一点，这会让其他财务投资人有信心选择与你站在一起。但你也要想清楚站队的时间点，以及会不会因为站队损失业务资源。
如果你想不清楚或者拿捏不好细节，可以问问经纬的核心投资同事，迅速展开讨论。三年以来，经纬系有87家公司拿过战投的钱。在这些案例上，我们有非常多的历史数据，有各种各样的经验，也遭遇过各种各样截然不同的后续：这中间有拿完资金一骑绝尘的，但坦白说也有因为创始人对融资条件的不严谨陷入被动的案例——也是基于这些，我们能很负责任、毫无保留地去分析积极和消极因素，帮助创始人把握底线并且更好地做出决策。
7） 商业变现手段越来越丰富，商业变现证明也越来越重要，今天的投资人要很早就看到商业逻辑/靠谱的大生意的苗头，才会热衷下注。大家一定要重视这点，不能像前几年那样只埋头做产品涨用户。当然，每家公司变现有不同的节奏，但对应的思考和尝试早一点总好过晚一点。变现有点像开水龙头，也许水源要从很远的地方流过来，团队也需要时间准备，一定要不断地去思考。
跨界现在是一个不容小觑的趋势，信息流动的速度越来越快，节奏也会越来越快，所以更多思考和尝试也需要更加创新——一定要注意商业化变现的多样性和可能性。今天经纬系已经形成了集群效应，经纬有庞大的投后团队去配合投资团队；我们在很早的阶段就会去寻找激发经纬系中同行业和跨行业公司之间合作的可能性，帮助去发起更多的讨论和合作。经纬的帮忙不止是融资，也包括商业化的跨界、经验和实质建议的碰撞。这些是非常重要的，也能为公司未来的良性发展和强势融资做好铺垫。
后期投资人对于投资对象是否能做到足够大，成为最终的胜利者极其在意，所以更多的资金涌向头两名是非常自然的选择。市场需要资金和时间去消化这些项目，如何高效融资以保持现金不断，同时拓宽市场占有率以厮杀进行业前二的位置——这两点让今天更多的创业公司开始用新的方式思考问题，也是在某些领域比如无人零售、新货运等方面在非常早期就已经寻求合并的路径的原因。
在商业领域里，竞争永远无处不在，并且极其直接。新经济领域的早期竞争从来没有确定的规则，亦没有规模经济来阻止新玩家的加入。但随着某个特定领域的逐渐成熟，要建立竞争优势需要更多的变化，如果你想要胜出就必须要找到捍卫自己地位的方式——你的市场面临更激烈的争夺，用户的选择变得更为多样，流量越来越贵，你需要向存量市场要更多的用户价值。
资本市场是变化无常的，很多时候也是没有情面与冷酷的，但这并不代表它不能被高效利用。有时候在融资上，你需要的不是大量的行动，而是更精准的拿捏。当然我始终相信，创始人们的凶悍执行与耕耘，最终会胜过资本的嚣张与速度。但是今天你还是要承认，善于利用资本意志的公司很多时候会获得更多的便利；有业务执行能力的创始人因为不擅长融资或是对资本的利用不够高效，被对手压制或超越的例子也是屡见不鲜。从长期看，市场是称重器；但在短期，资金就是投票器。这点你们也要认。
没有什么事情是注定容易与一帆风顺的，走出沼泽的唯一方式在于不断前行。最后，愿资本意志都可以站在你们这边。
-
观点
就业性别歧视真的存在吗？我们分析了1382份简历，得出了一个答案
编者按：本文转载自微信公众号“DT数据侠”（ID：DTdatahero），作者 | Prasanna Parasurama，编译 | 慈兆佳 胡世龙。
在求职时，性别真的有影响吗？不同行业、不同职业类别的人对此或许有不同看法。这样的看法是如何产生的？有没有一种科学的方法来衡量呢？美国旧金山的一位数据侠Prasanna Parasurama通过对1382份简历的分析得出了结论：性别不平等往往和求职者的个人客观条件无关，而更多来自公司主管不可控的主观因素。
用大数据的方法来衡量职场的性别不平等
在科技业，求职时的性别不平等一直是个重要话题。但针对该议题，在实际操作层面却鲜有基于大数据的系统性研究。
对于那些拥有大量数据的企业来说，缺乏一个严格而科学的系统很容易导致人力资源部门仅仅根据道听途说来推测性别不平等问题产生的原因，而忽略了真正的根源。
为了这个目的，本文提出了一种可重复地用来评价求职性别不平等的系统研究方法，并且附带使用这种方法进行评价的案例。
样本和研究方法：基于1382份简历的数据分析
这次研究中用到的是一个数据工程师职位的1382名求职者的简历数据，其中1029人为男性，占74.4%，353为女性，占25.5%。
需要指出的是，因为不知道这些求职者的性别（DT君注：在美国等一些国家，为了避免各种偏见，简历一般不附带求职者个人照片和性别信息等），因此上述性别人数和比例是基于求职者的姓名和Atipica公司（DT君注：即本文作者所在的公司）的性别预测模型得到的，总的准确率可以达到96%，但会产生4%的误差。在后续的分析中，这一误差也可能会有所影响。
而求职者的职业技能也由Atipica公司的技能映射模型获得。
首先，我们需要明确的是，如何通过指标来衡量性别不平等？
通过比较特定职位的男女求职者的被拒比例，我们可以确定是否存在潜在的性别不平等，因为在其他条件相同的情况下，理论上被拒比例应该是接近的。
（图片说明：被拒比例=被拒的申请者人数/总申请人数）
在这项研究中，我们通过比较在审查求职申请阶段的被拒率来衡量不平等。选取这个阶段的原因主要有以下两个：
在审查求职申请的阶段，雇主会有多重方式来评价一个求职者，例如，电话沟通技巧等，而不是单一通过简历来评价。为了减少不可控因素，我们把数据的收集固定在这个阶段。
审查求职申请通常对于之后的进一步考察影响最大。我们发现约90%的求职者在这个阶段会被拒。
那么在审查求职申请阶段产生的被拒率的差异都可以被归结为：
客观因素：工作经验、教育背景和技能体系。
主观因素：被认为教育背景不符合、被认为工作经验不符合、故意或者非故意的偏见。
由于主观因素的本质，它本身是不可控的，所以我们把研究对象限定在客观因素。
我们基于以下假设对统计数据的显著性做了测试：
在测量显著性过程中，我们必须要考虑到两类误差。一是样本误差，二是性别预测的误差（4%）。考虑到性别预测误差，我们放弃了T检验（DT君注：即t-test，是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著）。这类传统参数测试，而改用了置换测试并且配合蒙特卡洛方法，在每次重复测试中都在男性和女性中做了4%的样本交换，并且验证了重复性假设。
数据分析：男性和女性技能相差不大，但女性被拒率更高
被拒率的差异：
（图片说明：男女求职者的被拒比例）
男性和女性的被拒率分别为83.0%和88.6%，女性比男性高出5.6个百分点，这个偏差在统计上表现出显著性（p=0.03）。紧接着作者评估了各项客观因素在偏差显著性上起的作用。
技能总数量上的差异：
（图片说明：男女求职者职业技能数量的分布）
女性求职者简历上平均罗列96项技能，男性求职者简历上平均罗列93项技能。根据上图所显示出来的情况，技能数量的平均数和中位数相差不大。
可以发现，尽管在技能平均数量上存在差异，但这种差异一方面小到不存在实际影响，另一方面在统计显著性上也不显著（p=0.38）。
技能体系上的差异：
（图片说明：职业相关技能的分布）
为了查明技能体系上的差异，我们根据技能映射模型找出了34项核心技能，并把我们从简历里挖掘出来的技能进行比较。上图显示了一些技能在简历中呈现的比例，例如，不论男女，约80%的求职者都在简历中提到Java。
通过定性分析，我们可以看出技能分布在男女求职者上区别不大。
定量分析男女求职者在技能集合上的相似性，我们可以看出分布的标准差。
我们用 Aᵢ和Bᵢ分别表示掌握技能i的男女求职者比例，例如，A_java = 0.8并且B_java = 0.8。则n种技能的总平均偏差比例为：
这就意味着，平均来看，对于每一项技能，男性掌握该技能的比例都要高于女性掌握该技能的比例2.2个百分点，偏差并不大。
偏差的百分数看上去直观，但缺点是我们并不知道相对偏差。我们进一步利用平均数标准化偏差计算相对偏差：
在标准化之后，技能集合上男女求职者的偏差为5.3% —— 换句话说技能集合上94.7%都是一样的。
5.3%的偏差虽然小，但也可能影响巨大，尤其是如果这种差异体现在核心技能上时。
为了搞清楚这个问题，我们运用置换测试/蒙特卡洛法计算了男女求职者在特定技能掌握比例上的偏差。比如，如果50%男性和53%女性都会“hadoop”，我们就要计算这3%的差异是不是显著。
结果发现，在剩余的33项技能中，只有SQL和统计两项技能显示出性别差异性，而且这两项都是女性的掌握程度高于男性。
大体上，我们可以说在技能的大多数方面男女之间不存在差异，而SQL和统计上又是女性有显著的优势。
工作经验上的差异：
下表列出了男女求职者工作年限的平均数和中位数，值得注意的是职位要求并不包含工作年限。
我们发现工作年限上只有半年的差异，尽管在差异上表现出显著性，但在实际录用的层面上并没有什么实际意义，很少有公司会把半年经验的缺失作为拒绝的主要因素。
教育背景上的差异：
下表列出了求职者最高学历的分布情况（百分比），职位的要求是理工科本科或者硕士毕业生。
女性求职者比男性求职者在高学历中所占比例更高，82.7%的女性求职者拥有硕士及以上学历，只有69.9%的男性求职者拥有同等学历。这方面的差异非常显著。
结论
从上面的研究可以发现，女性求职者在被拒率上高出男性求职者5.6个百分点，尽管女性拥有高学历的比例更高、工作年限上和技能体系上也没有实际意义上的差异。
当然，如果仅仅根据上面的实验结果就得出“被拒率上的差异是因为有意或者无意的偏见”的结论，还缺乏充分的理由。但考虑到在实验中至少已经排除一些客观因素的影响，那么有理由相信这种差异更有可能是来自于主观因素的影响。
研究的局限性
当然，需要指出的是，本次实验还具有一些局限性：
1. 经验和教育背景的含金量
尽管工作经验和教育背景是简历审查的一个基准线，但其中的含金量却是极其关键的因素，甚至影响到能否通过简历审查。然而，这方面又太主观并且难以控制。
2. 技能不是纸上谈兵
我们仅仅根据技能一栏填写的情况来考虑，那么会造成一个熟练掌握该技能并有5年经验的求职者和一个刚会一点的菜鸟求职者没什么区别的情况。
3. 所有相关技能所占权重都一样
全部34项技能权重都一样，这在简历审查时肯定不现实，很明显一些职位对于一些核心技能的要求要高过其他技能，也就是权重更重。然而，这方面我们可以通过招聘官给出每项技能的权重来解决。
4. 之前做过的项目没有被考虑进去
求职者之前做过的项目或者写过的代码（比如github等）有时在简历审查时是会被调阅的，而这一点在本次实验中没有被考虑。
注：本文编译自Medium.com网站文章《A Framework to Assess Gender Inequity in Hiring using Data》
-
观点
（长篇报告）2017全球人工智能人才白皮书：解读世界顶级AI牛人的秘密
人工智能竞争以顶级人才为根本。作为国家未来的发展方向，AI技术对于经济发展，产业转型和科技进步起着至关重要的作用。而AI技术的研发，落地与推广离不开各领域顶级人才的通力协作。在推动AI产业从兴起进入快速发展的历程中，AI顶级人才的领军作用尤为重要，他们是推动人工智能发展的关键因素。
因此，上至发达国家政府，下至科技巨头AI创业公司，无不将AI视为提升自身的核心竞争力的根本性战略。能够引领AI发展的顶级人才，环顾全球，尚不足千人，自然成了供不应求的抢手货。
能够引领AI发展的顶级人才，环顾全球，尚不足千人，自然成了供不应求的抢手货。
然而，人工智能领域人才分布极不平衡，全球AI领域人才约30万，而市场需求在百万量级。
其中，高校领域约10万人，产业界约20万人。
全球共有367所具有人工智能研究方向的高校；
每年毕业AI领域的学生约2万人，远远不能满足市场对人才的需求。
在这种供需极其不平衡的形势下招募团队，大公司比小公司有优势，国际巨头公司比大公司有优势，在某种意义上，国家比国际巨头还有力量。
美国人工智能领域的人才无论从数量、质量都要远超其他国家，虽然中国政府已经将人工智能上升到国家战略层面，但是仍然不能立即改变我国AI人才供需严重不平衡的现状，对此，我国应从政府，企业，高校，协会多种途径实现我国人工智能领域三步走的目标。
第一篇：美国主导下的全球AI人才发展现状
第1章 全球AI人才发展概况
当前，上至发达国家政府，跨国互联网巨头，下至研究机构、AI创业公司，无不将AI视为提升自身的核心竞争力的根本性战略，并预期AI将深刻改变人类社会生活、改变世界。
在国家战略布局方面，许多国家均有战略部署。其中，美国、中国、英国和日本各有特色。美国布局完备，领先各国一大步；中国则聚焦战略发力，积极扩充人才规模；英国则稳步推进，力求争先；而日本希冀通过机器人战略，打造超智能社会5.0。
▌ 1.1 四国AI战略布局对比
美国在AI战略方面布局完备，体现了高度的战略前瞻性，领先各国一大步。
首先，美国从顶层设计入手，规划了比较完备的人工智能发展战略。其次，美国政府设立专职负责机构，推动人工智能落地。再次，美国在AI人才方面举措超前，构建了完备的不同层次的人才梯队。
中国提出AI发展规划，谋求成为世界中心。中国政府将人工智能上升到国家战略层面。2017年7月，国务院印发《新一代人工智能发展规划》，明确指出新一代人工智能发展分三步走的战略目标，到2030年使中国人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。
英国要成为最适合发展和部署AI的国家。英国在人工智能道德标准及政府监管研究领域一直表现积极， 英国政府2013年就将人工智能列为八项伟大的科技计划。2017年10月15日英国政府发布了报告《在英国发展人工智能》，目标是使英国成为世界上最适合发展和部署人工智能的国家。
日本推行机器人战略，提出超智能社会5.0（略）。
▌ 1.2 全球AI高等教育对比
科技的发展核心之一在于研发人才的数量和水平，而这一条件取决于国家的人才培养体系，即教育系统。完善系统的教育体系能够为科技发展强力续航，提供源源不断，规模庞大的专业人员和研究人员。
目前，全球共有367所具有人工智能研究方向的高校，AI领域的人才数量约有10万人。其中，有6000多名AI领域的学者，以及7万余名AI相关专业在读硕博研究生以及其他。每年AI相关领域硕博毕业生约2万名。
在这367所高校中，美国拥有168所，占据全球的45.7%，独占鳌头，加拿大、中国、印度、英国位于第二梯队。
人工智能领域学术能力排在世界前20的学校中，美国占据14所；排名的前八个席位都为美国所占据。雄厚的学术研究实力，帮助美国在人工智能领域取得了首屈一指的地位。而其他国家，在学术能力上与美国差距巨大，如何发展AI教育，是值得思考的问题。
第一，高校AI专业设置：国内高校的AI起步较晚
第二，国外高校AI专业招生：关注理科素质，综合评判
第三，国外高校AI课程设置：计算机科学是基础
▌ 1.3 全球AI产业人才分布
目前，全球人工智能领域中，产业人才约20万人，大部分分布在各国初创企业和科技巨头中。
从国别来看，AI产业人才主要分布在美国、中国及其他国家的企业中。
以在初创企业工作的AI人才为例来看。截至2017年6月，全球人工智能初创企业共计2617家。美国占据1078家居首，中国以592家企业排名第二，其后分别是英国，以色列，加拿大等国家。
其中，美国1078家人工智能初创企业约有78700名员工，中国592家公司中约有39200位员工，只有美国的50%。
美国人工智能初创企业主要以1-10人和10-50人的团队为主，这种小型团队共759个，占据全美的70.41%，是美国AI初创公司的主力军；中国人工智能初创企业主要是10-50人的团队，总量384个，占据全国的64.86%。可以说，美国的小型创业团队规模比中国小。在需要同等技术的情况下，美国团队的平均能力和可创造价值高于中国团队。
由于AI产业大量的核心技术和资源掌握在科技巨头企业手里，因而引领AI产业发展的人才，除了高校，很多也聚集在科技巨头中。
在AI人才队伍建设方面，科技巨头内部出现了一些新变化,例如，专门设立AI研发团队，传统研究院也正向AI研究院转型，面向产品和技术应用项目的团队不断涌现。
各巨头还将挖掘AI人才的触手伸向了国外。例如拥有多伦多大学、蒙特利尔大学等AI研究重镇的加拿大，吸引了大量AI人才聚集，因此，谷歌、微软和Facebook先后在加拿大成立了AI实验室或办事处。
第二篇：全球AI顶级人才全景图
据估算，目前，全球AI研究及直接从业者约有30万人，主要分布在高校、AI新兴企业、科技巨头以及其他领域。其中，高校约10万人，产业界约20万人。
从这30万人中，我们筛选出其中各领域顶尖人才近千人进行了较为详细的调查和统计后，筛选出有代表意义的人才进行了“画像”，包括：学术领域204人，领先企业81人，科技巨头50人，投资人24人。
第2章 四大领域顶级人物画像
▌2.1 学术领域：顶级学者画像
筛选的一个重要指标是，他们自2006年至今，在人工智能领域顶级会议上发表过30篇以上论文，以及其他指标。
从统计来看，这些学者分布于全球4个大洲12个国家的53所高校，其中位于美国的学者最多，占总数的63%。
其中，有35位华人，占总数的17.2%，他们之中又有12位任教于清华大学、北京大学、上海交通大学、香港科技大学等国内高校。
就研究领域而言，这204位学者有的研究偏底层的机器学习、人工智能算法，也有的研究与现实应用更为贴近的计算机视觉、自然语言处理、机器人等方向。
2.1.1年龄：活跃学者以中青年为主
对比研究各领域学者年龄可知，人工智能、计算机视觉、机器学习、自然语言处理这四个领域学者年龄差距不大，而研究机器人的学者年龄偏大。
2.1.2性别：女性比例极低
在学者性别方面，男性学者在AI领域占比远超女性学者，男女学者比例约为7:1。女性学者主要集中在美国、加拿大以及英国。
虽然女性占比较少，但所取得的成就却巾帼不让须眉。例如MIT计算机科学和人工智能实验室（CSAIL）主任Daniela Rus，在机器人领域尤其是自动驾驶方面做出了杰出贡献。
2.1.3地区：主要分布于北美（略）
地区分布上，学者主要分散在北美、欧洲、中国、日本、新加坡、澳大利亚等国家。
2.1.4教育经历：学者们多毕业于CS四大名校
统计学者的毕业学校，发现他们100%都拥有博士学位，而他们之中的大部分都毕业于美国高校。其中从卡耐基梅隆大学、斯坦福大学、加州大学伯克利分校、麻省理工大这CS四大名校学走出的学者比较集中。
2.1.5专业背景：98%的学者拥有CS或EE博士学位（略）
2.1.6学界与业界：学界业界联系紧密
在AI的细分领域中，学者人数最多的领域是机器学习，其次是计算机视觉、机器人和自然语言处理。总体而言，学者越来越多地拥有双重身份：一方面在学校进行研究，另一方面也服务于企业，为人工智能领域做出更贴近产业的贡献。在其中，有52名学者在企业界担当首席科学家、技术总监等职位，有17名学者创办过自己的公司。可见人工智能领域学界和企业界联系紧密。
▌2.2 领先企业：顶级企业家画像
领先企业的数量和体量，也是衡量一个国家产业发展水平的重要标准。
从全球领先的人工智能企业出发，我们筛选出49家全球领先的人工智能企业作为分析主体，包括两家上市企业，独角兽企业，部分被巨头收购的AI创业公司和人工智能转型公司。他们的融资额均在一亿美元以上。
这些带领公司构成了全球人工智能产业的金字塔尖的企业级画像如何？
2.2.1全球超过一半领先企业诞生在美国
美国拥有领先企业数量位居第一，共有26家，占据总量的53%；
中国位居第二，拥有12家，占据总量的24%。总体来看，中美两国处于发展的第一梯队,与其他国家拉开较大差距。
2.2.2 创业场上80后独领风骚
顶级企业家的年龄相对年轻。约50%的企业家年龄不超过40岁，其勇气和魄力可见一斑。44%的人年龄分布在40岁到60岁，只有不到6%的全球领先企业创始人年龄在60岁以上。
2.2.3国籍：中美企业家数量最多，美国优势明显
从企业家的国家分布来看，81位企业家中拥有美国国籍的有43位，占据了一半以上，中国国籍的有17位，位于第二，英国有6位，位于第三。华人数量一共20位，约占总人数的1/4，华人在AI全球领域扮演着重要的角色。
2.2.4 高知云集，超过2/3的硕博占比（简）
▌2.3 科技巨头：顶级实验室负责人画像
科技巨头公司的研发团队是一股不容忽视的力量。我们从全球十大科技巨头中，统计了21个实验室，总计50位负责人。他们中超过90%的人拥有博士学历，男性为主占据总体90%，并且74%的人年龄在50岁上下。
2.3.1 AI巨头研发团队（略）
在收录人才水准在一定标准线之上的情况下，企业搜集的研发人才越多，研发能力就越强。
数据说明：以上仅为估算值
2.3.2 AI研发团队负责人画像
✦ 男性占绝对优势，60后和70后是主力军
巨头企业AI技术负责人中男性以90%的比例占绝对优势，且1960年代和1970年代出生的人为主力军（分别占36%和38%）。这不难理解，60后和70后在38-57岁之间，正当创造力和经验合力最好的年龄；而50后的资深人士渐渐退出工作一线； 80后年轻人才因欠缺团队管理经验而领导力不足。
✦ 中国人和美国人居多，英国人、印度人、法国人也不少
按出生地统计，巨头AI团队负责人的主要出生国家为中国（32%）和美国（26%），两国人数超过了总体的一半以上。另外，英国人（8%）、印度人（8%）、法国人（6%）的占比也显著高于其它国家。
但美国对AI人才的吸引力远高于中国。在中国工作的AI团队负责人的出生地全部为中国；而在美国工作的中国人却为数不少。
▌2.4 投资人
2.4.1 富有远见的投资机构
截至2017年，全球AI领域投资规模前13名的投资机构均由中美两国独占，其中中方占有4家投资机构，占总量的30.77%，美方占有9家投资机构，占总量的69.23%。单从投资机构数量上来看，美国投资界对AI领域的关注度要大大超越中国，显示其更加看好AI领域的发展前景。
AI领域投资规模前三名分别是IDG资本、创新工场、AME Cloud，其中IDG资本在AI领域的投资规模占到各个机构投资总额的25.6%。
2.4.2 投资人画像：（简）
从投资人国籍分布来看，24位投资人中美国国籍的有14位，占据了一半以上；中国国籍的有8位，位于第二；印度与马来西亚各有1位，并列第三。华人数量一共9位，占总人数的37.5%，华人在AI投资领域扮演着重要的角色。
AI领域投资人大部分为男性，24位投资人中仅有2位为女性，男性在AI领域占据着绝对优势。
▌2.5 本节数据来源及补充说明（略）
第三篇：中国AI人才市场为何一将难求
2017中国AI人才供求研究
当前，人工智能领域的竞争，主要体现为人才之争。我国AI人才以80后作为主力军，主要分布在北京、上海、深圳、杭州、广州，人才需求量也以这些城市居多。
根据相关数据显示，中国592家公司中约有39200位员工，而中国对于AI人才的需求数量已经突破百万，但国内AI领域人才供应量却很少，人才严重短缺，中小企业招聘更加困难。
此外，企业对于AI人才的招聘门槛相对较高，硕士成为最低门槛，偏爱双一流院校毕业生，专业以计算机、数学、物理为主。
第3章 AI人才需求现状
▌3.1 供不应求，人才需求爆炸式增长
▌3.2 京沪浙粤，北京需求呼声最高（略）
▌3.3 马太效应，中小企业数量多而需求小
▌3.4 企业重学历，大专学历仅占1.1%
第4章 AI人才供应现状
▌4.1 供应飙升，缺人现象却更加严重（简）
保守估计，截止到2017年10月，我国人工智能人才缺口至少在100万以上。而且，由于合格AI人才培养所需时间远高于一般IT人才，人才缺口很难在短期内得到有效填补。
▌4.2 学历分布,本科硕士为主（简）
▌4.3 谁有优势？双一流大学占九成（简）
此外，海外留学生也成为补给国内AI人才的重要一环。
从留学国家来看，人才分布高度集中，前五国留学生占到了总数的八成，依次为美国、英国、澳大利亚、新加坡和日本，其中仅美英两国占比就接近六成。
第四篇：中国AI企业如何拼抢AI人才？
第5章 对企业招聘的影响：高价求才
（简）
▌5.1 平均月薪2.58万，招聘薪资水涨船高
过去3年中，AI相关岗位平均招聘薪资正以每年近8%的速度增长。
到2017年，人工智能岗位平均招聘薪资已达2.58万元，远高于一般技术类岗位。
从薪资分布上看，近八成岗位招聘薪资超过2万元，五成职位招聘薪资突破3万元，还有1.9%的企业更是开出5万元以上月薪吸引顶级人才，而标注的月薪还只是薪酬福利的一部分。
我们注意到，几乎50%人工智能岗位的职位描述上会提到为员工提供股票期权，部分巨头更是会将解决户口作为吸引牛人的重要手段。
可以说，为争抢优秀人才倾其所有已成为所有AI公司正在做的同一件事情。
除了高昂的起薪外，AI人才薪资成长率也极为可观。数据显示，AI人才前5年的薪资复合增长率达到16.9%,远高于其他互联网职位。五年以上工作经验的AI人才月薪普遍在4万元以上，部分核心岗位人才，前3年薪资增幅更是突破25%。利用高薪资涨幅锁住AI人才，降低流失率已是业内的一个普遍做法。
▌5.2 高层亲自出动，争抢人才白热化 （略）
▌5.3 主动降低门槛：老鸟渐少新兵吃香
AI人才需求激增，合适牛人数量稀少，迫使企业不断降低工作经验门槛，甚至不惜从零培养人才。
数据显示，近2年，企业对AI人才工作经验要求不断下降。
2017年，有30.4%的AI职位工作经验要求为三年或以下，较2016年增长9.5个百分点，其中一年以内的实习生占比已达6.0%。较2016年提升4个百分点。
特别是创业公司，由于在抢人竞争中往往处于明显劣势，更倾向降低门槛来增加应聘该岗位的人才数量。
第6章 对人才应聘的影响：待价而沽
▌6.1 平均期望薪酬何以低于平均招聘薪资
▌6.2 语音识别、机器人领域大受追捧（略）
▌6.3 大厂有魅力，价低也要去
注：公司规模是指企业的整体规模，并非研发人员数量
▌6.4 AI人才如何胜出？掌握复合技能
我们观察到，AI人才掌握的技能宽度和深度均在逐渐提高。2017年求职的人工智能人才中，有68%的人掌握至少3种技能，较2015年增加了10个百分点。
目前简历中最常出现的技能包括spark、深度学习、算法研究、Hadoop，Python等。
第7章 AI对工作岗位的冲击与机遇
▌7.1 冲击：低技能职位难以为继
近些年来，在云计算能力指数级增长、数据驱动能力渐强的作用下，人工智能在多个领域方面取得了显著进步。技术的飞速发展，不仅改变了很多行业原有的生态环境，也搅乱了低端劳动市场人才结构，大批简单、重复性和标准化程度高的工种，面临被首先淘汰的命运。根据目前职位发展现状，我们列举了一些已从数据层面上反应出来正受人工智能冲击的职位。
7.1.1 录入员、速记员、文字秘书负增长
随着语音和图像识别精准度的飞速提升，人工智能在文本录入领域的发挥空间愈发广阔，留给录入员、速记员的工作机会及发展空间越来越窄。
7.1.2 翻译人才即将负增长
7.1.3 仓储管理出现36%的降幅
7.1.4 客服2017年首次呈现负增长
▌7.2 革新：高技能的新职位爆发式增长
▌7.3 热潮：大批技术人才转战AI
第8章 AI人才未来发展预测
（略）
第五篇：中国之路怎么走？
AI人才严重短缺。中国尤其短缺。中国未来的AI人才队伍如何建设，是个非常值得关注的问题。中国人工智能产业的崛起，不光需要依靠研发费用和研发人员规模上的持续投入，还应该加大基础学科的人才培养，尤其是在算法和算力领域，只有投入更多的科研人员，不断加强基础研究，才会获得更多的智能技术的创新和突破。
国家已经将人工智能上升至国家战略的层面，并提出了三步走的战略目标，国家可以从政府、企业、高校、协会四条路径实现该目标。
政府主要是提供政策扶持，具体措施包括增加高校招生、吸引归国高端人才、政策倾斜、完善法律法规和行业标准。
企业则应把握产业大趋势，结合自身情况，找准发展方向，实施校企AI人才联合培养，建立长期人才储备，此外，企业可以开展企业公开课，帮助中小企业转型升级。
高校方面则应推动高校开放政策的实施，拥抱企业、提高AI科研经费，大力发展交叉学科。
协会应当促进协会发展，构建产学研合作新模式、完善交流平台，形成成果转化体系。
第9章 中国AI人才队伍建设路径探讨
（简）
▌9.1 政府层面
2017年7月份，国务院印发《新一代人工智能发展规划》，将新一代人工智能发展提高到国家战略层面，提出了分三步走的战略目标。到2030年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心，智能经济、智能社会取得明显成效。基于上述目标，有如下路径可供探讨。
9.1.1 增设人工智能一级学科，提高新生人才数量
人工智能的竞争是人才与技术的竞争，但我国目前人工智能人才远不能满足需求，基础理论成果与美国有一定差距。所以，人才是我国实现战略目标的重中之重。要增加人工智能人才，一方面可以通过自己高校培养，另一方面可以引进国外高端人才。
9.1.2 吸引归国高端人才，AI千人计划刻不容缓
国外引进人才方面，一是引进人工智能领域国际顶级科学家，二是引进优秀青年人才。通过特殊政策、渠道，充分利用现有的“千人计划”等人才计划，吸引海外人才，带回国外先进技术，促使中国产业技术突破。同时可以通过薪酬补贴等方式激励企业、高校引进人工智能人才。
9.1.3 给予人工智能产业适当政策倾斜
发展企业方面，需要国家给予企业政策方面的支持。对人工智能中小企业和初创企业给予优惠的财税政策，例如税收减免，研发费用加计扣除政策；鼓励传统企业例如家电家具产业向人工智能产业升级；针对行业巨头和“独角兽”企业，在保证安全的前提下实现数据开放，合作成立国家实验室等。
▌9.2 企业层面
9.2.1 把握产业大趋势，找准发展方向
企业应该了解国家的发展方向和战略方向，再和整个产业的发展方向相结合，结合自身优势，找准自身的发展方向。企业还可以通过参加人工智能业界的交流会来获取业界的最新动态。同时，也可以去美国硅谷等人工智能企业集中的地区取经。
9.2.2 联合高校培养AI人才，建立长期人才储备
校企合作是解决人工智能领域的应用型人才巨大缺口的重要方式，企业在业界的积累将为人才培养释放出巨大的能量。具体而言，企业可以与学校共建人工智能专业和课程，设置科学的人才培养体系与教学方案，参与学校实验室与配套环境的搭建，在供给一定数据的同时，发布部分需要解决的问题让学生与教授尝试去联合解决，在业界经验有机融入到学校中去同时，也提供学术为产业贡献的机会。
9.2.3 开展企业公开课，帮助中小企业转型升级
在人工智能领域，领先的巨头企业可以尝试开展企业公开课，向中小企业传递前沿理念和企业布局，担任产业转型升级的思想启蒙导师。在传播产品，扩大企业影响力和提升社会形象的同时，促进中小企业进步。
▌9.3 高校层面
9.3.1 推动高校开放政策实施，拥抱企业
学术要走出象牙塔，促进科技成果转化。
9.3.2 提高AI科研经费，大力发展交叉学科
科研经费对于科研项目的成果的影响不言而喻，提高AI科研经费可以支持成立更多项目组和课题组，让更多的教授和学生获得更大的发挥空间，促进科研成果的诞生和量产。
另一方面，人工智能及其相关专业应该大力加强和其他专业的联系，发展交叉学科。在不同知识体系和数据背景下，发现新东西，提出新思路，发觉新方法。利用人工智能的学习、筛查等能力帮助传统学科焕发新生。
▌9.4 协会层面（略）
结语：人工智能是机遇还是威胁
-
观点
麦肯锡研究：2030年，机器人或将取代全球8亿个工作岗位
编者按：本文来自华尔街见闻，作者：叶桢。
关于机器人将抢走人类工作机会的讨论已经屡见不鲜，但近日麦肯锡给出了一个触目惊心的数据：在自动化发展迅速的情况下，到2030年，全球8亿人口的工作岗位将被机器取代。
麦肯锡全球研究院(McKinsey Global Institute)在周三发布的报告中称，包括人工智能和机器人技术在内的自动化技术将为用户、企业和经济带来明显好处，提高生产率并促进经济增长。但技术取代人工的程度将取决于技术发展、应用、经济增速和就业增长等因素。
这份研究范围涉及46个国家的报告对不同程度自动化进展对就业的影响进行了分类预测，在自动化发展相对缓和的情况下，到2030年，机器人将取代全球4亿个工作岗位。
报告指出，自动化对就业的潜在影响因职位种类和行业部门不同而异，其中最容易受到自动化影响的是那些涉及在可预测环境中进行物理活动的工作类型。
例如机械操作，快餐准备，以及数据收集和处理，这将令取代大量劳动力，包括抵押贷款发放、律师助理事务、会计和后台事务处理等岗位。
而受自动化影响较小的岗位通常涉及管理、应用专业技术和社会互动，因为机器在这些方面的表现还无法超越人类。
另外值得一提的是，在不可预测环境下的一些相对低收入岗位，例如园艺工人、水管工、儿童和老人护理人员受自动化的程度也会较低，一方面由于他们的技能很难实现自动化，另一方面，由于这类岗位工资较低，而自动化成本又相对较高，因此推动这类劳动岗位自动化的动力较小。
自动化不意味着失业，就业大变迁时代即将到来
麦肯锡特别指出，被机器人取代并不意味着大量失业，因为新的就业岗位将被创造出来，人们应该提升工作技能来应对即将到来的就业大变迁时代。
麦肯锡预计，在自动化发展迅速的情况下，3.75亿人口需要转换职业并学习新的技能；而在自动化发展相对缓和的情景下，约7500万人口需要改变职业。
刺激就业岗位增加的因素包括：
收入和消费的增加。麦肯锡预计在2015年至2030年间，全球消费将增长23万亿美元，其中大部分来自新兴经济体的消费阶层。仅消费行业收入的增加就预计将创造出2.5亿至2.8亿个工作岗位；
人口老龄化趋势。随着人们年龄增长，消费模式将发生变化，医疗和其它个人服务方面的支持将明显增加，这将为包括医生、护士和卫生技术人员在内的一系列职业创造新需求。麦肯锡预计，在全球范围内，到2030年，和老年人医疗保健相关岗位可能会增加5000万到8500万。
技术发展和应用。在2015年至2030年间，科技相关支出预计会增加超过50%，因此技术开发相关工作需求预计也将增加，其中一半约为信息科技服务相关职位。麦肯锡预计，到2030年，这一趋势将在全球创造2000万到5000万个就业机会。
此外，麦肯锡指出，基础设施投资和建设、可再生能源等方面投资以及部分工种在未来的市场化趋势也将创造新的就业岗位需求。
1亿中国人面临职业转换
从人口数量角度，中国将面临最大规模的就业变迁。
麦肯锡报告指出，在自动化发展迅速的情境下，到2030年中国约有1亿的人口面临职业转换，约占到时就业人口的13%。
当然这一数字相对中国过去25年经历过的农业向非农劳动岗位的变迁来说，并不算多。麦肯锡认为，随着收入继续增长，中国就业人口从农业转向制造业和服务业的趋势预计将会持续下去。
麦肯锡预计，到2030年，在自动化发展迅速的情境下，中国高达31%的工作时间将被自动化，如果发展相对缓和，这一数值将下降到16%。
-
观点
为什么越来越多的创业公司选择远程工作？
本文作者是Remote Rise的联合创始人，Remote Rise主要帮助大大小小的公司更高效地远程工作，享受分布式团队带来的益处。Product Hunt也是远程分布式工作模式的忠实信徒，团队三分之二的员工在旧金山之外的其它地区，这些员工所在的地区跨越9个不同的时区，团队主要依靠像Slack和Zoom这样的团队沟通协作工具让不同地区的员工进行沟通与协作。
随着技术日益打破地理障碍，企业招聘和组织的形式都有可能发生革新性的变化，轻轻点击鼠标，雇主可以接触到全球最好的人才；雇员更像自由人，可以随时随地随心所欲地工作。未来的工作也许是远程分布式工作模式，因为在虚拟的世界里，大家可以没有距离。
我们已经发现Automattic、Toptal和GitHub等这样的大公司已经雇招聘了大量的远程员工，此外，我们也发现像GitLab和Zapier这样的小创业公司也开始选择远程分布式工作模式。
和过去相比，为什么现在越来越多的创业公司开始选择远程分布式工作模式呢？归结起来是因为：越来越多的创业公司创始人之所以开始选择远程工作，因为采用这种模式模式是非常必要的做法，而不是一种赶时髦的做法。
在现在这个竞争日益激烈的环境中，不管是已经获得融资的创业公司还是选择自力更生、独立创业的创业公司，他们都在寻求以更低的成本提高生产效率的方法。当人们对增长和效率的追求比以往任何时候都要强烈的时候，远程工作对创业公司的诱惑力将会越来越大。
下面就是为什么越来越多的创业公司创始人都开始选择远程分布式工作模式：
（1）从公司业务上看，远程工作是可行的
首先，创业公司创始人已经可以向昂贵的办公室租金开支说GoodBye了，因为一家公司中的几乎所有工作都是可以通过远程工作的方式来完成的。例如：
如果你问任何每天需要做通勤车来公司上班的研发人员，他们都会告诉你说，如果允许远程办公的话，他们是不想每天都来办公室工作的。
再看看销售人员，大多数销售人员都是内部销售人员。作为一个软件销售人员（内销），无论在办公室工作还是远程工作，几乎是没有什么区别的。
最后再说说客服支持团队成员，他们大都是基于云端软件来监控一个仪表板，并通过聊天或其他云端会议工具的方式来解答客户问题。对于他们来说，在办公室工作和远程工作也是几乎没有什么区别的。
因此，在通常情况下，不管是开发产品、销售产品还是售后客服，所有这些工作都可以通过远程工作的方式来完成的。现在的产品几乎都是基于云端的，员工的大部分工作都是可以基于第三方的云产品来完成。因此就不难理解为什么在没有一个集中办公室的情况下也能将工作高效地完成了。
（2）企业级软件的日益完善，让团队远程沟通协作变得更加方便
从理论上讲，在创业公司工作的每一个员工其实都是可以远程工作的，这一点一直很吸引人。如果放在过去，这是绝对不可能的。几年前，通讯技术还无法满足一个完全远程分布式工作团队的远程沟通协作需求的。新的技术和以及对旧技术的不断迭代使得工作流程和团队沟通变得更快、更顺畅，而且通常情况下是能满足远程工作环境的需求的。
远程团队成员之间的彼此沟通大多数情况下都是异步的，这意味着沟通之间的时间间隔有时非常长的。在过去，选择远程工作的公司的成员之间的沟通可能有点太过异步了，从而导致工作效率极其低下。
如今，像Slack、Zoom和Trello这样的工具正在缩短同步沟通和异步沟通之间的鸿沟。这些工具在虚拟环境中重新塑造了全新的办公体验。Slack拥有各种频道、gif动画和分享功能，就像一个虚拟办公室，而Zoom能够让团队成员远程面对面地交流。
远程工作的团队存在的沟通效率低下的日子已经一去不复返了，在真实办公室里的所有工作场景几乎都可以被复制。事实上，根据报告显示，2017年的远程工作人员的工作表现比他们那些在集中办公室里工作的同行们的工作表现更好，或者至少和他们差不多。
（3）网罗全球各地优秀人才
让很多创业公司选择远程分布式工作模式的最重要的一个原因在于，远程工作模式能够帮助公司更好地网罗全球各地优秀人才的加入。在本地的人才池中，掌握小众技能的优秀人才是非常抢手的，所以，为什么要把公司限制在一个本地人才池、而不放眼全球的人才池呢？
在旧金山，对高技能员工的的抢夺和竞争尤其激烈，所有很多公司的创始人开始选择在全球其它地方寻找优秀的人才。对于绝大部分创业公司而言，在员工福利待遇上很难与Facebook和Google这样的公司进行竞争。
现在，如果一家小创业公司在北达科他州的Fargo找到了一位非常出色的高级工程师，那么签约并留住那个人就变成了一场全新的球赛。在远程分布式工作模式下，用人成本相对更低，像Zapier这样的公司还发现，远程工作的员工通常会在一家公司待更长时间，流失率相对更低。
为公司寻找一位联合创始人也是同样的道理。那些梦想创办一家软件公司的非技术创始人将很难在人才竞争非常激励的地区找到一位优秀的首席技术官。因此，与其与那些知名软件公司在争夺首席技术官上展开正面交锋，非技术背景的创始人可以选择在热门科技人才市场之外的其它地区寻找合适的首席技术官，这对他们而言将是一个更好的选择。一个高技能人才为什么不会选择搬到硅谷去加入一个小创业团队，这里面是有很多原因的，包括家庭原因和其它方面的原因。对于许多人来说，远程工作将是一个可行的解决方案。
最后的思考
大约在三年前，当时我在旧金山湾区的一家科技公司工作过，有一天，我发现自己和我的经理在Slack进行了非常深入的交谈，而当时他就站在公司的站立式办公桌前，而且就站在我对面。在面对面的情况下，我们依然会选择在Slack上进行交流，而不是面对面交流。当时我就想，这个办公室里的每个人其实都是可以在家远程工作来完成各自的工作的。事实证明，我并不是唯一一个认为集中式的办公室对创业公司来说并非完全必要的人。大家都喜欢在家远程工作。一份报告显示，从2005年到2015年，远程工作的人数增长了115%，而且这个数据还会继续上升。
如今，通讯协作工具已经非常完善了，而且很多地区的人才的竞争正在变得越来越激烈，因此，创办一家拥有一个集中办公室的公司是没有太大意义的。根据我在几家软件创业公司远程工作中收获的心得体会，如果我自己明天就创办一家公司的话，我肯定会选择远程工作的方式的，这想都不用想。
原文链接：https://blog.producthunt.com/why-startups-are-going-remote-in-2017-7b6b60e9e8ff
编译组出品。编辑：郝鹏程。
-
观点
AI只是巨头的“玩具”？中小企业主应用AI可以在5个方面受益
人工智能（AI：Artificial Intelligence）和机器学习（ML：Machine Learning）常常与谷歌和亚马逊等技术巨人联系在一起，因为这些大公司创造了最流行的机器学习平台。由于高效的人工智能/ 机器学习解决方案需要大量数据来训练，小公司因为这些昂贵的成本，往往不愿意将人工智能融入他们的业务流程中。我认为这些担忧被夸大了，现在把你的小公司变成一个全面的数据驱动公司，可能比你想象的更容易。为了证明这一点，这里有中小公司如何启动AI的五个简单技巧。
智能的CRM
CRM系统旨在通过不同渠道（例如电子邮件、电话、社交媒体）收集有关消费者的信息，为销售人员提供一个集成的环境，以便管理与当前和潜在的消费者互动情况，并自动营销和指导行动。
如今小企业可以受益于Salesforce平台提供的智能功能。2016年，Salesforce推出Einstein AI平台，它允许开发者将AI功能整合到Salesforce的CRM应用上。Einstein AI可以帮助中小企业记录电话交谈、电子邮件、社交媒体帖子和客户评论内容，进而分析消费者情绪，评估客户反馈，并据此调整营销和组织活动。利用这些平台，小企业的销售人员可以更好地了解客户意图，查询自动获取的销售线索，最终达成个性化营销。借助人工智能CRM，小企业可以从客户数据中自动获取更多的信息，使他们的营销和销售团队更高效，消费者更满意。
目前国内市场中，CRM服务商销售易和百会CRM（Zoho中国）都提出了智能CRM概念，但是其智能能力多集中在相似客户推荐和优化重复性工流程等方面，对客户动态理解等方面还存在能力缺失。Salesforce推出的Einstein AI平台，在管理和分析客户内容方面，更类似国内一些营销云的功能，对inbound（域内流量）和outbound（域外流量）进行分析。
智能客服解决方案
如何高效的提供客户服务是保持客户满意的关键组成部分。然而，客户服务质量可能随着枯燥和重复性的工作而恶化，客服人员希望专注于提供独特的支持消费体验。
为了使客户服务更高效，小企业可以将AI能力集成到内部客户服务系统中。例如，像DigitalGenius（结合人工和智能的客服，2016年获得410万美元融资）这样的企业，可以帮助客户通过邮件、社交网络、短信、聊天界面管理客服咨询。以人工智能的方式自动回答问题，或者快速将回答建议分配到人工团队，由人工修改后回答客户问题。通过在客户服务中使用人工智能，小型企业可以从根本上减少重复问题和平均处理时间，从而达到提高员工和客户满意度的最终目标。
DigitalGenius定位服务于SMB，支持接入Salesforce、Zendesk、Oracle等主流客服平台，国内缺乏类似模式的智能客服企业。不过智能客服在国内是相对成熟的领域，企业有几十家可以选择，比如Udesk今年11月份推出了智能客服大数据平台Udesk Insight；阿里网易七鱼的“一触即达”功能，可以让智能客服机器人具有上下文理解、多轮会话能力，在智能能力表现上都可圈可点。
智慧营销
有效地管理营销预算往往需要深厚的专业知识，这就给小企业带来了额外的人力成本。幸运的是，现在的小企业可以通过人工智能解决方案来有效地使用预算。小企业可以委托Acquisio（以机器学习技术管理中小企业的广告）管理营销活动和营销业务，Acquisio通过多种渠道（如广告、脸谱网、Bing），分析广告表现并做出合理的建议，最终在PPC（按点击付费）效益最好的渠道分配预算。
利用多重算法分析客户与市场竞争对手之间的关系，这样的人工智能营销解决方案可以让小公司找到最好的营销策略，并大大减少CPC（投放的广告被点击，需要支付一定费用）要付出的高昂成本。智能商业工具和预算支出的合理管控意味着节约了额外的市场营销人员成本。
国外数字营销领先国内很多，比如Adobe、Hubspot等企业体量多在数十亿美元。国内数字营销的领先者是BAT等企业，比如阿里妈妈智能营销引擎——OCP“X”（包含OCPC、OCPM），以超大规模机器学习，智能计算每一个PV的流量价值，从而合理出价。
智能的竞争情报供给
当友商产生或者更新的内容达到每一天几百字节，便可能很难追踪他们的策略。但了解竞争对手和市场趋势，对于保持竞争力至关重要。
幸运的是，像Crayon这样的人工智能竞争分析工具可以帮助你解决这一难题。Crayon可以在不同的渠道（网站，社交媒体，网络应用）跟踪你的竞争对手，与强大的自然语言处理和商业指标相结合，分析其价格变化、微妙的信息修改和公关活动，这种功能可以让小企业更好地了解竞争对手的战略变化。此外，AI使竞争情报包括强大的分析功能，可以即时识别竞争对手产品的缺口，弱点和长处，及时反馈来调整自己的经营策略，防止被竞争对手超越。
据了解销售易近期发布智能CRM产品，可以智能整理企业客户的雷达图，包括企业体量、业务方面多维度信息聚合体现。另外会提供客户业务和人员变动信息，提醒商务人员适时关注这家企业。但与Crayon Data能分析竞争对手的优劣点及战略调整，还是本质不同，遗憾的是在国内并没有发现能提供类似功能的公司。（Crayon Data类似一些舆情大数据公司，但国内舆情公司多应用在政务领域）
成熟的智慧商业解决方案
如今，小型企业可以将AI工具嵌入到涉及数据的业务流程中。利用最先进的倾向性分析、分类和预测算法，小企业可以立即从他们的任何数据中提取有用的商业见解。
例如，像Monkey Learn（文本机器学习服务商）这样的人工智能工具，小公司可以在谷歌表格、CSV和Excel数据中使用倾向性分析和实体提取等方法，而无需任何编码。它易于集成，而且该平台还支持自动分类、标记和处理票据，以及对入站电子邮件和其他通信信息进行分类。该系统还可以用来分析产品的评论，分析其中实用的商业见解并将其提炼成有用的报告。所有这些特性，将节省小企业审查其相关数据所需的成本和时间。
将企业内部数据处理自动化，是当前的大数据领域比较火的一个领域。在文本数据挖掘方面，相关的案例有达观数据帮助大型企业自动化整理内部的文档资料，将合同文件结构化。如Monkey Learn对企业多种资料和外来信息进行分析理解。目前国内类似的服务商很稀缺，因为提供这种服务的技术门槛高，部署过程复杂。
当前AI /ML市场蓬勃发展，中小企业有更多的选项来启动他们的AI策略。小型公司可以使用便捷的接口和高效的机器学习功能，将他们的数据和工作流程接入到智能平台，而不是雇用科学家和营销专家做额外的工作。与商业智能相结合的工作流自动化将节省小企业的时间和成本，同时使他们在新兴的数据驱动经济中保持竞争力。
本文翻译自：https://www.entrepreneur.com/article/302655
-
观点
【2028：AI创造了哪些工作】未来10年21个核心工作岗位
来源：cognizant.com
编译：费欣欣
【导读】Cognizant信息技术公司资助进行了一项调查，根据今天可观察到的主要宏观经济、政治、人口、社会、文化、商业和技术趋势，提出了21个将在未来10年内出现并将成为未来工作基石的新工作，从个人信息交易员到人体器官开发师，我们的生活正在被自动化和人工智能改变，报告还到了AI业务经理、IT自动化设计师，说不定未来你就将从事这样一份工作，一起来看。
关于人工智能对未来经济的影响预测有很多，从生产力大幅提高到整个经济完全湮没。很显然，没有人真正知道把能够自主思考的机器引入生活将如何塑造我们的世界。
但是，至少初步看，我们有一些保持乐观的理由：根据本月Glassdoor经济研究公司（一个分析劳动力市场的网站）的调查，由于人工智能的兴起，已经有不少新的就业机会/职业岗位被创造出来。
这些新的工作都是什么呢？你可能很容易想到AI软件工程师、数据科学家和AI项目经理。没错，在这些与AI相关的工作中，最常见的是AI软件工程师，占Glassdoor调查的512个人工智能相关工作岗位的11％。
同时，其他技术水平较低，与AI关系不是那么直接的岗位也在不断涌现。Glassdoor调查中还给出了bot撰稿人，他们专门撰写用于bot和其他会话界面的对话，以及新的用户体验设计师，这类工作主要产生自智能音箱和虚拟个人助理这样的新兴市场。研究知识产权子系统的律师以及报道人工智能的记者，这些岗位的需求也在增多。
另一方面，在日益自动化的世界中，又是谁在招聘这些人，驾驭劳动力市场的狂潮呢？答案主要是科技公司。在Glassdoor的分析中，排名前四位的分别是亚马逊、英伟达、微软和IBM，富国银行也榜上有名。
未来10年21大工作岗位：未来社会工作的基石
今天我们要介绍的，是由Cognizant信息技术公司资助进行的调查，他们专门制作了一份有关AI相关工作未来图景的报告，统计了未来10年21个关键工作岗位，报告根据“今天可观察到的主要宏观经济、政治、人口、社会、文化、商业和技术趋势，提出了21个将在未来10年内出现并将成为未来工作基石的新工作”。
未来，工作将发生改变，但不会彻底消失。许多工作岗位将被淘汰，许多工人将努力适应他们所理解的“工作”的消失，并且发现很难适应他们不了解的工作。转变将是痛苦的，对我们所有人来说转变都不是一件容易的事情。但是，没有工作的世界是一个幻想，与托马斯·莫尔的“乌托邦”无异。
作者指出，他们在编写本报告时设想了可能在当今可观察到的主要宏观经济、政治、人口、社会、文化、商业和技术趋势内出现的数百个工作，考虑了诸如人口增长、人口老龄化、民粹主义、环境保护主义、移民、自动化，以及量子物理、人工智能、生物技术、空间探索、网络安全和虚拟现实技术等多方面综合原因。
他们考虑的工作种类也确实五花八门：碳元素培育师（carbon farmers），虚拟形象设计师，加密货币套利者，个人数据交易员、人体器官开发者，教机器人英语的人类教师，机器人理疗师，机器人美容顾问，藻类农民，自动驾驶车队停车员，Snapchat成瘾治疗师，城市垂直农场农民，以及Hyperloop施工经理。报告表示，“这些都是年轻一代接下来可能从事的工作”。
报告中给出的21种工作都有望在短期内（未来十年）大幅增加，成为生活中常见的职业。作者表示，他们相信这些工作都将创造大量的就业机会。
走向2028：下一个十年或许你就将从事这样一份工作
下图展示了技术含量从低到高的21个职位，下面我们做简单介绍。了解更多可以下载PDF（英文）：https://www.cognizant.com/whitepapers/21-jobs-of-the-future-a-guide-to-getting-and-staying-employed-over-the-next-10-years-codex3049.pdf
技术含量（低到中等）
陪散步/陪聊（Walker/Talker）
数字裁缝（Digital Tailor）
健身坚持顾问（Fitness Commitment Counselor）
个人记忆收藏管理员（Personal Memory Curator）
虚拟商店导购（Virtual Store Sherpa）
伦理资源经理（Ethical Sourcing Manager）
高速路控制员（Highway Controller）
AI业务开发经理（AI Business Development Manager）
人机协作经理（Man-Machine Teaming Manager）
IT自动化设计师（Bring Your Own IT Facilitator）
个人数据交易员（Personal Data Broker）
技术含量（中到高等）
基因组合总监（Genomic Portfolio Director）
金融健康教练（Financial Wellness Coach）
首席信托官（Chief Trust Officer）
数据侦探（Data Detective）
虚拟城市分析师（Cyber City Analyst）
AI辅助医疗技术人员（AI-Assisted Healthcare Technician）
增强现实旅游开发商（Augmented Reality Journey Builder）
边缘计算主管（Master of Edge Computing）
量子机器学习分析师（Quantum Machine Learning Analyst）
按照出现的时间，未来5年将出现的工作：
数据侦探
IT自动化设计师
伦理资源经理
AI业务开发经理
边缘计算主管
陪散步/陪聊
健身坚持顾问
AI辅助医疗技术人员
未来10年将出现的工作
虚拟商店导购
个人数据交易员
个人记忆收藏管理员
增强现实旅游开发商
高速路控制员
基因多样化官（Genetic Diversity Officer）
最后，我们选取几个未来5年即将出现，并且与新智元读者群最接近的工作做简单介绍：
数据侦探：与组织中的个人和团队合作，调查物联网终端、设备、传感器、生物识别监视器、传统计算基础架构和次世代边缘计算、雾计算等生成的数据，给出有意义的业务答案和建议。目前，这些领域收集的大部分数据都是未经检验的。优秀的数据侦探将类似侦探一样，“到数据所在的地方去”，追踪数据所讲述的一切。好奇、无情、有韧性，懂得迂回外交，从来不接受“No”作为答案。
IT自动化设计师：经验丰富的业务IT专员，整合IT与数字化工作场所，领导创造利用数字化趋势的工作环境。工作目标是创建一个自动化的自助服务平台，让用户选择所需的应用程序，以及构建虚拟助理来改善员工的敏捷性、生产力和参与度，同时保持数据的控制、安全、治理和合规性。在这个角色中的人将创建一个持续可见的系统和供企业用户，包括员工、客户和承包商随时随地使用的工作环境，包括移动和桌面系统以及应用程序和服务。
AI业务开发经理：定义、开发和部署有效和有针对性的计划，以加速基础广泛的销售和业务开发活动。与销售、市场营销和合作伙伴团队密切合作，为客户和合作伙伴定位人工智能服务，并就公司已有的人工智能服务、平台、框架和基础设施实现的价值主张和收益提供指导。此外，还将定义和推动组织加快对AI客户和合作伙伴机会的销售和合作伙伴管理参与度。作为AI BDM，你还需要负责将从业务中收集的数据和信息综合为简洁的结果，为产品和销售团队（包括高级管理人员）提供战略性见解和有说服力的成果和观点。
边缘计算主管（MoEC）：向CIO汇报，确定物联网路线图，评估技术要求、建立边缘处理单元的可行性，并衡量投资回报。MoEC将负责创建、维护和保护边缘计算环境，设计和开发硬件和软件，彻底检查现有网络基础设施的可靠性、效率和延迟性，并平衡网络和互联网络中的负载转移。此外，MoEC将通过区分应存储哪些类型的数据来建立云端关系，确保解决方案的可扩展性并解决边缘（城域、半城市和农村以及移动设备）。
了解更多，可以下载阅读这份在未来感中满是现实意味的报告：https://www.cognizant.com/whitepapers/21-jobs-of-the-future-a-guide-to-getting-and-staying-employed-over-the-next-10-years-codex3049.pdf
-
观点
进军海外市场，中国的SaaS公司在“怕”什么？
最近一周都在华盛顿参加微软的WPC（全球合作伙伴）会议，在一个近2万人的会议中你唯一能做的事情就是去找认识的，不认识的人去各种聊天，从交流中获取灵感，一路同行的有几家国内的2B SaaS的企业创始人，我们一路从微软的产品、技术与生态合作聊起来，一直聊到我们自己身上，在想一个问题：
为什么中国的SaaS公司不做海外市场？
首先说下这个问题是怎么抛出来的吧，本次WPC会议放在华盛顿特区，因为人多就租用了华盛奇才队的主场开会，当你进入到近2万人的会场时，微软作为主办方要讲什么内容是其次的，首先有这么多人就足够震憾的了，因为这些人来自于全球140个国家，意味着微软把已经能覆盖的国家和地区都覆盖了，不得和佩服人家渠道覆盖能力，看着乌秧乌秧的人群，就觉的要做大生意，必须依靠伙伴的力量在全球布局来做，想着微软的生意就是靠着全球64000家伙伴帮着做起来的啊，能够聚集这么多企业就已经很牛B了！
再看看国内，即便是阿里云每年在杭州的云栖大会有3.5万人，还是以国内企业客户、伙伴为主，谈走出国门为时尚早。而微软有许多在中国伙伴的订单是来自于微软的全球客户，因为在中国的业务拓展，需要许多IT系统的本地化服务才拿到的订单，才有机会给这些全球企业提供本地化的IT系统服务，也只是整个大蛋糕中非常有限的一小块，因此本质上还是本土化的业务，而不是全球性质的业务。
那为什么很少有中国企业（华为算是一家全球布局的企业）能够在全球市场中能够做到如此之大的手笔与布局的呢？聊来聊去应该会有几个主要的原因：
1、首先是国家层面的人才供应链的封闭与开放性有较大差距。
现在中国的人才供应主要还是依靠本土，而很少使用外来移民，整体来说还是一个相对封闭的系统；但在硅谷就不一样了，我之前写过一篇文章：从《硅谷之谜》找到创新的基因-叛逆与宽容，文中写道：旧金山湾区，从19世纪的淘金热开始之后，这里吸引了全球各类的冒险家来到这里淘金，包括美洲的墨西哥、秘鲁、智利，还有欧洲人和中国人（华工），全世界的淘金者来到这里都有一个很现实的目的--发财！来自全世界的人自然就带来了各自的文化没有哪个文化占主导地位，自然而然形成了多元的文化，当然也有共同的特征--爱冒险！这个特征再加上当地独特的政治和文化：追求各族群平等机会的同时，强调个人奋斗的保守主义，被视为其他地区所没有的优势。
当然，加州的保守主义使得人们习惯于靠自己的努力走出困境而不是寻求政府的帮助，政府之手就不会伸的这么长，同时加州人喜欢自己动手，这也是硅谷的DIY文化的起源所在（硅谷的企业创始人都是工程师，讲究自己动手快速实现最初的创意）！
2、中国企业市场已经是一个Big Enough的市场，使得中国的创业企业第一目标是做出符合中国市场需求的产品，而不是出海。
中国市场是多么让人羡慕，这一次在WPC会议上就可以知道了，和许多来参展的微软合作伙伴交流，他们除了是美国本土企业之外，还有来自于欧洲、中东等各个地区的伙伴，都对于中国14亿人口的市场有着无比的向往，都想着办法看看有没有机会能够进去。
而中国的创业企业自然想的就是做好中国市场，等着中国市场做好了再看有没有机会出去。但你真的有一天把中国市场做大了之后，可能你就再也出不去了呢，因为中国市场的客户已经把你的产品、营销、服务调校的只能服务于中国市场了，要再走出去的话就比较难了。
3、中国的市场处于快速发展的激烈竞争阶段，而海外市场的第一难点在于符合当地法规。
在会议期间，看了许多国外厂商的产品&解决方案，似乎往往用户的场景与痛点也不明显，但还生意做的挺大，看来国外的市场竞争没有国内这么激烈啊；但真的是这样吗？今天中午和一位来自于微软Bing的资深工程师（也是某个团队的负责人）交流了好久，他18年前就入职微软，谈到做全球化产品最难的事情就是要符合美国、欧洲等地的法律与法规，产品团队负责人最花精力的事情就是和公司的律师团队打交道，要采集任何一个UserID，都要得到律师团队的同意才行，不然分分钟就撞到枪口上去被罚几个亿。
而在国内市场则更多是产品与创意本身的竞争，立法与执法还相对滞后一些，这个时候就完全比拼的是产品与市场营销能力，但一旦要走向海外的话（特别是美国与欧洲市场），就会发现产品与市场营销处处受制。
4、企业创始人的全球化视角是制约SaaS企业走向全球的一个重要因素。
这次一路同行的有几位创始人都是从美国回国创业的，即便现在全家都在中国了，也仍然在美国把房子留着，有着海外背景的企业创始人自然而然的就能够将产品、营销、服务的全球化作为一个考虑选项，因为从创始人感知到海外市场的机会在哪里，知道如何在产品与营销中植入国际化要素；但如果创始人或核心管理团队中没有这个基因与背景的话，估计对于海外市场的情况也是两眼一摸黑，自然也就没有想着要做海外市场的推广了。
5、中国企业属于非英语语系国家，对于产品&市场营销来说语言不通是业务拓展的一大障碍。
从北美到南美，从中东到非洲再到澳洲，从印度到新家坡，不得不佩服当年日不落帝国的强大，把自己的语言推广到了全球，也使得全球大部分的地区都已经是英语语系国家，英语已经成为这些国家与地区跨领域交流的通用语言，因此美国企业要做国际化的推广，其实语言上来说就少了非常大的障碍。
但中国是汉语系的国家，要在英语系的国家推广业务自然就要跨过语言这个大门槛，而这个门槛不只只是自己的本地化销售人员懂英文就行的，而是要求从技术、产品、营销、交付、服务全价值链上的团队都要能够使用英文交流，这对于中国企业来说是一个非常高的门槛，这也是中国企业很难走出去的一大原因。（顺便说一句，对于下一代的教育，英语、演讲与呈现、逻辑思维三大块就显的非常重要了！
以上是基于本次会议期间交流时零零星星内容汇总起来的几个点，这是中国企业为什么走不出去的原因，但反过来说，现在越来越多的中国企业正在走出去，而且已经大获成功。中国企业走出去是必然，甚至我们可以向手机制造厂商传音学习，在国内造的手机国内根本就买不到，但在非洲就不声不响地做成了老大！按照这个趋势来说，中国的2B SaaS企业也有大把机会走出海外干出不一样的精彩。
来源：公众号 童继龙笔记
作者：童继龙
-
观点
当HR碰上AI，这里有一个“三步走”计划
当工业革命开始的时候，科技带给我们的价值是机械的自动化和劳动生产效率的提高，劳动力的构成也因此而变得多元。随着2000年电脑和互联网的普及，不仅信息处理的效率飙升，我们也打破了物理环境的局限，实现了信息的连通性和人才的流动性。
但技术红利给我们带来的生产力增长在2008年金融危机后就到达了瓶颈。而最近得以发展的传感器，人工智能，机器人等新兴技术会给我们带来怎样的变革呢？一个人平均需要3到5年的时间才能适应一次非连续性的技术突破，一个企业对于技术变革的适应只会更久。
当科技让世界扁平，企业可以通过快速复制达到巨大规模的时候，单个个体通过科技赋能所产生的力量也已今非昔比。世界的中心从商品转向到了人才。但同时我们也观察到，一个成熟企业随着员工数量的增多，创造力却在不断下降。随着业务发展速度的加快和组织形态的日益复杂，企业意识到了人才的吸引力和组织结构的敏捷性尤为重要。在人力资源的工作中，我们看到了一些可以用科技去重新定义的机会，HR在企业应对技术变革时可以起到的作用也至关重要。
理智与情感兼备，才是好的HR
理智，指的是用数据驱动的思维去发现，理解和解决问题。2016年美国企业在HR Tech投入比2015年增加了46%，到达140亿美金的市场规模。那么HR只有对日新月异的硬科技保持敏感，才能更早地让企业从传统的工作流程和陈旧的管理方式中转型，比如考勤打卡和KPI绩效考核。
情感，指的是工作中所产生的情绪和感受。我们在工作中和同事待在一起的时间远远超过和父母孩子相处的时间。员工对工作体验的期望会越来越高，他们希望有多元的文化，技能的积累和心灵的成长。如果把员工当做是上帝，那么HR这个产品经理，就要用心去设计每一个与员工交互的界面。员工期待的是简单流畅的体验，这就要求所有的企业服务走向消费化（Consumerization of Enterprise Software），所有以人员为基础的管理方式要转变为以人性为根本。
HR Tech的三个阶段
第一阶段：自动化流程和信息化集成
在这个阶段，人力资源系统做的事情是让公司的HR更加便捷地去管理公司员工。传统的SaaS主要是把人力资源的信息标准化，流程自动化。而新近的创业公司则在尝试用AI完成面试安排，会议时间协调等重复性高又标准化的任务。
第二阶段：关于人才的数据积累
企业的ERP存储了基于业务经营管理的数据，CRM记录了关于客户的数据，那么关于员工的数据，和人才的数据则应该统一实时地集中管理起来。
第三阶段：通过数据分析建造一个可以预测和辅助决策的智能系统
只有当构建了自动采集实时更新的数据库之后，智能的系统才能构建出来。对企业的经营做预测性分析且在重要的决策上起到辅助判断的作用。
AI+HR到底可以颠覆什么（Acquisition，Engagement，Analytics）
1. 人才招募Talent Acquisition
HR对招聘的理解早就不是招人这么简单，这是一场和业务部门肩并肩的全球人才供应链争夺战役。求贤若渴的企业不仅需要有人才大数据的支撑，还需要和人才之间达成使命感的认同和情感的连接。
-从手动到自动
1994年，Monster推出了世界上第一个招聘网站。23年后的今天，纷杂的招聘渠道和落后的简历筛选技术再次造成了企业与求职者之间的信息不对称。简历太多，HR筛不完；简历太少，HR招不到。候选人投递的简历往往石沉大海。而HR每天收到大量的简历中，符合岗位要求的却是寥寥无几。招聘中70%的工作时间都用来处理简历，包括要登录多个招聘平台，在人才库进行搜索和筛选。在美国招聘的人效早就到达了瓶颈，70%的公司都在使用第三方的ATS（Applicant Tracking Systems)来提高效率。
-从被动到主动
一个优秀的人才能为企业产生的价值远高于以往，以后的人才市场会是永久性的紧缺。好的人才都是被动求职者，他们不需要主动地去寻找工作。如果希望招募到最好的人才，公司就一定要脱离被动的筛查而转变为主动出击。同时HR也需要用市场营销的角度去思考，用社交化的手段去建立一个对人才有吸引力的公司品牌。美国创业公司Textio正在帮助HR润色职位描述和宣传文案。Textio分析了大量可以吸引更多候选人的用词和表达方式，从而对HR起草的招聘文案进行评分，提出修改建议。比如它会更换一些过时的说法，也会针对不同性别受众的文字偏好做相应的文案调整。
-从随机到精准
候选人的匹配远不止是技能匹配那么简单。即便所有公司都在招聘前端工程师的岗位，但最终不同的团队领导和公司文化所选择的候选人会各不相同。那么在众多的简历中，如何判断哪位候选人最适合当前的职位呢？我们的被投企业Celential.ai正在用机器学习的技术自动排序人才管道中的职位候选人。它会用自然语言处理技术分析候选人的简历，根据工作经历、表现、任期和流动率等信号对候选人和当前职位的匹配度打分。系统还会从简历数据库中学习成功的招聘案例，从而建立人才模型，更准确地预测候选人未来的表现。
-从线下到线上
在美国40%的求职面试都是通过线上完成的。传统的面试是一个主观和非标准化的过程。人工智能面试分析公司HireVue正致力于通过提取原始视频中的措辞、面部微表情等信号来评估候选人是否符合岗位需求。NLP技术用于分析候选人的回答，计算机视觉技术则用于解读表情和其他非语言因素，试图用组织行为学的心理分析做预测。这个筛选方式主要的卖点就是提高面试效率，针对大批量同质化高的初级岗位快速筛选出进入下一轮人工面试的候选人。但是这些测评方式的效果如何，目前并没有明确的结论。
2. 员工敬业度Talent Engagement
人才是一个企业真正的血脉。当招募人才变难的时候，防止人才的流失才是最好的招聘方法。根据哈佛商业评论的统计，员工在一个企业的平均工作年限已经缩短到3.8年，其中26.7%的员工会在第一年就主动提出离职。在拥有全世界最好员工敬业度数据的美国，也只有33%的人表示对自己的工作满意。如果说公司是你的产品，而员工是你的客户。那么我们用NPS的考核方式去看看，你的员工有多少会向朋友推荐自己的公司？又有多少人在工作中真的像招聘宣传图片里的样子？
公司信奉用户体验是第一位的，最好的用户体验就一定不是偶然发生的。在设计用户体验的时候，产品经理都会先去了解他们的用户到底是什么样的一群人，会有哪些需求。他们会和用户一起交流讨论去挖掘新的想法，会在实际的产品中不断的迭代和测试新的方案。我相信一个伟大的公司，一定会有一种自主，专业，又赋有使命感的员工体验，而这种体验一定不是偶然发生的。
-从To B到To C
美国创业公司Glint尝试用简短无记名的员工意见评估代替传统的员工满意度调查问卷，然后利用机器学习、自然语言处理和预测分析技术，生成报告来解读员工对公司管理、福利待遇和企业文化的感受，为企业提出改进建议。在To C的Yelp和IMDB里，我们见证了用户评分和评论的力量。今天的To B员工系统里，也从陈旧的填表演进到了只是让鼠标悬停在一个五颗星的框里就可以评分的反馈。在现代灵活而分散的组织形态下，如果能及时识别出这些“不开心”的员工，并提出相应的改善计划，就能够有效提高员工的敬业度。
-从亡羊补牢到防微杜渐
有88%的员工认为他们的入职体验很糟糕。通过自助服务和个性化体验，HR可以帮助新员工顺利开展工作。在候选人接受雇佣录取后，他们需要上传许多入职材料，同时对公司的规章制度还很陌生。HR大量的时间花在了处理这些琐碎的文案工作中。如果这些重复性高的流程细节可以交给聊天机器人，他们则可以专注于员工正在适应的新的工作岗位上。入职培训其实也存在着同样的痛点。如何在企业内部建立起知识图谱，给新员工推荐碎片化培训材料，并且依据学习进度推荐相关的内容也会是体验提升的重要环节。
3. 人才数据Talent Analytics
大部分关于业务的决策都是数据驱动的，那么关于人的数据呢？现在美国只有8%的企业表示，他们具备可用的员工工作数据。
-Hindsight读史以明鉴，管理层需要对过去的成功和失败有更清晰的认识
第一阶段的数据分析核心是可视化工具，提供和跟踪一个之前没有的数据集，比如用员工数据去做业务数据的相关性分析。大多企业现在只能看到核心HR数据和业务数据（比如营业额，任职情况，绩效评级），但以后会有更完善的组织关系数据（地点位置，员工协作，团队信息）以及个人工作数据（时间分配，情绪，健康）。随着这个数据集的不断扩大，管理层对经营成败和人员组织的关系会有更深刻的见解。比如为什么有些地方销售的生产力高，而有些分公司却出现欺诈盗窃的行为？
-Insight实时的数据，才能更好地支持日常快速的商业决策
平均而言，一个组织的生产力在绩效考核时会下降40％，因为整个团队都忙着填表，而不是专注于手头的工作。大家可能认为OKR很专业，Google采用OKR，但其实微软做的更彻底，直接取消绩效考核，采用反馈机制。这几年美国出现了像BetterWorks和Reflektive这样的实现考核自动化的软件，使经理和员工能够主动咨询对当前工作的反馈意见并分享数据讨论绩效目标，促进了反馈的真诚性和团队的士气。他们正从一种从自上而下，流程驱动的方法转变为一种更敏捷持续，基于反馈的方法。
-Foresight预测未来，辅助企业制定更好的商业战略
预测性模型可以发挥作用的地方有很多，比如柔性人员管理的需求。分享经济和众包市场改变了我们对劳动力管理的需求。从计划和安排人力，逐渐转移到根据需求预测来实时的调配人力。还有更多的数据分析包括预测高绩效员工的离职，并指出避免员工流失的最佳途径。创业公司Hi-Q Labs开发了一种仅通过外部数据（如居住地，上下班距离，职位，社交网络发布的数据等）就可以预测员工留存率的方案，号称比使用内部数据的预测更准确。管理者有了基于数据驱动的指导，帮助他或她了解最可行的保留高绩效员工的途径。
无论公司大小，人力资源中还有太多的问题，而我们知道的却太少。Gallup在美国2017年的员工调查中表示，在任何一个企业中平均51%的员工在找寻新的工作，79%的人认为他们的工作中缺乏指导。我希望更多的了解他们是谁和公司能做些什么。用AI取代HR是不可能的，现在的技术并不具备真正的智能，也没有社交协作和情感沟通的能力。但在写这篇文章的过程中，我很开心地看到创业者面对这些问题提出了很多独特的解决方案。期待更多的公司把AI融入到HR的环节里为所有人都重新定义一个更好的工作体验。
来源：金沙江创投
作者：张予彤
扫一扫 加微信
hrtechchina
