人力资源 - HRTechChina.com - 向上的力量！

人力资源

e成科技首席科学家陈鸿博士：面试机器人的未来是星辰大海为大家带来一份科技感十足的干货——e成科技首席科学家陈鸿博士在7月27日2018招聘科技论坛上的演讲，深度解析招聘领域时下最热门的AI面试机器人背后的“黑科技”原理。在上周五HR Tech China主办的2018招聘科技论坛上，e成科技首席科学家陈鸿博士亮相带着e成科技的“黑科技”招聘产品Chatbot面试机器人亮相，并发表了题为“机器人的识人之明——e成在面试机器人场景的探索”的演讲，为在座来宾科普了e成Chatbot面试机器人的科技内核和工作原理，惊艳四座，反响热烈。以下内容根据陈鸿博士2018招聘科技论坛现场演讲整理：各位嘉宾大家好，我在e成科技负责数据和算法。今天我跟大家分享的是聊天机器人可能要在面试中开始使用了。第一，我们会讲一下面试机器人为什么不仅仅是一个聊天机器人，面试是一个很特殊的场景。第二，是我们的技术内核，就是知识图谱，这个聊天机器人不是一无所知的，需要有很多的知识才能面对挑战。第三，我会讲一些会话和分析的事情，这个直接决定了面试过程能否流畅，像人一样自主的展开。接下来是神经网络的一些技术细节，我会尽量用一些比较生动的例子让大家理解这个网络是如何可靠的。最后展望一下面试机器人后续会怎么样。 1、面试机器人不仅仅又是一个聊天机器人事实上，我们说到HR的工作可能有很多的理论模型，三支柱模型，钻石模型这些，但是HR的工作离不开两点，一个是做关于人的决策，一个是要做关于人的沟通。AI在赋能HR的时候，其实在这两点上都有贡献。首先，我们可以通过AI让关于人的决策变的更加明智，其次，AI可以让沟通工作变的更加高效，面试机器人就是AI让沟通变的更加高效的第一步。说到面试，它和普通的聊天不一样，这里列出了一些区别，大家其实平时用微软小冰或者苹果的SIRI都用的挺多了，但是面试跟这个有挺大区别，人聊天是很放松的事情，但是去参加面试很紧张，因为面试官在主导这个对话，面试官是一个会话角色，意味着在面试过程中，面试机器人首先要主导这个对话，然后经过多轮的对话才能最终完成，最终还要给候选人一个评价，这和普通的聊天不一样，聊天完了以后那是消费者给你客服一个评价，面试完了以后是由面试机器人给候选人一个评价，过滤出合适的候选人进入下一个轮次，这个是很不一样的。 2、基于人才知识图谱的动态会话决策你要想让面试机器人能够正常工作，它会和一般聊天不同的是，它要基于一个人才知识图谱，区别于普通的聊天机器人公司，市场上有很多的伙伴在研发这些技术，我们的区别是什么呢？他们更像是让一个人类的宝宝从小到大，越长越大以后，对话越来越流利，但是我们e成做一个面试机器人，就像一个外国专家要开始学用汉语说话，专家肚子里面有很多的知识，但之前不会说中国话，现在要学习怎么说出来。在每一个面试场景面试官都需要具备很多的知识，因此需要让这个机器人面试官具有这些领域知识，不能一无所知去做这个工作。当面试机器人底层有了知识图谱的知识支撑就不同了，首先，机器人面试官可以基于知识图谱定制对话的目标，其次，知识图谱还能让面试机器人做出动态会话决策，最后，知识图谱构成会话进行的算法机制的一部分。我们来分开看一下，我们都知道面试在正常情况下是一轮一轮进行的，每一轮面试都有自己独特的目标，技术面的时候，评估候选人的技术水平，直属领导在面试的时候，他是来评估这个人是否适合这个岗位的，如果是CIT面试只考核你的沟通能力和软性素质，如果是HRD或者老板最后终面，那就是评估候选人的价值观和动机，对于面试机器人来讲需要在不同的场景下定制自己的目标，这是一个比较高的要求，因为面试场景变化很大，在不同行业、不同公司，面试不同职能的人，考核候选人的点是不一样的，你需要为各种各样的岗位确定这个目标，也就是面试机器人需要一个设置面试评估目标优先级的灵活方案。这个优先级是指什么呢？就是人有很多不同的属性，里面也会列出自己的需求，但这个里面不是所有的东西都是眉毛胡子一把抓，你如果没有优先级的话，对话发展起来就会一片混乱，优先级的设置挺重要的。 3、面试场景的会话结构分析下一页是讲在图谱的知识下，可以让这个机器人来灵活规划会话的流程，现在的多轮会话机器人，如果在座有做这个技术的应该了解，业界现状一般是用Pipeline来设置这个过程，每个对话节点设置自己的条件，在符合条件的时候让这个对话进入下一个节点，多轮对话所有的节点就构成一个Pipeline的框架，但这个轮次非常多，因为要问很多的问题。整体框架也会因此非常难以维护。所以我们是让机器人面试官基于知识图谱动态推演出整个面试的会话流程。举一个例子，现在机器人面试官的面试目标是要招一个工程师，它就要确认这个工程师的技术水平是否适合来进行研发，候选人介绍说，“我当时在组里设计开发Chatbot的语义理解、实体识别、多轮对话等核心算法。”那么机器人的知识图谱里有语义理解，实体识别，多轮对话的相关知识，知道这些都是开发Chatbot的相关技能，那么机器人就可以抓住其中一个点，把这个对话深入展开下去，比如说，机器人可以抓住“多轮对话”接着问：能具体介绍一下你采用的多轮对话策略吗？这样整个过程就比较流畅，像人的面试，依赖预定义逻辑是无法做到的。把知识图谱作为一个底层的知识以后，这些实体都已经嵌入了一个语义空间，被向量化了，使得我们可以得到整个对话在进入机器学习模型的时候能够给这些文本编码为合理的向量，否则依然停留在词语和关健词的级别，那么你依靠字符匹配做对话机器人就必然会陷入困境，大家可能玩SIRI的时候经常体验到这一点，你用一句话跟Siri沟通，它好像还可以，换一个词就不懂了，因为它硬编码了那几个词或某个句型，它是记住了那个词，但没有映射到其他的近义词或等价表述上。而当我们要让机器人真正掌握一个概念和语义的时候，就意味着它把这个概念和语义向量化了，这样AI才可以自如的对会话中的意义进行计算。现在来说一下会话结构分析，你要想让聊天机器人或者说面试机器人说的更加接近于人，他需要对会话过程有理解，我们说面试是一场比较严肃的会话，这个会话是有一些规矩的，我们说一下里面有什么东西，这里是一些要点，话轮，邻接对和链接结构等等。话轮是一个很基础的概念，大家在说话的时候一般不会说一句话就结束了，你会需要连续说好几句，才能把你想说的话说完，这是一个话轮。因此句子不是会话的最小单位，话轮才是。这个话轮会转换，话轮有让步和夺取的操作，比如有时候你想抢话过来说，对方还在说的时候，你会抢过来，这是话轮夺取。这个取决于说话的双方谁更有支配，或者说两人的上下位关系。他是你的领导，他抢话你肯定让他接着说。现在在面试的时候，机器人是处于地位比较高的那一方，他是可以主动来夺取话轮的，这也是非常必要的，如果机器人还像在做客服机器人一样，傻傻听人类候选人一直在滔滔不绝，但人类候选人很可能已经偏离了主题，这个时候机器人面试官需要主动把话轮夺取过来，打断对方告诉他你现在说的已经和我问的问题没有关系了，这个话轮的夺取变成了比较关键的事情。在话轮切换的时候会产生相邻对的概念，就是属于两个不同说话人的相邻接的话轮，相邻对有不同的类型，例如：【问候-问候】类型，正常两个人见面互相问候，我说你吃过了吗？对方说，吃过了，你吃过了吗？或者【提问-回答】类型，就是常见的一问一答。还有【陈述-反应】的类型，你说天气很热，他反应我们去凉快地方呆着吧，还有【邀请-接受/拒绝】类型，邀请了以后可以接受也可以拒绝，上面这些相邻对的不同类型体现了不同的对话意图，通过对这些相邻对类型的分析，机器人就可以理解当前这个会话的意图是什么，意图有什么意义呢？其实会让会话变的自然很多。我这里举一个例子，同样给正反馈，但如果有不同的意图，就会有完全不同的对话。比如说你意图是表示在倾听，那你可能就会说“嗯”，“嗯嗯”，这是你在微信里面表示「我在听，你继续说」，这是不打断话轮的，如果你意图是表示理解，你说“知道”，“明白了“，这是一个肯定，它有一个概率会夺过话轮，有时候你表示认同，你说“是的”，这时候对于话轮转换是中立的，有时候你比较关注这个话题，你会部分重复对方的话，说明我对这个话题也感兴趣，这个时候你表示自己的支持立场，但是夺取话轮继续往下说。同样是表达正面的肯定立场，但是结合不同意图以后会有完全不一样的表达。我们在说话的时候，有时候感觉对方和我能够说的很流畅，有的时候这个人怎么都不接我的话茬，这个话茬就是邻接对之间存在的链接结构，我现在上面举了两个例子。一个是面试官在那里说，你那份工作的动力是什么？他说我不服输，我有条件不应该输给别人。动力这个词把上面和下面连起来，他问你动力是什么的时候，你回答了这么一句话，然后说这就是动力，有时候词语会发生变化，但是不要紧，通过这个意义的交点，把前后的相邻对连接在一起，使得这个主考官确认这个人是在回答我的问题，也是我们面试机器人能够了解候选人跟着我的话茬在走。通过这个链接的关系能够确认对话的焦点还在不在我的控制内。另一个例子是说你离开那个工作的时候留恋吗？他说不留恋，留恋就把这个对话给链接起来了，这个链接结构的机制使得机器人可以使整个对话变的更加合理。比如说他可以在候选人长篇大论的时候打断，也可以主动把自己的话跟对方的话连接起来，使得候选人更容易理解这个主考官在问什么。 4、增强学习和模仿学习的混合方案我现在到了比较困难的部分，我要强行给大家科普一下神经网络，这是增强学习和模仿学习，我应该会用比较通俗的比方尽量讲的清楚一点。先是看一下整体的结构：底层是一个图谱，图谱层里面有人才画像、岗位画像和评估目标，这些画像都落实成为一个个知识图谱，人才画像就是关于这个候选人是什么样子的各种属性连接起来的一个图，岗位是什么也是一个知识图谱，以及不同的面试其实有不同的评估目标，这个评估目标也体现为一个小的图谱，图谱层上面是会话层，我们刚刚提到的话轮分析、意图分析，就是通过对相邻对的评估去分析它的意图，还有链接分析，让这个对话变的更加流畅，最终我们实现的时候，到了网络层。我们往下看网络层的具体结构。这张图展示了一个对话处理的流程，候选人先问，“您对我的职业经历有什么评价？”他会经过一个话语的Encoder，注意上面有一个圈，这是上一轮的系统对话行为编码（图里标着K-1轮），这个编码里包括一个意图和对话的焦点，让系统知道对方是响应什么来说出这句话的，然后网络把当前对话状态输出到历史对话的跟踪队列，这是整个历史对话的记录，右边是知识图谱，经过知识图谱的检索以后产生了一个确认的结果，这些一起进入会话策略网络，产生了第K轮的对话行为，包括新的对话意图和焦点，会由一个自然语言生成器负责产生具体的句子，然后面试官会说好的，等等。我们对这个网络的训练采用了增强学习和模仿学习的混合方法，我先要科普一下什么是增强学习和模仿学习，大家可能有不少人听说过什么叫有监督学习，在这个场景下我们没有采用，为什么呢？因为有监督学习的样本标注工作量在做面试机器人的时候实在是太大了，我现在举一个例子，如果以学习驾驶为例，大家去驾校，我可以发给你一本手册，手册上面在所有路况的情况下你需要做出的反应，你见到马路是这样的，左边什么车、右边什么车，然后你要踩油门，什么情况你要换档，试想一下枚举了各种可能情况后你需要的手册有多少页？这是一个惊人的天文数字，因为你要罗列所有可能的组合。我们人类是怎么样做的呢？我们会去驾校，驾校的教练首先会让你看他开，他用实际操作来告诉你，你应该怎么开车，然后教练会让你自己开，他在边上，他来告诉你这么做不对，你要怎么做，看教练开和教练看你开，这分别对应着模仿学习和增强学习，你在看一个人怎么做你去模仿的话，其实可以快速得到很多正面的例子，你如果自己操作由其他人或者环境给你一个反馈，这称之为增强学习，谷歌的AlphaGo就是通过增强学习来得到这么好的效果。但是增强学习也没法完全包办所有的事情，因为他对正样本的覆盖太稀疏了，你没有办法让这个人在开的时候覆盖所有的情况，有一个教练在边上告诉你也很难覆盖各种可能性。比较正常的做法是你先看着教练开，模仿他，他再看着你，在关键时候点拨一下。我们采取了类似的策略，我们先让这个机器通过少量的样本预训练一下，然后模仿人类的教学，再收集人类的反馈增强学习，相当于你去驾校，需要先背一点基本的驾驶规则，交规手册，但那个是很少的，没有办法覆盖所有的开车情况，教练接着就会让你去模仿他，最后你快出师了，教练坐在你的边上给你一些关键的指点，这就是我们这个神经网络的学习方式。 5、面试机器人的未来最后简单说一下面试机器人的未来，刚刚分享了我们的工作就到这里为止，但这对于面试机器人来讲只是一个开始，它的未来还非常广大，我们正在做能够处理开放式问题的面试机器人，刚刚说到的那些都是封闭式问题，问题的答案是一个有明确边界的有限集合。但开放式问题不一样，它对应的答案没有边际。但也没法办法回避去处理开放式问题。你在问一个人软性能力的时候，你会希望他跟你分享一些故事的时候，都是你没办法去约束他的对话和边界，这些开放性的问题需要能够让机器人处理。我们先不说怎么让机器人理解一个故事，怎么让一个机器人知道一个故事说完了，他可以接着往下说，这件事情就很有挑战性，我们在听别人说一个故事的时候是能判断一个故事已经说完了，但怎么让机器人去判断故事说完了就是个问题。这个话题非常有意思，我希望在下次分享的时候可以跟大家分享这个方面的进展， e成会始终致力于人力资源行业的技术发展，谢谢大家！

人力资源
2018年08月06日
人力资源

赛码网斩获候选人体验大奖产品金奖由HRTech China主办的“2018招聘科技论坛”于7月27日在上海开幕，现场云集20余家杰出企业以及1400+招聘科技达人。招聘工作对于企业来讲不言而喻是至关重要的，如何吸引并选拔到优秀的合适的人才是招聘工作者的核心工作。科技的快速发展带来的不仅仅是信息的快速膨胀也给招聘工作带来的巨大的机遇和挑战，如何更好的使用技术手段提升工作质量，实现人尽其才，才尽其用的共赢目标，成为我们不能不面对的工作。工欲善其事必先利其器！招聘科技论坛就是这样一场关于招聘科技的专业盛会，可以收获人才获取相关的最佳招聘科技实践和科技利器！会议当日，有近20位招聘科技领域的科学家、HR资深高管、行业大咖们围绕“全球招聘科技发展趋势”、“科技助力招聘”、“AI人工智能与招聘”等核心议题进行了精彩的分享。同时，重磅揭晓候选人体验大奖Candidate Experience Awards（CandE Awards）评选结果并颁奖，越来越多招聘人员和公司认识到候选人体验的重要性。大家都知道你无法获得第二次机会去赢得第一印象。候选人体验就是这样，帮助企业快速获取更好的人才，直接影响雇主品牌及招聘工作营销的成效。本次评选由服务商提交参评案例，由各知名企业的HR高管共同组成的评委团，经过对候选名单进行全面、严格、高标准的讨论筛选，共同打造出极具含金量的候选人体验大奖。 ★ 获奖榜单★ 候选人体验企业金奖：平安集团，天安骏业，康得新集团，凤凰网，票易通，施耐德电气，上海辰渝机电成套设备有限公司、京东集团候选人体验产品金奖：优面宝，赛码网，e成科技，HR-X 在候选人体验最佳案例专场中，赛码网业务发展总监朱涛介绍了赛码—智能在线考试平台，并分享校园招聘中的项目案例，在京东2018校招项目中，所有内容交付在1天内完成，保证了校招流程的连续快速，通过赛码自动阅卷及实时在线编程，快速剔除了58%的表现不佳者，让甄选更科学有据。通过赛码的专业试题服务，为企业HR减少了与技术部门在出题、审题、阅卷等环节约76%的人工成本。赛码不止专注于IT校招笔试，其核心产品—“在线考试平台”，支持多题型在线作答，18种编程语言在线调试，机器自动判题，可以完美解决IT人才编程技能评定。智能题库，随机抽题，系统自动阅卷，一键导入考生名单，100%通知，保障到场率。最新的人脸识别技术+七大防作弊功能，弹性服务器，让30万考生同时在线平稳作答。可以在线监考，监拍画面随时查看，考试报告全方位展示测试数据，自动计算考试总分、排名，人才数据可视化。为加速并完善招聘流程，赛码的在线面试平台更是完美解决异地面试问题，让面试官和候选人感受如同面对面沟通的身临其境，既可以在线考核编程能力，又能真实地模拟面试现场场景。面试报告立即生成，随时查看，记录在线面试全过程，大大提高面试到场率&效率。用科技工具—赛码，助力招聘！现场，赛码产品引起各企业和领域内招聘达人的极大关注，纷纷前往展位，竞相咨询，进行深入的了解和体验。赛码网由大型人力资源中央企业中智集团（CIIC）孵化，用互联网跨界思维改变长久以来纸笔的考试方式，是一站式的企业/机构/学校在线考试平台。从2015年开始引领在线笔试行业以来，赛码网已经成为一线互联网企业的首选在线考试平台。

人力资源
2018年08月02日
人力资源

2018候选人体验大奖揭晓！国内首次引入候选人体验概念 2018年7月27日，中国备受瞩目并引领招聘科技前沿的论坛-2018招聘科技论坛于上海四季酒店隆重举行。本次论坛以“Hire Better With Tech”为主题，本次论坛由HRTech China主办。候选人体验 HRTechChina首次引入候选人体验的概念，希望能够推动企业和招聘官从更直接的感受出发，吸引并影响候选人做出决定。所谓候选人体验，就是用于描述候选人与公司之间，关于招聘营销推广和雇佣目的的所有互动的过程感受。举办本次候选人大奖旨在践行HR Tech China“推动中国人力资源科技的进步与发展”的宏伟愿景，以提升候选人体验。提升候选人体验的方法有很多，核心的一点是公司全体人员的共识和认知，毕竟招聘录用候选人是一个多部门多人员协同推进的事情，必须建立在公司整体的认知和共识之上才可能建立起广泛的良好体验。豪华阵容评委团在企业评选时，评委团由各知名企业的HR高管共同组成的豪华阵容评委团，经过对候选名单进行全面、严格、高标准的讨论筛选，共同打造出极具含金量的候选人体验大奖。奖项设置包括：候选人体验大奖企业金奖和候选人体验大奖产品金奖。评选环节本次评选环节评委严格把关，企业在申请奖项过程中，首先须提交完整的体系或深度的细节，丰富的数据支持和结果验证，图片、文字、视频等均可，要求必须原创且实践。评选过程中，企业资料先交由评委团单独审核，审核通过，进入开会研究阶段，以各项指标为基准，最终确定符合要求的企业。颁奖环节 727招聘科技论坛当天，候选人体验大奖的颁奖由两位专家代表上台颁奖，一位是招聘管理专家kevin，一位是益海嘉里的丁鹏先生。评选旨在甄选出在候选人体验上做出卓越实践，通过提升候选人入职企业前的体验以提高入职率，来帮助企业吸引更多的人才。评委会同时建议企业的HR们可以就候选人体验方面做更多的沟通、交流和分享，以便更好的造福人才，成就企业，贡献社会。评委会认真审查企业各项指标，多番讨论与研究，最终确立本次候选人体验大奖的获奖企业为：平安集团，天安骏业，康得新集团，凤凰网，票易通，施耐德电气，上海辰渝机电成套设备有限公司、京东集团获得候选人体验大奖企业金奖。优面宝，赛码网，e成科技，HR-X获得候选人体验大奖产品金奖。恭喜以上获奖企业！通过这次评选，表彰了企业在科技创新等方面的勇敢探索与无限追求。强化了当今时代，以人为本位，以科技作为最具效率，最优化的招聘手段的理念，更好推动招聘科技向前发展。口碑成就价值。候选人体验大奖评选希望能够成为中国最权威、最顶级、最具影响力的人力资源赛事之一，入选企业经过在众多企业中的层层筛选，评委会的严格把关，终获荣誉。再次表示衷心的祝贺！

人力资源
2018年08月02日
人力资源

Tony观点精彩分享：“每个企业在不同的成长阶段都会跳入不同的游泳池玩一玩。” 文章导读分享人：原顺丰、大众点评HRVP-Tony 分享主题：CEO的人才观精彩观点呈现：企业分为黑海，蓝海，红海三种类型。黑海是未知的世界，黑海的人需要不断摸索，找到方向，才能进入蓝海。蓝海企业用户体验处于领先地位，需要把握技术、人才、市场，筑造高壁垒，保持领先地位，这样才更加容易进入红海。进入红海，竞争激烈，追求比别人做的更加优秀，才能立于不败之地。嘉宾演讲：首先感谢大会主办方！我今天分享的主题跟前面的有点不一样，前面谈到了机器人招聘，所以大家觉得做人力资源的工作，将来会受到AI的冲击。但其实如果今天大家的视野拔高到一个更高的层次，不要把自己定位在一个公司的人才获取专家或者一个招聘的总监，或者一个公司的人力资源总监，而是把你自己的视角放到CEO的视角。不管是在传统的跨国企业、中国大型国有企业、中国的民营企业，以华为、海尔、联想为代表，还是在新兴的经济当中发展起来的一些企业，比如说第一波的腾讯、百度、阿里，以及刚刚在美国上市的拼多多，还包括接下来要在香港IPO的这些公司。你去看这些CEO的身上，只有将视角放在对人的关注上，才能帮公司招到更好的人。今天早上很多嘉宾讲的是帮公司找到更好的招聘人的工具。找人有各种手段，用大数据等。然而，到最后招人也还是最是有风险的。比如说，你一辈子跟一个人在一起也会有风险，找到一个老婆、找一个先生，哪怕是你自己的孩子，有可能将来也无法和睦共处。所以人这件事情没有办法完全的科学化，因为人本身就是一件艺术品。我上次在美商会演讲，我全部用中文讲的。演讲主标题是CEO的人才观，我还用了一个副标题，副标题我用了黑、红和蓝。大家可以猜这代表什么，你们可能听说过红海和蓝海的表述，但从来没有听说过什么叫做黑海，以及黑海里面人才的战略是怎么样的？我曾在很多不同的公司任职，其中包括大众点评，去年上市的顺丰，IBM、可口可乐，万达等全世界前几百强的公司。我接触过王健林，大众点评的张韬。回到黑海的话题，黑是什么？一片迷茫，不知道方向，充满恐惧感和挑战，但冲出黑暗就不一样了。这个黑海里面是怎么样的？这个黑海世界是怎么样的？——未知的，什么对你来说都是未知的。应用到商业领域，你看什么样的公司是在黑海的世界里面玩的，什么样的公司？在黑海世界玩的企业通常有以下特点：第一，在公司整个业务发展的前进道路上，你一定会看到很多的威胁和障碍，这也是一定的。第二，也许公司创始人本人还未找到方向。他只是觉得这件事值得去做，还有一颗这样的初心，所以很多创业公司说不忘初心。第三，他们内心有焦虑感。请问在座的如果你是跟随一家创业公司的老大，每天没日没夜的去招人，考虑产品的逻辑，画用户的肖像图、产品的线路图等等，但一次次尝试都失败了，就会产生焦虑，对不对？在这种情形下，作为一家公司，你要知道公司创始人或者CEO最想做的事情是什么？他的终极目标就是不管怎么样，尽快获取哪怕是最小的胜利，一次小战争的胜利，而这个胜利哪怕要花很大的代价，他至少看到了曙光。为什么呢？曙光的力量。在黑海中一旦有那么一小促的火苗被发现，他至少知道有亮光，追过去，接下来才会有越来越多的光明。所以黑海这种类型企业的CEO，一定是希望他的团队能够在最短的时间给他带来哪怕一点点的小胜利，否则大家一直沮丧下去，人的信心会受到打压。这个时候我们需要怎么样的人？在这种团队里面，就是在黑海里面，我们的人才战略应该是怎么样的？我也写了5点应对的方法。第一，你所需要的人要有耐受力、忍耐力，人的耐力很重要。大家看过少年派的奇幻漂流，他就是非常有耐力的。一个人在海里面没日没夜的漂流，漆黑一片，没有耐力，人会精神崩溃的，也就不会有这部优秀的作品与大家见面。另举一例，为什么把一个犯人关到小黑屋？因为对犯人最大的惩罚不是让他暴晒，而是关在小黑屋。你跟一群犯人关在一起不会怎么样，因为人有互动。所以忍耐力要放在第一位。这个时候需要的人才都是要有坚韧不拔的定力。第二，企业家精神。企业家精神不是每个人都有的。从中国历史来看，中国近代的商界里面确实有很多具有企业家精神的人，这些人耳熟能详。最近在香港上市的小米，我觉得企业里都是有企业家精神的人，至于他做的优秀不优秀，我们不讨论，但至少今天这些人走出来了黑海，就是说他不服输、执着、专一、不放弃，同时他考虑的大战略也得到了落实。一个真正优秀的企业家，在给投资人做路演的时候，他可以在路演上演讲。当你关起门来跟研发团队做产品的时候，他也可以滔滔不绝，一起去PK和讨论，这叫做企业家精神，这绝对不是这个人表面讲了多少励志的东西，而是自己肯脚踏实地去做。我的大学同学张韬，我觉得他是非常有企业家精神的人，他毕业于美国沃顿，生病辍学去了美国，当时一心要去，到了美国他觉得，我与其在中国做一个电脑顾问，还不如来中国自己创业。第三，跟毅力有点像，要有反弹力。意思就是说你有没有反弹的机会，哪怕你今天被这个浪打下去了，你还可以再爬起来，把帆布的漏洞补好，不让船沉下去。有的人一巴掌打下去再也不能创业了，有的人创业是屡战屡败，这种人是有反弹力的。我相信你们最近也看到了很多的报道，新北大的王津就是非常有反弹力的，股票今天涨十几块，明天跌二十几块公司的CEO，这个人就是超人，就是钢铁侠的人。前面三个都是在讲内在的品质。第四，通常对于一家创业公司来说，条条框框的边界和规则如果太早去设定这家公司一定走不远，你要放开手脚去拼，因为这个时代是不会等你。如果当时滴滴，快滴创业初期，先讲我们的游戏规则怎么样，没办法拼。中国是一个丛林法则的国家，谁先进来谁就可以赢，但是美国不一样。中国有很多的互联网模式是模式的创新不是技术的创新，现在有很多的年轻人开始走技术创新的这一条路，比如区块链等等，包括滴滴也是的。美国硅谷大多数企业，基本上是科技为先，不管是做人工智能还是做大数据也好，且都与生活息息相关。最后一点，他不希望招太多的庸人，他只要招一到两个或者两到三个最顶尖的人，跟他一起去“打仗”，而这些人必须要跟他有同样的气质。不管今天在座的是猎头还是公司的HR，还是公司任命你做HR的工作，如果你去帮一家企业的创始人、创始团队去选人，我觉得你应该去选这样的人。能够在黑海里的人，永远是有热情的，还有非常饱满的热情，永恒的热情，如果没有这个热情，那就是等死，就是随波逐流。进入到红海，虽然竞争激烈，但大家都具备一定的竞争力。玩家有很大的市场，但还是残酷的。这个领域里面的公司已经有了一套设定的游戏规则，玩家都知道这个行业应该要怎么样玩。其次，在所有的商业战场上，从产品研发到最后的出产等等，线上线下每个地方都在角力、都在拼。之前在几大视频网站拼，最后就合并了。比如，美国的优步到中国来开拓市场，最后中国把美国的优步给合并了。美国的人很有意思，一旦你加入某个行业，你在这个行业玩的话，美国就觉得我不要跟你一起玩了，我就去玩别的行业了。中国人，你玩我也玩，所以中国的街都是一条街。美国人是你们都不要玩，你到我这里来玩，我会把你们都给合并了，然后你们再到我的平台上来玩。你会发觉很有意思。中国有足够大的民生市场，就是老百姓可以玩的，因为我们有议价能力。一旦有一家独大的时候，我们的议价能力反而没有了。所以现在是我们的红利，现在的红利不在美国。再往下看，他们也会思考WIN-WIN，就是这些大佬合并了，比如优酷和土豆的合并，太多的案例了，但是双赢毕竟是少数。很多企业是直接吞并，或者直接让你崩盘，所以在红海里面玩的人是很强悍的。在黑海里面玩的人也不是人，都是神。在一个竞争非常激烈的市场，不同于传统行业，现在的行业比拼的是你快速获取客户的能力，以及你的运营和迭代能力，你的获客能力也是资本。不管怎样，任何一家公司最终都会需要所谓的人工成本、运营成本等等。在红海里面能够胜出的人一定是希望最后可以跟别人做的不一样，但这个一定不是创新，有创新的一定是迭代。当初我们都在做团购的时候，那个时候拼的很厉害，但是一旦有人做的一点点不一样就可以把别人都比下去。要比别人做的更好，在红海里面只有永远追求比别人做的更加优秀。在红海里面的人才战略是：你一定要成为在行业里面能够找到最优秀的，每个专家领域里面最顶尖的高手，这个需要非常具有经验。因为红海这个行业已经是一个沉淀的行业。还有就是你要更加强调超前执行力。当大家在“打仗”的时候，但凡有一支军队执行力出问题了，他就会被你打败。所以你的规则一定要写的非常完整，因为“打仗”你的员工是很累的，所以你对这些员工的激励方式要及时。黑海不一样，可以长远一点。最后一点，你除了招人，对于红海里面的玩家更多是要保留人才，因为在红海里面是“打仗”，打仗的时候还有时间浪费吗？在蓝海里面也有这些特点。第一，一家企业在蓝海里面玩儿他并不传统，蓝海的企业所面临机会不像黑海什么都不知道在摸索，蓝海是知道这个机会已经被认可，可以去做。比如说健康医疗，用人工智能的方法去做所谓的医疗健康，高科技，将来的医生不一定是真正的人，一定是人机结合的。现在已经在做了，人造皮肤已经在硅谷出现，研发的科学家是一个华人女性，这个皮肤是可以呼吸的，烧伤的人将来不需要自己再移植一块皮肤上去，可以给你人造的。第二，蓝海的人一定要创造价值，他们所有的驱动点来自于为这个社会和人类创造价值。创新力在这样的企业是要达到一定高度的，这是重要的核心点。对在蓝海里面的企业来说，用户体验已经跑在前面了，他不怕，所以他需要我们员工更加的呵护，不管我2B还是2C，或者是2B和2B。第三，任何一家蓝海公司必须要有差异。对于蓝海的企业来说，他越早建立壁垒越好。企业已经够领先了，机会也存在了，现在就看你能不能把握技术、人才、市场，把你的壁垒筑的高一点，使得你的追兵不多，这样才更加容易进入红海。所以怎么做呢？在蓝海里面我们的人才战略是：领导者一定要果断决策，市场不等你。第二，他要充满能量和热情，这是可以感染到他的团队，或者说你招聘的人要充满正能量和热情，可以感染周围的人。第三，有一些非常垂直领域的人才、专家。术业有专攻，不只是一点情怀，有企业家风范就可以玩儿了。因为需要这些人筑壁垒，并且把自己的壁垒建高。横向需要贯穿到整个公司管理各个岗位的一些复合型人才，因为这些人去帮你做融资、谈判、合作伙伴、做平台等等。最后，这样的企业一定是可以给弃权、给激励。最后跟雷军可以一起玩到小米上市，OK！小米就是这么成长起来的。如果没有雷军在上面，下面的人不会追随。小米今天不一定是在蓝海，有些领域在蓝海，有些领域早就已经在红海了，也许也可以尝试黑海。每个企业在不同的成长阶段都会跳入不同的游泳池去玩一玩。所以当蓝海中的企业最终能够实现他们的抱负，这些梦想都会实现了。所以最后一句话送给大家，就是继续游泳，不要被淹死，活着就不错了。谢谢大家！以上内容节选自727招聘科技嘉宾发言，未经嘉宾本人审阅，仅供参考！

人力资源
2018年08月02日
人力资源

如何为人力分析专业人士创造职业道路-How to create career paths for people analytics professionals 文/David Green 文章导读根据德勤于2017年11月发布的“高影响力人力分析研究”(High-Impact People Analytics study), 69%的大型机构(10,000多名员工)现在拥有一个“人力分析团队”。 Geetanjali Gamel在旧金山举行的“人民分析与未来工作会议”(People Analytics & Future of Work Conference)上的演讲这个话题。Geetanjali是默克公司劳动力分析的全球领导者。在2017年9月在费城举行的人民分析与未来工作会议上发言。为什么要人力分析? 问1、你好，Geetanjali，请解释一下吸引你到人力分析领域的原因。我工作中最有趣的部分是理解、测量和预测人类行为及其对销售和收入等业务结果的影响。因此，我很自然地被这个机会所吸引，这个机会将科学的方法引入到人们的数据中，并帮助塑造一个组织如何为其投资者带来价值，同时为其员工带来更丰富的经验。 MERCK & CO.的人力分析团队问2、请您描述一下默克公司的劳动力分析团队的规模和结构，以及它是如何与业务联系起来的。默克的劳动力分析团队(WFA)拥有15名成员，在全球80多个市场，69000名员工。这个团队由三个主要支柱组成：咨询、高级分析、报告和数据可视化。咨询——每个咨询师都与我们的业务部门(如制造、研究、销售等)保持一致。他们与领导者紧密合作，以理解和预见棘手的业务问题，并运用正确的方法解决问题，将分析转化为可操作的观点。高级分析——高级分析团队是一群灵活的数据科学家和专业人士，他们主要专注于需要高级技术技能或很有意义的项目。它们围绕业务问题进行组织。报告和数据可视化——他们直接与来自业务各个部门的内部客户合作，以确保合适的人在合适的时间拥有合适的数据。驱动了内部客户满意度。三个WFA团队紧密合作，以确保识别和利用业务活动之间的协同作用。创建一个数据驱动的文化问3、德勤(Deloitte)的“高影响力人物分析”(High-Impact People Analytics)研究发现，在创造高级能力方面，最重要的因素是需要创建数据驱动的文化。你在默克公司是如何做到这一点的? 我们首先在人力资源社区中推广数据，推出了一个基于云的劳动力分析平台。我们还开发和部署了一个能力构建程序，其中的模块主要集中在度量选择、假设测试、数据可视化、推荐开发等方面。此外，我们一直在利用的另一个渠道，加速人力资源数据驱动文化，是让我们更广泛的人力资源社区的成员成为分析“冠军”。最后，我们还建立了一个人力资源领导团队，在人力资源中传达建筑数据和分析能力的信息。高层领导的支持对于人员分析功能的成功至关重要在人力分析中创造职业道路问4、您对为人力分析专业人员创建职业发展道路充满热情。为什么你认为这是如此重要？我热衷于为那些使人力分析成为可能的人们建立更好的工作体验！我发现这个团队能够为职业道路，继任计划和大型员工的人才流动等领域做出决策，但经常陷入无处可扩展的境地。此外，大多数人分析团队都是人力资源部门的一员，而且往往被贴上高度专业化的“人力资源精英”卓越中心(CoE)的标签，这限制了横向或向上进入CoEs或业务部门的其他人力资源角色的机会。最后，一个能够提供发展和职业发展的组织和领导者，可以成为吸引和留住优秀人才的关键因素。如果我们能让更多人力分析人才流动起来，就会为人力资源和企业的其他部门增加技能、方法和拓宽视角，为企业创造额外的价值。一个能够提供发展和职业发展的组织和领导者，可以成为吸引和留住优秀人才的关键因素问5、关于人才分析团队的职业发展，你在默克制定了什么计划?关于人才分析团队的职业发展，你在默克制定了什么计划? 从我在默克公司工作的第一天起，我的首要任务之一就是了解我的团队的力量和抱负，并将他们的发展与他们的职业目标结合起来。我得出了一个Capability-Capacity-Connectivity模型，为我们的人员分析团队提供一个可持续发展项目。这种模式成功的一个关键驱动力是你的领导的支持和与其他团队的合作。问6、职业发展计划的主要好处和收获是什么? “3C”方法是围绕解决障碍和为人学分析团队创建促进职业发展的桥梁而构建的。第一个“C”：能力，能力必须在两个级别上处理。能力级别1：构建数据、技术和分析精明的客户能力级别2：提升人员分析团队第二个“C”：Capacity容纳度如果没有时间远离日常的活动，就不可能专注于一个人职业生涯的下一步第三个“C”：连接将人员分析团队与其他人力资源，数据科学，技术和业务专业人员联系起来，建立对双方不同类型工作的认识和相互欣赏。英文原文： According to Bersin by Deloitte’s High-Impact People Analytics study, which was published in November 2017, 69% of large organisations (10,000+ employees) now have a people analytics team. It is a surprise then that many organisations overlook the need to develop the careers of their people analytics team. Given the pace of evolution of the field and the high-demand for talent in the space, this is an oversight that needs correction. As such, it was refreshing that the main focus of Geetanjali Gamel’s presentation earlier this year at the People Analytics & Future of Work Conference in San Francisco (see key learnings here) was on this very topic. Geetanjali is the global leader of workforce analytics at Merck & Co., Inc. (NYSE: MRK, known as MSD outside the United States and Canada). I caught up with Geetanjali recently to ask how she has created career development paths for her team as well as discuss other related topics in the people analytics field. Geetanjali Gamel speaking at the People Analytics & Future of Work Conference in Philadelphia in September 2017 WHY PEOPLE ANALYTICS? 1. Hi Geetanjali, please can you introduce yourself, describe your background and explain what attracted you to the people analytics space. Like many of my colleagues in people analytics, I’ve had a non-linear path to my current role. I am a trained economist and began my career in research at the Federal Reserve Bank of St. Louis studying topics like macroeconomic forecasting, unemployment and inflation. With this foundation in social science methodology and research, I soon transitioned to business forecasting, predictive analysis and scenario-planning to drive customer growth and revenue projections in corporate planning and finance departments in the energy sector. The most intriguing part of my work was in understanding, measuring and predicting human behaviour and its impact on business outcomes such as sales and revenue. So, I was naturally attracted by the opportunity to bring scientific methodology to people data and help shape how an organisation can drive value for its investors along with enhanced experience for its employees. I began by building a predictive analytics function from scratch in HR in my previous role at Mastercard and since 2016 I have led the advanced workforce analytics, consulting and reporting organisation in Merck HR. THE PEOPLE ANALYTICS TEAM AT MERCK & CO. 2. Please can you describe the size and structure of the workforce analytics team at Merck and how it aligns to the business Merck’s workforce analytics team (WFA) has 15 members who support 69,000 employees in over 80 markets worldwide through a rich portfolio of people analytics products. The team consists of three primary pillars; Consulting, Advanced Analytics, and Reporting & Data Visualisation (see Figure 1 below). Figure 1: The Workforce Analytics team at Merck & Co (Source: Geetanjali Gamel) Consulting - Each consultant is aligned to one of our business divisions like manufacturing, research, sales, etc. They work closely with leaders to understand and anticipate burning business questions, utilise the right methodology to find the answers; and convert the analyses into actionable insights. Advanced Analytics - The advanced analytics team is a nimble group of data scientists and specialised professionals who focus mainly on ad hoc projects requiring advanced technical skills and/or initiatives of enterprise level significance. They are organised around business questions and may support several divisions at a time, in contrast to the end-to-end approach that the consultants take with each initiative. Reporting & Data Visualisation – This team forms the backbone of all the amazing work we are able to do, as well as the internal customer satisfaction we drive. They work directly with internal clients from all parts of the business to ensure that the right people have the right data at the right time. The three WFA teams work closely with each other to ensure that any synergies between business initiatives are identified and leveraged. CREATING A DATA-DRIVEN CULTURE 3. The recent Bersin by Deloitte High-Impact People Analytics study found that the single biggest predictor in creating advanced capability is the need to create a data-driven culture. How have you achieved this at Merck particularly with regards to HR Business Partners and the wider HR function? I agree that culture can be the strongest catalyst or impediment for people analytics. It is also ridiculously difficult to identify and alter, particularly because organisations at any given time tend to be collections of sub-cultures. But there are some patterns of behaviours, decision-making, and incentive-rewards, which distinguish data driven cultures from others. These behaviours can be purposefully incubated through a combination of upskilling, training and mind-set building. At Merck, we believe that a leading HR function is one where analytics capability is not only for the analytics team, but the whole HR team. This does not imply that every role requires equal depth in analytics, but a new baseline of data interpretation and communication skills is critical to being effective partners to the business. To this end, we started out by democratising data within our HR community by rolling out a cloud based workforce analytics platform. This is helping us drive greater familiarity and reliance on data among our HR users. We have also developed and deployed a capability-building program with modules focused on metric selection, hypothesis testing, data visualisation, recommendation development, and more. Another channel that we have been leveraging to accelerate a data driven culture in HR has been to engage members of our wider HR community as analytics “Champions”. These superheroes are critical to spreading the adoption of data informed insights, since they live and breathe the daily challenges of their colleagues; and can share relatable examples with their counterparts on how data can unlock value. Finally, we also have an HR leadership team that is aligned and strong advocates in relaying the message of building data and analytics capability in HR. Needless to say, sponsorship of senior leaders is imperative to the success of a people analytics function. Sponsorship of senior leaders is imperative to the success of a people analytics function CREATING CAREER PATHS IN PEOPLE ANALYTICS 4. You are passionate on the need to create career paths for people analytics professionals. Why do you believe this is so important? I firmly believe that the goal of people analytics is to drive value for the business as well as provide a better experience of work for employees. So naturally, I am equally passionate about building a better work experience for the people who make people analytics possible! I find a sad irony in the fact that the team which enables decision-making on areas like career pathing, succession planning, and talent movement for the larger workforce, is often stuck in a position of having nowhere to grow. From my discussions with many colleagues in this field, I have learned that the typical people analytics team usually tends to have a group of individual contributors (analysts, data scientists, consultants) and a director or senior director level leader. This leaves only one spot for the entire team to aspire to, at least for upward movement. In addition, most people analytics teams sit within HR and tend to be branded as a highly-specialised “HR-lite” centre of excellence (CoE), which limits the opportunities to move laterally or upward into other HR roles in CoEs or business units. And this reality of being “boxed-in” can be very frustrating for bright, highly-employable individuals. If you are a leader in people analytics, and if you have had to recently recruit new talent for your team, I would guess you are acutely aware of the gaping chasm between talent demand and supply in this field. In my opinion, an organisation and a leader who can offer development and career growth can be a key differentiator in attracting and retaining the best people analytics talent. Broadening that vision, if we enabled more fluid movement of people analytics talent, it would add to the diversity of skills, approaches and perspectives to other parts of HR and the business, and would create additional value for the enterprise. An organisation and a leader who can offer development and career growth can be a key differentiator in attracting and retaining the best people analytics talent 5. What program have you put into place at Merck regarding the career development of the people analytics team? From the first day of my role at Merck, one of my top priorities was to understand the strengths and aspirations of my team and align their development to meet their career goals. After multiple discussions and numerous iterations on ideas, I arrived at a Capability-Capacity-Connectivity model to power a sustainable development program for our people analytics team. The underlying idea is that if we can build the right capability within the analytics team and its clients; reallocate capacity that is being consumed by suboptimal tasks; and drive connectivity between people analytics teams and other parts of the business; then we can potentially discover and create new career paths and opportunities. But please bear in mind that a key driver of success for such a model is sponsorship from your leaders and partnership with other teams. In our case, we were fortunate to have both. This has empowered us to be inventive and co-create development opportunities for our team. 6. Please can you provide more detail on what comprises each of the Capability, Capacity and Connectivity elements of this approach. What have been the key benefits and learnings from the career development program? The “3C” approach is built around tackling barriers and creating bridges that promote career development for people analytics teams. At the outset we knew that the team was faced with a high volume of requests needing significant manual effort. (see Figure 2 below): Figure 2: Challenges in accelerating maturity in people analytics (Source: Geetanjali Gamel) Since the day-to-day work was time and effort intensive, there was not much room to hone more sophisticated skills or build knowledge sharing relationships with others, leaving the people analytics team stuck in a loop. So, we put careful thought and purpose into adopting the following model. Capability The first “C”, or capability, had to be addressed at two levels. The first was to empower our broader HR team with the right tools and training to have greater autonomy to perform analyses. We moved to an intuitive analytics platform and organised workshops, office hours, and learning sessions to improve data literacy among our internal HR clients. This type of effort is important to free-up time for the people analytics team to build their own skillset (and path to growth), while also creating a greater awareness in other parts of HR about analytics. Figure 3: Capability - Level 1: building data, technology and analytics savvy clients (Source: Geetanjali Gamel) The second area of capability building had a more direct impact on the team. We held a team strategy session where we identified areas that needed focus for internal functional, technical and strategic competency building. These focus areas were carefully selected to create dual impact – provide us with a skill or knowledge we could use immediately in our work; and more importantly, help us practice a new behaviour that would develop us as well-rounded professionals. For example, on the technical side, we organised an in-house R-training curriculum, created and delivered by some of our own colleagues to the rest of the team. This helped us build a technical skill we could immediately put to use to do better work, and also built coaching and confidence skills for those who led the program. Another great example was of an external guest speaker series that we launched, which brought recognition to the team for bringing new insights to the company, and also helped the team gain experience in organising an event successfully end-to-end. Figure 4: Capability - Level 2: Upskilling the people analytics team (Source: Geetanjali Gamel) Capacity At first, capacity building measures may not sound like a natural fit with developing career paths. But it is impossible to focus on the next steps in one’s career if there is no time to step away from the daily barrage of activity to have a conversation; listen to a webinar; learn about a new project; or simply, chat with colleagues over lunch. As such creating capacity for the team is critical to allow them to develop their skillset to be more widely applicable, as well as to build the networks they need to find new opportunities. As mentioned before, our journey began with democratising data and providing a range of workforce metrics and even results of our enterprise voice survey in accessible cloud platforms to our HR community. We continue to supplement our efforts to empower our internal clients, and in the process unlock capacity for our team, by forming global communities of practice for analytics. Another effort to scale our analytics delivery and save precious time has been by finding opportunities to utilise process automation on repeatable tasks. It is impossible to focus on the next steps in one’s career if there is no time to step away from the daily barrage of activity Connectivity Despite efforts in building capability and reallocating capacity, there can’t be much career development if there is nowhere to go! This is when the third “C” of connectivity comes into play. In fact, it could just as easily be C for creativity, because we need a great deal of innovative thinking and risk taking to create opportunities where they don’t always exist. We started with small yet effective steps rather than trying to construct huge, formal programs. Connecting the people analytics team with other HR, data science, technology, and business professionals builds an awareness and appreciation for different types of work on both sides. We leveraged opportunities to co-create part-time assignments with other teams, participate in cross functional events, invite guest speakers to team meetings, and collaborate on projects to expose the team to other areas of analytical work. Connecting the people analytics team with other HR, data science, technology, and business professionals builds an awareness and appreciation for different types of work on both sides To create development assignments for the people analytics team we were creative and went with “quasi-experiments”. The first was an opportunity for a team member to take on the role of an HR business partner on a part-time basis for a few, smaller client groups. This gave the individual an opportunity to apply their analytical skillset to the role and get much greater exposure than before to business clients and business issues. Such an experiment has a multiplier effect. Where typically a business partner track is not easily available to a people analytics professional, creating such an opportunity internally can open up a new career path. Moreover, even if the individual does not end up pursuing this new career direction at the end of the experiment, it is still a valuable learning experience for them to be in the shoes of their internal client, i.e., the HR business partner. Finally, it may help to lay the foundation for what I like to call the HRBP 3.0 model. Where the original HRBP role had a heavy component of operational (and even transactional) work, the HRBP 2.0 model that many companies follow today aims at strategic business partners who enable key business decisions. The HRBP 3.0 model takes it a step further by envisioning an analytical HR business partner, who relies on both data driven insight and business acumen to support their client. Another “experiment” in creating new career opportunities was a mini-assignment we created for one of our people analytics team members to lead a large, remote team in the service delivery space. This was a completely different line of work from people analytics, and was heavily focused on operational and organisational skills like identifying and escalating issues on short deadlines, supplier relationship management, building relationships with a variety of HR and non HR stakeholders, and leading a service centre team to drive customer satisfaction. Clearly, this would not be a typical career path for a people analytics professional, but that is exactly why we need to be bold and creative with such experiments. This assignment not only exposed the individual to a different type and pace of work, but also gave them an opportunity to bring their analytical skills to the table to significantly elevate the usage and interpretation of transactional data. While many mature organisations have good-sized people analytics teams, there are still many where the teams are pretty lean. This model may work well for most purposes, but it usually limits the opportunities for team-members to have people management experience. This is not always necessary for upward mobility, but it many cases it is difficult to move upward without some kind of experience of leading a team. Keeping this in mind, we built more depth in our people analytics team, creating enterprise advanced people analytics and data visualisation and reporting sub-teams within the larger group, which are led by two of our team members. Taking a chance on subject matter experts and giving them the opportunity to lead and delegate not only helps to open up doors for them, it also gives them a chance to coach others on their team to be future experts and leaders. Lastly, we also created a new learning analytics role on our people analytics team which is a step toward building greater synergies between people analytics and learning practices, but also our small contribution in creating a new capability (and career path!) that is still evolving in many organisations.

人力资源
2018年07月30日

人力资源

Steven Sheng：“我今天也是来研究一下在HR领域怎么跨界突破” （注：文章节选自嘉宾圆桌论坛对话环节，主持人是网红HR Maggie Shao）其实我也是非常想做HR网红的，我今天也是来研究一下在HR领域怎么跨界突破这是我今天真正的目的。谈到今天会话的主题招聘科技，因为我是做人力资源，这一块涉及到的领域比较广，我们的科技应用可能是跨越招聘，但招聘是一个非常重要的，保证我们的人才资源库，这是一个很大的工作。这几年我们从14年差不多有四五年的时间，我们一直在努力打造一个科技化的技术平台，我们叫做一站式的人力资源全员管理的平台，从员工的招聘、入职、绩效，包括员工的离职，包括我们的员离职库，我们的业界基本上每年的招聘量是巨大的，如果说一年我们目前中国香港地区共1万8千多人，每年的招聘，不管是通过校招、工作经验招聘和全球流动的话差不多有四五千人，这是一个很大的量。也包括我们是行业里面的人才培养基地，在13年、14年以后去各种不同的行业和企业，人员的流转量是非常大的，这部分的离职人员10年以来也积累到上万的人次，这么庞大的人才进和出，现在最重要的是数据，我们一方面从社会上要数据，一方面是自有的数据，怎么把它合理的利用，我们所有的资源库，这里有两个宝，一个是他了解行业、了解企业，可以帮助我们一起来做好业务推广，把握业务机会。另一方面也可以通过他的朋友圈、同学圈能够提供很好的人脉，这两个大资源是很重要的，现在我们在全球启动人力资源的科技服务平台，可以这么说我们从18、19、20年的规划里面，所有人员的落地项目都离不开人力资源科技，这是一个思路，包括我们在全球打造的一个非常庞大的体系，在我们的业务范围之内，让我们找到想要的人才，可以通过内部的网络了解到我们在亚洲、欧洲、美洲有没有相应的人才，如果大家跟这些企业合作，在我们的人才里面有多少是有留学工作经验的，可以发挥更多的作用，这是从现有的资源库里面去发现人才保障的。对于外部人才吸引这一块，其实我们最近几年中国香港地区跟我们全球一起来，我自我感觉我们还是有点超前的，因为我们在去年调研的时候，当时也是美国人在看看我们的人工智能怎么来做，怎么用这个机器人来发聘书的，因为在美国一年要发好几万分的聘书，是机器人在做的，我们就给他们看了一下微信，他说好像没有这样的功能，我说我们的确是有的，给他看到通过微信朋友圈怎么去发布我们的招聘广告，通过一层层的筛选，怎么样提升我们内推的比例，提升60%的比例，其实这里有一个很大的帮助。就是招聘科技对人力资源业务的帮助，其实是有很多的，觉得是打开思路，对于我们HR来讲做的越久，你会发现你懂的越少，尤其是对于未来我们是未知的，但是我们要有这个胆量去想，可能脑力不够，但是我们可以充分利用新的90后、00后，从他们的角度去看世界，他们会带给我们很多启发，我们是一个开放创新的发展。简历的筛选，大家更加关心的是我在评估候选人的时候，有没有一些科技的手法或者一些工具。现在面对我们未来的新的90后、00后，很多公司在尝试用游戏化的方式，跟他们更加贴近的方式去评估他们在这个过程当中展现出来的行为，是不是符合我们的招聘需求，所以也想听听三位在工作场合当中有没有用一些新的玩法，比如说游戏或者其他科技的手法来评估候选人。谈到技术我们往往想法是超前，但这个超前有可能会被法律部一通质疑，然后拉回到地面，但这是一个很好的平台，因为两者（法律，游戏或其他科技）都要有。我们在看人力资源行业科技包括招聘在内，目前所处的阶段，我个人的观点就是危机意识，这个就是说现在人力资源行业很多技术还不是很成熟可能都在早期阶段，大家急着去找一些解决方案，这是很危险的事情，因为我们很多方面都没有到位。相对来说在国外海外的很多技术产品也未必就是好的，因为在海外来讲很多数据是在海外数据库里面保留管理的，这个可能跟我们中国的法律底线是有冲突的这个也要考虑，我们叫做危机，首先是一个危机，不管你是用国内的产品还是国外的产品，其实都有硬币的两面，作为企业来说要看清楚。所谓的机就是机遇跟机会，其实对国内来讲，很大的机会就是怎么样做好整合，目前我看到很多都是小三板型的企业来做解决方案的，他可能没有一个长期的意识，所以在这个里面往往常在海边走哪有不湿鞋，所以在这种利益下，可能对数据不是那么重视。所以HR要有一个安全意识，产品不光是解决功能问题还要考虑到安全性，一旦你是作为企业员工数据的管理者，有责任管理好第三方的数据是如何使用的，这个很重要。同样，对于科技企业来讲这个机会就很大了，因为我所接触的，最后我们在人力资源科技平台的选型过程当中，我们国家的政策法律是保护国内企业的，在数据安全上来讲是有优势的，所以如果你做好了一个数据安全前期的准备工作，所以HR要管理你的员工数据你有支持，科技企业首先要做好守好，然后才能出棋，刚刚讲到了那个问题，就是关于招聘的评估环节，因为目前为止我们觉得人的选型方面，可能还是有大量线下的问题，我们现在还是靠一些经验来做的。但怎么样把这个经验运用到线上，这可能就是我们要跟职能去看，这就涉及到现在我们在做的一个咨询业务，我们叫做BST模式，你要让你的候选人了解到企业是做什么的，比如说对于公司的目标是怎么样理解的，还有就是我们要吸引到员工的岗位，不同的岗位员工体验是不一样的，最后就是我们每一项做的评估方面要有技术的实现，目前来讲没有百分之百的方案来解决这些问题，但我们跟国际上比较知名的机构，相对来讲我们觉得是安全的，但是创新性可能不够，很多公司做员工评价，各方面都很好，但是在落地的时候我们发现用的是FaceBook，但完全不能落地，我们也希望国内的企业能够迅速站出来，能够把这个空缺去填补。目前有一个技术但不一定成熟，是我听到过的，他们是用摄像头，当然可能跟法律连接，就是用摄像头来做什么呢？就是员工整个的观察，他会观察你的面部表情、你说话时的眼神、嘴角的角度以及你微笑的时候是真笑还是假笑所有这些都是在摄像头的观测下，给出一个数据，然后给你一个行为评估，但目前在硬件里面还是有一些积累。讲到这个话题我想起有一家企业做的也很好，也引进了很多国际上比较流行的评价技术，各方面的技术也用过了，最后候选人选出来了，最后送过去人家的老板一票否决，他最终没有看中的是这个人的八字，但是我不知道将来科技领域跟这些有没有关系，因为老祖宗留下来自然规律的东西是不是能够印证上，其实这个领域真的是很神，可能科技做了很多，花了很多的力气，到最后可能并不能完全解决业务的问题。甚至我在一个新加坡的企业看过一个倒过来的做法，我们在做候选人描述的时候，很多都是按照这个目标去找的，实际上你找来的人跟你最初定的有所差异，一个企业跑到这个公司里面，把你的管理层，给你所有的数据，年龄、爱好、喜好度、工作经验等等，最后做出来了一个报告，其实跟你自己是有很大差异的，但确确实实是你所有的东西构成了这样的一个东西，所以老大看了以后发现我要找这一类的，而不是我想要的这个人，这是倒过来做。我们公司是比较强调多元化的，现在你的企业很成功是这个模型的话，不代表未来5年10年还是按照这个方向去招，你的新鲜血液很难进来，所以我觉得对于招聘企业的从业者也有一些启发。我用一句话来总结刚刚我说的，给到HR和人力资源科技从业者未来的路，首先第一个，正视危机，守正出奇。其实我们这个行业也是有危机的，但也是一个机遇。我们对员工的体验也不要忘记个人隐私信息的保护，对于创业者来讲应该更快更好的利用目前这个大环境，尤其中国有很多的机会，但是在人力资源科技产业我发现不是被所有人都看得懂的，需要有这么一个雪亮的眼睛帮助我们HR从业者更好去实现，就这些。以上内容源于HR Tech China727活动嘉宾发言，未经嘉宾本人审阅，仅供参考

人力资源
2018年07月30日
人力资源

阿次博士：人力资源管理新视角——人、组织、文化文/叶阿次叶阿次毕业于复旦大学管理学院，外滩商学院创始人，曾任复星集团、渣打银行、上海贝尔阿尔卡特公司人力资源高管，目前还担任上海交通大学安泰经管学院EMBA课程教授、华东师范大学MBA中心职业发展顾问等职。经常有人向我请教如何才能做好人力资源管理的工作，我作为一个半路出家从事人力资源工作的，其实也没有什么放之四海而皆准的真经可以传授，人力资源本身就有很多不同的视角。有从功能结构来分：1.0的“选用育留”、2.0的“三支柱”、3.0的“SPACE”，还有从部门名称的进化来区分：“人事部”、“人力资源部”、“人力资本部”的发展路径，也有战略定位上的：“人力资源专家”、“业务伙伴”、“业务的一部分”这几种分法。 HR1.0选用育留——HR2.0三支柱——HR3.0 SPACE 人力资本模型人力资源的管理视角还有一种按照不同理念的差异，一共有四大理念，分别是基于制度、基于绩效、基于能力、基于文化的人力资源管理方式。基于制度基于制度的人力资源管理强调建章立制，强调行为标准，比如上下班打卡，比如操作的规定动作，比如接电话的用语、开会的站立方式等等，他是从行为模式来管理人们的方式，有很多的负面行为清单，在这种方式下，执行力是第一位的，服从是天职，一般的所谓军事化管理都有这个特点。重视军事化管理的万达基于绩效基于绩效的人力资源管理，就与制度是不同的，它的基本理念是关心结果，而不关心过程。所以结果显得比较重要，他们的经典口头禅是说，不管白猫黑猫，抓住老鼠就是好猫。行为在这里不是最重要的，没有结果的行为一样是不被认可的。所以拿数字说话是这类人的强项。 KPI、KPA、OKR都是典型的绩效考核方式基于能力基于能力的管理则是另外一种境界，他是去研究什么样的人，可以带来高绩效，于是把所有具有高绩效的人的行为模式放在一起，就得到一个不一样的能力模型和行为模式。依据此能力模型可以培养所需要的人才，今天的人力资源管理很多是采用这种理念的。基于文化当我们把所有相同能力的人聚在一起，我们就会发现，这个公司就形成了自己独特的文化，而这种文化对人的管理和影响将是最为深远的，一个优秀的公司，无一例外都是可以输出文化的。正如任正非所说的，任何资源都会枯竭，只有文化可以生生不息！这也是人力资源管理的最高境界。 Google希望找到有同样梦想的员工除了以上的视角以外，今天还介绍一种新的视角，这种视角是从更高形态来看待人力资源管理的对象，这其实更加有意义，那就是从人、组织、文化这三个维度来看。人People 传统人力资源管理的选、用、育、留其实是从人的角度来看人力资源管理，所以专注的是个体的部分，比如个人的职业发展，个人能力的培养，个人的招募，薪酬，等等。因为管理的是个体的部分，所以这个时候个体的招募培养，留住激励，沟通等等，这些都会变得非常重要，这也是人力资源工作的一个核心，传统的人力资源专家指的就是在这个领域的工作，当然还包括劳动法，劳动合同，员工关系等主题。组织Organization 人力资源管理的第二个维度其实是组织维度，在组织维度研究的，其实已经脱离个人维度的一些做法，组织是由团队构成的，团队是由人构成的。组织层面强调组织的效能，强调组织的基业长青，强调组织的发展以及组织的诊断和能力的打造，我们知道组织能力其实和个人能力以及团队能力是不一样的，组织更加关注绩效，而人的维度，他们更关注的是人的成长，人的因素，到了组织维度，管理者需要关注的是上级的想法，以及整个组织的基业长青的问题。文化Culture 而到了文化层面，那研究的又是另外一个概念，他研究的是组织的基因，组织成长的目标、使命、愿景和梦想的问题，文化是研究怎样去熏陶人，去影响人，以及所有人的行为模式的一个集合体，这是文化研究的一个范围。人力资源的工作，如果做到文化层面，那其实是更高阶的一个人力资源工作，人在组织里是如何有效的影响大家协同工作的，这个就是文化维度，沟通是其中很重要的一个环节。苹果大学是企业大学的佼佼者从人、组织、文化这三个维度来思考人力资源工作可以有很多应用的实例，比如说很多公司都有企业大学，那按照人、组织、文化这三个层次的分析模型来看，大学也分为三个层次，第一个层次就是个体的人的层次，企业大学就是个培训中心，他是为了培养个人的能力的提升，以及某种技能的培养，这是企业大学做的第一个层次工作，那企业大学有第二个层次的工作，体现在它是组织层面的，所以企业大学的目的是为了组织能力的打造，所以他要去研究组织的战略，以及这个战略的要求下，什么样的能力需要培养，因此是为了培养组织所需要能力的这样的一个过程，因此它也是组织战略落地的一个工具。文化高度统一的“黄埔军校” 那企业大学第三个层次显然是做文化的工作，那文化的工作体现在是说这个大学就像我们的黄埔军校一样的，他传承的是一种爱国的文化，这种精神能起到的作用是最为巨大的，它可能并不会给你具体的一些技能，但是它会在文化上精神上就高度统一，所以这个时候企业大学扮演的角色就是文化的发动机。因此人力资源管理按照人、组织、文化三个层次来衡量，也可以衡量出来，第一个人的层次的人力资源工作基本上叫做人事部，做所有与人有关的工作。而到了组织层面的，那就是要成为业务伙伴，要关注业务在想什么，所以这个时候你需要人力资源部。而到了文化层次，人力资源其实是这个公司的核心内容，就像任正非在华为讲的，所有资源都会枯竭，只有文化可以生生不息，所以这个时候整个公司的核心竞争力就是它的文化，那这个时候你就成为业务的一部分，所以这个时候你就是阿里的政委，那就是主抓文化的发展而立的，政委的职责就是这个意思。所有资源都会枯竭，只有文化可以生生不息未来的世界，最强的能力是学习能力，从学习的角度来看，多读一点历史、哲学、心理学的书对于做好人力资源的工作是非常有帮助的。你今天碰到的所有类型的人在历史上都曾经出现过，如何对付和处理的经验也都给出来了；你所要思考的方式和方法，哲学家都帮你总结好了，我思、故我在！你所面对的个体是什么样的人，心理学家都帮你归好类了。前人已经做了这么多，你所要做的，就是站在巨人的肩膀上多看一点书而已！当然，有一句话很重要：读万卷书不如行千里路、行千里路不如阅人无数、阅人无数不如名师指路、名师指路不如自我感悟！想要获取阿次博士更多精彩内容，尽在727招聘科技论坛，等你来哟！扫码即可报名~

人力资源
2018年07月25日
人力资源

Workday、Ultimate、Slack的收购关注两因素：生产力和员工体验文/JOSHBERSIN 如今，人工智能的收购已经很难跟上步伐，仅在2017年，就有超过108亿美元的资金投资于人工智能初创企业。在我所到之处，我发现软件公司都在开发更智能、更有预见性、更智能的工具。在过去的几周里，我想提到的有三个重要的交易，每个都集中在一个主题上:使用人工智能和对话界面来改善员工体验，并对我们的生产力产生积极的影响。太多的信息:工作效率正在下降正如我在过去一年中所写的，生产率落后是一个经济问题，导致工资下降，很多人加班。如今，人们每天有35%的时间在阅读电子邮件，而我们在交流的新工具上花费过多。我们对超连通职场的研究发现，平均每家公司都有7个不同的沟通系统，70%的高管预计会购买更多。技术供应商正以最快的速度发明它们。 Slack现在有800万用户，微软有20多万家公司使用团队，Facebook有3万家公司使用Workplace, Gmail上有12亿多用户，所有这些用户都可以使用Hangouts。在我们的消费者生活中，它甚至更容易让人分心:统计数据显示有15亿人使用WhatsApp, 13亿人使用Facebook messenger, 10亿人使用微信，3亿人使用Skype。我们问人们这些新工具是否对他们的工作有帮助，超过三分之二的人告诉我们新工具正在阻碍我们。我们喜欢我们的个人工具，但我们花太多时间处理这些工具。一项相当惊人的研究发现，我们每6分钟检查一次这些系统，而我们40%的人在工作中从未有过30分钟不受干扰的时间。这是荒谬的。我们的交流模式被打破了。为什么公司中的任何人都有机会在我们向他们发送电子邮件，给我们发送消息或在Slack上提及我们的时候分散我们的工作注意力？这是不健康的。研究表明，为了应对这一冲击，压力会大幅增加。作为回应，我们现在正在购买“幸福解决方案”，为这个问题贴上“创可贴”的标签。当然，瑜伽、正念和冥想都很好——但真正的原因不正是效率低下的工作场所吗? 生产力成为人力资源的新主题虽然我知道你们大多数人都有一个专注于“员工体验”的新项目，但我真的认为人力资源的新重点应该放在生产力上。生产力是健康、快乐和工作投入的关键，很多研究都支持这一点。也许最令人信服的是特里萨·阿玛比尔的《进步原理》一书。通过对员工工作日志的分析，她令人信服地证明，工作中最令人愉快、最有价值的部分是“把事情做完”。所以，让我们把注意力集中在提高人们的工作效率上，我们将看到参与程度、幸福感以及其他衡量标准的提高。当然，我们必须处理工作场所、管理实践、目标和奖励等问题，但最终如果我们想办法帮助人们完成他们的工作，所有这些项目都有更多的关注和价值。例如，如果你在管理一个研究部门，你的人才战略应该集中在帮助人们进行伟大研究的项目上。销售、市场营销和其他业务部门也是如此。而这个问题，即简化工作的需要，正导致一些大型的人力资源技术并购。 Workday收购Stories.bi 我要强调的第一个是Workday收购一家名为Stories.bi的增强分析公司。我刚刚看到这个系统的演示，它让我大吃一惊。该公司使用人工智能监控和分析公司数据库(现在主要集中在Workday)，以识别趋势，数据偏离范围，或与计划的差异。然后，它会用简单的英语(或其他语言)生成一个对话界面，指出它学到的东西。这是一个例子：正如你所看到的，这些小卡片准确地告诉你正在发生什么，你不需要进入一个电子表格，点击一个仪表盘，或者雇佣一个统计学家来弄清楚为什么一些商业指标没有朝着正确的方向发展。它是一个人工智能工具，叫做增强分析(Augmented Analytics)，但实际上它是为了提高生产率。Workday计划将该系统整合到其平台和新的Workday Prism分析产品中，这将使我们的生活变得更加轻松。我研究分析学已经有30年了，整个市场仍然是一个工具。虽然许多像Visier这样的高级供应商现在提供开箱即用的解决方案，但是它是像 Stories.bi这样的工具。这将使分析对每个人来说都很容易。我必须相信，这种增长将出现在我们的大多数人力资源产品中。 Slack收购使命第二个我想指出的是Slack的使命收购，在Slack内部创造工作流程和“员工旅程”。如果你接受这样一个事实:我们一半的生命都在这些消息平台上度过，为什么我们不利用它们来做更有意义的事情呢? 一群小型初创公司正在构建工具来阅读和解释你的信息，并发送提示、建议和培训提示，使你的工作生活更轻松。 (其中有一个叫迪斯科的，当你对某人说“谢谢”的时候，你会知道，并建议你把这些信息发送给他们的员工记录。) 刚刚获得的产品Slack是帮助人力资源部门(以及其他部门)在消息传递平台上构建员工体验的工具。这种类型的“嵌入式人力资源工作流”正变得非常流行(IBM的认知助手也这么做)，而Slack现在正使其成为产品的一部分。虽然大多数公司还没有把Slack作为企业范围的平台(微软、谷歌和Facebook也都想要这个市场)，但我认为这个功能使这个目标更有可能实现。Slack现在被我们称为“员工体验平台”，是一个巨大的新兴快速发展的商业市场。(这里的领导者有ServiceNow、PeopleDoc、Salesforce等。) 在接下来的几个月里，我将会写更多关于这个领域的文章，但从某种意义上说，Slack刚刚“进入这个市场”。这里的目标是生产力。我们不需要离开我们的“生产力系统”去完成我们的人力资源工作，这是市场上一个巨大的趋势。 Ultimate 收购PeopleDoc 我想指出的第三个交易是我的ERP朋友们正在关注的: Ultimate软件收购PeopleDoc，一个快速增长的员工体验平台。这家公司的总部设在法国，因此它为许多欧洲公司提供服务，在这些公司，单是雇佣合同的管理就令人头疼。在过去几年，PeopleDoc发现了员工自助服务、案例管理、文档和服务管理软件(我称之为“员工体验平台”市场)的市场，他们开始疯狂扩张。(目前这个市场最大的玩家是ServiceNow，他们正在创造一个市场，随着时间的推移，这个市场可能会变成一个价值数十亿美元的市场。) 虽然我还没有关于Ultimate软件计划的任何细节，但我可以再次向您保证，这项交易也是出于提高生产率和员工工作经验的需要。Ultimate软件公司(Ultimate Software)是市场上管理最好的人力资源软件公司之一，最近收购了Kanjoya(一个基于人工智能(ai)的员工调查和参与工具)，这正好符合该公司的战略。关注人力资源技术的更多信息秋天即将来临，所以我已经开始着手我的年度“人力资源技术中断”年度研究。我想指出的一个大主题是人力资源软件市场从“参与系统”到“生产力系统”的巨大转变。这三桩交易只是冰山的一角，在接下来的几个月里，我们将拭目以待。以上内容由AI翻译，仅供参考原文链接：https://joshbersin.com/2018/07/ultimate-workday-and-slack-acquisitions-focus-on-productivity-and-employee-experience/

人力资源
2018年07月23日
人力资源

人力分析领导者的角色-第1部分:建立能力文/David Green 第1部分:建立团队和组织能力。第2部分还将介绍people analytics leader的角色和职责，如何创建分析文化和分析的未来正如我之前所写的，在人力资源分析和数据驱动决策中，成功开发和构建了可持续能力的组织具有许多共同的特点。领先公司共有的一个特点是有一个鼓舞人心的领导者——“人力分析主管”。乔纳森•费拉尔(Jonathan Ferrar)撰写的这篇文章，收录了2017年40篇最佳人力资源分析文章。“人力分析”(People Analytics)的负责人阿伦•奇丹巴拉姆(Arun Chidambaram)列出了乔纳森描述的所有问题，他在“人力分析”领域工作了15年。在此期间，Arun帮助了四家财富500强公司在人员分析方面建立了可持续的能力。 Arun当之无愧地被同行认可为该领域的主要权威和梦想家之一。他经常被邀请分享他在会议上的见解，就像他去年在伦敦的人物分析世界（见此处的亮点）和费城的人物分析和工作的未来（见下图和此处的重点）。对于那些在纽约地区的人，您将能够在4月5日的Hunt Scanlon主持的数据驱动公司活动中看到Arun（见下图）。 2017年9月，Arun Chidambaram在费城的人力分析和工作未来发表演讲 PEOPLE ANALYTICS LEADER的角色-第1部分:建立团队和增强组织能力我很高兴Arun同意分享他在《人物分析领袖的角色》这两集系列文章中的一些见解。“第1部分涵盖以下领域: 人员分析团队所需要的技能和能力，以及这些技能是如何随时间发展的关于团队应该如何与业务保持一致的不同选项。进行人员分析项目的方法开发团队成熟度的关键里程碑关键的学习和成功的秘诀。问1:嗨，Arun，根据你的经验，在一个人分析团队中你需要的技能范围是什么? 团队的技能和组成取决于许多因素，包括组织在分析方面的成熟度，以及团队是否也负责报告。如果我们把报告部分放在一边，我所建立和领导的分析团队将拥有数据科学、行为经济学、工程和数学背景的成员结合在一起。直接向CHRO或CHRO的一个领导团队报告非常重要，因为它向业务和人力资源部门证明了分析是人员战略的一个组成部分。问2：团队应该如何与业务保持一致？通常，大多数人分析团队最初都是按照部门和关键的人力资源兴趣区域进行协调的。在我的经验中，这种结合一开始可以很好地工作，但是随着业务需求的增长，您需要以不同的方式思考。您需要这样做，一方面是为了优化容量，另一方面也是为了确保团队正在进行对业务很重要的项目。对工作进行优先排序可能很快成为一个问题，这对分析人员的负责人来说是一个重大挑战。为了缓解这一问题，我采访并与人力资源领导团队进行定期对话，共同确定最重要的3-5个主题，这是实现业务和人力资源战略的关键。然后，我将团队中的一名成员作为每个主题的中小企业来管理传统和创新的分析项目。优先考虑这项工作可能是人力分析的主要挑战。问3:你能解释一下“传统”和“创新”项目是什么意思吗? 当然，传统工作仅限于对现有的一般人力资源项目进行微调，并利用分析来获得更大的价值，例如在继任规划等领域。相反，创新的工作包括使用新的和新兴的方法，如组织网络分析(ONA)来帮助解决业务问题。你如何平衡你在每个项目上花费的时间取决于你的组织成熟度。下面的图1说明了组织成熟的重要性。图上的顶线显示分析能力以指数速度增长。底线代表了人力资源消费者的意识，从我的经验来看，这一意识增长得更不规律，而且速度也更慢。知道你适合的地方和差距的程度有助于传统和创新之间的过渡和平衡。图1 -了解你的适合程度和差距的程度-人分析的组织成熟度(Y轴=投资/成熟度/产品等);X轴-时间)-来源:Arun Chidambaram 2月13日与Arun一起参加网络研讨会，与Stela Lupushor和Antony ebel - ebanda一起讨论组织网络分析(ONA)的实际应用。问4:团队的结构是如何随着时间演进的?这与组织成熟度有什么关系? 好的问题和团队结构是我非常感兴趣的话题。不用说，团队的结构会在公司之间有所不同，但我相信组织成熟度的水平在这个结构随着时间的发展过程中也扮演着重要的角色。我使用的模型(见图2)描述了我在这个领域的想法: 图2:人员分析团队结构和业务一致性的演进(来源:Arun Chidambaram) 部门一致一个典型的人力资源结构有一个商业伙伴支持每一个业务，包括奖励和多样性等专业领域。我所见过的最常见的人员分析结构将一个团队成员与支持一组业务单元/部门的HRBPs联合起来。随着你的组织趋于成熟，需求将远远超过供给，而这种结构有崩溃的危险。人力资源主题一致组织你的团队的第二种方式，除了部门一致性之外，是了解公司的关键人力资源优先事项，并使你的团队专注于这些关键主题，如员工规划和人才预测。这种方法可以帮助您确定工作的优先级，并在一定程度上解决需求海啸。然而，就像在业务单元/部门一致中一样，随着人员分析能力的增强，这种结构将无法维持需求的强大力量。中小企业一致最后，随着需求的增长和成熟度的不断提高，我认为人员分析功能将需要划分为两个主要领域:1)面向客户;ii)主题专家(或非客户端)(见图3)。图3 -将人员分析团队与主题专家和面向业务的顾问组织起来并进行对齐(来源:Arun Chidambaram) 在此模型中，人员分析团队中面向客户的团队与业务部门和HRBP建立联系，以了解问题，管理项目并运行事后分析和干预。虽然这个团队应该具备基本的核心分析技能，但他们的专业技能将更侧重于咨询、讲故事、沟通以及项目和项目管理。中小型企业(或非面向客户的角色)需要跨关键学科的深入主题专业知识，如数据工程、研究和数据科学、实验和设计思维、可视化/报告和技术。我设想每一个中小企业都是由一个致力于自己专业领域的人领导的。如今的团队结构通常会让成员同时面对双方(中小企业和客户)——这种模式的潜在挑战是，当一些分析师在决定专攻哪个方向时，他们会发现很难放弃另一方。问5：根据您的经验，在组织内建立一个坚实的人员分析基础的关键里程碑是什么? 根据我的经验，我将把它归纳为五个主要里程碑: 建立一个可持续的和长期的分析能力，重点是交付业务结果与业务中的其他分析团队建立紧密的合作关系，并开发一个实践社区来共享过程、技术和科技。开发一个严格的5步方法，所有项目都要涉及，这对成功至关重要建立与法律和数据隐私的关系，以便更好地理解人才分析中数据的使用建立一个人才分析实验室，测试分析思维，并尝试新的举措，如组织网络分析(ONA) 问6:请您提供您的5步研究方法的更多细节，以及它是如何对您的成功至关重要每个潜在项目的方法始于人力资源和业务同事之间关于问题声明的对话，遵循五个严格的步骤，从撰写研究建议到支持业务进行事后分析，并参与下面图4所示的行动后审查。图4:People Analytics的五步研究方法(来源:Arun Chidambaram) 这五个步骤可概括为: 问题范围——这一步涉及到与人力资源或相关团队成员沟通，以了解业务问题及其影响概念设计——对于每一个被接受的研究提案，我的团队会制定项目的概念设计数据——收集和管理来自调查业务问题所需的各种来源的数据。分析——这是我们花时间构建、分析和测试模型的技术步骤 Post hoc -这个关键步骤包括评估干预的影响和测量结果/ROI，以及检查模型是否符合规范，并在必要时进行必要的调整。这5个步骤的方法有助于团队、人力资源和业务客户对业务问题达成相互理解，并以有效和及时的方式解决问题。问7：在构建组织能力和领导人们分析功能时，你遇到过哪些典型的挑战和关键经验? 在我工作过的机构中，建立本质上是一种新能力的做法，既有回报，也有挑战。关键经验包括: 理解组织的分析成熟度(参见图1和对问4的响应)对于保持这种能力是绝对重要的平衡定性和定量科学与法律和隐私密切合作——不要认为你的人力资源团队应该或确实知道关于数据隐私规则的一切区分分析和报告——两者都很重要，但是您需要清楚您的愿景和人员分析的目标。为人员分析团队创建正确和最优的结构来支持业务目标倾听人力资源利益相关者和商业同事的意见，并加强合作在工作中保持透明，专注于你正在做的事情，而不是你如何去做。以上内容由AI翻译，仅供参考原文链接：https://www.linkedin.com/pulse/role-people-analytics-leader-part-1-building-capability-david-green/

人力资源
2018年07月20日
人力资源

创业公司：其实，我们的聊天AI是员工自己假扮的来源/果壳网作者/Olivia Solon 编译/EON 编辑/Ent、东风还记得前段时间谷歌演示的智能助手Duplex吗？它能模仿人类打预约电话，甚至还会发出人类惯用的语气词，接电话的店员甚至没有意识到，电话的另一端根本就不是真人。然而，你可能没注意到的是，当开发者们共同致力于让AI变得更像人时，有些创业公司却打起来了另外的算盘：让人冒充AI。谷歌CEO介绍Duplex | Google 对于这些公司来说，这一招既可以省下大量的研发费用，还可以忽悠到投资。正如ReadMe公司的CEO格雷戈里·科贝格（Gregory Koberger）所说的那样，“把活儿交给真人，能让你跳过大量技术和业务发展方面的挑战。” 他在推特上吐槽道：“如何建立一家AI创业公司？雇佣大量廉价劳动力假扮成假扮人类的AI。等着AI被发明出来。” 这种做法已经是业界周知的秘密了，但是大部分消费者还蒙在鼓里。创业第一步——假装有AI 前不久，据《华尔街日报》报道，谷歌允许大量第三方应用的开发者读取Gmail用户的邮件。在被曝光的第三方公司中，圣何塞的艾迪森软件公司（Edison Software）就在用假的AI。他们的AI工程师会浏览用户的个人邮件，来改善所谓的“智能回复”功能。不过，他们的隐私政策并未提及人类会看到用户的邮件。其实，早在2008年，就有一家名为Spinvox的公司作假了。他们号称能将语音留言转化为文字，结果被指控这些工作都是海外电话中心的人工来完成的。 2016年，据彭博社报道，在X .ai和Clara这样的日程应用公司，人类员工每天都要花12小时假扮AI聊天机器人。这项工作太令人头脑发麻了，以至于员工们说他们期待机器人能真正取代人类。 2017年，业务支出管理应用Expensify承认，他们通过人工转写收据，而不像对外声称的那样用“智能扫描技术”。扫描过的收据会被发布到亚马逊的劳力众包平台Mechanical Turk上，然后接受低薪的人来阅读和转写这些收据。人工并不便宜在某些情况下，人类被用于训练AI系统，来提升AI的精确度。例如，名叫Scale的公司用大量的人类工作者，向自动驾驶系统和其他AI系统提供训练数据。此外，谷歌的Duplex也用到了人类训练者。 M聊天界面 | Facebook Facebook曾在2015年推出虚拟助手M的测试版。M能预约和提供礼物建议等，只不过，它也是由人工协助的。当时我们用不到它，因为它只对旧金山湾区的1万人开放，而现在，Facebook彻底关闭了这一项目。虽然我们用不上它了，Facebook表示M的特性将会保留在聊天应用Messenger里。这种人工协助AI的出发点其实是好的，AI系统会在人类的协助下学会应答各种指令，最终变得更加智能。然而，它的代价还是有点大。首先，Facebook需要大量昂贵的劳动力，因此将服务扩大不太可行。其次，当M完成一项任务时，用户总是会提出更难完成的要求。就这样，M要达到的自动化程度远远超过了当前的机器学习技术。 AI技术应该更加透明心理学家艾莉森·达西（Alison Darcy）表示，“作为心理学家，我们有伦理准则作为指导。其中，不去欺骗人们就是非常明确的一项。” Woebot可以提供心理方面的支持 | Woebot 研究表明，当人们认为自己在和机器而非人类交谈时，他们更愿意袒露心声，这是因为精神卫生方面的求助常常和污名化联系起来。南加州大学的研究团队用虚拟心理咨询师Ellie测试了这一研究。他们发现，当患有PTSD的退伍军人知道Ellie是AI，而不是人类操作的机器时，他们更有可能坦诚讲述自己的症状。另外一些人认为，公司们应该一直公开自己的服务是如何运行的。 “我不喜欢人们假装成AI。”罗谢尔·拉普兰（Rochelle LaPlante）说，他为很多提供假AI服务的公司工作过。 “对于我来说，这不太诚实，而且有欺骗的意味。我希望自己正在使用的东西不是这样的。而从工作者的角度来看，这就像是我们被推到了幕后。我不希望我提供劳动的公司转变态度，而且向客户隐瞒真相。” 这样的道德困境也出现在试图让AI更像人类的项目中，例如谷歌的Duplex。该项目在最初演示的时候，AI 并没有向打电话的对象表明身份。Duplex立刻引发了争议，人们担心这种略带欺骗性的技术会被有心之人利用。 “人们对AI已经有很多主要的担忧了，而缺乏透明并不能帮助我们解决问题。”达西说。

人力资源
2018年07月20日

1... 《 29 30 31 32 333435 36 37 38 39 》 46 跳转至