-
误区
数智行丨人才盘点四步法，避免走入信息汇总误区
一位HR朋友说，新冠疫情给她的工作带来2个持续的影响：① 公司为了提高人均效益，人才结构的优化成为重点；② 市面上对人才的争夺更为激烈，公司想招到满意的人才越来越难。于是，老板对内部的“人才盘点”愈发重视起来。
这位HR朋友就把全公司的人员信息梳理了一遍，加了很多筛选字段，比如学历、岗位、职务、入职时间、去年业绩等，然后满心骄傲地交给了老板，但老板的反应却是：这就是人才盘点？后来她才意识到，这根本算不上人才盘点，只能叫信息汇总。
究竟什么是人才盘点？
简单来说，人才盘点是基于组织战略需要，来定义人才、识别人才和培养人才的行动。人才各项数据只做参考，HR要通过数据对人才的未来进行预测分析，以及思考所需提供的各类帮助，包括给到管理者工具与方法等等。
那么，人才盘点具体要怎么做？01第一步：界定人才需求Defline我们需要什么样的人才？所有的人力资源工作，最终都是为了支持业务发展，所以，人才盘点的第一步，要看公司战略和业务的发展需要什么。这就需要HR的办公桌上有3张地图：
（1）战略地图
首先要清楚公司的发展方向，要做强还是做大？求稳还是求快？公司业务结构要怎么调整？哪些需要加强，哪些需要放弃？
（2）组织地图业务的变化，必然引起组织结构的调整，从组织地图可以看到，公司的主要团队有没有放在最重要的业务当中？内部协同是否合理？（3）人才地图 我们的人有哪些优势和劣势？最好的人和团队，有没有在最关键或最急需的工作中？人才地图包含人才的分布、背景、薪酬等关键信息，随时了解人才发展的现状。具体的人才需求识别，有一个非常实用的工具——“天龙八部”：回答了这8个问题，就搞清楚了关键岗位的人才需求。02第二步：实施人才测评Deliver谁更适合我们的标准？ 这一步需要借助人才测评工具了，根据评估结果对人才进行干预。 人才测评工具基本上都是基于一些经典的心理学理论而发展起来的，应用比较广泛的有以下几种：（1）DISCDISC是国外企业广泛应用的一种人格测验，用于测查、评估和帮助人们改善其行为方式、人际关系、工作绩效、团队合作、领导风格等。DISC个性测验将人格分为四大类型：支配型、影响型、谨慎型、稳健型。（2）MBTI这个指标以瑞士心理学家荣格划分的8种类型为基础，加以扩展，形成四个维度：（3）PDPProfessional Dyna-MetricPrograms，把测试结果用5个形象的动物来表示，更容易被人记忆和理解，因此传播颇广。03
第三步：促进人才发展Develop
人才盘点不仅仅是为了现在的人员使用，更多的价值在于，为企业未来的需要培育人才。它并不是为过去盘点，而是为组织的未来而盘点。
所以，HR还要根据盘点结果，制定相关的培育计划，比如针对高潜人才，直接上级要进行相应的绩效辅导、一对一反馈、阶段目标设定等。
通过盘点，HR掌握了员工的优势和劣势，就能发现他们的培训需求点。比如员工A有哪些短板，可能他自己都不知道。落在行动计划上，就一定要结合他本人的实际情况来做，要符合他的实际需求。个性化学习方式有高管教练、海外游学、轮岗轮职、导师制度、继续教育等；共性的学习方式包括教室培训、翻转课堂、模拟演练、商学院项目等。把个性和共性的学习方式结合才是最佳的，也叫混合式学习发展。04 第四步：数字化工具动态人才盘点在人力资源数字化转型的浪潮下，易路通过标签体系将人力资源管理中员工的基础数据和行为数据相互连接。根据不同员工的个人图谱、性格分析、行为数据等，提供360°员工画像，进而实现实时动态人才盘点。
以员工画像和人才盘点为例，易路提供的一站式人力资源管理平台，致力于以数据连接企业和人，为优化人才选育用留每个环节提供解决方案。
总结GE克劳顿学院缔造者、世界知名领导力变革专家诺尔·迪奇指出：那些成功公司之所以有很多领导者，是因为它们能有意识地、系统地“生产”领导者，它们人才管理的流程、框架、各项支持措施，都经过是精心设计的。优秀的企业，不会在危机来临时才开始想办法。假设再次遭遇类似新冠疫情的“黑天鹅”事件，我们的企业能活下来吗？与种稻谷同等重要的，是培育土地肥力。人才盘点就是为公司培育土地肥力，确保公司未来需要的人才。同时，人才盘点不仅让全公司理解了人才标准，提升管理层的人才管理能力，也是一种驱动绩效文化、激活组织的有效方法。易路People+以全景数字化为核心打造的人才数字画像与人才盘点功能，除了能够支持企业完成年度的人才盘点，更能帮助企业在更短周期内，获取即时的自动化盘点，根据人才变动快速调整策略，保证充沛的人力资源与激励效果，达成企业预期的战略目标。
-
误区
大数据的三个误区及危险
大数据解决方案供应商总是信誓旦旦。他们说，你要做的就是把数据给到我们。然后我们就会提供一系列想法，让你们公司在营销效率、客户体验和服务运营效率方面得到极大改善。你和你的团队就放心吧，我们的技术和你们的数据科学家会把重头扛下来。
是不是有似曾相识的感觉？如果你曾经历客户关系管理（CRM）改革时最初那个兴奋阶段，那么你一定会有这种感觉。早在20世纪90年代，很多企业对这种技术十分认同，最后的结果就是搞了一堆没用的数据库、养成了很多叛逆的销售团队，以及资本预算的耗尽。
此后，CRM行业日渐成熟。毫无疑问，现在的CRM解决方案可以为很多机构提供真正的价值。例如，在贝恩咨询“2015管理工具与趋势”调查（2015 Management Tools & Trends）中，CRM是排名第六的畅销业务工具。根据Gartner统计， 2014年，全球的CRM开支总计达到204亿美元，此前一年为180亿美元。
但CRM的失败率也很高。C5 Insight在2014年发布的一份报告中称，有超过30%的CRM应用以失败告终，同一批公司的第二和第三次CRM应用，其失败率仅比第一次实施略低。这就是CRM改革之前20年的情况。
我们看到，大数据的发展路径与此类似，都是在客户影响力和价值创造方面信誓旦旦。Gartner在最新一份报告中预测，到2017年，60%的大数据项目过不了试验期，会被打入冷宫。为什么历史会重演？原因不在于兴趣、努力或投资的缺乏。相反，这说明从既有客户、运营和服务数据中创造价值是非常困难的，更不用提社交媒体、移动设备和在线活动所产生的大量非结构化的内外部数据。
各家公司在利用大数据和高级分析工具方面面临的压力日渐增大，因为客户希望从与他们打交道的机构中获取更多信息。竞争在加剧，特别是在金融服务、零售、通信和媒体等成熟行业。以数据为驱动的行业继续洗牌。包括Progressive、Capital One、亚马逊、谷歌、优步、Zappos等新旧行业的搅局者已经创造出以数据为驱动的经营模式，并将其应用于定制产品和服务的生产。
以美国汽车保险商Progressive为例，他们利用插件设备，追踪司机的行为。Progressive利用数据细分客户群，并确定保费。美国金融服务公司Capital One则在确定客户风险评分及忠诚度项目中十分倚重先进的数据分析。为此，Capital One开发了多种客户数据，包括先进的文本和语音分析。与此同时，美国零售业巨擘亚马逊则对客户数据深度开发，创造出个性化的在线购物体验。亚马逊参照客户的购买历史和浏览记录，开发出一种先进的推荐引擎，不同的消费者会看到定制化的网络页面。在物流领域，亚马逊在将数据分析应用于优化库存和减少装运时间方面也走在了前列。
大数据的先行者设定了很高的成功标准。他们聚集了一大批数据分析人才，并创造出很多流程，使这些机构能从高级分析中获得有用的想法。他们打造技术平台，以发布最新数据以及这些数据何时何地会被用到的洞察。很多公司还基于“测试与学习”（test and learn）方法营造持续创新的文化理念。
那么你的公司如何才能从大数据中获益呢？第一步就是，学习如何大浪淘金。对大数据的持续炒作有赖三个误区：一、大数据技术会自行识别出商机；二、就是掌握的数据越多，自动创造出的价值也越多；三、数据科学家可以帮助任何公司从大数据中盈利，无论该公司的组织架构如何。
以下内容是我们认为与上述三个误区分别有关的危险。
误区一：大数据技术会自行识别商机。
危险：尽管投入了大量的资金和时间，但这种投资所产生的回报非常有限。失败的技术布局往往是以假想这种新工具会自行产生价值开始。成功利用大数据能量的企业往往都是在重金投入大数据技术前，先将高级分析应用于少量高价值商业问题的解决。在这个过程中，他们学会了如何有组织地实施解决方案，也获得了对于运营挑战的新认识，并渐渐了解其数据和技术的局限性。根据对于他们实际需求的理解，他们可以确定大数据技术解决方案的具体要求。（图1）
例如，一家大型保险公司最近将其数据分析项目聚焦骗保问题。这家公司的骗保率激增，且由此产生了高额的调查成本。这个项目旨在以最低的成本减少骗保行为。为此，这家公司开发了一种可以算出骗保倾向分数的文本挖掘算法。这种算法帮助这家公司实现了骗保分数准确性的增加。结果就是，需要调查的骗保案变少，节省了3000万美元的成本。在证明了高级分析的价值后，这家公司现在加大了对高级分析的技术和能力投资。
误区二：掌握的数据越多，自动产生的价值也越多。
危险：对于未经证实的数据来源过度投资，忽略了那些有价值的、接近真相的数据来源。
随着社交媒体和移动设备的爆炸性增长，获取和利用新数据的诱惑在不断强化。很多大型机构已经被淹没在数据的海洋中了，其中多数数据存储在筒仓内，不能轻易接触并连接。我们发现，成功的大数据之路往往始于充分开发该机构的现有数据。
从分析的角度而言，通常处理历史数据要比处理全新数据更容易。美国一家大型通信公司就采用了这种方法。这家公司面临的竞争日趋激烈，因此希望创建一个项目，能系统地增加现有客户群的价值。为了实现这个目标，该公司从既有的15个营销、服务和运营数据库中提取了200多个数据，为所有客户描绘出“高清晰”画像。这家公司利用这些画像开发出有针对性的新员工培训、交叉销售和客户管理项目。
误区三：好的数据科学家会为你发现价值。
危险：现有组织还没有做好实现数据价值的准备。为了从大数据中持续获利，你需要打造出一个持续利用大数据和高级分析力量的运营模式。基于数据和分析团队的思考，成功的数据驱动业务可以让其组织、流程、体制和能力协调化，以做出更好的业务决策。（图2）
一家通信服务供应商创建了一种涵盖数据和分析团队、技术部门和一线职能部门（销售、市场、客户运营和产品开发）的合作模式。在这个模式中，商业智能团队（数据科学家、统计学、数据挖掘工程师）与各业务部门紧密配合，通过对海量的内部数据进行分析来解决具体问题。
结论
大数据革命已经扰乱了很多行业。某些数据驱动公司已经从这场革命中获取到重要价值，但很多传统公司正在迎头赶上。但光靠技术是无法弥补这一鸿沟的。那些能够实现客户数据分析承诺的公司通常遵循以下三个规则：
1、在投资大数据技术解决方案前，证明你所在的机构可以将高级分析应用于解决一些高价值的业务问题。
2、在向新数据来源扩张前，先利用现有数据创造价值。然后再利用测试-学习的方法，向你的历史数据注入前瞻性数据
3、将运营模式赋能企业，特别是业务前线，使其快速行动，并对企业高级分析团队的洞见报有信心。
在大数据时代，那些遵守这些规则的企业将更有可能获得成功。
关于作者：
Eric Almquist和Tom Springer是贝恩咨询波士顿办事处合伙人，John Senior是贝恩咨询悉尼办事处合伙人。
-
误区
大数据误区你知多少？
随着云时代的来临，大数据也吸引了越来越多的关注。在以云计算为代表的技术创新大幕的衬托下，这些原本很难收集和使用的数据开始容易被利用起来了，通过各行各业的不断创新，大数据会逐步为人类创造更多的价值。从IT界到、金融界，再到物流界、营销界，乃至医疗界、教育界，无论是界内界外人士几乎都已快形成“言必称云”、“言必称大数据”的口头禅。
但如果真遇到一个“较真儿的”，发出这样的提问——到底什么是大数据？大数据到底有什么价值？我怎样才能得到大数据价值？是那头黄色的Hadoop小象？是动辄XXXBIT的高大上数据量？又或者是千万级别的用户信息？那估计很多口口声声不离大数据的人可能都言语含糊解释不清了。
那么，到底该如何来看待大数据呢？专家冯晓杰表示，大数据单从字面意思似乎不难理解，可以认为是海量级的数据，但是在这海量级的数据究竟意味着什么，这在很多业内外人士的概念里还纯在着一些认识误区。
大数据误区一：只要大就好
如今，很多人提起大数据，如果不提上几嘴“日处理数据量XXGB，上传图片XXGB，并发数XXX”“Hadoop集群拥有XXXX节点，总存储XXPB”诸如此类的技术语言，都很怕别人觉得自己不专业。但是，难道真的只有数据大了，才能达到大数据的登峰境界？才能数人合一地达成大一统的目的？
冯晓杰表示，数据如果仅仅是大那是没多大用处的！就好像资金的意义在于如何使用周转一样，数据大了，但不使用，让它孤零零地偏安机房一隅，那它就不是大数据了，而是有点“败家子”的意思。
比如不少传统的门户网站，基本上就处于“坐拥金山却无福消费”的境况。每天上亿的用户量，却只是简单的广告呈现，没有通过对数据的分析产生更多价值。
大数据误区二：只有技术大牛才懂大数据
虽然很多人口口声声离不开大数据，但是真问他到底懂多少时，其中一部分人可能会说：“我就是懂些皮毛，真正技术层面的大数据我也不懂，你还是问那些技术大牛去吧，他们才真懂。”
冯晓杰表示，其实这样的观点并不全对。比如诸葛亮很懂兵法，他知道该在哪里摆阵，该在哪里伏兵。但是，他不必知道关羽是如何耍大刀，也不必知道张飞的丈八蛇矛在打仗时是扎还是砍。
其实，对于大数据的应用更多的是一种战略能力，而非细节的执行技能，这种能力是可以帮助决策者能从无尽的数据里看出商机看出价值，从而为企业带来更高的利润。而作为决策者并不用太关心在技术细节层面，大数据到底怎么技术生成，又是如何理顺提升用户体验的。
大数据误区三：是个公司都得上大数据
冯晓杰表示，虽然大数据固然是个香饽饽，但不是所有人都能消化得了，或者说并不是所有都有上大数据的必要，而是要衡量企业的现状，看清楚主次矛盾，或是要考量好投入产出的回报率，大数据并不是适合所有企业的现状。
比如，对于中小型网站来说，一上来就盲目追求先进“高大上”的技术架构，那就有点“宰牛刀杀鸡”的意思。对于这类网站，首要考虑的是商业运作模式和推广，只有等到用户量飚升后，再去考虑技术升级这种大事儿。
再比如，在GMIC上，Evernote的CEOPhilLibin就明确表明不带大数据一起玩儿，自己产品的商业模式就是向用户收费，让他们甘心为产品体验付费。
冯晓杰举例表示，如同一个双选题：A.日登陆用户1000人，架构完全参照美国亚马逊从不宕机；B.日登陆用户10万人，每天因为高并发不得不宕机三次。你会选什么？
大数据误区四：我就要海量数据
自从大数据概念火了以后，不少企业在遇到问题的时候，总是会情不自禁的就会想到“是不是我的数据量不够？”“是不是如果有了海量的大数据就能变得更好？”其实，这又是陷入了一个误区。
这又回到了大数据价值和金钱价值的类比概念上。比如用搜索引擎搜索一下“存款贬值”，那么很快就可以发现类似这样的信息：“五十年前的百万变13块”，“一万元存一年赔19元”，显然，不流动的钱，是越放越没有价值，而基数越大，可能导致的损失就越大。
金钱如此，大数据亦然。只有像比特币玩家们一样，不停地使用数据，并以无比的热情挖掘数据背后的关系和价值，才能如滚雪球一般，使数据之间的相互关系更丰富更完善。同理，对于企业的大数据来说，只有充分利用大数据，让大数据充分流动起来，不断的实现增值效果，那么才有机会更大的释放大数据的能量。
因此，冯晓杰指出，对于企业决策者来说，看待大数据必须有一个清醒的认识，当在脑袋发热准备花大价钱上大数据之前，都一定得先想明白透彻了：“我真的需要大数据吗？大数据真的能为我所驾驭吗？”
【来源：199it】
-
误区
大数据分析的5大误区
文章来源：中国智能商业网
每个人都想要一窥未来; 洞察力和发现信息对拥有它们的人或企业来说自然有利可图。而尽管占卜尚未证明自己是可靠的业务资产，今天的预测分析软件却可以。
“预测分析”总体是指基于当前和历史数据，用数据分析为企业提供对未来事件的预测。这种科学已经以不同的形式长期存在了几个世纪，但直到最近才成为可靠的并且可负担得起的，足够为大多数公司在日常流程中使用。
然而盛名之下，围绕大数据和预测分析产生了许多误区。尤其是下列的五种误区需要被驱散, 这样不同规模和阶段的企业才可以开始享用更明智、更高效的决策:
误区1: “大数据是灵丹妙药。”
预测分析有希望可能成为一种塑造更广泛经济的普遍趋势, 尤其是如果更多业务决策者为数据所驱动 (而不是根据纯粹的“直觉”)。确实，访问更多的信息，特别是关于你的客户的行为的信息，将会对某些业务提供竞争优势, 就像互联网。然而, 在许多情况下, 相对未分化的互联网和网络功能并未导致很大的业务增长, 建立的预测分析也是如此。
大数据不是企业的灵丹妙药。相反, 更好的数据管理和分析是帮助企业做出更好决策的工具。就算“小数据”也可以为中小企业很好的利用在投资的路线图上，构建和多样化而无需有大型的IT投资。
误区2: “只有大公司需要预测分析。”
虽然很明显, 亚马逊、Target、沃尔玛、Zipcar和其他大型企业是预测分析（尤其是客户分析）早期的采用者和重要受益者，各种形式和规模的企业都将受益于智能分析带来的好处。例如，基于群体客户剖析和行为的分析客户保留模式，然后使用上述数据来设计针对性推广工作，对任何企业可以产生立即的影响。
误区3:“企业引入预测分析的最好方式是“自下而上”或“自上向下”。
对一些人来说,自下向上的方法涉及到IT人员和数据分析师实施一种持久的解决方案。对另一些人来说, 自上而下的方法是用大量资源, 战略和文化解决这一企业挑战，因此应该包括首席执行官（CEO）、首席营销官（CMO）, 或其他高管。
在现实中, 实施预测分析并非必须要符合这两种法则之一。由下至上的过程可以为企业建立一个良好的基础。在别一企业从指定的部门开始，尤其是从市场营销团队开始，是非常富有成果的。同样, 自上而下的过程可以产出也可以是短暂。执行官的参与并不总是成功的保证。
误区4:“要实现预测分析,你需要自己的博士。”
预测分析可以零售(或“民主化”,正如我们喜欢说的那样)。通过这种方法，意味着它日渐普及, 无需数百万美元的IT基础设施。
而且，尽管独特的大数据问题可能需要一位博士(或者甚至是一群博士), 许多新领域的预测和业务分析可通过软件即服务 (SaaS) 的解决方案轻松访问到。更重要的是, 时效性不再是几个月或几年了, 你现在可以在更短的时间获得有用的结果，而不需要你自己的博士。
误区5:“我们需要做的就是雇佣咨询或技术公司,我们就会有预测分析。”
有一批企业把预测分析作为一种技术或一个软件问题。并且, 他们拥有一组“首选”公司（有时是拥有管理和技术咨询的技术供应商）用传统的方式，通过向企业推销大量的基础设施、数据存储、软件和硬件来解决预测分析。在现实中,预测分析更多的是一种业务和文化问题,需要的不仅仅是技术(或管理顾问的插入式访问)建立和研究所正在进行的解决方案。
结论
在你的业务决策中加入预测分析时要考虑 很多事情。而且公平地讲，有一系列不同的方法和不同的最终结果可供企业选择。然而在评估产品和选项的期间，最好从这门科学的实用的和系统性的现实中分离出这些误区。
-
误区
【HR必知】企业利用移动设备进行人才招聘的5个误区
智能手机已经成为了人们生活中的一部分，它的销量已经超过了PC，但是企业在招聘人才的环节上，并没有重视移动设备的作用。
最近的一份研究指出，财富500强中的企业中，只有2%的企业为应聘者提供移动设备求职平台。绝大多数的企业都没有专门为移动设备进行优化的招聘网页。
这方面的真空，使得企业在招揽人才方面出现了严重的问题。CareerBuilder最近在全球超过2000个雇主中进行了一次调查，大约30%的受访者表示他们存在无法为空缺职位招揽到足够人才的情况。另外还有23%的雇主表示，由于缺乏人才，使得他们在盈利方面出现了损失。
如今IT、高端产品销售、医疗护理等高级从业人员已经成为了稀缺资源，企业在招揽人才方面也存在着强烈的竞争。企业无法承受由于缺少人才而带来的损失。
以下是企业对于利用移动设备进行人才招聘的5个误区：
误区一：没有人在移动设备上搜索工作机会
实际情况：移动职位搜索每年都以100%的速度进行增长。CareerBuilder等全国性求职网站中，三分之一的流量来自于移动设备。谷歌的数据也表示，截止到2012年11月，在所有对于“工作”这个关键词的搜索中，来自移动设备的高达31%。
误区二：没有人在移动设备上申请工作
实际情况：来自移动设备的工作申请的数量每天都在增长。CareenBuilder 2012年的研究显示，20%的用户会使用移动设备进行工作申请。另外，这个研究还显示，当用户使用移动设备申请工作时，如果发现使用的页面没有针对移动设备进行过优化，40%的用户会放弃申请，这意味着企业可能会丢失大量接触优秀人才的机会。
误区三：我们的网站没有很多移动流量，所以我们不需要对移动设备进行优化
实际情况：大多数企业并没有跟踪移动设备流量。很多企业甚至都没有使用免费的Google Analytics来追踪移动设备带来的流量。事实上，大约25%的互联网流量都产生于移动设备，这表示，即使你处于平均数的水平上，也有四分之一的流量来自于移动设备。
误区四：移动设备的求职者可以“通过LinkedIn申请职位”
实际情况：你实际上是在给求职者制造困难。在移动设备上，他们必须通过缩放来找到“通过LinkedIn申请职位”的按钮。更何况，LinkedIn还要求使用者上传建立，对于一些移动设备来说，这样的操作过于繁琐。
误区五：求职者会稍候使用电脑进行职位申请
实际情况：人们总是很忙。如果你不能在他们初次到访时吸引他们提交申请，他们就很可能不再回来了。很多公司通过给求职者发送邮件来吸引他们进行职位申请，如果这些求职者使用移动设备查看邮件，并发现无法通过移动设备来进行申请，调查显示70%的求职者会放弃本次申请机会。
总结
人们使用电脑来进行网络求职的时代已经过去。招聘网站应该针对各种设备进行优化，以此来增加找到优秀人才的机会
【文章来源：招聘新视野】
扫一扫 加微信
hrtechchina
