企业服务 - HRTechChina.com - 向上的力量！

企业服务

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！

企业服务
2018年08月06日
企业服务

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！

企业服务
2018年08月02日
企业服务

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（续）文/David Green 文章导读往期回顾： Geetanjali在2017年9月在费城举行的人力分析与未来工作会议上发言要点回顾： MERCK&CO.的人力分析团队这个团队由三支柱组成：咨询、高级分析、报告和数据可视化创建一个数据驱动的文化：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：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人才的关键因素。三“C”模式：Capability-Capacity-Connectivity 今日导读：领导人员分析团队问7、在谈到你作为一个人分析领导者的角色时，你会对这个角色的新手或者将来想成为一个人分析负责人的人提出什么建议呢? 分享五个我认为普遍适用的特性，并且对于成为这个领域的有效领导者很重要。优先考虑：对于人员分析领导者来说，学习如何无情地优先考虑团队将花费时间和精力的项目是至关重要的。位置: 一个好的领导者知道如何找到合适的机会去重新定位、结合和展示这项工作。这不仅对获得声望和对人员分析的认可很重要，而且对提升团队的士气也很重要。连接: 当你建立起新的职业联系时，你也开始建立友谊，这是一个支持网络，可以帮助你在这个相当模糊的、新的人力分析空间中导航。与时俱进：作为一个优秀的人员分析领导者，重要的一点是要跟上外部变化的步伐，并将这种学习带回您的业务中发展:一个有效的领导者需要投入时间和精力来建立自己的内部和外部网络，并与他们的团队分享他们的进问8、我观察到的一个挑战是，作为一个人分析的领导者，你必须平衡在内部构建能力的重大挑战，同时关注在外部快速发展的领域。作为一名分析人士的领导者，你如何平衡这两个优先事项，以及你如何了解公司外部发生的事情? 尽可能多地阅读各种不同的出版物(博客、文章、白皮书、书籍)，这些内容让我与人力分析的各个方面：从社会科学到人工智能都保持联系。此外，与来自不同行业的其他从业者建立联系很有帮助，我通过非正式的和正式的对等网络进行联系。最后，我试着每年参加一些活动来学习新的东西和认识新的人。人力分析的未来问9、你认为人力分析的主要趋势是什么? 我认为人力分析中的一些“热点领域”将在未来继续变得“更热”。我还认为，随着研究的增长和越来越多的组织对这一领域的投资，网络的力量将得到充分的挖掘和释放。最后，要实现所有这些类型的分析，最重要的领域之一将是关于数据使用、隐私和人员分析领域的安全性的伦理研究。问10、我们如何平衡我们能做什么以及我们应该做什么？谈谈你对道德和隐私等方面的关注。过度反应或倾向于采用过于保守的方法，这可能会妨碍人员分析领域的一些重要工作。话虽如此，与适当的实践专家密切合作，就业法律、隐私法律、伦理、通信、业务合作，和工人委员会合作是一个很好的方式,以确保除了工作的合法性。另一种从道德角度是预先与内部客户分享你分析的可能结果，并向他们清楚地说明在每个场景中他们将采取什么行动。在人力分析领域工作类型需要把伦理放在最重要的日程上英文原文： LEADING THE PEOPLE ANALYTICS TEAM 7. Turning towards your role as a People Analytics Leader, what would your advice be to someone who is new to this role or who aspires to be a Head of People Analytics in the future? I think everyone has different strengths and experiences, which means their approach will vary with regards to them proving successful as a people analytics leader. But based on my personal experiences and observations of others, I can share five attributes that I think apply universally and are important to being an effective leader in this space. Prioritise: Whether you have a small or large people analytics team, it will never be big enough to meet all the demands of your clients, particularly as awareness of the team’s capabilities grow. So, it is critical for the people analytics leader to learn (and teach!) how to relentlessly prioritise the projects on which the team will spend its time and effort. A good rule of thumb is to think about the magnitude of business impact that an analysis has the potential to deliver, or a key relationship that it can help build in the business for future collaborations and sponsorship. Many teams even use formal prioritisation grids to help the process, but ultimately the leader needs to ensure that the criteria used to allocate resources to projects aligns with the vision and mission of the people analytics team (which in turn, should align with the objectives of the enterprise). It is critical for the people analytics leader to learn (and teach!) how to relentlessly prioritise the projects on which the team will spend its time and effort. Position: A critical skill for a people analytics leader is the ability to effectively position analyses before the right decision-makers at the right time to maximise positive outcomes and build a strong people analytics brand. This is probably one of, if not the most, important part of being a people analytics leader. On many occasions, brilliant workforce analyses have been underutilised in their original scope, but a good leader knows how to find the right opportunities to repurpose, combine and present this work. This is not only important in gaining prestige and recognition for people analytics, but also for boosting the morale of the team. Connect: There is a small, but growing, community of people analytics leaders globally who collectively have a spectacular amount of experience and knowledge. Fortunately, this community is inclusive and generous, in terms of sharing their knowledge and connections with others in the field. The group is a great resource to learn about new technologies, techniques, vendors, and also receive tips and tricks that can help a new leader to avoid mistakes and grab the right opportunities. Most importantly, as you build new professional connections you also begin building friendships that are a support network to help you navigate this fairly ambiguous, new(ish) space of people analytics. Evolve: Since a people analytics leader needs to have some depth in analytical methods, it is always a good idea to read, listen and learn. Thanks to social media there are amazing resources available, many of them free, that any analytics leader can and should leverage to keep oneself updated and evolving. There are some extremely prolific writers (like David Green!) who share both original and curated content on various forums including LinkedIn. Whether you are looking for detailed tutorials on advanced data science methods or want to learn about the latest technological breakthrough and its application to people data, there is a publication, podcast, or video out there on it. Another reason why this mind set of curiosity and awareness is important is because the people analytics space is sensitive primarily due to ethics and privacy reasons; and keeping a handle on that also demands a leader who keeps their eyes and ears open. An important part of being a strong people analytics leader is to keep up with the pace of change externally and bring that learning back to your business. An important part of being a strong people analytics leader is to keep up with the pace of change externally and bring that learning back to your business Develop: Last, but certainly not the least, a critical part of being a good people analytics leader is simply being a good leader. This implies being someone who invests in the development of their team. It is of particular importance because it is a space that has attracted a lot of exceptional talent, but still has somewhat limited opportunities for advancement. Therefore, an effective leader needs to invest time and effort in building their own internal and external network; and share it with their teams for their advancement. They should also be committed to actively finding or creating opportunities for their team members to learn new skills and develop themselves as multi-faceted professionals. An effective leader needs to invest time and effort in building their own internal and external network; and share it with their teams for their advancement 8. One of the challenges I’ve observed in being a people analytics leader is that you have to balance the significant challenge of building capability internally whilst keeping an eye externally on what is a fast-developing field. As a people analytics leader, how do you juggle these two priorities, and how do you keep abreast of what is happening outside the organisation? I strive to practice the same behaviours that I would advise new people analytics leaders to try. For example, I follow and subscribe to content by certain thought leaders in people analytics and read as many varied publications as possible (blogs, articles, whitepapers, books) which keep me connected to the different aspects of people analytics; from social science to artificial intelligence. In addition, it really helps to connect with other practitioners in the field from different industries, which I do via both informal and formal peer networks. This helps to broaden one’s worldview, spark new ideas, and offers a forum to ask questions of your peers. Most likely, if you are facing a people analytics quandary, there is a leader out there who has faced it too and would be willing to share their experience. Finally, there are a plethora of great conference events out there, and the quality and number of these keeps rising every year. I try to participate in at least a few such events every year to learn new things and meet new people. THE FUTURE OF PEOPLE ANALYTICS 9. What do you believe will be the main trends moving forward in people analytics? I think that a number of “hot areas” in people analytics will continue to get “hotter” in the future. The idea of employee experience will grow even wider with focus on the end-to-end experience all the way from being a prospective candidate stage to becoming an alumni of the company. This is likely to grow simultaneously with the focus on managing and optimising a new, fluid workforce that may at any one time be full-time and freelance, human and robotic. I also think that the power of networks will be fully explored and unleashed as research grows and more organisations invest in this space. The applications of network analysis are so varied and relevant, that it should continue to gather steam in the future. Finally, from my perspective to enable all these types of analyses, one of the most critical areas that will grow in importance will be the study of ethics relating to data use, privacy and security in the space of people analytics. 10. Finally, how do we balance what we can do with what we should do? How concerned are you about areas such as ethics and privacy? This is a great question, and a difficult one to answer. The frontiers of what is possible are being pushed at a break-neck speed thanks to ever larger datasets being at our disposal faster, and at cheaper cost. And that pace makes it tough to process the implications in real time. In fact, this often leads to an overreaction or the inclination to adopt an overly conservative approach that can hamper some great work in the people analytics space. That being said, I believe that an extremely important fact to understand about the space we work in is that we should not do something just because it is possible. Besides being legally compliant, the type of work being undertaken in this field needs to put ethics at the very top of the agenda even before beginning work on an analysis. Working closely with the appropriate experts in the practices of employment law, privacy law, ethics, communications, business partners and workers councils is a good way to ensure that besides the legality of the work, its potential impact on people is also being considered through the lens of ethics, privacy, and empathy. Most established organisations have extensive reviews involving these types of stakeholders already in place. Another way to pressure test the approach from an ethics lens is to share possible outcomes of an analysis with the internal clients beforehand and ask them to articulate what actions they would take in each scenario. Obviously, this method is not possible in every situation, but when applicable it can be a useful “stop and reflect” moment. The type of work being undertaken in the people analytics field needs to put ethics at the very top of the agenda

企业服务
2018年07月31日
企业服务

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~

企业服务
2018年07月25日
企业服务

招聘自动化后，Sourcing工作将是人类的价值体现！--Sourcing Is the New Recruiting 文/Mike Wolford 我有个好消息要告诉你。Sourcing是今天人才招聘的好方法!传统上人们所熟知的招聘正在消失。越来越多的公司采用招聘过程自动化，这意味着即使对人才的需求增加，对传统全生命周期招聘的需求也会减少。面试和评估技术的改进将使公司能够自动完成大部分招聘人员目前所做的工作。聊天机器人不仅能提高求职者的经验，还能提高进入我们各自的求职者跟踪系统的人数。自动面试将及时取代招聘人员筛选面试。自动评估和调度助理将从那里接管这一过程。这一变化将极大地减少填表时间，因为自动系统全天是可用的，原则上，候选人可以在几个小时内从应用程序转到安排面试。对招聘人员来说，好消息是，只有最优秀的候选人才能以一种完全自动化的方式通过筛选过程。那些被认为65%匹配程度的候选人仍然需要人工审查。然而，即使在这些情况下，候选人和招聘人员之间也不太可能需要广泛的沟通。相反，招聘人员可能会检查一份文件，查看考试成绩，然后做出判断。2020年及以后的招聘人员将很少真正与应聘者交谈。我能听到你在考虑我，迈克是一个源程序，而不是一个招聘人员，这对我来说意味着什么? 它意味着一些事情。首先，我们要做的是改变。在更高的层次上，源程序今天所做的是四个主要的活动。我们的工作是在面试过程中识别，参与，鉴定和提交候选人，否则他们将无法自行申请。到2020年，源程序将主要集中在两项活动上。识别和参与。一旦招聘过程被自动化，就不需要招聘方来筛选候选人。面试过程将筛选候选人，而源程序不会向招聘人员或招聘经理提交候选人，他们会直接将候选人引入管道，开始评估，最有可能的方式是参加某种形式的视频面试。今年早些时候，在拉斯维加斯的SourceCon网站上，格伦·卡西(Glen Cathey)说得既准确又有预言性，“sourcing101是销售101。” 未来的源程序人员需要成为优秀的销售人员，因为他们的主要工作将是识别高潜力人才，并邀请他们进入自动招聘流程。对我们来说，在程序方面，特别是在IT程序方面，市场的声音将会更大。这意味着，参与将变得更具挑战性和关键。2020年的目标不仅是成为一个有说服力的、坚持不懈的销售人员，而且是一个出色的营销人员。采购和招聘营销将融合成一种新的、强有力的组合。人们很容易忽视人工智能对其他行业的影响，但忽视人工智能正在改变市场营销的方式，以及这种改变将如何影响整个招聘，是不明智的。例如，Facebook最近之所以成为新闻，是因为它们对我们这个时代的政治产生了一定的影响。不管你的政治观点如何，这对我们大家都是一个教训。有针对性的社交媒体和聊天机器人在广告和参与方面的应用是强大而有效的。既然人工智能正在被应用于市场营销，那么人才收购进入这种广告渠道只是时间问题。有智慧的人会看到后职和祈祷正在被目标和参与所取代。有时很难看到森林中的树木，但我记得我从经济学中学到了这一课。20世纪的定义是大规模生产。21世纪将由大规模定制所定义。这一说法对源程序有一定的影响。一些公司已经意识到这一点，并采取了复杂的营销活动，但这只是一个例外，而不是规则。原因有很多，但我在这里想告诉你的是，一旦实际的申请和面试过程基本上是自动化的，公司将有时间和资源来集中精力把目标申请者填满职位空缺。作为一个销售人员，这意味着你不仅需要学习如何销售，还需要理解如何像营销人员一样思考。作为一个源程序，我相信这对你来说意味着什么。今天，我们确认、参与、资格和提交。我们与招聘伙伴密切合作，有时还会与招聘经理合作。在未来，源程序将首先确定潜在人才的目标市场。从那时起，参与就变成了一种双管齐下的方式。作为长期战略的一部分，招聘营销人员将负责建立品牌并将EVP销售到目标市场。他们将为目标市场提供令人兴奋和引人入胜的内容，而源程序将与这些目标市场中的特定个人进行接触，并邀请他们应用于特定的角色。当前的招聘人员/源程序伙伴关系将会及时被招聘市场/源程序的关系所取代。我们源程序的底线是。我们的工作正在发生变化，但在所有与人才获取有关的专业人士中，我们的工作最有可能出现显著增长。我给你的建议是完善你的布尔值，并挑选一些关于销售和数字营销的书籍。如果今天你是招聘人员,我的建议是训练你的采购技能或开始思考另一条线的工作,因为在过程自动化变成了标准的50% +全生命周期的工作正在消失,“招聘”将在很大程度上成为另一个人力资源管理功能。以上内容由AI翻译，仅供参考原文链接：https://www.sourcecon.com/sourcing-is-the-new-recruiting/

企业服务
2018年07月19日

企业服务

数据显示：人力分析能为企业增加价值 HR Tech China获悉人力分析最新数据，下面我们来看这组数据：数据显示：人力分析能为企业增加价值全球75%的人力资源专业人员正在使用数据来了解员工绩效和生产力问题 65％在企业中具备强大的人力分析文化的专业人士，报告说业务表现强劲在那些分析文化较弱的企业中，只有32%的人报告说业务表现强劲对人力资源能力缺乏信心全球53%的人力资源专业人士认为，他们的人力资源团队具有可证明的数字和统计技能，而金融专业人士的这一比例为36% 英国的人力资源分析能力和信心落后于其他市场 21%的英国人力资源专业人士有信心进行高级分析，而在东南亚，这一比例为46% 以上内容由HR Tech China综合整理报道

企业服务
2018年07月17日
企业服务

人类实际上是低效的招聘人员，聪明的招聘人员让技术为他们工作文/Adam Gordon 方式艰难在我看来，几乎所有的雇主和机构都在用艰难的方式做事。我不是那些从来没有在招聘工作过的评论员之一。我的职业生涯开始时，把会计师安排在与迈克尔•佩奇(Michael Page)和罗伯特•哈夫(Robert Half)进行的一场胜者全得的比赛中，因此我学会了如何艰难地招募人才。说实话，两年后，我真的不想再和求职者谈话了，但我喜欢招聘的营销方面，所以我搬进了招聘营销机构，然后在普华永道咨询。近20年后，从我的角度来看，80%的内部招聘人员和95%的中介招聘人员仍在努力工作。他们大部分时间都在做我1999年做过的事情。他们可以节省大量的时间，而且，基本上，如果他们打破了老板的“尝试和信任”方法，他们可以在更短的时间内填补更多的工作岗位。那么，让我们来看看发生了什么变化，现在招聘人员还在做什么，他们不应该做什么。场景有何不同？好吧，当我开始招聘时，我们没有LinkedIn，但仅在几年后才出现。作为招聘人员，我们认为这是灵丹妙药，在某种程度上，它是。LinkedIn和其他社交网络使世界变得更加透明，在一段时间内，我们向候选人发送垃圾邮件，他们做出回应。他们觉得受宠若惊“被猎头”并给了我们一天的时间。然而，现在，许多招聘人员仍然采用同样的方式，并且面无表情地坐着，无助地看着他们的回复率在下降。他们没有意识到的是，在我们招聘的时候，应聘者们已经习惯了招聘人员的接近方式，对他们来说，先前那种被选中去找工作的兴奋感被似曾相识和打哈欠所取代。他们习惯了，阅读信息的速度变慢了，不太可能回复。不仅人们开始对你产生了冷漠，而且与过去相比，求职者可以发现更多关于你作为雇主的信息。他们可以从Glassdoor等网站上了解到，如果他们在你的公司工作，咖啡到底是什么味道。所以，在经历了自我指导的研究之旅之前，他们不需要和招聘人员交谈。不幸的是，如今，一些招聘人员试图通过增加招聘人数来适应。“增加被识别的人的数量、通过InMail和电子邮件发送的信息的数量以及拨打的冷电话的数量并不是答案。”它是低效率的。那么，我们该如何适应以提高我们的表现呢?简而言之，答案就在科技领域，以下是我认识的最聪明的招聘人员让科技为他们工作的几种方式，这样他们就能在更短的时间内找到更多的工作。经常引用的技术工具类似口袋招聘这样的匹配工具可以让你搜索社交网络、简历数据库和你自己的ATS/CRM，告诉你哪些求职者具备填补空缺所需的技能。他们搜索多个位置的速度比你快，而且因为他们嵌入了人工智能(在这一点上简单的人工智能)，他们返回的结果比你所能看到的要好。在许多市场，失业率很低，候选人需求旺盛，很少有兴趣采取行动。那么我们怎么知道先和谁说话呢?人才输送产品正在招聘中出现，这些产品可以跟踪和评估求职者与你的社交媒体、职业网站/公司网站、登录页面、Glassdoor、YouTube等网站的互动。然后你可以根据一个实时的参与评分来对你的数据库进行排名，这可以告诉你谁先接触，然后节省大量的时间。以上内容由HR Tech China AI翻译，仅供参考原文链接：https://recruitingdaily.com/humans-are-actually-inefficient-recruiters/

企业服务
2018年07月17日
企业服务

挖掘“人力资源”是人力资源未来的核心：专家文/Marcel Vander Wier 用于导航不断变化的工作场所，职业发展的坚实工具根据该领域的专家大卫格林的说法，雇主正在转向数据“以支持更好的决策，改善员工体验，并实际提高人力资源的影响力”。英国伦敦分析专家大卫格林表示，在人力资源领域，随着“数字革命”的推出，人力资本分析正变得越来越重要。 “我们正处于一个巨大的变革时期，”他说。 “变化从来没有发生过这么快，可以说再也不会这么慢了。公司现在似乎在不断变革，不断尝试发明新的产品或服务，以适应在世界上的生存和发展。格林说，在过去两年中，人类收集的数据量是以前世界历史收集量的九倍。格林最近在多伦多举行的人力资源技术论坛上表示：“这确实提升了CHRO和人力资源部门的作用，几乎成为公司内三个最重要的角色之一，与首席执行官和首席财务官并重。” 他说，自动化角色和技能培训需要适当的准备和人力规划，分析证明是一个可靠的导航工具。分析状态 “分析和数据是人力资源数字议程的核心，”格林说。 “它可以帮助我们理解：我们需要的组织形式是什么？我们公司需要哪些技能？" “分析可以真正帮助将所有这些结合在一起，为公司提供一定程度的确定性。” 他说：“从本质上讲，人力资源部门正在从营销人员的书中学习经验，许多人使用分析来做出近20年的决策。” 格林说，分析可以提供高达13倍的美元回报率。 “我们可以谈论的人力资源项目并不多。” 他说，为了追求高绩效团队，高级领导人已经接受了人力资本分析是成功的重要因素，促进了这一领域的进一步发展。大大小小的公司都在转向这些数据，以“支持更好的决策，改善员工体验，并实际提升人力资源的影响力。” 格林说，数据驱动的文化和基础来自于将分析的好处传达给所有员工 - 而不仅仅是人力资源。 “要透明。与员工沟通您收集的数据以及原因，对他们有什么好处以及对公司有什么好处。" 最佳做法格林表示，人力资源数据质量和一致性仍存在挑战，但大多数雇主应该有足够的资金开始。但仅凭数据还不够。他说，用于分析的报告数据并不总是与业务相关。 “不要从数据开始。从业务问题开始，然后您就可以开始了解需要哪些数据源来解决这个问题，"格林说, “这不一定是在人力资源范围内使用分析和数据。我们必须尝试打破孤岛心态，真正集中精力解决我们的业务问题。" “通常情况下，一个组织试图解决的每个业务问题，都有个人的因素。” 他说，例如，将人员分析（如员工敬业度）与业务绩效联系起来是有帮助的。让CHRO完全相信数据的力量在识别关键业务问题，联系利益相关者，将见解转化为行动也是有益的。格林说：“这不是要在人力资源部门内创建一个团队。” “这是关于跨职能的协作......利用人力资源外部资源的能力确实是关键。” “高级人员分析团队使用多个数据源，”他说。 “这不仅仅是围绕内部人力资源系统或调查。” “ 请放心，并非所有人力资源部门都需要突然学会如何成为数据科学家。” Green在收集数据和进行分析以给出可操作的见解之前，推荐了一种方法，构建业务问题和建立可靠的假设。他说，出色的故事可以促使高层领导推动建议。前面的路虽然人力资源趋势进一步向人力资本，但是至少在最初阶段，管理期望是必要的。 “不幸的是，当人们投资人力资本分析时，他们预计会立即回归，”格林说。 “它不一定会发生，除非你碰巧用你工作的第一个项目挖到了黄金。” 他说，个性化的职业轨迹是人力资本分析的根据，数据为工人提供技能路径，使他们能够获得他们所希望的工作。 “这对员工来说非常好，因为它真的支持了职业发展，而且它真的为员工个性化......如果没有数据和分析支持，你就无法做到这一点。” 数据收集的道德和隐私需要尽早考虑，因为在欧盟运营的所有雇主现在都必须遵守“一般数据保护条例”（GDPR）中规定的数据保护规则。格林说，81％的分析被道德或隐私问题“危害”。 “如果你无法向员工阐明收集数据或做人力资本分析项目的好处，也许你不应该做。” 但他表示，虽然数据，分析和其他新兴技术可以增加人力资源在组织内的影响力，但人力资源将始终处于实践的最前沿。 “这不是取代判断或经验，”格林说。 “这是为了强化它，并希望它变得更好。” 用科技平衡人类人力资源和招聘服务提供商Randstad Canada的首席执行官Marc-Etienne Julien表示，在分析时代，人力资源保持人性化仍然很重要。 “利用技术的好处和保持人性化的方法并不相互排斥，”他说。在劳动力市场短缺的时期，公司应该利用技术来简化求职者的求职和申请流程，以及自动化人力资源流程中的重复性工作。朱利安说：“这使得雇主再投资时间在积累更多经验上，通过面对面互动建立人际关系的方式。” 他说，虽然工作领域变化迅速，但人力资源从业者明智地开始实施分析，以便应对特定和即时的挑战，例如高流动率或招聘特定技能的问题。 Julien说，用户体验应该是整个过程的核心焦点。 “优先考虑用户体验对于为求职者和员工开发可访问和可用的工作场所工具至关重要。尽早让您的员工参与进来，因为他们是主要用户。" 他说，通过技术解决方案节省的时间，再投资培训项目。以上内容由HR Tech Cina AI翻译，仅供参考

企业服务
2018年07月12日
企业服务

留住新员工，确保你在第一周与他们见面文/Dawn Klinghoffer, Candice Young, Xue Liu 工作场所的第一印象真的很重要 - 而不仅仅是雇主。新员工可以从一开始就制定关于组织的印象，从而影响他们长期留在公司的决定。不良的入职经历会导致不必要的和可预防的营业额，其成本可能是员工年薪的两倍。然而，很难衡量你的入职努力是否成功。在微软，我们每年雇佣成千上万的人，除了试图从人员流失数据中得出结论之外，我们缺乏一种衡量我们入职体验的好方法。为了更好地理解我们所谓的“早期消耗”，我们转向了一个被忽视的明显机会。我们开始简单地向员工询问他们的经历。我们创建了一项调查，并在第一周后进行了调查，然后在90天后再次进行调查，以了解新员工的体验和微软的第一印象。从调查中我们了解到，对于新员工来说，最重要的是小事情 - 比如拥有一台正常工作的电脑，并在第一天立即访问建筑物，电子邮件和内联网。在此基础上，我们将人员从薪资，IT，移民，法律，全球安全，学习，采购，招聘和人力资源等方面拉到了一个共同的目标：确保新员工在第一天的工作效率。团队的每个成员都为共同目标做出了贡献，因此所有组织障碍都被打破了。现在我们每月审查进度，学习和分享想法和反馈，以保证所有新员工的成功。深入研究，我们想了解他们的早期行为如何影响约3,000名新员工的参与。通过与Microsoft的Workplace Analytics部门合作，我们将匿名日历和电子邮件元数据与（同样匿名的）参与数据相匹配。用来评估参与度的声明包括“我为微软工作感到自豪”和“我希望在微软工作多年_”。我们了解到，新员工在第一周与经理进行一对一的会谈至关重要。那些确实看到了三个关键领域的早期增长。首先，他们往往在90天内拥有12％更大的内部网络和双重网络中心性（员工网络中的人员所具有的影响力）。这很重要，因为发展内部网络的员工认为他们属于并且可能会在公司停留更长时间。例如，内部参与的员工打算按照我们的意向保留措施保持高出8％的比率。他们还报告了对团队更强烈的归属感，同时保持他们真实的自我。其次，他们举行了更高质量的会议。高质量的会议减少的次数减少，出席的管理层次减少，会议期间发送电子邮件的与会者减少，参与者总数减少，而且往往也会缩短（一小时或更短）。第三，他们与团队合作的时间几乎是那些没有一对一的团队的三倍。这种早期的团队协作非常重要：花费更多时间进行协作的员工比不参与团队的员工更有利于归属，并且他们倾向于报告更高质量的会议。这些和其他见解帮助我们突出了员工的体验，并指导我们在哪里进行调整，以使新员工的体验更加出色。这只是微软的开始。我们现在正在尝试其他方法来改善入职体验，重点关注新员工的网络 - 特别是当经理在不同的地方工作时。但在一天结束时，这一切都归结为：不要低估在一个人的第一周内进行一对一的力量。这听起来很明显，但它可能是新员工最重要的联系。以上内容由HR Tech China AI翻译，仅供参考

企业服务
2018年07月10日
企业服务

讨厌填写繁琐的求职表格？MeetFrank用聊天机器人提升求职体验，获110万美元种子轮融资来源/猎云网 36氪文/施安让我知道你想找什么，让你知道你想要什么。一段心塞的求职经历大概是这样的：登陆并注册某一家招聘网站或公司招聘主页-手动输入自己的个人资料、学历背景、工作履历、求职信-登陆并注册下一家招聘网站或公司-重复以上所有步骤…… 如果你一次性想投好几家公司，那么恭喜你，一整天你都会钉在电脑前，填写没完没了的表格。与此同时，电脑那头的HR，也在海量的数据中苦苦寻找快要被淹没的你。求职真的只能是一件枯燥无味又让人烦心的事情吗？近日，刚刚获得100万欧元种子轮融资的AI 招聘APP MeetFrank ，就派出了一个有趣的聊天机器人来解救你。另一段全新的求职经历开始了：打开MeetFrank-和耿直boy Frank开始聊天-所有涉及信息的部分直接勾选-在Frank的卖萌中结束求职“填写”。 “Frank”会像朋友一样主动热情的的找你聊天没错，MeetFrank 的主角就是一个叫Frank的聊天机器人。下载该app的用户首先要和Frank进行一次快速的“入职谈话”—— 从设定好的各种选项中选择他们拥有的技能、经验、为何要换工作、目前职位、薪水等等，省去自己写简历、填表格的烦恼。并且，用户不需要提供任何可以识别个人身份的信息，仅通过自身能力去匹配潜在的工作机会。求职信息收集的过程中你只需要勾选，无需手动填写在下载并亲身体验这款APP后，我们发现Frank的几个优点： 1、注册简单，无需绑定任何可能暴露自身隐私信息的ID，如身份证护照、社交账号、手机号等。 2、整个聊天过程，也就是求职信息的收集过程，大概只需要几分钟的时间，时间成本很低。 3、聊天过程非常流畅，并且Frank是一个性格特征为主动、热情、幽默的俏皮boy，偶尔还会“撩”你一下，让人几乎忘记是人机对话，很轻松。 4、信息收集的维度比较丰富，除了常规的个人资料及工作背景，Frank还试着了解你对于当前工作的认知与感受，想要换工作的原因以及你未来的打算，这个过程其实也是进行自我梳理的过程。从对话语体设置到话题维度的设计，都比较人性化。相比之下，国内以企业招聘为中心，单纯的有效信息收集，显得冷冰冰。 5、不填性别，也没有任何性别导向的问题，注重求职中的性别平等。花几分钟的时间跟Frank聊聊天，提交求职信息顺便梳理自己资料显示，这家爱沙尼亚创业公司在去年九月刚刚成立，但它声称在其首批市场（爱沙尼亚，芬兰，瑞典，拉脱维亚，立陶宛，以及新增的德国）拥有约125,000名活跃用户。目前，已经有大约 2,000 家公司正在使用 MeetFrank 来吸引人才。以德国为例，戴姆勒、Eon、Delivery Hero、SumUp、Blinkist、High Mobility 和 MyTaxi 等公司都在使用 MeetFrank。 “目前使用我们的雇主主要是技术相关的公司，”Kaarel Holm说。 “大约50％的职位是工程师，其他50％包括市场营销，销售，客服，法律，数据科学，产品/项目管理等。” 获得本次首轮融资后， MeetFrank 将把重心放在开拓欧洲市场。Hummingbird VC, Karma VC和Change Ventures参与了此轮投资。除了提升求职者体验外，对于雇主而言，MeetFrank代替了传统招聘广告，使用机器学习算法将潜在候选人与职位匹配，因此它实际上承担了简历初筛的工作。并且，它还有可能吸引本不知道该公司正在招人的求职者。正如Holm所说，MeetFrank主要关注“被动人才库”，让那些因为怕找工作麻烦而长期呆在一家公司的优秀人才，也能被HR发掘。虽然MeetFrank的目标是被动求职者，但这些人仍然需要主动下载应用并输入一些数据。因此，聊天机器人拥有一个强大的表情+GIF系统，来说服人才，只需一点前期的努力就可以大有作为。机器人还会询问什么能说服他们换工作，所提供的选择包括更高的薪水，更灵活的或远程的工作，搬家，创企文化等等。在这一过程中，求职者是以匿名方式出现的，因为用户不需要提供真实姓名或任何其他识别个人信息，来获得与潜在职位的匹配。因此，至少在求职的这个阶段，人才是根据其优点来评估的。 Holm说，当人们被要求预先说明他们目前的薪资水平时，你可能认为这会使他们在薪酬谈判中处于潜在的不利地位，但MeetFrank平台的目的是鼓励雇主更加开放，避免传统的薪酬谈判情况。 “我们使用薪资作为匹配的一个数据点，我们努力确保向用户提供的服务符合他们的偏好。在很多情况下，薪资是主要的交易破坏者，我们希望尽早提供这些信息，”他解释说。“市场另一端的公司也向用户披露他们的工资，这样我们就可以避免谈判中的劣势。” 他补充说：“MeetFrank平台的政策是，公司必须对所要填补的职位非常开放，所以这也包括了薪资资讯。” 当然，雇主并不是以匿名形式存在于平台上的。他们必须发布详细的招聘广告，包括招聘职位的薪酬水平。而应用会在确认过合适的薪资范畴之后（即匹配过程之后），向求职者显示薪资增长的百分比。所以，雇主需要适应那些只是好奇的求职者。对于雇主来说，MeetFrank接管了广告投放过程，它利用机器学习算法将潜在候选人与职位匹配。因此，它会在“成千上万”的潜在求职者中自动预选。当然，在这一过程中，接触到的人才可能并不知道这家公司正在招聘，或者这些人才在考虑某些特定品牌。该应用主要关注“被动人才库”，也就是Holm所说的“目前或最近正在求职的人才”。因此，招聘双方能够更容易地找到匹配的对象。 “目前初级职位对我们来说有点遥不可及，但我们将在今年秋季与几所大学启动一个测试项目，”当我们问到这个应用是否对目前没有工作或正在寻找第一份工作的人开放时，他补充说道。 Holm说，MeetFrank目前显示出50%的MRR增长。它已经脱离了前收入阶段，即向雇主收取广告费用(人才方面的服务仍然免费)。主要的货币化模式是每日订阅，按现收现付制对雇主收费。Holm说，向雇主收取的费用是每天9欧元，MeetFrank允许他们在任何时候取消订阅，没有最少的时间限制。 “我们认为，新时代的分类广告只会在这种按需模式下盈利，也只有在发现我们有用时才应该付钱。这也降低了大多数初创企业进入市场的障碍，使它们能够在低预算的情况下检验市场并获得知名度，”他补充说道。目前市场上已经有不少招聘AI软件和应用，但真正从求职者体验出发的产品或工具并不多，也鲜少有公司真正为求职者着想，帮助他们梳理自己真正想要什么。36氪此前报道过的法国初创公司Reminder，加拿大的AI招聘虚拟助理 Ideal 及加州的 Talent Sonar，都大多从服务企业招聘、优化求职者筛选的角度出发。或许换一种思路，如何从求职者角度出发，给他们更方便更放松的求职体验，赢得更多优秀年轻人的心，MeetFrank 或许是一个很好的启发。 MeetFrank，一种“秘密”招聘应用，它使用机器学习和聊天机器人来缓解被动求职和人才空缺匹配的压力。为推动欧洲市场的扩张，该创企在种子轮融资中获得了100万欧元（110万美元）的投资。投资者包括Hummingbird VC、Karma VC和Change Ventures。这家爱沙尼亚创企虽然去年9月才成立，但它表示，自己在第一市场中拥有大约12.5万名活跃用户。第一市场包括爱沙尼亚、芬兰、瑞典、拉脱维亚、立陶宛，此次融资助力扩张的德国市场也包含在内。大约有2000家公司正在使用该应用来吸引人才。在德国，与MeetFrank进行合作的雇主包括戴姆勒、Eon、Delivery Hero、SumUp、Blinkist、High Mobility和MyTaxi。 “目前我们所接触的公司一般是正在公司内部开发产品的初创或扩张公司，”联合创始人Kaarel Holm表示。 “目前我们主要关注与技术相关的公司，所以你可以从普通的初创企业或规模扩大企业中找到工作，”他说。“大约50%的职位是工程，另外50%是市场营销、销售、客户支持、法律、数据科学、产品/项目管理等。” 他将TransferWise、Taxify、Testlio、Smartly和High-Mobility称为早期客户。以上内容由HR Tech China综合整理报道

企业服务
2018年07月05日

1... 《 3 4 5 6 789 10 11 12 13 》 16 跳转至