>>>>
应对变革你必须知道这一潜规则
在上世纪的工业革命，科技带给我们的价值是机械的自动化和休息消费效率的提高，休息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，不只信息处理的效率飙升，我们也打破了物理环境的局限，完成了信息的连通性和人才的活动性。
但技术红利给我们带来的消费力增长在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？

我们还需求正视一个潜规则——
一个人平均需求3到5年的工夫才能顺应一次非延续性的技术打破，一个企业对于技术变革的顺应只会更久。
如何提早了解技术的变革，尤其是如何提早顺应技术变革显得非常重要。
当科技让世界扁平，企业可以经过疾速复制达到宏大规模的时分，单个个体经过科技赋能所产生的力气也已今非昔比。世界的中心从商品转向到了人才。随着业务发展速度的加快和组织形状的日益复杂，企业看法到了人才的吸引力和组织结构的灵敏性尤为重要。在人力资源行业中，我们看到了一些可以用科技去重新定义的机会，人力资源企业在应对技术变革时可以起到的作用也至关重要。

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愈加便捷地去管理公司员工。传统的SaaS次要是把人力资源的信息标准化，流程自动化。
第二阶段：关于人才的数据积累
企业的ERP存储了基于业务运营管理的数据，CRM记录了关于客户的数据，那么关于员工的数据，和人才的数据也应该一致实时地集中管理起来。
第三阶段：数据辅助预测分析
经过数据分析建造一个可以预测和辅助决策的智能系统。
只要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。对企业的运营做预测性分析且在重要的决策上起到辅助判别的作用。

>>>>
颠覆人才招聘，留存，分析
1 人才招聘
招聘早就不是招人这么简单，这是一场全球人才供应链争夺战役。求贤若渴的企业不只需求有人才大数据的支撑，还需求和人才之间达成使命感的认同和情感的衔接。

从手动到自动
1994年，Monster推出了世界上第一个招聘网站。23年后的明天，纷杂的招聘渠道和落后的简历挑选技术再次形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杳无音信。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%的工作工夫都用来处理简历，包括要登录多个招聘平台，在人才库停止搜索和挑选。在美国招聘的人效早就到达了瓶颈，70%的公司都在运用第三方的ATS（招聘管理软件）来提高效率。
从被动到自动
假如希望招募到合适的人才，公司就一定要脱离被动的筛查而转变为自动出击。同时HR也需求用市场营销的角度去思索，用社交化的手腕去建立一个对人才有吸引力的公司品牌。依托多种手腕，去拓宽招聘渠道，衔接线上与线下，触及更多人才。
从随机到精准
候选人的婚配远不止是技能婚配那么简单。即便一切公司都在招聘销售的岗位，但最终不同的团队指导和公司文明所选择的候选人会各不相反。那么在众多的简历中，如何判别哪位候选人最合适当前的职位呢？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。它会用自然言语处理技术分析候选人的简历，根据工作阅历、表现、任期和活动率等信号对候选人和当前职位的婚配度打分。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将来的表现。
从线下到线上
在美国40%的求职面试都是经过线上完成的。传统的面试是一个客观和非标准化的过程。人工智能面试分析公司HireVue正努力于经过提取原始视频中的言语、面部微表情等信号来评价候选人能否符合岗位需求。NLP（自然言语）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言语要素，试图用组织行为学的心思分析做预测。这个挑选方式次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疾速挑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，目前并没有明白的结论。
2 员工留存

人才是一个企业真正的血脉。当招募人才变难的时分，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曾经延长到3.8年，其中26.7%的员工会在第一年就自动提出离任。假如说公司是你的产品，而员工是你的客户。那么我们用NPS(用户净引荐值)的考核方式去看看，你的员工有多少会向冤家引荐本人的公司？又有多少人在工作中真的像招聘宣传里的样子？
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价代替传统的员工称心度调查问卷，然后应用机器学习、自然言语处理和预测分析技术，生成报告来解读员工对公司管理、福利待遇和企业文明的感受，为企业提出改进建议。在To C的大众点评和豆瓣里，我们见证了用户评分和评论的力气。明天的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。在古代灵敏而分散的组织形状下，假如能及时辨认出这些“不开心”的员工，并提出相应的改善计划，就可以有效提高员工的留存。
从亡羊补牢到防微杜渐
有88%的员工以为他们的入职体验很蹩脚。经过自助服务和个性化体验，HR可以协助新员工顺利展开工作。在候选人接受雇佣录取后，他们需求上传许多入职材料，同时对公司的规章制度还很生疏。HR大量的工夫花在了处理这些琐碎的文案工作中。假如这些反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顺应的新的工作岗位上。
3 人才数据

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？如今美国只要8%的企业表示，他们具有可用的员工工作数据。
读史以明鉴
管理层需求对过去的成功和失败有更明晰的看法
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。大多企业如今只能看到核心HR数据和业务数据（比如营业额，任职状况，绩效评级），但当前会有更完善的组织关系数据（地点地位，员工协作，团队信息）以及个人工作数据（工夫分配，心情，健康）。随着这个数据集的不断扩展，管理层对运营成败和人员组织的关系会有更深入的见解。比如为什么有些地方职工的留存率高，而有些分公司职工却出现集体离任的行为？
实时数据
更好地支持日常疾速的商业决策
平均而言，一个组织的消费力在绩效考核时会下降40％，由于整个团队都忙着填表，而不是专注于手头的工作。大家能够以为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这样的完成考核自动化的软件，使经理和员工可以自动咨询对当前工作的反馈意见并分享数据讨论绩效目的，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矫捷持续，基于反馈的方法。
预测将来
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休息力管理的需求。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任，并指出避免员工流失的最佳途径。创业公司Hi-Q Labs开发了一种仅经过外部数据（如寓居地，上下班间隔，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，号称比运用外部数据的预测更准确。管理者有了基于数据驱动的指点，协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成绩，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%的人以为他们的工作中缺乏指点。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是不能够的，如今的技术并不具有真正的智能，也没有社交协作和情感沟通的才能。但在写这篇文章的过程中，我很开心肠看到创业者面对这些成绩提出了很多独特的处理方案。等待更多的公司把AI融入到HR的环节里为一切人都重新定义一个更好的工作体验。
来源：金沙江创迎合伙人 张予彤

文章来源：今日头条(发布内容请上昭通热线网www.ztrxw.cn)