学习
实践
活动
工具
TVP
写文章

HR遇上大数据

二、大数据的前世今生与管理价值 数据分析具有悠久的历史,20世纪40年代计算机的出现就是解决数据处理与分析的自动化问题。经过几十年的发展,20世纪70年代,关系型数据库的出现构成现代数据分析的基础。 大数据的价值在于“”,其意义有两层:第一,大数据时代的数据规模与结构是以往数据处理、数据分析,甚至商业智能(BI)时代所无法比拟的,由此可形成的信息量。 数据量的极速增长、数据结构的丰富与异化,基于大数据技术的分析能力,其商业价值不仅体现在业务决策支撑的战略维度和市场预测的营销维度,在人力资源管理维度上大有可为。 例如,各企业的HR部门将已发生的行为和现象等人工录入,并上传至云端。由专门的机构依据这些数据,进行排列计算,寻找出规律,制定出相应的规则,并将运算成果分享给各企业的HR部门。 从另一个角度而言,大数据与已有的数据分析在数据量、业务模型、算法、计算能力均有本质差异,这就要求企业人力资源管理工作需要调整工作惯性,改变思考方式:决策依据的转变,即借助大数据系统平台解决问题,从过去依靠经验和直觉

37590

企业服务爆发,HR SaaS的机会与挑战

…流程复杂、易出错、耗费时间,更重要的是无法为企业沉淀数据并提供可视化的实时呈现。 可见他们基本都是从招聘、社保等方向切入,在初步积累势能和收入后,再杀入HR SaaS领域。理由则是在人力资源六模块中,招聘、薪酬、绩效相对高频、强需求,这真的百试不爽吗? 推出“拉勾云人事”,通过技术手段为企业提供一站式服务,包括招聘管理、员工管理、考勤管理、移动审批、自动计算薪资、工资条发放、智能数据分析等,据说能自动化处理公司内部管理70%的工作,并自动化将管理数据进行可视化呈现 c、原行业痛点足够痛、原服务方式可替代性强,比如按照拉勾调研的数据,中国近7000万家中小企业,数十万计的各类传统人力资源服务商,大部分提供的都是基础跑腿或中介平台的服务,对于企业来说替换的可能性非常高 2016钛媒体十作者单项奖获得者,品途商业评论2016年十作者。

75020
  • 广告
    关闭

    【11.11特惠】腾讯云大数据产品,19.9元秒杀尝鲜,首购2.5折起!

    移动推送、商业智能分析BI、Elasticsearch、智能数据分析、云数仓Doris,多款产品年终钜惠,19.9元秒杀,新客首购2.5折起,老客回购2.8折起!

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    国内外HR SaaS发展,为何差异那么

    Department of Veterans Affairs)签下一个1.23亿美元的单,主要用于把客户的人力资源管理都转移到HR SaaS上。 仅softwareadvice单个国际性交易平台,可统计的万人以上规模的服务商,就有超过340家(2019年8月数据)。 从投资热度看,HR SaaS作为最受资本青睐的3赛道之一。国内这一领域的投融资表现,也算不错。 ? 艾瑞数据 在艾瑞等整理的《2017-2018中国业务垂直型SaaS融资情况》中,HRM领域融资热度2017年仅次于CRM,2018年反超,成为头号选手。 (T媒体统计数据,单位为:亿人民币) 单单对比下workday 全年营收和国内SaaS HR整个行业的营收,就能明显地看到差异。

    46411

    案例 | 盘点腾讯HR的大数据转型之路

    又一年之后的胡润富豪榜,移动互联网挤掉房地产成为前10富豪中人数最多的行业。 这已经是个革命者层出不穷的时代,很多企业通过颠覆式思维,利用先进的技术和跨界的创新,使事情变得更简单,从而完成弯道超越老牌企业,实现令人难以置信的突破式增长。 挑战一:I时代下HR管理的理论基础——管理科学将被重新定义 在这点上我非常认同中国工程院工程管理学部副主任郭重庆院士的观点:“传统的管理将被颠覆,……从管理学界来看,是历史难得的机遇,大数据是最接近映射真实世界的手段 2.功能层主要解决HR数据在后台如何运作的问题,阐述的是如何去科学的管理和使用数据,保障数据的质量和价值,包括元数据管理、数据质量管理和逻辑建模规划三核心模块。 3.从应用层和功能层我们可以看到HR的大数据涉及了HR专业以外的IT系统、数据库、数据分析、产品设计等多个专业,这也意味着仅凭专业的HR是无法搭建起HR的大数据平台的。

    1.9K60

    字节跳动面经(一、二、三+boss+hr面)

    (一面、二面上来的第一个问题) 答:简单说一句话:tcp面向链接,udp不是,然后我又补充了一下两者的不同: tcp开销,udp开销小 tcp有拥塞控制,可以慢开始,拥塞避免,快重传和快恢复,udp 印象中的最大的挫折(一面、二面、三面) A:自己比较乐天派,感觉什么事情都比较看的开,要非说挫折可能就是自己做的比较好也比较努力的时候没有得到别人认可的时候吧,但感觉这也不算挫折 Q:那就是感觉自己没有遇到特别的挫折呗 (一面、二面、三面反问) A:一轮:可圈可点 二轮:和预期的差不多,可以告诉你的是你可以稍作休息,保持在线状态 三轮:还不错,应该能进,最终录用结果还要看HR BOSS面 hr面: 三面结束后的第四天晚上 Q:做的项目的数据量如何?大不大?是几维数据? A:数据量不大,但是速度比较快,每秒2M左右。应该算二维数据吧,就是仪器信息和时间信息。 Q:项目里上位机部分主要包括什么? A:对,我有做三星和海康威视摄像头的二次开发,目前网上比较主流一点的C 的海康的二次开发的博客很大一部分都是我写的,我的博客主要也就是关注这块,目前一年概有20万的访问量。

    19330

    cannot create employee - HR check BP_BUPA_CHECK_HR_IS_ACTIVE

    使用transaction code BP创建employee时,发现dropdown list里没有for employee的选项:

    20520

    HR必须要懂的“人字资源数据分析思维”

    今天在我们人力资源数据分析群有个小伙伴提了这样一个话题,所以今天的来分享下什么是人力资源的数据分析思维,如何针对人力资源数据仪表盘来做数据分析报告,如何根据各个指标来做数据的诊断和解决方案。 首先人力资源的数据分析是有一套数据分析的流程的,并不是说我看到数据就马上去做数据建模或者去做数据仪表盘,在整个数据分析流程的过程中,很重要的一点是对人力资源各个模块关键指标的选择,这个就需要做数据分析的人对人力资源对公司的业务都很了解 ,因为你在做数据可视化数据分析的时候,主要还是对关键指标的数据进行分析,找到关键指标的数据差异性,然后在针对这个关键指标做进一步的原因分析和解决方案。 其次是数据分析的逻辑也很重要,所谓的数据分析的逻辑就是你对关键指标数据的维度筛选,在人力资源模块里,数据的逻辑维度一般包含 部门,层级,职级,岗位和时间,一般不会逃出这几个维度,只是我们在做数据分析的时候看你是单个维度做筛选 ,还是说做数据的交叉分析,数据的聚焦和细分,在数据分析的过程中,数据越聚焦,你通过数据发现的问题就越有针对性,给的解决方案就越有效。

    24030

    大厂HR:“不会数据分析,你还想干运营?”

    岗位要求出奇的一致:需要数据分析能力。 随着数据成为第五生产要素,数据分析能力的要求更是渗透到了各行各业。 ◆ 二、选择智能轻量化工具 很多时候,数据人员由于对业务不熟悉,很难做出切合运营人员需求的数据分析,常常沟通了一堆东西,最后做出来的报表还是不满意。 log_from=1f405b911c768_1644974965029 “IT咖说”欢迎广大技术人员投稿,投稿邮箱:aliang@itdks.com 来都来了,走啥走,留个言呗~  IT咖说   |  关于版权 由“IT咖说(ID:itdakashuo)”原创的文章,转载时请注明作者、出处及微信公众号。 感谢您对IT咖说的热心支持!

    9010

    Hrbust_HR4995

    版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内...

    7120

    HR数据管理角色的权限,power bi 帮你搞定

    在上个月PB的线下课中,有提出提出 在用PB做数据建模的时候数据安全性的问题,特别是薪酬模块,我们很多薪酬的COE是希望薪酬放在本地的电脑上,不要上传到第三方的平台或者云端,还有就是数据管理权限的问题 ,在薪酬的模块中,我们希望HR 和各个部门的管理者看到的数据是不一样,HR能看到整个公司的薪酬数据,但是各个部门只能看到自己部门的薪酬数据。 这种数据管理权限在 EXCEL里是无法实现的,在一些ERP系统里倒是可以控制后台的数据权限来实现每个人的看数据权限。 在PB里,我们对数据进行建模,最后对模型进行发布,模型发布的条件是你需要注册PB的账号,现在PB的账号注册还是有点难度的,因为PB的账号不能用个人的账号来注册,只能用企业的邮箱注册,最好是那种知名的企业 特别是在薪酬模块,就可以做数据的定制,以及数据权限的关联,如果你想要更多的权限管理的功能,那就需要购买企业版的PRO,能更系统化的帮助你做数据角色管理。

    30410

    数据工程师简历怎么写,更受到HR青睐?

    通常来说,我们找工作都是从写简历开始,一份优秀的简历,能够帮助你在HR筛选当中快速被选中,获得下一步的面试机会。大数据工程师,作为近年来的新兴技术岗,瞄准这个岗位的人也不少。 今天我们就来分享,大数据工程师简历怎么写,更受到HR青睐? 2.png 通常来说,HR筛选简历,比较关注的几个部分如下: 毕业学校以及学历,对应的专业或者研究方向。 工作年限。 工作经历,即跳槽史。 而作为大数据工程师这样的技术岗位,各个岗位还有一些相应的加分点,比如说: 数据挖掘工程师,HR会着重关注毕业学校以及最高学历,并且这项将会占据整体面试评分中不低的一部分。 而对于普通的大数据开发工程师,这块要求相对就可以放低了,因为大学学的东西对后面所掌握的技能知识影响并没有那么。 11.png 关于大数据工程师简历怎么写,更受到HR青睐,相信今天的分享能够给到大家一些启发。

    1.2K30

    HR不得不知的Excel技能——数据格式篇

    但是通常我们在学习Excel的时候就会忽略数据格式的问题,从而也给日常的办公带来过一些小麻烦,因此我们首先来看看Excel有哪些常见的数据格式: 常规:最常见的数据格式,该格式不包含任何特定的数据格式, 这个需要特别注意,HR们经常会用到这个东西,那就是工号、身份证号。很多时候大家遇到的Excel都和文本格式有一定的关系。 这就是一个非常常见的数据格式带来的问题。 稍微有一点经验的小伙伴可能已经发现了,上图中A列的数据左上角都有一个小的三角形,而D列数据并没有这个小三角。 无非是这样两个解决思路—— 方法一:将A列的数据转化为数值格式 方法二:将D列的数据转化为文本格式 所以来尝试一下把A列的数据转化为数值格式 ? 在被这个问题苦苦困扰了一段时间之后,终于找到了解决方案—— 数据分列 下面是一个操作演示: 第一步:选中需转化格式的数据 第二步:点击数据——进入数据分列 ? 接下来根据弹出的向导一步步进行就可以了。

    41330

    谁在搏HR SaaS未来?

    HR的市场太大,到从招聘、核心人事、绩效、测评、培训、离职等,与员工职业生命周期匹配的HR服务几乎都有各自专业的品牌商。 这种看似细分专业的服务,在数字时代给企业带来巨大的痛苦——割裂,数据的割裂、业务的割裂、体验的割裂。 数据的割裂令企业几乎丧失数字时代的竞争力,无法通过数据应用来有效适应新商业环境下的敏态变化,无法快速分析和决策,步步落后;业务的割裂,令组织内协同反应迟钝,在极度推崇效率的数字时代造成了极大的成本内耗; 2.HR SaaS数字化筹码就在CHO/HRVP手里 HR高层的话语权加强 过去,用友、金蝶、宏景、朗新等一HR软件厂商的成功在于中国市场早期的企业信息化主要推动者是CEO/CFO/CIO等高层决策者 至今很多SaaS厂商依然对CIO群体想得而不得其法深感无奈,这一群中国企业信息化的火种仍然被传统IT厂商锁定;但SaaS厂商们迎来自己最好的时代,数字化让业务更加灵活多变,PaaS/低代码日益成熟,这意味着让

    28930

    HR SaaS or社群电商,谁才是打开HR市场的真正钥匙?

    当下,大部分企业的HR团队,80%的精力都消耗在服务功能上,如简历筛选及面试安排、考勤数据统计等,反而弱化了企业最有价值的管理功能和业务功能。 目前来看,随着云计算、大数据、机器学习等新技术的不断发展,国内厂商开始尝试将这些应用于SaaS HR产品,比如E成用机器学习取代 HR 前期的搜索、沟通工作来提供智能招聘服务(儒思HR也采用了AI问答) 而且儒思HR采用的方式是通过把HR精英、咖、中低端HR和应届生聚拢到平台上,形成HR圈层。再利用各种形式的线上线下交流互动,来构建垂直社群,继而打造HR生态型电商。 因为目前情况下中国很多的HR采购并不专业,他们关注的是谁的功能更多,且这类客户的习惯短时间改变难度,解决方案商谁先迎合谁掌握主动权。 另外,就HR的六模块而言,其中很多模块相关性极强,比如招聘offer里的数据、考勤数据、社保数据、绩效数据等都会影响薪酬工资单。所以对于已经积累的客户,完整的工具更有助于他们提升效率。

    28310

    学会这个数据化人才盘点模型 ,超越99%的HR

    对于HR来说在年底的人才盘点是必不可少的一项工作,通过盘点我们可以调整优化人员,为明年的人才发展做计划,我们先来看看其他HR做的人才盘点的模型或者报告 这些应该是我们经常看到的人才发展的报告 你能数据化做人才盘点,来支撑你的盘点的决策吗? 我们给大家做的人才盘点的数据化模型分析,如下图所示 在这个人才盘点的分析模型里。 6、薪酬结构数据 7、部门的岗位薪酬带宽和中位值的数据 8、部门员工年度绩效数据排列对比 9、部门员工经年度技能,知识考试的成绩分布 最后我们在数据的交互上,选择了部门和员工,通过这两个切片器的选择 所以我们可以想象一下,在年底的人力资源工作总结中,你就可以用这种数据建模的模型进行盘点数据的分析,台下的管理者可以通过手机APP端来浏览你的模型,进行数据的交互。 你在分析的过程中,可以从宏观层面来进行公司的人才盘点,然后在聚焦公司的核心部门,来分析核心部门的薪酬和人才盘点的数据,最后你再聚焦员工来分析关键员工的人才数据,做到数据的聚焦,数据的交互,你将是一个最专业的人力资源数据从业者

    42930

    在筛选数据科学职位简历时,HR 会看重哪几点?

    作者 | Sowmya VB 翻译 | Mika 我在多伦多的一家中型软件公司担任数据科学家。 在过去的几个月里,我担任了三场数据科学职位面试的面试官,这三场面试分别面向数据工程师、数据科学家和数据科学QA。 本文包含了我作为面试官在筛选简历时的一些想法。 希望这篇文章能够对想找是数据科学相关工作的人有所帮助。 在公司中,“数据科学”团队是一个相对较新,其中包括各种各样的角色。 我们之前的文章《细数数据科学团队中的十关键角色》中总结过数据科学团队中的角色。随着这些角色越来越多,也有越来越多的机构提供数据科学认证课程。 暂时不考虑哪些认证的含金量毕竟高,我们开始看到许多带有“认证数据科学家”标签的简历,这也加大了评估简历的难度。 通常情况下,当你在挑选数据科学团队成员时,你会寻找哪些点呢?

    80930

    扫码关注腾讯云开发者

    领取腾讯云代金券