-
算法匹配
基于云端的人力资源系统将会越来越好
文/Sarah Fister Gale
现如今，大量公司将其核心系统接入云端，人力资源部门也不例外。
云端的灵活性意味着技术团队可以快速无缝地提供新功能和交互。基于云的人力资源系统也意味着供应商可以更快地实现新的迭代，并且减少麻烦。
普华永道亚特兰大首席人力资源技术负责人Dan Staley表示，这对客户来说是个好消息。“供应商过去常常每隔一到两年推出一次升级，现在它们每季都推出一次。”这为用户提供便利，用户可以即刻访问最新功能，并允许供应商增加其功能。
这使他们能够加快路线图的时间表，并使大型供应商更容易获得同类最佳小公司，并将它们集成到其工具套件中。“我们希望看到供应商能够更快地加强产品能力”他预测道。这包括嵌入更多社交和协作功能以及添加新报告和仪表板。它还允许他们整合多个来源的数据，以支持劳动力分析——这是生成实际业务价值的地方。
人力资源管理系统供应商长期以来一直承诺进行预测分析，没有太大的进展。德勤咨询有限责任公司Bersin解决方案提供商研究副总裁Christa Manning说，这可能很快就会改变。“大多数平台正在试验机器学习，以从他们拥有的大量员工数据中获得有意义的见解。”
大数据的重要一年
虽然真正的劳动力管理预测分析仍然是一个梦想，但包括Workday，Visier，Vista，IBM Watson和SAP Successfactors在内的多家供应商现在都提供了一些数据分析功能。这些工具有望提供一系列见解，例如公司是否满足多元化目标，面临周转风险，以及培训职业发展建议。
大部分供应商正在利用存储在公共云中的庞大数据库来磨练系统。公共云拥有大量的劳动力数据，这对于创建有用的算法至关重要，而算法又是计算机用来分析数据的一组规则。“需要对大型数据集进行算法训练，以了解哪些信息是相关的，”Manning指出。“他们从每次交流中学习，并随着时间的推移变得更好。”
Staley预测，由于这些算法能够利用更多数据集，因此能够提供更有针对性的见解。例如，想象一个单一的系统可以查看员工的加班日志表，旅行支出和他们的LinkedIn行为，以确定哪些过度工作的员工最有可能退出——然后提供人力资源建议，告诉他们可以做些什么来让他们留下来。“使用预测分析有很多可能性，以确保你的最佳人才不会离开，”他说。
加利福尼亚州普莱森顿市Workday HCM产品副总裁Cristina Goldt表示，人力资源管理系统中的分析工具也将在管理工作人员方面发挥作用，它可以查看有关所有类型的工人和项目的数据，帮助公司更好地分析何时何地雇用承包商与全职员工，选择谁以及如何支付他们。“他们可以将技能与不同的角色相匹配，并使他们的招聘系统更有效率，”她说。
包括Workday在内的一些供应商也为客户提供了将他们的数据洞察与行业标准进行比较的能力，以了解他们的立场。“这使得他们可以与同行进行比较，”Goldt说。
我们准备好了吗？
所有这些场景都很诱人，尽管这些时候商业领袖仍然可以通过粗略地浏览分析仪表板来预测员工趋势，Goldt表示，与推出并准备使用的其他软件不同，机器学习需要时间和培训，并且需要使用相关数据访问链接数据库。“它被称为机器学习是有原因的。”
客户对于如何在自己的组织中应用分析仍然有些不确定。Manning说，部分原因在于缺乏有意义的案例研究。“每个供应商都在谈论人力资源的机器学习，但目前还没有很多例子。”
对于那些听过供应商吹捧劳动力分析强大“魔法”的pitches的公司，她敦促他们“要求实时客户参考”和现实世界的例子来证明其他公司正在做什么，他们是如何做到的以及他们看到了什么结果。“培训算法需要与了解技术的供应商建立强有力的合作伙伴关系，以及如何提供可操作的信息，”她说。这种转变需要时间，因此选择一个值得信赖的供应商非常重要。
以上为AI翻译，观点仅供参考。
原文链接：Sector Report: Cloud-Based HR Systems Make Everything Better
-
算法匹配
百亿级美金的印度蓝领市场，WorkIndia想靠算法匹配从招聘切入
国内蓝领市场自 2013 年起开始受到资本关注，发展至今，从招聘、社交，到金融、房产，切入该领域的创业公司层出不穷。那么在被喻为“五年前中国”的印度，蓝领市场会是风口吗？
位于印度孟买的招聘平台 WorkIndia 认为，至少针对蓝领的招聘市场会是一个不错的机会。“印度整体约有 13 亿人口，其中劳动人口约 5 亿人，蓝领人群约 2.37 亿人，蓝领市场规模预计在 800 到 1000 亿美金”， 创始人 Kunal Patil 告诉36氪。
“过去蓝领找工作大部分都是靠熟人推荐，然后有一部分是寻求劳务中介，这就使得针对蓝领的招聘信息很不对称”，此前，我们曾介绍过，中国蓝领招聘背后的行业现状是，依赖劳务中介的传统模式链条长、成本高、效率低、服务差。Kunal 认为印度的劳务中介同样存在类似的问题。
选择此时入场，Kunal 觉得原因主要有三：一是印度跳过了 PC 互联网时代，直接进入了移动互联网时代，智能手机普及率在近年来逐渐提升。2016 年皮尤的一份报告显示，印度的智能手机普及率为17%，但智能手机增速去年达到了 44%；二是在海外资本催熟印度TMT行业的浪潮中，诸如客服、零售和物流从业者的需求增大；三是莫迪政府大力推行 Skill India政策，计划到 2022 年，完成培养 4.02 亿技术人员的目标。
基于以上痛点和趋势，WorkIndia 开发了这个基于LBS的移动招聘 App，使用流程上，简单来说，B 端在发布招聘需求后，C 端使用时，通过模糊搜索，系统能迅速按条件匹配度找出相应招聘信息，用户筛选后即可电话直接联系 B 端。
Workindia 安卓版本截图
不过蓝领群体的知识文化水平较为有限，如何降低其使用门槛是个问题。Kunal 告诉36氪，付诸产品层面前，团队在孟买地区做了 4 个月的 C 端和 B 端用户调查，最后 App 的设计思路主打“游戏化”：文字少、ICON 多、重引导，思路类似手游的角色创建，蓝领用工标准多偏显性，除必须的姓名、电话等信息需填写外，其余关键资料项只需要做选择，系统会自动生成个人简历并将其以 PDF 形式打包发送到雇主邮箱。
平台型产品，做到准确匹配是重中之重。Kunal 告诉36氪，WorkIndia 核心优势在于其耗时一年设计的算法，该算法基于 2500 万的数据组合，在自动抓取和挖掘多方面的数据后（如市面上公开的人才信息、候选人社交网站上的相关信息等等），系统会对大量非结构化的数据进行处理，进而在多个维度上实现细化匹配。WorkIndia 也采取了多数招聘平台上有的单向评价机制，对 B 端进行一定规范。
招聘平台普遍面临黏性低的问题，WorkIndia 如何保证用户留存呢？Kunal 告诉36氪，一是主要针对服务业，服务业工作与工作间差别较低，人群转换行业频率高，单个用户年换工作大概 3 到 4 次；二是既有全职也有兼职，争取覆盖更多群体和提高更多频次；三是辅以如比工资、求职贴士等内容讯息增加黏性。
盈利模式上，和所有的招聘平台类似，采取对 B 端收费，除了租售平台广告位外，大头来自于交易抽佣：每招到一个人，向 B 端收取 8 美金左右的佣金，净利润在 60%。此外也会对较大企业的定制化需求进行收费，但数额和频次不太固定。
Workindia核心团队照片
此前，曾报道过同样做印度蓝领招聘的 Babajob以及印度版“58同城”Quikr。Babajob 和 WorkIndia 模式类似，但其主要平台在网站上，而非移动端；Quikr 更大而全，有各种分类信息，不像WorkIndia 垂直。
WorkIndia 成立于 2015 年，当时种子轮曾获得由 Satyen V Kothari 投资的 50 万美金，后在 2016 年分别获得由 BEENEXT 和日本 Asuka Holding 投资的两笔未知金额。截止目前，其业务主要集中在孟买地区，平台上用户数有150000 多个，招聘企业达 10000 多家，用户月活率在 40%。
来源：36氪，作者：宗迪，如若转载，请注明出处：http://36kr.com/p/5063318.html
扫一扫 加微信
hrtechchina
