-
大数据
透过10亿条招聘数据看大数据职位需求
// // //
本文转载自大数据文摘翻译作品
作者：LouiseColumbus
翻译：崔浩，蒋锐
校对：陈洁
美国人才招聘市场的数据分析领先者WANTEDAnalytics 最近给出报告：2014年计算机系统分析师和大数据专业人才的市场需求分别增加了89.9% 、85.4%； Python 编程技能的市场需求增加了 96.9% 。“大数据”，主要包括数据分析、数据采集、数据挖掘和数据结构这4项技能。为便于分析，当人们查询“大数据”这术语时， WANTEDAnalytics 即指向这4大技能。这份报告基于的WANTEDAnalytics的数据库，由从150多个国家，超过10亿条非重复独立的工作招聘条组成。
要点：
过去一年内很多职业对大数据专业知识的需求急速上升。市场上对具备大数据专长的信息技术项目经理的需求增加123.60%, 计算机系统分析员需求量增加89.80%。
大数据职位空缺最大的五大产业，依次是科学及技术服务（27.14％），信息技术（18.89％），制造业（12.35％），零售业（9.62％）和可持续性垃圾管理业（0.42％）及污染整治业（8.20％）。下图显示了2014年第4季度各行业对大数据专长的需求分布。
就2014年12月29日统计的数据来看,需要有大数据技能的工作的招聘比为76,平均每个职位的申请者为12人.招聘比例值越高,表示雇主越难找到职位的合适人选。 美国云计算方面的IT专业人士的平均招聘时间为47天
大数据专业人士的年薪中位数为10.3万美金。这些工作主要包括:大数据解决方案构架师, Linux系统及大数据工程师, 大数据平台工程师, 首席软件工程师，Java, Hadoop, SQL大数据师 等等。 相关产业综合后的年薪分布情况如下:
目前, 加利福尼亚的圣何塞-森尼韦尓-圣克拉拉地区（ SanJose – Sunnyvale – Santa Clara ）, 旧金山-奥克兰-弗里蒙特地区 （ SanFrancisco – Oakland – Fremont, CA ）, 华盛顿DC-阿林顿-亚力山卓地区（Washington DC – Arlington – Alexandria）是美国大数据专业的前三大人才市场.下图为WANTED Analytics公司提供的城市数据分布图,它展示了美国各地区工作数量,工资水平,人才供应,平均招聘时间以及招聘比例等信息, 并总结了美国前20名的大数据人才市场的信息。
美国前20名的大数据人才市场的信息
此外，思科（NASDAQ：CSCO），IBM（NYSE：IBM）和甲骨文公司（NASDAQ：ORCL）拥有最多大数据相关的职位空缺。据统计，思科的供应商、合作伙伴和支持生态系统公司具有3613职位空缺与大数据相关。下表列出了目前排名前十的大数据雇主，就业机会分布，以及过去一年的新增就业人数。
这些岗位上需求增长最快的三项技能分别是：Python编程（96.90％），Linux（76.60％）和SQL结构化查询语言（76％）
下表列出了排名前10的技能要求：
原文：http://www.forbes.com/sites/louiscolumbus/2014/12/29/where-big-data-jobs-will-be-in-2015/
-
大数据
高盛押注亚洲大数据市场，新加坡大数据公司Antuit获得5600万美元新融资
据官方消息，总部位于新加坡的大数据公司Antuit刚获得了 5600 万美元的新融资，对于一家刚刚成立一年半的亚洲公司来说，如此大规模的融资实属罕见。此次由高盛领投，其他的参投机构包括已在 2013 年投资了 Antuit 300 万美金的 Zodius Capital。
Antuit 将来自于社交媒体和移动应用的数据进行整合，提供一系列的大数据分析和业务咨询服务，帮助企业作出正确决策。目前 Antuit 合作的企业超过 20 家，其中包括了 8 家知名的 500 强企业，如凯悦酒店集团、雅芳等。公司计划继续快速的扩张，并且将目标用户聚焦在消费品以及零售业（包括电子商务、运输及物流）。
Antuit 和其他大数据公司的区别在于它同企业的合作更加紧密，不单单是处理复杂的系统和模型。Antuit 扮演的角色更像是个长期的合作伙伴，它能根据公司业务上的紧急需求及时进行数据分析和建模。
投资大数据公司对高盛来说并非新鲜事，2013 年 4 月它曾投资了另一家美国本土的大数据公司Guavus。高盛此次将目光瞄准了亚洲这块新兴市场，它提供的资金有助于 Antuit 收购规模较小的竞争对手，并吸引大量工程方面人才，在美国竞争对手之前抢滩亚洲市场。
大数据领域一直是 Intel, Qualcomm 以及 Google 这些大玩家的天下，而如今越来越多的金融企业正在尝试通过大数据来进行风控，不断完善自身的风险管理框架；以及通过系统自动对客户交易数据分析，预测客户在未来半个月到一个月可能的消费和交易，从而精准掌握客户的信贷和其他金融需求。
国内，平安也在金融大数据上布局，专门成立了平安金融科技为陆金所在内的其他集团子公司提供数据分析挖掘的增值服务。之前拍拍贷 CEO 张俊向还提到：大数据对于金融的影响会使得金融服务将进一步从粗放式管理向精细化管理转型。由抵押文化向信用文化转变更全面的信用体制和风险管理体制将会建立；从“利润为中心”向“客户为中心”转型。从“关注整体”向“关注个体”转型。
[本文参考以下来源：ft.com, finextra.com]
-
大数据
-
大数据
人力资源管理在移动互联时代如何蜕变？
// //
移动互联的本质
我的感觉是，现在很多人在做互联网的事情，但是不一定都理解互联网的本质。
人的生意是从大利益逐步到小利益的发展过程。过去我们关注大利益，用50块钱是难以去理财的。而现在的趋势是往“小”的方向走。1个人的50块钱不算什么，但是1亿人的50块钱就是大价值。
从科斯的交易成本理论来讲，移动互联的本质是让小利益的交易成本为零，零成本地将小利益汇聚成大价值。
海量信息的量变可以引起质变。百度文库就是互联网思维，把微不足道的人调动起来，上传微不足道的东西，形成了大价值。一个人的信息可能不重要，但是有13亿人的信息时就很重要了。每个人的一句话是不重要的，但是如果13亿人都有一句话，就重要了。
时代的发展必然会让我们关注小利益，以前这些小利益难以被解决，但是移动互联的出现让我们拥有了解决小利益的技术和平台。抓住“微”就抓住了移动互联的本质。
移动互联与人力资源管理的关系
移动互联让我们做成了以前想做但是做不了的事情。
1、战略：关注未解决的小利益
过去做生意，总是从大处着眼，而现在都会关注人的小利益。战略不一定要“大”。做100个人每人100万的生意不叫移动互联的思维，做1亿人每人1块钱的生意叫移动互联思维。在战略上，要琢磨清楚还有什么小利益没有被解决。
2、工作分析：分解、碎片化、IT化
工作分析离不开分解。泰勒科学管理原理的核心就是分解，这是要把非常复杂的事进行管理的重要步骤。对于企业来讲，有专业化的横向分解和层级化的纵向分解。通过横向纵向的分解形成一个结构，每一个岗位都会在一个具体的位置上。
在科学地设置岗位的前提下，要让每个岗位、每个人发挥作用。人力资源管理的效率可能来自碎片化的管理。碎片化管理就是让每一个岗位每一个细胞都很活跃。什么东西会导致碎片化的效率最高？自我管理，员工参与。如何让员工参与并自我管理？通过IT系统，IT是保证碎片化的效率的手段。
分解导致细化的效率，细化导致碎片化，移动互联技术将此固化。
3、招聘：大数据与微招聘
微信招聘、云招聘对于我们来讲，已经不是新鲜词汇。在移动互联时代，招聘不再是按部就班、进展缓慢的过程。我们可以在手机上进行投递简历，查看应聘进程等操作。
移动互联和传统互联最大的区别就是交互，把很多中间环节都去掉了。移动互联发达之后，其实中介机构的力量会减小。这也是值得关注的趋势。招聘是社交化的，基于移动互联的社交圈可以成为招聘的优质渠道。通过社交网络，实现求职关系的碎片化，创造更多的匹配机会。
基于云的系统也可以记录和获取各种数据，招聘过程和人员管理的数字化能有效的匹配人选。使用高科技，使用数据来让招聘变得更加精准有效，成本低廉，速度更快。大数据一定是招聘的未来。
4、培训：大数据、微培训、为培训提供激励
用大数据来做培训规划。超市要以绩效差距来做员工的而培训规划，会碰到很多挑战。主管要找每个人谈差距，这是很费时的。但是用一个技术手段就能解决这个问题。比如大数据，一个顾客进来你说了多少话，你给顾客介绍商品的次序，这些都可以用数据记录下来。用数据记录每个员工和每个顾客的行为，并进行分析。用大数据来确认员工的能力差别，从而进行培训规划。
用微培训建立移动的行动学习课堂，实现碎片化学习。饭店新员工很多，主管要告诉他们怎么端盘子，怎么收银等等。原来的培训方法是师傅带徒弟的，如果在主管服务的时候，有员工把这个过程拍下来，上传到网上，大家不仅可以随时随地观看，并且还能进行分享、回复。通过微课程上传和微课程查看的方式，增加互动，节省时间。
为员工提供培训激励。比如用社交媒体的手段提升学习的兴趣，大家可以互相交流培训感想，分享好的培训课程等等。也可以采用积分制，每学完之后得到一些培训学分，用学分兑换积分，获得小奖励。
5、绩效：绩效云系统
绩效管理很重要的是要有数据依据。通过人力资源计量明晰绩效考核的依据，了解员工的绩效差距，计算绩效管理的投资回报率。同时，移动互联技术可以实现绩效的实时跟踪，从而进行及时的绩效辅导、沟通和提升。在IT系统中，每个员工都可以参与进来，实现人力资源管理的即时性和交互性。比如说，员工有个自己的账户，将信息即时输入系统后，主管审核。既让员工有承诺，也要直线经理参与进来。通过绩效云系统，将僵化的绩效管理变成动态的、互动的、数字化的，这是绩效管理的一大趋势。
6、薪酬：即时认可与工作-生活平衡
当今时代，移动互联技术的发展为认可激励提供了前所未有的发展机遇。小利益的汇集可以创造大价值，而互联网的本质就是零成本地将小利益汇聚在一起，形成大价值。员工表现好，就可以利用移动互联对其表扬，让大家点“赞”，这是员工行为中的小利益。要对大量员工进行即时认可是很困难的，但是利用技术手段，可以轻松实现所有人的认可激励。当所有员工都实现了即时认可，实际上创造了大价值，实现动态激励。
人力资源管理的两个趋势，去人化趋势和人性化趋势。去人化指的是绩效尽可能不依赖人，人性化指的是很顺着人的性子，绩效还很高。工作-生活平衡就是解决这个问题，让大家变得很舒服，让绩效变得很高。工作-生活平衡的本质，在极大化地尊重人性的前提下，找到不断提高绩效的方法。很多公司有弹性工作制，员工可以在家里工作。这是因为移动互联技术创造条件，打破了工作的时间和地域限制，交流间接化，工作时间弹性化，工作地点弹性化，从而使管理更顺应人性。聪明工作胜过辛苦工作，聪明工作带来工作与生活的平衡。
不少人说，人力资源管理正在被移动互联颠覆。与其说是颠覆，不如说人力资源管理在移动互联时代蜕变。移动互联只是一种工具，利用这一工具，人力资源管理能够实现对小利益的关注，将无数小利益零成本地汇聚成大价值。
移动互联再往前走，一定可以再分解。具体分解到什么状态我们不知道。在设备方面，带通讯功能的可穿戴的移动设备，这可能是下一个趋势。
这不仅是人力资源管理的变革，而是整个时代的变革。在变革风潮中，人力资源管理正在蜕变，我们每个人的小利益被关注，也应不断地关注他人的、社会中未被解决的小利益。
-
大数据
2015,SaaS的新转变
来源：三影塔CIO之家// // //
企业和客户之间会存在更多的选择。尽管我们心里企盼平稳，但是在市场，销售和产品研发领域，特别是云计算相关领域仍然会发生持续的变化。我们在新的一年里会看到SaaS五大发展趋势：
1. 企业会在个体消费研究方面加大投资规模
目前很多对消费者的研究还停留在静态的方式上，比如通过问卷调查和对原始数据进行分析。更多的企业会在个性化定制服务方面加大投入。这些企业往往会通过社交网络，大数据技术的应用以及直接的接触（电子邮件和社交媒体）来了解客户的需要。像购买动机，生活方式以及内心需求这样的细节都很重要。营销策略的关键是要提高客户的满意度，激发客户的品牌价值意识，所以营销不仅仅是一种服务。
2. 云数据服务将会赶超传统意义上的存储
相对传统的前置应用，微软公司将会从其云服务领域获得更大收益。传统的前置应用受限于自身的前置存储空间，而云数据服务则更加开放。尽管云数据服务成本相对低廉，但企业为了获得有效的发展，还会研究去缩减其开支。云数据服务需要提防的一点是其合法性问题。希望企业花重金来做好数据的安全工作，避免数据外泄。
3. 更多的SaaS应用会行业化定制
像医疗卫生行业，制造业以及零售业将会开发出更多适用其领域的应用程序。这样做面临的挑战之一就是要承担起客户更深层次、更复杂的体验工作。但在开发新的功能时，企业在特定领域SaaS所具有的用户基础会使企业抢得先机。同时对用户也有好处。这种趋势不容小觑的原因是用户对特定领域相关应用的需要日益增长。在任何一个领域，通用的应用软件都会避免变得过于复杂。过于复杂会提供给用户不切实际的服务而与用户脱节。
4. 多重租用的可选方案将会出现
允许多个用户共享一个应用对于管理云服务数据是行之有效的，而传统认识是让多个用户使用，具有各自的界面。多重租用则具有更个性化的用户体验。例如，salesforce.com为企业所提供的新服务“Superpod”。这使企业在自己的数据中心拥有自己专用的基础架构，而不是连接到一个单独的服务器。这些新的混合服务给企业通向未来提供了更多可选项，为系统的开发工作提供了更多的创新空间，这样就解决了云服务市场存在的瓶颈，也为用户提供了更多的选择。
5. 大数据分析更显突出
在2015年DaaS（数据及服务）的应用量会呈现上升的趋势，消费额将达到2150亿美元。DaaS将利用云来提供服务。他们还预测，会有更多的企业使用大数据分析技术作为其商业及开放数据集的一部分。云存储为企业的接入和整体存储容量提供了更高的灵活性。由于每单位云存储的相对成本在下降，越来越多的企业对大数据分析技术变得兴致有加，该技术则是实施开放数据集的绝佳机会。
-
大数据
用自助型BI推动企业产品消费化，大数据可视化公司永洪科技完成五千万元A+轮融资
商务智能（Business Intelliegnce）领域过去一直都由甲骨文、IBM、微软等 IT 巨头盘踞着，这些公司有着完整全面的商务智能解决方案，从数据采集、存储到挖掘和展示，所有环节都全面覆盖。用户群庞大而且根基牢固。他们有庞大的销售团队和完备的客户支持体系，几乎构筑了一个铜墙铁壁，不给企图进入这个行业的公司留半点缝隙。大家都觉得 BI 很重，没有人敢去玩，难道新的进入者就真的没有机会了吗？
至少，永洪科技不这么认为，而且找到了一条相对 " 轻 " 的方式切入这个领域。
在底层，永洪基于全自主研发的分布式计算、库内计算、内存计算、列存储等技术的复合，实现 TB-PB 级数据的秒级运算。在前端交互上，永洪大幅简化了传统 BI 的交互模式，用户可以通过简单的拖拽操作自主关联字段，自建运算逻辑和展示方式。海量数据秒级计算 + 自助式的挖掘和展现，使得企业内的业务人员可以大幅摆脱对 IT 部门的依赖，自主实现业务数据分析。而秒级计算本身，将 BI 实现周期从“周”缩短到“秒“，一线业务人员可以探索式的展开分析活动，而不必受限于事先给定的模型框架。
永洪所提倡的“BI 自助化”概念似乎也获得资本方认可，据永洪科技透露，该公司业已于近期完成五千万人民币 A＋轮融资，资金来自经纬创投。
Box 的创始人曾经在 YC 创业课中谈及企业级软件的创业思路时，强调了技术性和工具性，创业者要时刻关注革命性的新技术，并思考这些新技术能够给人们现有生活和工作方式带来哪些变化，去思考在传统行业中哪些过于昂贵或者复杂的工作方式可以通过技术去简化。同时从小处着手，在用户导向的模式下，为用户开发一个小工具，获得用户肯定以后再慢慢扩张市场，是创业者可以和现有的大公司竞争的最佳方式。
再来看现在的 BI 技术发展趋势，传统的 BI 服务提供商，平台的复杂性和购买、学习、维护的成本都极高，有分析需求的业务人员由于不懂编程，一份数据报表的产生往往需要经过销售和分析部门和技术部门反复的开会，沟通，最终花费很多时间才能形成。IT 部门事先建模，提前汇总好数据，业务人员在前端查看分析结果报表。这种预设的方法也给使得数据报表的修改和重新制定变得耗时而费力。面对分析需求的变更，无法及时给出响应。
随着大数据时代，数据的量级迅速提升到百万至百亿级别，还依靠 excel 等工具做数据分析的企业迫切需要提升自身海量数据分析的能力，而分布式数据分析系统搭建的技术门槛比较高，一般企业无法承担。
近几年，在数据挖掘技术领域，随着分布式计算等新技术日渐发展成熟，处理数据的性能有了几十倍的提升的可能，BI工具正在朝着轻量级、高性能、秒级响应的敏捷型BI的发展 ，这个技术的革命点给新玩家进入BI领域提供了一个入口。
未来，随着 BI 的轻量化、云端化，预期更多现在没有使用 BI 软件的公司也会加入这个市场。
[36氪，作者: icecutie]
-
大数据
大数据＋机器学习＋平台，Dato拿了1850万美元B轮融资
大数据在硅谷炙手可热，拿融资自然也不再话下，拿到千万级美元融资的也有不少，不久前大数据分析云服务GoodData就获得了Intel Capital领投的2750万美元。据华尔街日报消息，机器学习平台 GraphLab 刚刚改名Dato，并获得了 1850 万美元新融资，投资方为 Vulcan Capital 、Opus Capital 、New Enterprise Associates、Madrona Venture Group。此前他们曾获得680万美元融资。
GraphLab 提供了一个完整的平台，让客户能够使用可扩展的机器学习系统进行大数据分析。简单来说，就是从别的应用程序或者服务中抓取数据，让机器学习这个模型，并将学到的知识作为基础，自动地进行准确的预测和决策制定。这么讲挺抽象，我们还是具体举几个例子吧。可能最好理解的就是民主国家政府的民意调查，可以通过社交网络、媒体等提取数据，分析出民众到底在关心什么，分析出哪些区域的哪些问题必须关注、解决。其实，生物医学研究团队也会使用 GraphLab，主要是来分析临床记录，从而预测病人的病情发展趋势。零售业可以做价格预测、用户推荐；金融服务业可以做诈骗预警；市场公司则可以通过情绪分析锁定关键客户。现在 GraphLab 的客户已经包括 Zillow、Adobe、Zynga、Pandora 等。
那为什么是 GraphLab（现在应该叫 Dato 了）会获得这么多客户的青睐呢？ 其实，将原始数据转化为决策依据，并作出预测，这个过程还是很复杂的。往往需要大量的数据处理工具，收集、清洗数据，再建模分析，得出结论，进行展示；还需要大量的数据科学家或同样知识渊博的软件工程师来配合完成。既耗时费力，还投入不菲。所以 GraphLab 这样的平台，可以让毫无编程经验的数据科学家，快速地将理念转化为生产环境可以使用的产品，提高企业的生产效率，自然受欢迎。值得一提的是，Dato 现在能处理各种数据类型。
GraphLab 的创始人 Carlos Guestrin 是机器学习界国际公认的大牛，曾被 Popular Science 杂志评为 2008 年 “Brilliant 10”，还获得过美国青年科学家总统奖。2008 年在卡耐基梅隆大学带着两个学生研发了 GraphLab 的原型，2012 年被 Jeff Bezos 游说去了华盛顿大学。
在 Madrona Ventures 和 NEA 的资金支持下，2014 年 3 月创办了 GraphLab，并以测试版的形式推出了第一个商业版。2013 年 10 月，增加了机器学习功能，推出了新版本。现在的 GraphLab 已经不仅仅是图谱分析了，更是一家基于 AI 的大数据公司，能够处理各种数据类型，所以公司也改名叫 Dato 了。
在美国现在的大数据公司主要有四类：
数据的拥有者、数据源：特点是业务优势能收集到大量数据，就像煤老板垄断一个地区的矿一样。其实大多数有能力产生或收集数据的公司都属于这类型，比如Vantage Sports和收集了PB级数据的包子铺。
大数据咨询：特点是非常技术，提供从基础设施规划建设维护到软件开发和数据分析等的服务，但不拥有数据，比如Cloudera这家不到500人的startup是最著名的Hadoop架构咨询公司。
做大数据工具的：比如AMPLab出来的Databricks和Yahoo人主导的Hortonworks。
整合应用型：特点是收集拥有或购买一些数据，然后结合AI来解决更多实际的痛点。
像 Dato 这种做整合应用型的大数据公司才有可能有希望。未来是 AI 的，而 AI 的食物是数据。就像很多产业链一样，最困难且最有价值的创新往往发生在接近最终用户的那端，比如 iPhone。大数据行业最有价值的部分在于如何利用机器去处理数据得到洞见，影响组织和个人的行为，从而改变世界。收集和整理数据在未来会变得标准化和自动化，而利用 AI 进行分析的能力会变得更为关键。
[36氪，作者: 小石头]
-
大数据
报告|2015年度大数据发展十大预测
// // //
《中国大数据技术与产业发展白皮书(2014年)》针对2015年度大数据发展做了十大预测，他们分别是：
一、结合智能计算的大数据分析成为热点，包括大数据与神经计算、深度学习、语义计算以及人工智能其他相关技术结合，成为大数据分析领域的热点。
大数据分析的核心是从数据中获取价值，价值体现在从大数据中获取更准确、更深层次的知识，而非对数据的简单统计分析。要达到这一目标，需要提升对数据的认知计算能力，让计算系统具备对数据的理解、推理、发现和决策能力，其背后的核心技术就是人工智能。近些年，人工智能的研究和应用又掀起新高潮，这一方面得益于计算机硬件性能的突破，另一方面则依靠以云计算、大数据为代表的计算技术的快速发展，使得信息处理速度和质量大为提高，能够快速、并行处理海量数据。
二、数据科学带动多学科融合，但是数据科学作为新兴的学科，其学科基础问题体系尚不明朗，数据科学自身的发展尚未成体系。
在大数据时代，许多学科表面上看来研究的方向大不相同，但是从数据的视角来看，其实是相通的。随着社会的数字化程度逐步加深，越来越来多的学科在数据层面趋于一致。可以采用相似的思想来进行的统一的研究。数据科学作为一个与大数据相关的新兴学科出现，真正支撑大数据发展的学科跨越还没有出现。针对大数据处理的理论研究上，新型的概率和统计模型将是主要的研究工具，学科基础理论的突破还难于在2015年出现。
三、跨学科领域交叉的数据融合分析与应用将成为今后大数据分析应用发展的重大趋势。
大数据技术发展的目标是应用落地，因此大数据研究不能仅仅局限于计算技术本身。由于现有的大数据平台易用性差，而垂直应用行业的数据分析又涉及到领域专家知识和领域建模，目前在大数据行业分析应用与通用的大数据技术之间存在很大的鸿沟，缺少相互的交叉融合。因此，迫切需要进行跨学科和跨领域的大数据技术和应用研究，促进和推动大数据在典型和重大行业中的应用和落地。
四、大数据将与物联网、移动互联、云计算、社会计算、等热点技术领域相互交叉融合，产生很多综合性应用。
近年来计算机和信息技术发展的趋势是，前端更前伸，后端更强大。物联网与移动计算加强了与物理世界和人的融合，大数据和云计算加强了后端的数据存储管理和计算能力。今后，这几个热点技术领域将相互交叉融合，产生很多综合性应用。
五、大数据多样化处理模式与软硬件基础设施逐步夯实。
内存计算将继续成为提高大数据处理性能的主要手段。以Spark为代表的内存计算逐步走向商用，并与Hadoop融合共存，专为大数据处理优化的系统和硬件出现，大数据处理多样化模式并存融合，一体化融合的大数据处理平台逐渐成为趋势。其中有一个观点这种多元化一定程度上成为一体化，未来大数据多样化处理模式并存并且有可能成为一体化的平台。
六、大数据安全和隐私。
这是我们第三年关于大数据热点问题趋势的预测，每一年这都是非常靠前关于大数据安全和隐私问题，这个反映我们专家我们用户一种期盼一种理解一种关注度，但是我们在大数据的安全和隐私保护方面，以及大数据涉及到资源国家主权这层面，实际上技术层面没有比较多的，这两年多以来没有比较长足的进步，这方面有一定的问题的，所以说大数据的安全持续令人担忧。
七、新的计算模式讲取得突破。
去年前年我们在国内大量的去讲深度学习，今天我们发现一个很有意思的现象，在一些特定的领域发挥了作用，但是我们专家和工业界的人士更关注众包技术，也就是说可能未来不光是大数据讲深度学习。
八、各种可视化技术和工具提升大数据分析。
进行分析之前，需要对数据进行探索式地考察。在此过程中，可视化将发挥很大的作用。对大数据进行分析以后，为了方便用户理解结果，也需要把结果展示出来。
九、大数据技术课程体系建设和人才培养是需要高度关注的问题。
十、开源系统将成为大数据领域的主流技术和系统选择。
来源|互联网
-
大数据
大数据改造在线招聘，精准匹配求职者和目标职位，传统招聘还有存在的价值吗？
自2012年上线刚满2年便获得1亿美金融资的今日头条，通过数据分析不同用户对新闻的偏好，进而对其推送订制式新闻的模式几乎惹怒整个传统媒体圈；不久前成功上市的万达集团更是在今年9月与百度、腾讯联合宣布成立万达电商，企图借助百度、腾讯的底层数据库及会员系统优势对抗电商霸主阿里……
“大数据”在整个商业世界中正扮演着越来越重要的角色。
大数据获得热捧的背后预示着，商业战争将演变为数据战争。谁获得了最大规模的、最有价值的数据， 谁将赢得整个互联网的未来。正如移动互联网从平台级应用开始走向垂直化一样，大数据势能也将从平台级企业向更多细分垂直领域释放。在线招聘、互联网医疗、在线教育、O2O，这些垂直领域都对“大数据”有着最为直观的需求。我们接下来仔细谈谈大数据如何改变在线招聘领域。
在线招聘1.0，数据厚积时代
中国在线招聘市场可追溯到将近20年前。个人用户上传简历至招聘网站，企业用户在海量的个人简历中搜寻自己所需要的人才，劳动力供给方与需求方第一次通过互联网实现对接，在线招聘市场迎来爆发期。
我们仔细分析一下在线招聘1.0时代的一些特征：
1、海量数据
在线招聘1.0时代正处于“信息入网”的巨大红利期。智联招聘、中华英才网等行业中的玩家并不需要花费多大代价即能获得海量用户简历，并以此为资产吸引、对接更多的招聘方、猎头。当智联招聘半年前以7亿美元估值在美国纽交所上市时，其注册用户已达7700万，数据库拥有大约近6000万份完整简历。智联丰富的求职者数据令其在在线招聘1.0时代稳坐龙头。
2、数据结构化、标准化
该阶段的招聘网站拥有的求职者数据高度结构化，包括简历呈现方式、职业类型、从事行业等，但现实生活中的从业者所在行业或职业类型可能会更加精细。随着互联网技术兴起，新兴行业越来越多，招聘网站即使拥有多个数据属性也无法清晰定义用户能力与经验。
3、数据带来的简历轰炸与招聘低效
在越来越多企业和求职者疯狂涌向网络的同时，缺点也渐渐凸显出来。由于求职者投递简历的成本过低而导致的“简历轰炸”和个人信息造假严重等现象，让企业HR们面对越来越宽阔的“简历海洋”，苦不堪言。
「我们想要的是一名狙击手，招聘网站却为我们招来了一架坦克」。企业和应聘者的信息不对称，导致招聘网站「乱点鸳鸯谱」，传统招聘网站的短板开始露出端倪，不再能满足对人才数量及质量需求都与日俱增的企业HR或猎头。
社交招聘：三维世界与二维世界的竞争
随着Facebook与Twitter的社交风暴席卷全球，大数据挖掘的命题不断刺激着公众的神经。而在大洋彼岸的中国，大数据已经开始深入到电影、音乐、台网联动等垂直领域，在招聘这个垂直领域，大数据的应用也在造福着众多求职者与雇主品牌。
在线招聘2.0时代，招聘行为融入更多的社交属性，社交招聘网站逐渐成为招聘行业的主流工具。相较之传统招聘网站海量数据的扁平化，在社交招聘平台上则能挖掘出更多层次的数据内容：用户基础资料数据，用户行为数据，以及用户在社交平台的互动数据。
在线招聘2.0时代用户交互数据的重要价值被挖掘和掌握后，通过构建数据分析模型，整合职场人士网络行为习惯及社交网络的数据，能形成其更加精准立体的用户画像。如果说招聘1.0时代的大数据挖掘仍处于二维世界的话，到社交招聘时代的大数据，则将整个招聘领域带入耳目一新的三维世界。通过挖掘用户社交行为数据，企业在招人效果上整整提升了一个台阶。
以全球最大的职业社交网站LinkedIn为例——在LinkedIn上，个人用户可以创建简历、关注公司职位信息、建立人脉联系、填写个人技能，还能够分享行业资讯信息。而企业方则可以建立公司主页，购买付费产品可以发布招聘广告，搜索全站用户的档案并与之联系。
用户建立人脉关系与分享资讯信息的同时，也在传递他们所属的商业圈子以及他们的价值理念。企业在创立企业主页的同时也在树立雇主品牌形象、树立求职者信心。双方的形象更加立体化、具象化、情感化。
最近LinkedIn发布的《2015中国人才招聘趋势报告》中，在问及“未来5到10年对决定招聘行业发展起到最重要作用的趋势会是什么?”的时候，有55%的HR主动选择了“使用’大数据’预测未来人才需求”这一选项，远远高于全球27%的水平，这说明国内的人力资源部门已经意识到大数据的重要性。在被问及“贵公司在用数据了解人才招聘的效率和机会这方面做得怎么样?”的时候，只有18%的受访者认为自己公司做得不错，低于全球24%的水平，这反映出国内的人力资源部门在行动上仍然没有迈出通过数据的方式来优化招聘效率。
随着招聘领域进入三维世界，我们可以看到，2.0时代的在线招聘行业发展呈现出一些新的特点：
1、 招聘最合适的而非能力最强的
在1.0时代，企业招聘员工更多的是通过关键词基于简历进行搜索，这种方式无法从更多纬度判断求职者的价值观、社交属性。而在2.0时代，由于数据类型的丰富与立体化，新的数据算法能让雇主与用户更加精准匹配。
美国加州26岁的杰德•多明格斯某天收到一封突如其来的邮件，旧金山一家初创公司请他去面试程序员。多明格斯那时正住在加州某市一间租屋里，靠信用卡赊账度日，他正在自学编程。多明格斯在高中表现中等，也没想过要上大学。是一位名叫卢卡•邦马萨的人通过一种新的数据算法选中了多明格斯。
这种新的数据算法的理念是让人把目光从传统的人才指标上移开来一点，比如招募者一般都很关心的麻省理工大学的学位、谷歌公司供职的经历、同事或友人的推荐等，同时投入更多注意力在一些简单的概念上面：这个人的表现如何？这个人能够做什么？能不能量化分析它？
据了解，这种来自于美国某数据分析公司的新算法在分析一个人时要处理三百来个主要变量：常逛的网站、描述各种技术时使用的语言类型、积极还是消极、在LinkedIn上的技能自述、参与过哪些项目、都干了多久、在哪里上的学、学的什么专业，这所学校当年在《美国新闻与世界报道》上排名是多少……正是这些丰富的数据勾勒出求职者更加立体化的画像，让雇主与用户更加精准匹配。
2、“大数据”提升劳动力运转效率
2011年夏天，曼城队助理教练大卫·普拉特决定利用数据分析来解决球队在表现方面遇到的一个棘手难题。普拉特发现，尽管球队阵容中拥有多名高大强壮的球员，但他们的角球得分情况却不尽如人意。 在征求了俱乐部内部数据分析师的意见后，该队增加了对内旋角球（球转向守门员方向）的使用。战术转变产生了惊人的效果。在整个赛季中，曼城队依靠角球打入15个进球，成为英超角球得分效率最高的球队，其中2/3的进球采用的是内旋角球。这一实践为数据驱动型决策提供了强有力的支撑。
高质高效的数据分析开始在企业和团队的战术及决策中展示出更大价值。
一些走在前列的科技公司如BAT、华为、联想等，已经开始用LinkedIn的数据协助自己进行更多的商业决策。比如，通过阅读求职者的资料，它们可以发现哪些地区拥有更多潜在的合适的员工，并决定在何处设立新的办公室或工厂。换言之，LinkedIn想要改变的不再仅仅是招聘和求职的方式，而是整个劳动力市场的运转效率。
在LinkedIn首席执行官杰夫·韦纳尔(Jeff Weiner)的理想状态下，LinkedIn可以基于这些数据描绘出一幅宏大的“经济图谱”。具体说来，如果LinkedIn能够跟踪求职者、公司和大学之间的关系，绘制出人们的工作职位、资历和技能与雇主要求间的匹配图，它就能够逐步改善劳动市场信息的流通，创建劳动力市场的大数据。
总结
如今，数据获取变得越来越容易，然而面对海量的数据，如何更好地加工和运用，使其转化为商业机会并提升价值，大多数企业依旧在为之努力。职业社交网站凭借着对大数据的深入认知与实践，或将迎来意想不到的井喷期。
作者：新媒体砖家
-
大数据
大数据与人才管理，欲说好困惑
// // //
文/张月强
如果评选2014年最热词汇，大数据一定榜上有名。如果在人力资源管理者中调研2014年最关注的话题，人才管理必定当仁不让。
伴随着移动应用在日常生活中的普及以及社交应用的风起云涌，基于云技术的大数据应用，也逐渐拓展到企业管理的多个领域。例如，Google已开始利用大数据更好的招聘，LinkedIn也更加的关注于为注册用户提供更有针对性的职位推送等。不过，大数据真的是企业管理的灵丹妙药吗？从传统的聚焦因果分析的企业内部决策分析（事后分析），升级到更加关注趋势分析的大数据分析（事前预测），不仅仅需要跨越数据积累和数据模型的鸿沟，更大的挑战在于与实际管理业务是否直接互联互通。
刚刚完成人事管理、人力资源管理到人力资本管理升级的中国人力资源管理者，在互联网浪潮、社交应用、大数据的轮番冲击之下，能否通过大数据应用实现弯道超车，跨越人才管理的基础鸿沟，真正提升人力资源管理在企业战略决策中的地位，这是所有人力资源管理者困惑和需要深入思考的重点。
面向未来的趋势分析劳动力
人才管理区别于传统意义人力资源管理的最核心之一即是劳动力规划。企业的战略在发展和变化，人才战略需要能够高度匹配企业战略；企业战略随着市场环境而发生变化，人才战略更需要基于企业战略规划，更好的模拟和预测未来的发展。现有的劳动力规划，擅长基于既定战略、结合原有人才体系，进行人力资源规划；而基于大数据的劳动力规划，则需要更广泛的分析历史、行业、全球、地区的数据，并结合政策信息、人口信息、环境信息等各种数据，模拟未来战略发展、演变以及与之配套的劳动力结构、数量、能力要求、人才储备、发展计划等。因此，不再是单纯的计划，而更多的立足于长远的规划和演进，进而帮助企业战略落地和校准企业战略方向。例如，大数据分析帮我们更好的预测到人口红利消褪的2020年，劳动力的主要构成、文化习惯、管理方式创新等。在此领域，SAP联合牛津大学联合发布的《未来的劳动力》（Workforce of the Future）做了卓有成效的探索。
当然，我们也需要清醒地看到，囿于大数据规模效应尚未形成，劳动力分析的大数据仍然需要更广泛的数据源补充。
在人才招聘中互联互通
社交媒体的活跃，不仅仅为普通大众打开了一扇更广泛的社交方式，对企业的渗透也在逐渐深入。一方面，以社交媒体的“去中介化”为起点，完全颠覆了传统招聘的信息不对称局面，雇主可以透过社交媒体固有的“大数据分析”机能更好的全方位考察候选人，一方面“自媒体”的崛起，帮助候选人更容易透过社交媒体多角度了解雇主尤其是雇主品牌。简单如LinkedIn的意向职位推送，即体现了大数据的力量。
我们欣喜的看到，随着移动应用的进一步普及，基于大数据的社交招聘，正通过微信等新兴媒体的快速传播而逐渐占据招聘的主流地位。同时，与云端的人才测评等的高度融合，更加速了招聘走向“大数据”化和社交化。
深入了解个人和组织
《论语》曰：知之为知之，不知为不知，是知也。要做到“知之”难，做到知“不知”更难。我们习惯性认为，自己已经具备胜任工作的能力，同样习惯性认为为自己做了比较正确的职业规划，其实不尽然。事实上，商业环境的变化、知识更新换代的加速，决定了我们在“知己”方面的严重误判风险，以及组织和个人发展方向的盲目乐观。以学习和培训为例，新兴岗位培养体系的无法借鉴性，加之知识更新换代频率的加速，决定了传统的培训方式、培训内容、学习目标、学习动因都在发生颠覆性的变化，如何更好地、更针对性地、更合理地安排个人和组织的学习成长目标、学习发展方式、职业生涯规划、继任计划等，成为大数据时代人才管理者的巨大挑战和重大契机。大数据一方面提供了更广泛的参照样本，一方面也帮助企业和个人更加科学、量化的看到自身能力的补充方向和发展方向，更加积极主动地参与到学习环节中，从“要我学”真正转化为“我要学”。
同时，人力资源管理者更需要充分利用移动技术和社交技术，充分利用员工/学习者的碎片化时间已经潜意识的分享“冲动”，更好的建立学习型组织，建立服务企业战略的学习体系。
以高绩效为基准优化人才结构
绩效管理的核心价值在于将企业的战略目标高效、准确地传递给每一个员工。完善的绩效管理体系，能够帮助企业更好的执行企业的战略。而大数据时代的绩效管理，则进一步需要帮助高绩效员工“画像”，以此“画像”塑造员工、发掘员工、招募员工。通俗的说，即是透过大数据分析，将高绩效员工的行为特征进行量化描述，进而基于此可视化描述形成员工行为准则和选拔标准，帮助企业建立高绩效的管理机制和团队能力，以高绩效行为准则为基准，优化人才结构。
同时，我们可以发现，目前绩效管理与大数据的结合，不在于缺乏高绩效人才行为的洞察模型，而在于历史数据的可参照性欠缺以及对标数据的完整性不足。
相助人才盘点 洞察微末
不同的企业里面，分别哪些岗位的离职风险较高？主要原因是什么？当前组织单元里面，哪些人有潜在的离职风险？离职的真正原因是什么？
这些问题，人力资源管理者一般无从回答或仅能凭感觉回应。基于大数据的人才盘点，可以将基于样本的分析模型，应用于足够丰富的大数据，进而更清晰盘点隐藏在人员结构之下的能力/潜质分析、绩效/产出分析等。同时，反过来优化分析模型，更好的盘点人才，包括结构的盘点、发展趋势的盘点（离职倾向、绩效提升/改进点等）。这是对传统的智能分析以结构和因果为主进而发现问题为原则的跨越式升级，形成洞察微末，进而“防微杜渐”的真正的决策支持。
大数据之“惑”欲说还休
观察行业，我们欣慰的洞察到越来越多的企业将大数据视为升级人力资源管理体系的重要手段和契机，逐渐应用在招聘、绩效、人才盘点、学习与发展等领域，更加推动了中国的人力资源管理从人力资源到完整人才发展的跨越。但是，我们也需要认识到目前的强大阻力：包括对“云技术”/云应用的不信任、顾虑甚至抵触，以及企业人力资源管理者对原本内部管理数据的安全顾虑进而保守封闭导致大数据不大（充分）等。这些障碍，不仅仅束缚了自身的手脚，更无法真实获取对标数据，因此，也无从谈起大数据的真正应用。
总之，雄关漫道真如铁，大数据推动人才管理，在路上。
本文章原载于《培训》杂志2014年年终特刊
扫一扫 加微信
hrtechchina
