• 数据分析
    Alteryx获6千万美元助推数据分析应用建设平台 Alteryx公司提供了一种通过工作流界面获取的各种数据源来创造分析应用的方式,近日该公司宣布获得了一笔6000万美元的B轮融资,这笔资金将极大地推动公司发展。     该轮融资由Insight Venture Partners领投,现有投资者SAP Ventures和Toba Capital跟投。他们在此之前的最近一轮融资是2013年5月的一次1200万美元的融资。加上此次获得的资金,该公司的总融资额为7800万美元,这显示了投资者的信心,他们相信这个市场会越来越大。     显然这种自信是有原因的,Alteryx报告称目前他们拥有600位客户,较去年同期增加200%。     有趣的是,Alteryx总裁兼首席运营官乔治·马修(George Mathew)并不认为该公司在与通常的商业智能企业进行竞争,不管是更现代的平台,如Tableau和QlikView,或是更传统的企业,如SAP Business Objects公司(马修就来自那里)、甲骨文的Hyperion或是IBM Cognos。相反,马修说他的公司可以作为现有工具的上面一层,他说他们是Tableau和QlikView的合作伙伴,所以他不认为他们是竞争对手。     “当你看到这个市场的出现,它不是关于中心IT,而是关于终端用户如何被激活和授权。这是我们的主张,并且我们专注于关键能力和经验。这就是为什么[我们和其他BI厂商之间]能够进行合作。”     这是因为当你手头有一组数据源,Alteryx是用于处理数据的工具。它可以让你通过在不同的数据源和其他对象间进行拖放来创建一个工作流。然后,您可以将此设计打包进应用中,与他人进行分享,或者你可以用它来生成报告、数据透视表或是你需要的任何东西。     那些应用程序是让这家公司独树一帜的真正因素,他们已经打开了一个市场,在gallery.alteryx.com上分享或售卖,它还为技术性要求较低的用户或公司提供帮助计划,这些公司或个人需要特定类型的报告,但又不想进行无谓的重复劳动。     据马修称,这种方法所得一个有趣的结果是,像德勤、波士顿咨询集团(BCG)和毕马威会计师事务所这样的第三方会创建定制的Alteryx应用,这为他们带来了不断增长的客户群。事实上,马修表示,BCG有20%的员工每天都在Alteryx上工作,而这意味着新的业务。     举一个例子,BCG前不久在巴西有一个奔驰的项目。马修说他们在该国并没有业务,而且与奔驰公司也没有业务往来,但BCG为这家汽车制造商建立了Alteryx应用程序,通过像BCG这样OEM厂商,他们实际为Alteryx提供了大举进入这一全新的市场的便利。     Alteryx目前拥有约200名员工,主要集中在北美地区,不过他们打算利用新的资金来扩大自己的内部研究和发展以及国际销售和营销工作。该公司今年早些时候开设了伦敦办事处,利用此轮融资获得的额外资金,他们计划增加更多的销售人员。     其中的一个原因是尽管数据分析以不同的形式已经存在了很长时间,被IT安装和运行多年后,最近转到了云端,但因为直至现在,这种类型的数据分析大多局限于受过专门训练的分析师和数据科学家,因此这个市场的空间还将继续扩大。     马修说,市场上之所以有更多的成长空间,是因为像Alteryx这样的工具提供了一种方法来简化这种类型的数据进行分析,并把它带给更广泛的企业用户,如果是这种情况,这自然要增加市场的容量。     随着时间的推移,很可能我们将会看到整合,就像早期的企业所做的那样,但马修表示,现在新一代的BI企业仍处于发展早期阶段,在我们在上一代BI工具上所看到的洗牌发生之前,应该还需要一段时间。(译:李娜)   来源:tc中国
    数据分析
    2014年10月09日
  • 数据分析
    【大数据】看Google如何利用数据分析重新定义HR 当谷歌的股价突破了800美元的界线,谷歌一跃成为全球第三位最具价值的企业。当人们解读谷歌公司的成就归功于领先的技术及商业模式的时候,然而谷歌公司却坚定地认为,他们的成功来源于成功地运用了“人事分析”的优秀人员管理实践。这是一个令HRM兴奋的最佳实践! 一种新型的人员管理 谷歌优秀公司的高管认识到持续创新是不可能会出现,直至企业采取战略转移,成为一个注重优秀人员管理的组织。注重人员管理的企业战略是必要的,因为创新来自于人。于此同时,除非你有能力聘请并留住创新的人,否则你无法使创新最大化。甚至,你必须为这些创新者提供卓越的管理者和能够支持创新的环境。不幸的是,成为一个创新性公司的转变过程是不确定的,因为现今绝大多数的HR职能操作都是参照20世纪的操作原则而开展。显然,这种职能操作属于能够减少风险,也合乎法律法规的人员管理决策。如果你追求持续型创新,你需要彻底改造传统型的HR,而谷歌的这个过程将引领创新。 转移到基于数据的人员管理 “人事分析”方法的基本前提是精准化和量化企业中最重要最影响深远的人员管理决策。你无法产生优秀的经营业绩,除非你的管理者采用精准化的人员管理决策。许多人会认为产品研发、市场销售、资源配置决策属于最具影响力的决策。然而,以上每一个商业决策都是由员工来做决定的。如果你聘请并留下的绝大多数员工是平庸的,同时你提供少量的数据给他们,你只可以做一个假定,那就是他们将会在这些重要的商业领域中做出平庸的决策,当然在人员管理决策上也是如此。 在财政、供应链、市场销售等这些领域中,没有人会在缺乏大量的图表、表格以及数据支持的情形下在他们各自的领域提出相应解决方案,然而HR被普遍认为过于依赖“信任”和“人际关系”来解决问题。人员花费通常占用企业近60%的可用成本,因此采用基于数据分析的方式来管理这些涉及一大笔花费的项目是具有重要意义的。 具有显著对比的是,谷歌的成功很大一部分取决于它是世界上仅有的运用数据导向来处理人力资源职能的企业。谷歌成功的商业经历应该能够使任何一个想要寻求企业高速发展的高管们相信,他们必须首先要考虑采用谷歌现在所用的基于数据分析的模型。谷歌所用的方法导致谷歌拥有着令人惊讶的、少有企业能够达到的生产力和利润(平均来说,每个员工每年能够生成将近$1000,000市值的生产力,以及平均每年$200,000的利润)。 如何采用谷歌式方法来重新定义HR 谷歌HR的职能与我曾调查和共事过的上百位HR的职能有显著区别。首先,谷歌并没有把HR的职能部门称为“人力资源部”,而是称为“人力运营部”。谷歌副总裁与HR主管Laszlo Bock无可非议地认识到每一个领域都需要基于数据的决策。谷歌的人力资源管理决策是通过强大的“人事分析团队”来引导的。以下两点引用来自该团队所强调的目标: 谷歌所有的人事决策都是基于数据和数据分析的。 我们的目标是人事决策所采用的精确化水平与项目决策的相同。对于HR,谷歌不再采用20世纪主观决策的方式。尽管它仍旧称它的方法为“人事分析”,然而它的决策方式也可以称为“基于数据的决策”,“基于数学的决策”,或者是“基于事实和证据的决策”。 1、氧气项目 “氧气项目”通过研究分析大量的内部数据,判定杰出的管理者都是基于其卓越的表现。它进一步鉴别出卓越领导者的八大特性。这些数据证明了相对于拥有深厚的技术功底的管理者,定期的一对一交流(包括表达对员工的关注和提供频繁的个性化反馈)是成为一名卓越的领导者最重要的品质。员工们会每年两次地根据这八大特性,对其上司的表现进行评价。 2、人力资源实验室 谷歌的人力资源实验室是其他任何企业所不具备的独特团队。这个团队在谷歌内进行具有应用性的实验来判定谷歌是使用最有效的方法来管理员工并提供多种的工作环境(包括使用最令员工愉悦的奖励方式),这个实验室甚至借助科学的数据和实验,通过降低员工饮食中卡路里的摄入量(仅通过减小餐盘的尺寸),来促进员工的健康。 3、人才保留算法 谷歌借助自己开发的一个数学算法积极并成功地预测到哪些员工很有可能会离职。这项举措允许管理者在为时过晚之前采取行动,并为员工留任提供个性化解决方案的空间。 4、人才管理预测模型 谷歌的人事管理是具有前瞻性。因此,它开发了一个预测模型并运用有效分析进一步改善对未来人事管理问题与契机的预测。谷歌也将运用数据分析提供更具成效的员工计划,这是实现企业快速发展与变革的关键。 5、人才多样性管理 与大多数公司不同的是,谷歌公司运用数据分析来处理员工多样性问题。从结果来看,人员分析团队运用数据分析来鉴定人员(尤其是对于女性员工)招聘、留任和升职板块薄弱的本质原因。鉴定的结果对于企业的人员招聘、留任和升职的影响是显著的可测量性。 6、高效招聘算法 作为少数按照科学的方法进行招聘的企业之一,谷歌公司开发了一个算法来预测应聘者在获聘后是否具有最佳生产力。谷歌公司的研究也会鉴别面试背后所隐含的价值,显著地缩短聘请员工的周期。谷歌运用战略方法来开展招聘,这在现今企业当中是独一无二的。谷歌的聘用决定是由团队来决策的,这是为了防止个别招聘经理为了他们的短期需要而聘请员工。在部分项目中,谷歌针对每类工作员工招聘开发了一个算法,用于分析被拒绝的简历,分辨出任何他们可能错过的卓越的应聘者。他们发现他们仅有1.5%错失率,重新审视候选人后,他们最终聘请了其中的一部分。 7、优秀人才的绝对值 谷歌的高管们已经统计过一位优秀的技术专家与一位处于平均水平的技术员之间的行为差异。为了检验优秀人才的价值,高管们会利用必要的资源去聘请、留下卓越人才,并进一步发展员工的卓越才能。谷歌最不为人知的秘密是谷歌的人力运营部专业人员会整理各行各业最佳“商业案例”,这是他们能够获得如此卓越的行政支持的主要原因。 8、工作环境设计对部门合作影响 谷歌特别关注于提升不同职能部门的员工之间的合作水平。谷歌发现这需要增加三个方面的变革:发现(例如,学习)、合作以及娱乐。因此,谷歌有意识地设计它的工作环境用来最大化地结合学习、合作与娱乐(谷歌甚至追踪员工们在咖啡厅所花费的时间,以此最大化地开展项目)。对于一些公司来说,设计“娱乐”环节看起来可能是奢侈的,但是数据显示“娱乐”是人际吸引、人员留任和员工合作中的关键因素。 9、提升发现和学习机制 相比于将目光集中在传统的室内学习,现在更加强调在实践中学习(绝大多数的人是通过在岗学习的)。谷歌通过循环式学习、从失败中学习、甚至邀请类似美国前总统 Al Gore和歌手Lady Gaga 的人来演讲,从而提升员工发现与学习的契机。自主学习能力以及适应力都是谷歌员工的核心胜任力。 10、用数据来说服而非胁迫员工接受 谷歌人员分析团队成功的最后一项关键要素并不是发生在分析过程中,而是出现在给高管们和管理者的最终建议书上。相比于用要求或胁迫的方式令管理者接受变革,它借助内部的顾问和高影响力的人基于强大的数据以及所呈现的行为来说服员工。因为它的听众都是具有高分析力的人员(特别是大多数的高管们),它运用数据去改变现在的观念,去影响现在的人。(回复2208获得更多大数据相关的内容,回复3152也可以获得人力资源相关内容)   【文章来源:三影塔CIO之家】
    数据分析
    2014年06月13日
  • 数据分析
    IBM:调查数据显示只有不到10%的企业为云计算应用激增问题做好准备 IBM日前披露的初步调查数据显示,只有不到10%的企业为解决移动设备、社交媒体、数据分析及云计算应用的激增问题做好了充分准备。     这次由IBM商业价值研究院开展的名为“IT基础架构至关重要”的调研活动共收到了来自18个国家、19个行业中750名CTO、CIO及其他技术高管的反馈,旨在揭示企业在全新IT时代中面临的基础架构、业务和组织挑战。     调查显示,70%的企业都承认IT基础架构在帮助他们获得竞争优势以及优化收入和利润方面发挥着至关重要的作用。大多数受访者(62%)指出他们计划在未来12-18个月内增加IT基础架构投入。     本次调查旨在更好地了解影响IT基础架构的主要趋势,以及企业在维护和升级现有技术方面遇到的挑战,尤其是在技术迁移方面的挑战。此外,IBM还希望通过本次调查来深入考察企业利用基础架构提高市场竞争力的各种方法。     IBM系统与科技部、集成供应链事业部高级副总裁Tom Rosamilia先生表示:“通过与技术主管展开讨论,我们发现当下正在发生历史性的业务与技术转型使得企业迫切需要通过部署计算基础架构来实现业务目标。现在的创新型企业已经意识到,只有适当的基础架构才能帮助他们创造真正的竞争优势并且推动收入增长。”     据初步调查显示,46%的受访者指出他们难以在不同地区之间安全、高效地转移大量数据。另外,有43%的受访者指出他们在维护一个安全的环境上遇到挑战,并且在降低成本以及提高全球存储环境效率方面也面临着压力。     尽管都承认IT基础架构的重要性,但仅有22%的受访企业制订了明确的企业级IT基础架构战略路线图。   【文章来源:199it】  
    数据分析
    2014年06月10日
  • 数据分析
    HR Data Analytics – Case Use by HR Organziations 作者:William Chin 授权发布 The Chapman Consulting Group just completed their Spring HR leaders meeting in Beijing on May 15. This time Lenovo hosted the session at their Beijing headquarter office. The topic for this round is centered around Managing Global HR in the age of ‘Big Data’ What companies are doing to optimise talent and HR systems in parallel with the advent of global and regional Centres of Excellence; The increased use of data and analytics as another tool of Global HR management; and The effect this is having on the type of HR Leader progressing within the profession.  This theme is consistent with their #1 trending HR focus areas for 2014. I have captured key points from the meeting below.     Lenovo – Shared Services Lenovo, the world’s leader in the PC industry, had just implemented a global HR system, making the switch by eliminating several disparate systems into a global solution. While they have done all the requisite change management requirements with organisation stakeholders, they are seeing that people still like to do things the “old way.” How true! People hate to change. While Lenovo made a clear stand that all everyone need to adopt and utilise the new system they do have a VIP process for their top key executives. The VIP allows for telephone hotline and/or email communication to a HR professional for assistance. However, everyone else is expected to utilise the new self-service model. The benefit of going global with their new HR system is now they have the ability to manage their workforce under one roof. Previously, HR was unable to access “real time” data and instead, was managing people with spreadsheets.   Pfizer – Improving Retention Employee retention is a huge risk in the pharmaseutical industry in China. Industry average is around 25-30% turn-over each year. Pfizer is the global largest pharmaceutical player and is also the largest in China. Even Pfizer is not immune to the high turnover rate. In fact, competitor companies target their employees, because they are the largest. To combat turnover and improve retention they turned to “big data” to better understand drivers of turnover – they created an employee profile of turn-over drivers. The profile Pfizer developed is employee specific with a “risk score.” Pfizer partnered with a consulting company to develop the analysis tool combining existing employee data and against employees who left the company. By looking at former employee profiles they then were able to map those to existing employee enabling Pfizer to see trending issues that may cause turnover. Seeing this information ahead of time allows HR to partner with BU leads to take proactive actionable steps. Some examples of high risk dimension include: employees where are a rehire (they have already left once), short-time with a manager (have not developed a strong bonding with the direct manager), and long tenure in a role (it’s time to refresh with a new focus). I was thinking these are all indicators of high risk turnover by itself. So, why do you need to do a study? The genius is that employee turnover is multi-dimension. Not one thing by itself are drivers of turn-over but, by combining all the various turnover drivers and employee profile, you begin to see a multifaceted profile of their employees – HR and BU can then take multiple tracks to drive retention.   Qualcomm* – Use a Data Analytics Qualcomm has a dedicated data analytics team. That team started in 2008 and was a small group who was responsible for generating large HR data but, on spreadsheet format. Over the years, Analytics Team went on to focus on benchmarking to creating data visualisation and now focusing on predictive modelling for the company. Qualcomm human resources has the ability to pull up dashboard data an a click of a button. This is information is globally accurate and with the ability to do drill downs by organisation, business function, geography and employee types etc. This enables Qualcomm HR, at all levels – HRVP to HR specialist, to have the same data points, at any time. The analytics team also conducts research projects analysing the success of a merger and acquisitions project. The team created a social network analysis / model indicating the strength on network and social ties. In a M&A, one would typically want to see the newly acquired company integrate into the overall company. The faster employees integrate the greater the success outcome. Creating such a model allows Qualcomm to analyse and visualise social interactions to gain insight on who were the “bridge builders,” those who were the best at helping with integrating after a merger.   Doosan – Don’t Over Do It With Data Doosan is a Korean-based conglomerate. The HRVP reminded us that sometimes over use of data can be detrimental to business decision. Instead of using judgement, managers often ask project analysts or HR for more data to help with their decision making. With the data provided, business will ask for more next level data, to back up the high-level data. Analyze the data, analyse more data, then the data paralyses you. By the time the data is complete that the information is out of date and decision window is closed. How often have we faced this before? The presenter was so right on with this point. In HR, we also have metrics and data to measure our performance. The roundtable participants all have HR KPI scores they manage to. One hotelier HR said that after a HR systems implementation that their HR satisfaction scores dropped. I thought that after any large project implementation that one would expect a drop (remember that people hate changes). Instead of managing to the dropped score HR should be managing to improving the score and maybe, that scoring criteria will be different from the prior standard but, the processes and systems have changed. Doosan further explains that in a business downturn, for example, HR is expected to manage employee reductions. So, what happens if HR is successful with meeting the employee reduction targets and morale KPIs are on track yet, the business continues to decline. Doosan HR further suggests that we use experience and judgement to help the business. Data is only one part of the story.   This wraps the summary of key points by each presenter. The Chapman Consulting Group always does a good job with brining together a group of HR leaders from various industries for sharing and networking.   作者声明: *I am employed by Qualcomm. However, the information contained within is the opinion of the author and not that of my employer. All company and/or product names may be trade names, trademarks and/or registered trademarks of the respective owners with which they are associated. Furthermore, this blog post does not represent an endorsement of their products and services and I have woven my own experience in this post. This is for informational purposes only. There is no representations as to the accuracy or completeness of any information.
    数据分析
    2014年05月17日
  • 数据分析
    HR,如何与数据谈一场恋爱 HR们若想深入开展更有价值的工作,必须开始近距离接触数据分析的逐项要义,了解和亲近她,最好是和她谈一场缠绵悱恻的恋爱,这必然是一个奇妙的历程,但也并非是一个可以迅速达成的过程,有效数据分析的背后,是卓越管理思维和逻辑的体现。   我们可以把亲近数据分析的历程归纳为:反应、主动、决策和预测。与数据逐步亲密,是不是有点像谈恋爱?在实际执行上,势必会增加我们的工作量或协调更多的资源,所以你会发现这是一个痛并快乐的过程。总结我的经验,HR通过数据分析,量化职能价值,作为一种重要手段,可以在以下几个方面进行聚焦: 1、从分析成本效率,到分析组织和人的效能与价值。举例:招聘分析,除成本效率之外,还可开展招聘人才质量、人才库、招聘环境与趋势、对接薪酬新老平衡分析、试用期绩效与测评等分析。   2、从收集和分析单维度数据,到分析关联数据,甚至发掘非关联数据之间的关系。举例:企业除实施调薪率的内外部对比,根据物价、调研结果、企业经营确定调薪率之外,还可从内部HR职能管理数据中,建立关联,倒推决策规则,如调薪对离职率,调薪对敬业度、调薪对商品质量、客户满意度等。   3、从传统工作的数据分析,到创新管理思路的调查发掘。举例:流动率和离职率的分析是一个方面,企业应建立内部留才指数,分析留才机制的动态变化,招聘部分可以对接到雇主品牌建设的量化指标,领导力和人才测评的数据分析更为复杂,也更具价值。   4、将数据内容统合综效,将数据动态对接到改善行动。此框架的核心是改进行动,数据是一个归纳过程,预测价值也是在改进之后,所以,有数据、可视化,进行分析,得出结论,找原因并制定改进计划,逐项实施和监督成效,这才是以管理思想为基础,以数据为工具驱动,提升管理价值的做法。如欧莱雅公司,在敬业度调查完成之后,便以专案团队的方式,分析合理差距并找出原因,建立了二十余项改进举措并一一推行,这是正常的管理逻辑。   HR可以用数据手段达到可视化和辅助决策的效果,这样的出发点简单而直接,如同谈一场恋爱,但过程中实际上需要积极主动并且花费心力,不要担心,一旦建立并且运行得当,经营者与HR量化价值标准步调一致的时候,你就可以淡定而从容的享受HR职能包括HR团队价值提升带来的成就感了。   作者:杨冰
    数据分析
    2014年03月28日
  • 数据分析
    LinkedIn是如何利用数据分析驱动产品的? 让我们看看这家全球最大的职业社交网站、第三大社交网络的运营数据。目前,LinkedIn有着2.7亿注册用户,大约400万家公司入驻,已经成为了职场人士最重要的在线交流和招聘求职平台。更引人注意的是它对高端企业用户的吸引力:大约90%左右的TOP100企业在使用Linkedin的服务。 从它的营收数据中也可以看出这些业务的增长潜力。LinkedIn的收入主要由人力解决方案(即招聘)、市场解决方案(精准广告)、订阅产品(针对个人的付费增值服务)构成,2013年Q4财报显示,这三项收入分别有2.456亿美元、1.135亿美元和8810万美元,同比涨幅分别达到53%、36%和48%。 实际上,LinkedIn的这一整套业务尤其是商业模式,是由数据分析和处理能力驱动的。随着注册用户数、入驻企业数量的增加,LinkedIn所需要处理的数据量也呈爆发性增长。社交网络上的每个用户产生的分享、评论和互相之间的互动都是数以TB乃至PB计,而为了让招聘者和求职者更准确地匹配,让广告推荐更加符合用户的真实喜好,准确和靠谱的数据分析是构建LinkedIn整个服务的基石。 在3月7日举办的阿里巴巴大数据论坛上,LinkedIn数据分析部资深总监Simon Zhang(张溪梦)详细介绍了数据在整个LinkedIn产品构建当中的重要性。他说,整个LinkedIn的商业模型由三个循环驱动的环节构成:首先是用户的增长以及用户的体验,其次,用户的增长和体验增加了很多的后台和前台的数据;第三,Linkedin会从这些新的数据里面发现更多的解决方案和产品,以推动商业的增长、用户的体验和用户数量的增加,从而进一步产生了更新的数据。 因此,数据实际上是贯穿整个LinkedIn产品的重要组成部分和驱动力。而针对数据的分析和处理,就成为驱动整个链条运作的关键一环。 Simon称,在他加入LinkedIn的9个月后,就确定了进行内部数据分析的三大原则:第一个是简单,任何人都能够看明白看懂;第二个是迅速,越慢接受度越低,越快接受度越高;第三是规模化,希望Linkedin内部所有的员工都能够用数据分析帮他们做决策。 LinkedIn是如何在数据分析中实践从而得出这三个原则的呢? 首先是推翻传统的数据分析方法,重新构建一个分析框架。LinkedIn进行数据分析的基础是:一,分析师要从产品、市场、销售和运营出发,先要了解和使用产品;二,进行产品追踪,实行产品数据标记,保证数据质量——也就是说分析师本身要分析自己以后要分析什么,这样才能把正确标记加到数据库里面去;三,数据和数据质量管理,即了解数据库之间的公用,流程,每种数据是怎么分工的。在这基础之上,才是传统分析中的专题分析、商业智能与报告、深度分析等等。 在完成整个分析框架底层的构建之后,就可以实现规模化了——把这些工作写入系统,系统可以模拟之前所做的大部分工作,然后让每个员工都能使用这些数据分析结果,从而进行进一步的决策。
    数据分析
    2014年03月09日