至顶网CIO与CTO频道 01月03日 编译:大数据已经无处不在,并且已经进入了企业生活的方方面面。企业应该已经预料到了这一点——大数据会影响到企业大部分的运作,并且能够对以前的黑暗区域提供见解,这已经成为一种必需。
人力资源也不例外。通过有效地实施大数据,人力资源部门可以更好地在其职权范围内管理人才。下面,福布斯人力资源委员会的九名贡献者就大数据能够为人力资源管理部门带来的好处发表了各自的看法,这些看法非常坦诚。
1. 完善战略员工队伍规划
大数据可以改变人才招募工作,但是组织必须正确分析结果。全面检查所有的人力资源数据有助于深入了解如何管理由于各类不同工作安排(例如合同工、兼职、兼职和兼职员工)的员工而造成的分散人才格局。
——WilsonHCG的Kim Pope
2. 降低成本,更多地回馈员工
在人力资源部门使用大数据带来的最大好处之一就是可以选择使用软件进行日常的人力资源管理,而不是为整个人力资源部门添加人手。在人力资源和福利管理方面,有很多价格合理、全方位的在线服务,可以涵盖人力资源和福利管理的方方面面。充分利用这些专门的系统以降低成本,并且更好地回馈你的员工,这是非常有意义的。
——Virtual Vocations公司的Laura Spawn
3. 挖掘隐藏的人才
组织面临的最大问题在于组织内部隐藏着人才,但是领导们却始终认为他们需要从外面聘请人才。使用神经语言程序分析过的大数据可以帮助分析反馈、项目评价和整体人才档案数据,从而近乎实时地建立组织内部的员工技能档案,这些档案可以被用作员工队伍规划的工具。
——Engagedly的Srikant Chellappa
4. 提供强大的洞察力
数据就是知识,知识就是力量。要定义你的旅程,你必须了解你的公司的现状。员工分析具有强大的洞察力,可以挖掘会影响公司营业利润的因素:应聘者体验、员工敬业度、客户满意度等。数据可以帮助找到机会在哪里,塑造企业文化并揭示如何在全球范围内产生积极影响。
——McAfee的Chatelle Lynch
5. 预测招聘需求
在招聘环节,雇主可以利用大数据更好地预测招聘需求,同时提高招聘质量和员工保持率。通过挖掘员工数据并确定技能、绩效等级、任期、受教育程度、过往职位等因素之间的相关模式,企业可以减少招聘时间,提高员工敬业度和生产率,并且能够最大程度地减少员工更替。
——Insperity的John Feldmann
6. 提高员工保持率
在人力资源领域拥抱大数据趋势的好处之一就是聚焦组织的健康状况。在当今人才短缺,员工对雇主的期望节节走高,公司文化对企业的长期生存颇有影响。企业在人员决策方面必须和业务决策一样,采用同样严谨程度的数据和分析。
——Sherry Martin
7. 实现无偏见的决策
保险业以其对数据的掌控力著称,这个行业高度重视人力资源数据,并以数据支持好的决策。有效的数据能够为生产力、组织结构和创新提供支持。有意义的数据板可以跟踪人口统计信息、环境、健康和安全、总薪酬、能力、培训、流动性和发展,还能够跟踪敬业度、保持率、员工关键绩效指标等。
——PEMCO Insurance的MJ Vigil
8. 实现流程自动化
对于使用分析会在人力资源中剔除“人”的因素,有些人心怀疑虑,但是拥抱大数据让你能够使用工具,并且实现流程自动化,从而减少人为错误。当你将任务和流程自动化了之后,你的人力资源团队可以腾出手来,更好地完成战略规划、与员工联系并完成让公司变得更好的任务。
——SkillPath的Cameron Bishop
9. 利用共同经验
由于失业率一直很低,因此人力资源部门的领导们没有太多的余地来“做到正确”。了解更多组织的经验,了解更广泛的人力资源趋势,利用这些共同的经验可以使雇主做出更好的决定。受到这一趋势的影响,市场上已经出现了很多新的大数据分析和人工智能解决方案。
——EverythingBenefits的Rachel Lyubovitzky
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。