-
大数据分析
驱动人力资源未来的必备人力资源技术
人力资源技术市场的爆炸式增长只会越来越大，已经有4000多家公司的市场出现了新类别。
随着公司跳入数字化潮流，人力资源技术市场正在蓬勃发展。随着组织努力策划当代人才架构和人才体验，出现了新类别。随着“核心人力资源系统”被“核心人力资源平台”的思想所取代，工作场所应用的消费化已成为现实。人力资源技术服务提供商正在提供有助于理解、诊断、设计和改进工作方式的工具。人力资源技术市场的增长是多重的，这是由于对实施后支持和维护的需求增加，各行业对云的采用增加以及对开发易于与移动应用程序集成的软件/解决方案的高度重视。所有这些都是对“使工作更好”的追求。
从2019年到2025年，仅“支持和维护服务”部分的复合年增长率估计就超过14％。
事实是，在当今的数字时代，采用HR技术不再是一种选择，而是必不可少的。组织越早采用HR技术，就越早使员工、组织效率和绩效受益。
人力资源技术一览表及其在各种人力资源领域的应用
人力资源技术现在专注于从流程到体验的重新设计。一方面，我们在员工端拥有用户权限和所有权，从而创造了出色的员工体验（日常工作活动）和人才体验（职业和成长）。另一方面，我们有人力资源和IT人员使用人才管理实践和流程、核心人力资源、薪资和IT应用程序。以下新兴技术正在推动这一领域的发展：
人工智能（AI）和人类智能共同发挥作用：人工智能和人类应相互补充，机器可以接管平凡的任务，而将更多的认知任务留给人类工人。人工智能将在人才招聘中应用于候选人筛选和候选人关系管理。聊天机器人将帮助简化员工查询并提高敬业度。基于AI的学习建议将有助于自定义学习，以提高学习者的体验和工作绩效。人工智能工具还将建议职业道路，并帮助员工掌握自己的职业生涯规划。与普遍认为AI会导致失业的看法相反，它将使人类工人更加专注和更具战略意义。
虚拟现实和增强现实创造了“引人入胜的体验”：现实世界中的就业经验可以帮助求职者做出明智的职业选择，还可以帮助千禧一代的员工寻求所需的数字体验。因此，AR、VR应用程序必须使招聘、培训和发展受益。领导力发展是组织可以在其中创建现实情况模拟的另一个领域，以使高潜力者能够在卷轴和现实生活中导航并取得成功。
Cloud HRIS：随着演出工作人员日益成为主流，公司必须将与工作的未来相适应的技术制度化，即远程和全职办公室员工共同工作和共同表现。基于云的HRIS解决方案仍处于起步阶段。
移动优先：随着千禧一代移动应用的普及，迫使雇主转向移动优先。无论是接收工作申请还是处理员工查询，移动应用都是随时随地的方法。L＆D必须为移动消费设计学习内容，同时还要设计大量台式机LMS。例如，将移动游戏（游戏化学习）作为一种学习干预手段，可以极大地提高员工敬业度。招聘营销也应该精通移动设备，以便下一代员工能够访问公司信息并做出明智的职业决策。同样，连续的绩效管理需要随时随地的反馈模块，该模块允许管理人员随时随地提供即时反馈。
数据和分析：人才分析一直是头等大事，但人力资源缺乏数据技能使组织无法利用它来获得高性能。数据和分析具有推动员工体验的潜力。组织拥有与员工人口统计、行为、动机等相关的正式和非正式数据。情绪分析可以帮助了解真正驱动多样化的员工群体和不同个人的因素，从而使HR创建真正参与的超个性化人才。同样，招聘数据可以帮助对“合适人选”进行整体评估。数据和分析为所有人力资源领域的员工和政策设计找到了巨大的范围，奖励了管理、绩效管理、学习与发展、招聘、员工敬业度和保留率。
大数据分析、机器学习、人工智能（AI）和物联网（IoT）中的技术扩散预计将对人力资源管理（HRM）市场的增长产生积极影响，该市场预计将以11的复合年增长率增长（2019-2025）的百分比，到2025年达到300.1亿美元。
如何实现技术采用和巩固？
这些新兴技术并不是新事物。但是，由于缺乏解释新技术所产生信息的技能，以及某些人才管理平台中功能的顽固缺乏，使他们无法增加真正的价值。
32％的人力资源技术项目严重超出预算，53％的项目在实施截止日期之前完成，42％的项目在两年后被评为“未完全成功”或“失败”。
作为员工体验的第一手管理者，HR必须首先建立自己的技术专业知识，使正确的技术制度化。开发数据技能是确保以数据驱动的方式处理人们决策的第一步。正确选择、设计和实施软件是人力资源主管的首要任务。最新的一批是现代的供应商，他们销售的员工体验平台只是为了坐在技术的顶端，让员工的生活更轻松。即使掌握了正确的技能，如果员工没有接受有关变革的教育，人力资源技术的采用也可能会失败。CXO套件在这方面发挥着重要作用，它激励员工接受技术。人力资源主管必须能够影响高层领导，并建立数字领导，他们充当技术使用的榜样。这必须辅之以对员工的持续投资，即培训员工和主管如何使用和利用技术以取得良好绩效。
以上由AI翻译，仅供参考！
作者：Rhucha Kulkarni
来源：https://www.peoplematters.in/article/budget2020/budget-2020-industry-leaders-mixed-reactions-24560
-
大数据分析
大数据分析服务商Fractal Analytics筹集2亿美元用于提高企业效率
大数据分析市场值得花钱。Market Research Future最近的一份报告称其到2023年的价值为2750亿美元，而Gartner最近预测，2022年人工智能衍生的业务收入将达到3.9万亿美元。由于这种资本处于危险之中，难怪投资者正在努力达数亿美元。
分析服务提供商Fractal Analytics今天透露，它已从Apax Partners建议的基金中获得了2亿美元的投资。正如孟买和新泽西州公司向VentureBeat所解释的那样，这项投资是两部分，包括主要注入和少数现有投资者的股权收购，包括马来西亚政府投资基金Khazanah Nasional Berhad，TA Associates，和其他投资机构。它将给予Apax在Fractal中的“重要”少数股权。
该融资公司将创业公司列入全球资金最充足的人工智能（AI）提供商名单的首位，迄今为止筹集了3.25亿美元，在2016年5月的1亿美元私募股权融资和2000万美元的风险投资中获利。 2013年6月，它使Fractal处于有利位置，因为它希望进行战略性的兼并和收购，并在16个办事处扩大其1,200名员工的员工队伍。
“Khazanah很自豪能成为Fractal的最大股东，在此期间它迅速成长为一家领先的全球分析公司，”印度国家主席兼分形主席Chinta Bhagat表示。“除了提供增长资本外，国库控股还与Fractal密切合作，精简董事会，支持产品创新，并将Fractal的能力带入Khazanah的投资组合公司。我们希望Fractal的每个人都能够走上下一个发展阶段，并期待在未来几年成为支持性的合作伙伴。”
Srikanth Velamakanni，Pranay Agrawal，Nirmal Palaparthi，Pradeep Suryanarayan和Ramakrishna Reddy于2000年共同创立了Fractal Analytics，其雄心勃勃的目标是将人工智能，数据工程和设计结合起来，为财富500强和富时100指数企业“解决每一个决策问题”。近19年后，谷歌，维萨，金佰利，RB，高露洁棕榄和富国银行等客户连续七个季度实现了40％的增长。
咨询服务占Fractal业务的主要部分。它与消费品，金融服务，医疗保健和生命科学，零售，技术和媒体以及保险行业的品牌合作，为企业问题构建定制的机器学习驱动解决方案。它通过提供AI系统销售点数据，与医疗保健提供商合作，在算法上确定一个人访问急诊室的可能性，并为零售商创建了一个AI框架，将数字销售额提高了25倍，从而优化了客户的营销支出百分。
除了定制的解决方案之外，Fractal还孵化了一小部分内部人工智能创业公司 - 这是一个计划在未来几年投入3000万美元的集团。
表现最佳的是位于孟买的医疗保健公司Qure.ai，该公司开发了一种基于人工智能的CE认证CT算法，可识别脑出血和骨折，以及可检测15种最常见胸部x的产品-ray异常，准确率为95％。另一个是试运行，它提供了一个人工智能平台，用于测试，测量和改进企业战略 - 一个可以回答诸如“如果我改造我的商店怎么办？”和“如果我引入新的促销以推动转换怎么办？”等问题。 - Cuddle.ai - 将其产品描述为“支持语音的分析平台”，为员工提供上下文相关的见解。
到目前为止，Fractal的表现令人印象深刻。2007年，它成为印度第二大分析公司。在2015年至2018年之间，它进行了四次收购：
Imagna Analytics，一家总部位于圣马特奥的数据科学公司，专注于广告定位
新加坡创业公司Mobius Innovations，专注于个性化营销解决方案
芝加哥战略与分析公司4i利用分析技术为企业客户寻找增长机会
Final Mile，一家整合认知神经科学和行为经济学设计以解决业务挑战的创业公司
Fractal Analytics与塔塔咨询服务公司，Wipro公司，Tredence公司，LatentView公司和Mu Sigma公司竞争，后者的价值超过10亿美元，2017年的收入为1.8亿美元。分形下降为最近的财政提供指标25美分硬币; 据该公司称，其2015年的最新报告收入为3320万美元。
以上为AI翻译，内容仅供参考。
原文链接：Fractal Analytics raises $200 million to boost enterprise efficiency with AI
-
大数据分析
未来的工作将走向何方？
先来看看以下工作 ：
1移动应用开发者
2社交媒体经理
3优步司机
4云计算专家
5无人驾驶汽车工程师
6数据科学家
7无人机操作员
8可持续发展经理
9 YouTube内容创建者
10千禧世代专家
虽然很多这些工作对我们来说都很熟悉，但这些工作实际上是最新的。这些是10年前不存在的那些工作。未来似乎比以往任何时候都要快得多。虽然我们仍然在争论AI以及它是否会创造更多的就业机会，但世界正在变得更快。根据世界经济论坛的最新报告“未来的工作”，请看一下机器何时可以实现类似人类能力的时间表：
2024年：翻译语言
2025年：组装乐高
2026年：写高中论文
2027年：自动卡车
2029年：对人进行5K比赛
2030年：零售业客户服务
那么我们的工作未来到底是什么？更重要的是，我们是否为此做好了准备？
未来几年，一批新兴角色将变得非常重要
根据该报告，一组新兴角色在未来几年将变得非常重要，而另一组工作档案将变得越来越多余。在所有行业中，到2022年，新兴职业群体的就业份额将从参与调查的公司受访者总人数的16％增加到27％（总共超过1500万工人），而角色下降的就业份额将从目前的31％降至21％。
今天大约一半的核心就业岗位 - 占整个行业的大部分就业 - 在2022年之前将保持稳定。
在接受调查的公司中，总计超过1500万工人，目前的估计数表明，工作岗位减少了98万个，就业岗位增加了174万个。根据全球（非农业）劳动力中大公司雇用的这些趋势推断这些趋势，估计可能会有多达2022个，7500万个就业岗位可能被取代，而可能出现的1.33亿个新角色更适合于新的劳动分工。
那么哪些工作变得多余？
在接受调查的行业中，2018 - 2022年期间预计会变得越来越多的工作岗位是基于日常工作的中级技能白领角色 - 例如数据录入员，会计和薪酬办事员，秘书，审计员，银行柜员和收银员。有些工作容易受到新技术和过程自动化的影响。
与此同时，数据分析师和科学家，人工智能和机器学习专家，软件和应用程序开发人员以及分析师等职位预计会增加需求。
同样，当涉及到需求技能时，分析思维和创新，主动学习，创造力，技术设计和编程等技能将超越手动灵巧，记忆和空间能力以及技术安装和维护等技能。
影响未来就业的因素
根据本报告调查的全球雇主，四项具体技术进步 ：高速移动互联网，人工智能，大数据分析的广泛采用和云技术——将成为2018 - 2022年主导的正面因素，影响业务增长积极。它们是一系列社会经济趋势，与国家经济增长轨迹等新技术的传播同步推动商机; 扩大教育和中产阶级，特别是在发展中经济体; 通过新能源技术的进步，实现更加环保的全球经济。
同时，预计会对业务增长产生负面影响的技术和社会趋势包括保护主义抬头，网络威胁，政府政策转变，气候变化的影响; 和日益老龄化的社会。
此外，加速技术的采用，改变生产，分销和价值链的地理位置，以及重新制定必要条件将决定就业的未来。
到2022年，根据本报告调查公司的投资意向，85％的受访者可能或很可能已经扩大了对用户和实体大数据分析的采用。同样，大部分公司可能或很可能已经扩大了对物联网，应用和网络市场等技术的采用，并广泛使用云计算。
为未来做准备
全球各国政府和组织已经开始意识到即将到来的变化，并意识到重新培训的必要性需要成为未来的最前沿。
政府和组织已经开始意识到工作将来会发生变化的现实。然而，还有待观察的是，随着技术进步对现有业务模式和实践提出挑战并改变它们，我们能够以多快的速度适应和重新适应这一不断变化的未来。除了大胆的领导，它还需要一种敏捷的员工终身学习心态。
以上为AI翻译，内容仅供参考。
原文链接：Jobs of the future: Where are they headed?
-
大数据分析
大数据分析公司 Kentik 完成 230 万美元 B 轮融资
数据的可见性是网络运营商的主要难点，Kentik 推出了基于 SaaS 的流量分析方案，为企业提供数据分析和监测，旨在解决这一行业痛点。
本周四（8月4日）数据分析公司Kentik Technologis 宣布完成了 230 万美元 B 轮融资，由 Third Point Ventures 领投， 现有投资者 August Capital、Data Collective、First Round Capital 和 Engineering Capital 参投，同时参投的还有新投资者 Glynn Capital 以及 David Ulevitch。
Kentik 成立于2014年，位于旧金山，是一家基于云的网络大数据分析公司，为企业提供数据分析和监测服务。Kentik 推出了基于 SaaS 和大数据的网络流量分析以及数据可视化解决方案，可以在互联网上实时收集上千万份网络数据，让用户迅速进行多维度查询并接收可视化信息。
目前，数字化商业运营中的网络可见性技术存在巨大缺口，Kentik 的突破性大数据分析在某种程度上填补了这个空白，与传统方式相比，Kentik 的新技术更加便捷。
自从 Kentik 在2015年开始推出服务以后，其客户群不断增长，目前 Kentik 拥有 60 多家企业客户，其中包括 Box、Yelp、Pandora、Shopi 等知名网络公司。
Kentik 打算用这笔资金招募更多的人才，在市场营销、销售和软件开发领域投入更多的精力，拓展市场。
本文来自翻译：www.finsmes.com
-
大数据分析
通过大数据分析能力保障企业安全，瀚思想做企业安全体系中的大脑
大数据时代，企业为了应对挑战部署各种安全设备，它们每天产生上百 G 甚至上 T 的数据，这些数据记录了企业安全的方方面面，但传统的信息安全管理系统的存储能力、处理能力、查询功能、分析能力，面对如此庞大的数据都显得力不从心。成立于 2013年 的瀚思试图通过大数据分析手段解决企业信息安全问题。
瀚思是基于大数据技术的一站式企业级日志管理平台。该平台由三部分组成，第一部分是数据采集模块，包括网络安全日志、系统日志、数据库日志、等企业内所有机器所产生的数据。除此之外可以采集 Netflow 和 Packet 的数据对网络流量进行收集。
第二，数据存储模块，能够为分析模块提供实时或者长期的关联分析能力。该模块运行在大规模并行处理的通用 x86 硬件设备上，吞吐量大于 10000 EPS，数据压缩率比传统关系型数据库快 40 倍，并且具有 PB 级的数据存储能力。除此之外，该模块还提供了，跨越多个数据源和系统的实时数据、历史数据的事件关联分析能力。也就是说当用户部署瀚思的产品之后，将历史数据导入瀚思大数据平台，那么可以发现企业之前遗留的安全问题。
第三，安全智能分析模块，对采集到的数据进行机器学习，以此分析用户行为、侦测异常行为模式和隐藏威胁，洞察企业整体安全趋势。同时，系统创建出多层次的仪表盘和报告，使决策层、管理层和一线运维人员从不同的视角来监控最新的安全态势并不断从中学习和改进。
目前，瀚思HanSight Enterprise，HanSight DataViewer两款产品已经在银行、电信运营商、政府机构，互联网公司，云服务行业得到广泛应用。
联合创始人董昕告诉 记者，在金融行业行业的应用场景中，瀚思大数据平台通过用户行为异常检测发现被盗账号，通过网络行为异常检测发现数据泄露，通过网络持续监控发现 APT 攻击，防线 Web 访问异常，以及发欺诈工作。
在政府方面瀚思提供了基于大数据技术、机器学习、和算法分析为基础的安全平台，与现有防火墙、IDS、虚拟化安全产品、内网安全产品无缝对接形成一个管理窗口。
另外在今年，瀚思将推出 SaaS 化的产品—安全易，将瀚思的数据收集、分析和安全检测能力推向云端。瞄准中大型规模的企业客户，按照数据量进行阶梯式收费。
而问及与其他安全厂商的关系时，董昕告诉 36 氪，安全产业的链条很长，针对各种垂直领域的厂商也非常多，瀚思与他们是一种合作的关系。当企业部署数据库防火墙、WAF 或者其他安全设备，这些设备的产生的日志息会在用户允许的情况汇集到瀚思的大数据平台上，数据量越大，瀚思分析和预测的结果会更加准确。
瀚思的大数据平台更像是大脑，而安全设备就像手和脚，当大脑储备的知识足够多足够丰富，那么指挥手和脚的动作也会更加精确。
来源：36氪，作者：陈庆翔，如若转载，请注明出处：http://36kr.com/p/5047144.html
-
大数据分析
Kyligence获红点数百万美元天使轮投资，构建基于Hadoop的数据仓库及OLAP产品
大数据公司Kyligence 跬智科技日前宣布获得了数百万美元的天使轮投资，投资方为红点资本。
Kyligence于 2016年 初成立，总部位于上海。致力于为用户提供基于 Apache Kylin 的智能分析平台及产品，以及企业级商业分析解决方案。
创始团队成员来自 eBay，IBM，微软，摩根斯坦利，SMG 等著名互联网及数据公司，包括多位Apache Kylin™的核心贡献者，并活跃于各个开源社区，Apache Kylin 是第一个由中国团队完整贡献到 ASF (Apache 软件基金会) 的顶级项目。
对此，36 氪采访了Kyligence联合创始人兼 CEO 韩卿 (Luke Han) ：
Kyligence 的诞生解决了哪些痛点？
随着 Hadoop 为代表的大数据技术的普及，越来越多的数据被收集、存储起来，并进一步进行各种处理以满足不同的业务分析需求。业界的实践证明，分布式大数据平台可以有效的进行各种批量处理、数据加工甚至挖掘等，为 “机器” 使用和处理大量数据带来了前所未有的便利和能力。
但大数据的飞速发展并没有为传统的数据分析师带来更多的好处。其原因在于 Hadoop 等大数据平台能很好的满足批量数据处理需求但缺很难让 “人” 以 “交互式” 的方式在超大规模数据集上就行各种不同维度的快速分析，特别是 Hive 等最终将 SQL 查询翻译成 MapReduce 的方式无法让用户在秒级时间内获得他们所需要的结果，而且很多分析师不得不使用 Shell 终端等方式访问和运行相关脚本，远远超越了对一个分析师、BI 人员的要求。
同时，由于处理时间和方式的差异，很难在短时间内获得分析结果，从而加大了企业内大数据分析平台及应用在推行上的难度。
此外，高端并行处理 (MPP) 数据仓库往往都以软硬一体机的形式提供，除了价格昂贵，没有开源以外，将大量数据从 Hadoop 等平台再次拷贝到这类平台上也带来了极大的工作量和额外存储成本，而业界越来越流行将数据保存在一个平台上，而将 “计算” 送往 “数据”，以降低总体拥有成本。
基于此，Apache Kylin 被开发出来以解决超大规模数据集上秒级甚至亚秒级的挑战，提供分析人员以交互式的方式访问和分析的能力，解决了大数据分析应用落地的实际难题。
Apache Kylin 内数据流的形式变化
大部分情况下，作为为业务人员或分析人员所用的数据往往以结构化形式呈现，在存储上，特别是在 Hadoop 平台上以 Hive 形式暴露，从而提供传统 RDBMs 的接口以使分析人员通过 SQL，分析人员通用语言，就行访问和分析。
在 Apache Kylin 内，数据将首先从 Hive 进行读取，此时，数据以行列式的方式被读入，之后数据会在不同的 Map Reduce 任务间进行各种计算，从而将最终结果转换为 Key－Value 组合，即 Key 为维度组合，Value 为各种指标值，最后存放于 HBase 中。
在用户提交标准 SQL 查询到 Kylin 服务器后，该查询会被解析并转换为 HBase 的标准 API 访问，或得相关数据后，进一步组织成标准的 SQL 数据结果集返回给调用者，在这个过程中，没有任何的 Hive 读取，没有任何的 MapReduce 读取，这也是 Kylin 查询性能非常快速的原因之一。
Kyligence 与下层 Hadoop、上层 BI 展现的区别，各自在性能与并发上有什么瓶颈？
Kyligence的目标是构建基于 Hadoop 的数据仓库及 OLAP 产品，因此，Hadoop 是 Kyligence 的底层存储和运算框架，细节上，Hive、SparkSQL、Kafka 等是 Kyligence 的数据源，Map Reduce，Spark 等是 Kyligence 的运算引擎，而 HBase 等则是 Kyligence 的存储层。
通过 Kylin 的预先计算及流式计算，将相应的数据依据业务需求构建数据集市并予以存储，从而在大量分析请求到来的时候无需访问原始数据源，无需每次调用 Map Reduce 等处理任务，直接将匹配的数据结果提供给前端工具使用，从而为超大规模数据集提供极速的访问能力。可以从 eBay，网易等公开的资料和文章上看到，相关的性能大大快于传统的数据仓库产品。相关生产环境上的实例证明，Kylin 在千亿规模数据（单一数据表）上可以做到 95%的查询在 1 秒内返回，目前应该没有其它技术可以在此规模上达到类似的性能。
对于前端展现层，通过标准的 ODBC 及 JDBC 驱动，REST API 等，Kyligence 可以与各种 BI 工具，可视化工具等无缝整合，以标准的 SQL 为用户提供分析能力。
往往，OLAP 应用在并发上表现并不理想，由于需要大量的读取底层数据，或者扫描大量的数据表，或者在网络间需要巨量数据交换，在几十的并发压力下已经做到极限。而得益于 Kylin 的预先计算及无状态服务器等特性，Kyligence 所提供的产品可以轻松做到三四百以上的并发度，在京东等用户案例中可以甚至可以看到已经通过 Kylin 提供对公网的服务，这是其他 OLAP 产品所无法提供的。
Kyligence 做这个中间层有什么必要？
Kyligence 所提供的 OLAP 及数据集市层，填补了大数据平台与分析人员之前的空白，如 Apache 软件基金会在 Kylin 毕业成为顶级项目的官方新闻中评价的：“作为一个领先的基于 Hadoop 的 OLAP 解决方案，Apache Kylin 填补了大数据与人使用之间的空白，使分析人员，最终用户，开发者和数据爱好者能够在大规模数据集上进行亚秒级延迟的交互式分析。
基于这些能力，Apache Kylin 将商业智能（BI）带回 Apache Hadoop 以释放出大数据的价值”。由下图可见，Kylin 很好的在大数据平台上为业务人员，分析人员提供一层重要的分析层，将各种业务分析模型通过 Cube 的形式进行组织和整理，使得他们能够通过熟悉的各种分析工具直接获得分析结果。
此外，Apache Kylin 也将传统的读写分离架构带入到了大数据分析领域中，在今天，上千台的集群规模已经很容易实现，而其上的任务可以跑到千万个上亿个。而超大集群往往同时承担着各种不同的业务应用和分析需求，从而使得集群极其繁忙更有甚者资源调度不均从而导致处理性能及稳定性下降等。通过 Kylin 的预计算能力，可以将分析需求所需要的数据经聚合运算后存储于独立的节点或集群，上层展现层及分析需求都迁移至该集群，从而将分析需求与运算集群解藕，从而达到大数据分析平台的读写分离，使得故障隔离和高可用性成为可能。
关于开源 Apache Kylin 及商业版本的区别
Kyligence成立后将使得核心开发者更加专注在 Apache Kylin 的开发和迭代上，基于即有的路线图和来自社区的需求进一步演进以提供更好的架构和性能。同时，Kyligence 公司将为有需求的客户通过其企业级产品 Kyligence Analytics Platform (KAP) 提供商业支持以及企业级功能，KAP 将基于最新的 Apache Kylin 发布版本并完全兼容，为各种不同的 Hadoop 发行版提供更加全面的测试和质量保证，并增加例如安全加密，高可用性，自动化及管理等企业级特性。
据悉，Apache Kylin 已经在国内国际多个公司被采用作为大数据分析平台的关键组成部分，包括 eBay、Expedia、Exponential、百度、京东、美团、明略数据、网易、中国移动、唯品会等。
原创文章，作者：徐宁，如若转载，请注明出处：http://36kr.com/p/5046159.html
-
大数据分析
营销大数据分析工具 Qubit 获 4000 万美元 C 轮融资
针对营销的大数据分析工具 Qubit 刚刚获得了 4000 万美元的 C 轮融资。
Qubit 是一家为营销人员提供大数据分析工具的初创企业，由 4 位前 Google 员工创建成立于 2010年，总部位于英国伦敦，其目标是帮助客户理解公司网站访客，并通过个性化展示来实时提高转化率。
在 CEO 兼创始人 Graham Cooke 看来，以前的电子商务模式赚的是容易钱，即电子商务网站只需要把商品陈列上去或者在客户最容易看到的地方打广告（如 Google 搜索侧栏广告）就能把访客转化为客户了，也就是所谓的转化率很高的 “预期经济”。但是现在随着客户设备以及旋转的多样化，客户购买决策过程变得更加冗长和复杂了，这增加了营销的难度。必须更加了解客户，提供个性化展示和优化才能提高转化率。
而 Qubit 的 Visitor Cloud 平台正是这样一套工具，它可以提供细分客户实时展示，将客户跨平台（解决客户使用设备多的问题）的产品浏览路径分析出来，同时 Qubit 还利用机器学习和大数据分析对不同业务流量数据进行分析，找出不同的客户类型模式，进而为营销人员提供不同的销售策略建议，从而引导客户销售漏斗的实现。
Qubit 目前拥有大概 300 家客户，其中包括 Topshop、希尔顿酒店、沃尔玛旗下的 ASDA 超市连锁等。且声称自 2012年 以来的年增长率均超过了 100%，目前 Qubit 处理的日均在线客户交互次数达 25 亿次，年销售额很快将达到 1 亿美元，预期在 18月 内实现收支平衡。
此轮融资由高盛领投，原有投资者 Accel 以及新投资者 Sapphire Ventures 与 Salesforce Ventures 跟投（值得注意的是后两家都是 CRM SaaS 巨头的投资机构）。此轮融资过后，其总融资已达 7485 万美元。此轮融资所得将用于电子商务以外其他垂直领域（如旅游、金融、电子游戏等）的扩张，以及 Visitor Cloud 平台的功能增强与完善，同时 Qubit 还将招聘更多人员，准备在硅谷开设分支机构。
来源：36氪，作者：boxi，如若转载，请注明出处：http://36kr.com/p/5043594.html
-
大数据分析
HR真的有必要运用大数据来进行招聘吗？
在全球性竞争逐渐增强的环境下，人才的获取已显得越来越重要。而人才获取作为企业的当务之急，也正在促使“大数据”分析的出现，同时，大数据分析也将会越来越多地影响到人才获取的决策。
一些企业正在快速进军大数据分析，以帮助他们做出招聘和晋升的决策。此外，互联网技术的提升也为企业充分利用庞大的招聘信息进行数据分析提供了可能。我们现在正处于利用大数据进行分析的初期阶段，这是令人兴奋的。然而，数据分析过程中还有许多我们不了解的，这可能会是一种可怕的陷阱。但是我们并没有很多探索，而且也没有出台相关的法律。或许今后法院审理的由数据分析引发的案件会帮助我们回答那些将会出现的问题。
“大数据”存在于各种不同的领域，有着各种不同的来源，它携带着丰富的信息并快速发生转化。随着时间的推移，大数据的概念已经演变到包括所使用的分析工具和用于检查数据的方法。这可能会使“大数据”这一术语逐渐消失，由一种更精确的说法取而代之。
互联网选择员工
一些具有科技资源的企业正在研究使用包含“大数据分析”的软件，以帮助他们进行人员招聘质量、甄选方法和人才获取战略的评估。这些软件就是通过互联网对大数据的分析来预测职位空缺和晋升的最佳人选。
企业利用计算机筛选的数据来建立可预测的分析项目，这些数据一方面来自从社会媒体和公共活动以及可通过网络技术获得的的外部信息；另一方面来自企业提供的关于员工的内部信息，如绩效评估和测试结果的信息。企业正在进一步探索最有影响力的、最有效的和最准确的方法去筛选满足组织要求的人才。
跟踪系统的申请并不新鲜，但是一些企业正在以一种创新的方式将其运用于大数据分析，这种想法是利用申请者跟踪系统获得的数据信息，来更好地了解组织如何可以获取拔尖人才。这些企业可能会有人力资源信息系统（HRIS），来帮助企业进行申请者跟踪信息的处理，实现了企业招聘“从开始到结束的全程”。
预测模型不是万能的
专家建议企业“你可以使用”大数据分析，但并不意味着“你应该使用”大数据。在企业决定使用大数据预测性的信息来确定潜在的应聘者之前，它首先应该建立一个“如何辨别企业空缺职位与应聘者工作能力是否匹配”的理论方法。
利用大数据提供的招聘甄选解决方案之前，企业需要基于招聘目标确立一套明确的方法。企业应确保他们所收集的数据已经被准确地审核过，是“清晰而良好的”数据。而将从多种消息来源收集的数据整合到一个统一的数据库确实是一个巨大的挑战。
大数据分析只是一个收集有关应聘者信息的工具。作为工具，它就像你有了问题，你就会去寻找解决问题的方法。 而工具只有更结构化和标准化才更好，因为只有这样你才会得到更多可靠性，有效性和可能性的支撑。
规则落后于技术
企业需要对人才的获取快速做出反应，而网络申请者的规则却未能跟上这样快的反应速度。根据规则，求职者必须达到网上申请的四个规则。包括以下内容：个人通过网络或相关技术手段提交就业意向书；第三方需要衡量这些求职者与求职岗位是否匹配；求职者的兴趣意向应该表明他们具有符合求职岗位的基本素质；求职者不放弃自己的进一步考虑，否则就会表明他们对这个职位不再感兴趣。
随着互联网技术的快速发展，求职者现在可以通过他们的移动设备快速申请职位，同时雇主也可以通过公共网络来检查潜在求职者是否合格的大数据。根据一些联邦承包商的说法，2006年的互联网应用程序规则不能满足当今企业的需求和要求，严重妨碍了企业合法经营的需求。如今，互联网技术仍在迅速发展中，规则是否能快速做出相应的反应仍然是一个摆在世界面前的挑战。
大数据在利益合法上存在担忧
一些企业可能会通过利用人才信息获取阶段的大数据（这个阶段人才还没有成为正式的“申请者”），从而避免网上申请规则，减少不良协议的风险。因此，这些企业可以将大数据的研究结果和工具应用于人员招聘的开始阶段，来快速淘汰那些不满足基本工作要求的应聘者。你可以减少最初需要筛选的求职者数量，大量的数字对于不良信息的统计分析而言是有害的。因为当你有大量的统计数据时，会更容易发现统计分析的显著意义。
在评选的过程中，利用大数据的预测分析模型可以避免主观性。这为所有候选人提供了一个公平的竞争环境，这可能会带来一些有利的结果，保护应聘者免受无意的歧视。不过，专家建议在这一过程中，用人单位应该认真审查预测分析模型编码带来的偏差。
然而，利用大数据也可能会引发不同的处理索赔事件。当大数据的分析和选择程序只用于某一个受保护的群体，而不顾及其他人的时候，依赖这样的预测准则将可能剔除很多可能合格的应聘者，则这些应聘者很可能会因为受到这种不公平甚至不合法的对待而引发各种争议。
本文来源Exerts discuss big data’s effect on hiring，bias claims，作者高凡，版权归原作者所有，如有侵权请联系，我们将及时处理。谢谢！
-
大数据分析
打通上下游产业链 看安装采供服务平台“安装通”如何一站式服务
猎云网（微信：ilieyun）文/刘思静
安装通是一个一站式建筑安装服务平台，服务于建筑安装行业（非土建）上游产品生产商和下游集成采购商。平台提供产品采供、项目合作、设计辅助、售后服务、金融贷款等一站式服务，包括建筑设备、会议多媒体、综合布线、楼宇安全、消防报警、通风采暖、计算机网络、住宅智能等类别。
今年7月安装通网站上线后成功邀请500家行业伙伴入驻，10月，网站正式投入运营，并于11月举办了双十一促销活动。据悉，平台现已注册约3000名用户。
据创始人介绍，对于建筑安装行业来说，覆盖细分行业、产品及系统众多，产品最大频次的交易量和链接上下游的媒介是产品，而对产品交易频次起到决定性作用的是其参数、功能和价格，在参数和功能确定的情况下，供需双方对价格是最敏感的，因此安装通由产品切入，首先加强生产厂家直接入驻平台的力度，安装通期望成为拥有高质量产品的平台。
其次，安装通强化即时询价、拼单集采、一键设计、解决方案、招标推送频道建设，给用户带来更多便利功能和服务，并且与竞争对手具有差异性，使得用户粘性增加，实现交易转换。在培养用户粘性后，安装通通过进一步的增值服务提供培养用户的忠诚度，重点挖掘用户在产品、交易外的服务链的价值。
叶前进介绍道，平台上有包括精准推广、大数据分析、金融授信与贷款、延保、物流、认证、招标推送在内的增值服务。
下阶段，安装通将继续扩大生产厂家入驻规模，实现产品直供，进一步扁平供应链，提供效率，同时加大对采购商入驻的优惠力度，让采购商获得采购、设计等方面的更多优惠和便捷。市场方面将重点增强用户的市场教育与使用习惯，同时不断提升后台商户中心的功能设计，让供应商获得最佳的线上销售体验、采购商享受最便捷的采购体验。
据叶前进介绍，平台通过金融（资金沉淀和贷款收益）、广告（线上广告和线下展会收入）、会员、服务（延保、培训等增值服务）四个模块去获取收益。
创始人叶前进为计算机高级工程师、国家机电一级建造师，在智能安装行业有着15年的工作经验，具有丰富的行业经验与人脉资源。合伙人王亚东曾在苏宁云商集团任职6年，长期负责百亿元销售额品牌的全国运营和战略管理，具有丰富的互联网运营经验。
据了解，安装通已启动天使轮融资，计划融资额1000万元，一部分用于全国范围内的招商会及5个重点省市广告投放、促销活动、会员营销等方面，其余部分用于产品开发和公司运营等成本方面。
-
大数据分析
Sensors Data：源于百度的大数据分析技术 服务瞄准创业公司
对于投资人和创业者而言，大数据是个热门的融资标签。而早在在这个概念热起来之前，Sensors Data（神策）的创始人桑文峰已经在大数据领域有了长达7年的探索。
来自百度系的创业团队
桑文峰曾就职于百度大数据部门，离职前是大数据部的技术经理。不仅是创始人，事实上Sensors Data目前团队12个人，有9个都曾经有过在百度工作的经历。按照流行的分法，Sensors Data应当属于百度系。
说起创立Sensors Data的原因，桑文峰表示他一直是一个做大数据的人，在2011、2012年的时候，大数据的概念火了，忽然发现掌握的技术竟然变得很有价值。
尽管从零到一是一个经常被人提起的话题，但对于桑文峰来说，创业这件事他拥有相当丰厚的基础，从一开始的Sensors Data让他更加对创业这件事更加有信心。这也是让他感到快乐的事情。“在键盘上敲程序的时候就好像在唱歌”，桑文峰用这句话来描述他创业的心情，说这句话的时候，桑文峰神采飞扬。
瞄准创业公司提供大数据分析工具
但创业也并不是有热情和有经验就能成功的事情。目前在做大数据的公司，比如友盟、百度统计、Talking Data 等，他们已有很大体量的数据积累，初创公司想要站住自己的地盘也并非易事。
而在桑文峰看来，除了热情，市场也在告诉他大数据的机会还在。
一是移动互联网的发展，大家上网时间长，产生了更多的用户数据，二是传感器的发展，例如Apple Watch可以采集用户的心率和运动数据，采集了更多的数据源。这就导致了即使一个创业公司，也拥有比较多的数据。
一方面大数据的理念让大家认识到了数据的重要性，但对于创业公司来说，想做数据分析需要负担的时间、人才成本都是高昂的。Sensors Data提供的是数据分析工具，来解决对大数据分析的需求。
基于对大数据的这些认识，以及考虑到市场的需求以及企业对数据的依赖性，Sensors Data目标用户主要是电商和O2O类创业公司。
数据安全 支持私有部署和Cloud版
数据安全上，不愿意把自己的核心数据放在第三方平台上的公司大有所在。 因此，Sensors Data针对互联网创业公司推出了深度数据分析产品SensorsAnalytics，支持私有部署、任意维度的交叉分析，并帮助客户搭建数据仓库基础。而这也是Sensors Data跟目前常见的大数据公司的最大的不同。
相比之下，有三个特点，一是提供私有部署和Cloud版，对数据安全比较顾虑的，可以选择私有部署，这样部署在客户自己的服务器上，数据根本不会出公司，这样就没了数据安全问题。二是提供灵活的多维分析，用户只要把维度接入进来，就可以进行实时的多维交叉分析，秒级响应。三是帮助客户搭建了底层的数据仓库。
产品9月25日上线至今，用户数量达到数百家，其中包括爱鲜蜂、多盟、AcFun、快快鱼、PP租车、51offer等，其收费标准是根据员工数量以及接入的数据量来计费，价格在2～20万元之间。（完）
来源：DoNnews（编辑 陈艳曲）
扫一扫 加微信
hrtechchina
