• 硅谷
    Gusto 获得1.4亿美元新的融资,加强中小企业市场的薪酬和福利 据Jonathan Shieber 消息称: Gusto向小企业提供工资,福利和人力资源管理及监督系统服务,已在其最新一轮融资中筹集了1.4亿美元。 该公司表示将利用这笔资金增加新服务,以提高员工的支付灵活性。该公司推出了一项名为弹性薪酬 “Flexible Pay”的新服务,无论企业付费时间表如何,使得员工都可以便捷的获取薪水。The company launched a new service called Flexible Pay, which gives employees a way to get paid no matter when a company’s pay schedule dictates. 后期轮次由T. Rowe Price Associates投资组合,MSD Capital(Michael Dell的家族投资基金)领导,Dragoneer投资集团和Y Combinator的 连续性基金。 以前的投资者,包括General Catalyst, CapitalG,Kleiner Perkins,137 Ventures和Emergence Capital也参与了该轮融资。 信息来源:techcrunch.com
    硅谷
    2018年08月02日
  • 硅谷
    Workday又收购:宣布完成对Adaptive Insights的收购 Workday Completes Acquisition of Adaptive Insights Workday,Inc (纳斯达克股票代码:WDAY)是金融和人力资源企业云应用领域的领导者,已完成对领先云的Adaptive Insights的收购 - 基于公司的业务规划现代化。随着Adaptive Insights成为Workday的一部分,客户将能够在一个系统中更好地规划,执行和分析整个企业 - 这是领先的云平台,可以推动他们的财务和业务转型。 该公司将作为Workights公司的Adaptive Insights运营,Adaptive Insights首席执行官Tom Bogan向Workday联合创始人兼首席执行官Aneel Bhusri汇报工作。 对新闻的评论 “经营一家经得起时间考验的企业需要一种战略方法来规划由合适的工具和值得信赖的合作伙伴支持的规划。这就是为什么我不能更加兴奋地正式欢迎Adaptive Insights进入Workday系列,“Workday的联合创始人兼首席执行官Aneel Bhusri说。“通过与Workday统一的这个令人难以置信的团队和技术,我们将为财务和业务规划设定新标准 - 使用一个系统,为客户提供他们所需的智能,以做出更准确的决策,从而推动未来的成功。” “Adaptive Insights的成立旨在创建一个可以让人们尽其所能地完成工作的云计划平台,我们正在为超过3800家各种规模的公司做到这一点,”Adaptive Insights首席执行官Tom Bogan说。“现在,作为Workday的一部分,我们能够通过我们的业务规划云提升我们的愿景和持续创新,同时忠于我们的价值观并专注于员工和客户。我为能够共同实现的所有伟大事业感到兴奋。“ IDC企业应用与数字商务项目副总裁Mickey North Rizza表示:“随着Adaptive Insights成为Workday的一部分,组织将拥有更全面的规划系统,进一步推动财务和业务转型,从而提升竞争优势。” “随着后台办公室终于与前台办公室保持平衡,财务办公室正在经历重大的数字化转型,在整个企业中创建了一个新的数字核心。作为这种转变的一部分,财务团队需要一个强大的中央计划系统,以提供洞察力,帮助他们实时成长和竞争。“ 关于Workday  Workday是面向财务和人力资源的企业云应用程序的领先提供商。Workday成立于2005年,为世界上最大的公司,教育机构和政府机构提供财务管理,人力资本管理和分析应用程序。从中型企业到财富50强企业的组织选择了workday。 关于Adaptive Insights  Adaptive Insights 是一家Workday公司,它为新一代的业务规划提供支持,将规划流程转变为战略优势,为全球超过3,800家组织提供强大的建模功能,这对所有计划人员来说都很容易。Adaptive Insights业务规划云平台使各种规模的组织能够充满自信和敏捷地适应不断变化的业务条件。Adaptive Insights总部位于加利福尼亚州帕洛阿尔托。 以上由HRTechChina AI翻译推荐,旨在传递信息,不作为投资参考。 想了解更多的HRTech信息?欢迎参加中国人力资源科技年度论坛! 北京站:10月17日 深圳站:9月7日 规模:1000+HR科技达人  
    硅谷
    2018年08月02日
  • 硅谷
    推荐:全球最顶尖的招聘经理每天在做什么? 作者:Dr. John Sullivan,翻译:高永,global vision 有“招聘界的乔丹”之称的招聘管理专家Dr. John Sullivan收集了100多家标杆公司的最佳实践,我们从中选出25条招聘要点,供大家学习和借鉴。 你知道全世界最顶尖企业的招聘经理每天都在做什么吗?你知道他们的日程表上最优先的事项是什么吗?你知道如何完善现有的招聘体系以比肩这些高富帅的精英公司吗? 这篇文章就能提供这些答案,就看你能不能做到了。 这是一篇由招聘管理专家Dr. John Sullivan所撰写的文章,他被称为“招聘界的迈克尔乔丹”、“人力资源测量之父”和“行业内最值得尊敬的战略家之一”,文章中列举了高效招聘经理需要关注的25个工作要点,以及顶尖公司在这些问题上的最佳实践,希望能够给国内企业的招聘工作提供有价值的借鉴。 在一次令人振奋的ERE招聘博览会议上,两个参会者向我提出了两个相关联且有力的问题。第一个是“顶尖公司的招聘经理们日程表上的头等大事是什么?”,第二个问题是:“Google在接下来的招聘中会计划做什么?” 至少对我来说,未来的日程内容是重要的问题,因为在访问了大概100多家企业后,我发现95%的公司都有着迥然不同的招聘日程(如个体招聘成本、ATS测评、简历量等),然而只有顶尖公司如Google、Davita、Sodexo等在尝试处理真正优先的招聘项目。 如果你有设定招聘日程和目标的职责,我这里有一个顶尖企业也想找到的引人注目的真正先进的招聘工作要点集,但是很多公司可能很容易发现这些工作他们无法做到。如果你想跻身精英行列,你应该选择列表中的一部分来实现,当然,如果你现在正在被现有的日程内容所缠身,你也会发现它们读起来很有意思。 我把这些招聘项目和目标用递减的顺序进行排列,这个排名是基于这些项目可预计的潜在商业影响力。我把标杆公司的最佳实践也插入在了这些项目的描述里以便其他公司能够学习和借鉴。 1、招聘更高效的雇员  衡量人才管理部门最主要的标准就是公司劳动力的生产率。招聘的目的是招到比现有工作人员产出更多成果和收益的人员来保证对劳动生产率作出贡献,有些人称这是招聘的质量要求。 (索迪斯,谷歌,苹果) 2、招聘的工作优先级  领导需要量化每个工作族的商业影响力并且集中资源对那些高影响力的工作岗位设置高的优先级。需要聚焦那些能够产生巨大收益的工作岗位,一个推荐的方法就是和CFO一起工作,因为CFO能够在招聘过程中增加巨大的可信度。 (Zynga一家美国游戏公司) 3、制定有针对性的招聘程序 提高那种能够增加高附加值的创新者和合适且聪明的个体数量的聚焦能力,这些被雇佣的人有一种在本质上快速被衡量的影响力。 (谷歌、脸书) 4、内部推荐应该达到50% 当越来越多的公司通过内推的形式在公司内部收集关于招聘质量的数据,招聘经理将会意识到他们应该提高内推项目的容量然后将内推在招聘中的比例提高到50%。 (德勤,AmTrust) 5、预测分析必须取代历史度量  毫无疑问,外部供应商的测量数据支配着招聘。99%的招聘测量是“历史的”并且作为结果,他们只能告诉你去年发生了什么事情。即时的测量会显得有效是因为这些数据反映了今天正在发生的事情。 预测分析将会更有力因为这些数据会提前警告你将会发生什么,并且会告诉你为什么,因此你能够更好的准备有效的解决办法。招聘应该开发“警报”来警示招聘经理和招聘专员即将到来的问题和人才的机会。 (谷歌) 6、面对质疑 在招聘中获得充足资金的主要障碍就是首席财务官,高级的经理人应该与首席财务官合作来确定并解决问题,然后为招聘建立一个持续而引人注目的商业项目。首席财务官在核算中必须要去证明的包括目标候选人的绩效差别、空缺职位的成本、招到不合适人的长期成本,最重要的是,把主要的招聘成果转化为公司收益的货币影响力。 因为招聘负责人是招聘执行过程中最主要的限制性因素,所以那些冷眼旁观置身事外的经理人必须被邀请来阐述他们的事项,这些经理人必须和那些最有权势的经理人一起来解决每一个问题直到他们满意为止。 (Sun,谷歌) 7、招聘过程要转向算法驱动的决策  即使部分精英公司的招聘功能仍然基于已有的最佳实践和外部信息来做项目决策,然而未来的全员管理决策需要遵循谷歌的人力分析团队和PiLab所使用的非常成功的方法。 这将意味着依赖数据、统计算法,乃至在你们的公司招聘环节中向持怀疑论的经理和招聘专家们证明“什么在起作用”和“什么在不起作用”。 (谷歌) 8、补齐你在移动平台上的短板  尽管在许多公司已经在移动平台上取得了进展,但是未来的招聘信息和沟通将完全是在移动平台。所有的招聘特色必须是能通过智能手机直接进入的,并且招聘的方法必须是为了适应移动平台的优势而专门设计的。 (索迪斯、AT&T、麦当劳) 9、雇主品牌必须被提上日程 低迷的经济环境导致了绝大部分公司停止了他们打造雇主品牌的努力,然而,随着招聘竞争日益激烈,并且随着社交媒体和玻璃门等网络的兴起,传统的打造雇主品牌的方法将会被放弃。招聘经理将需要学习如何测量雇主的品牌实力和鉴别顶尖的应聘者最关心的品牌支撑物是什么。聪明的招聘经理将会收集那些能够证明雇主品牌和雇员推荐的独一无二的数据作为两个最有力的招聘工具。 (谷歌) 10、快速提高你的招聘技能 一场关于招聘的急速发展已经在高新技术企业、移动平台产业和网络公司中出现了,所以现在可能是其他产业开始为不可避免的招聘繁荣做好准备的适当的时机。这意味着经理人必须在不能增加预算的情况下开发一个快速提高你们公司的招聘数量和质量的计划。 11、候选人营销必须完善 当经济复苏后,候选人在职场上有了更多的选择,抑制这样的形势将会非常困难。因此,对招聘营销的忽视变得非常不可取,所有职位的卖点都需要重新回顾,另外,招聘经理必须把原有的实践转变为数据驱动的营销方法。 (思科) 12、评估不能再被忽视了 依靠简历、面试和背景调查作为一整套应聘者评估的方法已经是一个错误,当一种新的网上测评方法和模拟在效力上呈现一种显著增长的态势,招聘经理人将会需要把它们增加到现有的评估方法中。 (毕马威) 13、支持对竞争对手的分析和情报  只有精英公司在进行竞争性的对比分析来判定他们的招聘策略和成果是不是在所有方面都优于那些和他们存在人才竞争的公司。大部分的公司对他们竞争对手所进行的竞争性情报评估都做的不够好,并且许多都还没有认识到LinkedIn在企业识别方面的能力已经是他们的好几倍了。 在LinkedIn的专家能够告诉你的许多问题中就有你的人才竞争对手的公司正在招聘什么工作岗位并且从哪些公司获得这些人才。LinKedIn能够显示哪些公司已经关闭并且这些雇员都去了哪些公司。它也能够告诉你你自己的雇员去了哪里并且是否存在潜在的第二次雇佣的机会,一旦你想让他们回来工作的话。经验显示更新LinkedIn简历意味着一个高价值的目标即将出现在劳动力市场中。 14、为了引入难招的候选者需要增加个性化的招聘  市场已经在公司内部为传统的通用人才方法补充了一个更为专注目标的方法。猎头公司只使用个性化招聘方法而大部分的公司的招聘功能已经在与个性化招聘对比中尽显颓势。因为招聘方法和策略集中于应聘者个人的独特需求的满足,所以这种个性化的方法充满了力量。 (德勤) 15、校园招聘项目必须要升级 校园招聘的需求比以往任何时候都显得强烈。但是不幸的是,几乎所有的校园招聘项目要不漏洞百出要不过时已久,或许两者都有。如果你期望你的校园招聘和实习生计划能够硕果累累,那么你将不得不采用诸如学生推荐、远程校园招聘、校园招聘质量测量、依靠移动互联网平台和各种竞赛来区分出哪些才是最优秀的学生。 (德勤,E&Y,普瑞纳) 16、派遣制员工必须要进行整合 在一个易变、不确定、复杂且不明确的世界(VUCAworld),能够快速增加员工数量并且快速降低用工成本的能力变得不可或缺。这就意味着招聘和管理派遣制员工必须显著的加以改进并且整合进其他招聘的功能中。 (微软) 17、视频面试变的必需  这也许并不是一个非常先进的方法但是视频面试是一个在招聘实践中不得不去做的事情。这种招聘方式非常有利是因为它们能够提高招聘的速度、质量,并且能够极大的降低招聘的出差成本。 18、科技替代品必须要给予关注 人力资源和招聘已经长时间的在关注招聘和管理人,然而HR的视野应该变得更为开阔一些,因为能够代替人力的软件和机器人技术已经取得了很大的进步,HR应该和IT和技术部门合作以便开发一种在经济上比较合适的能够代替人工的算法。 (飞利浦) 19、内部流动必须要增加 因为内部流动是一项多出来的在增加员工发展机遇、维持积极性和员工保留方面的福利,因此当有内部空缺时应该首先考虑内部的人才是否合适。不幸的是,大部分内部流动机制是支离破碎的,很多合适的内部候选人经常没有被发现,所以外部的候选人才能成为首选。顶尖公司的招聘功能需要增速并提高内部流动的速度。 (思科、BoozAllen、微软) 20、要有统一的招聘中心 一些公司,特别是大的跨国性公司,已经意识到分散的招聘部门必须被集中的招聘中心所代替。招聘中心在雇主品牌、推荐、能力测量、面试官培训、在不同的事业部间共享人才等具有极大的优势。 21、定位即将到来的面试官短缺 当招聘热潮到来时,招聘经理才发现下行的经济形势已经裁掉了一大把拥有良好训练的面试官,尽管很多非常厉害的面试官仍然在职,但是寻找足够多足够好的面试官将会变得非常困难并且昂贵。所以需要制定一个训练新的面试官或者雇佣已经存在的优秀面试官的计划。 22、考虑对面试官给予奖励 随着对应聘者和面试官需求的增加,长期暂停的针对面试官的激励计划需要重启。当团队和个体因为招聘质量、满足最优先的岗位、工作量,经理人和应聘者的满足感而受到奖励时,只有最优秀的人才能意识到这样做能够对日益优秀的招聘表现做出很大的促进贡献。 23、考虑对公司有益的战略招聘 在几乎所有的企业中,招聘经理往往基于个人意愿来决定招聘岗位的优先级及必要性,精英招聘经理在招聘时则是在考虑公司更广泛的招聘需求。这就意味着要制定一个“为全局和下一个岗位而招聘”的实践,一个为满足核心工作岗位的单独招聘小组,或者CEO同意的所有能够反映公司需求和标准的招聘工作。 (谷歌、Zynga,雅虎) 24、用工计划需要重新评估 在一个易变、不确定、复杂且不明确的环境中,传统的用工供给和需求计划往往变得不切实际。因此计划时间需要缩短并且要把一系列可能的“意外”做进计划中。 25、员工保留计划必须要升级 员工保留和招聘是紧密相关的。因为社交媒体的影响,员工保留问题会很快的传播开来,不利的消息将对招聘带来非常消极的影响,员工的流失将增加招聘的工作量。因为这种相互影响的关系,招聘经理一定要和员工关系经理一起努力来保证两个项目都能做的出色。 留在结尾的思考: 我将提醒你的是如果你想了解更多关于上面25个专题要点的内容,你是无法在聚焦于平庸企业的会议日程中发现这些内容的,你也无法在畅销书甚至赞助商的白皮书中发现这些内容。即使在标杆企业也不容易看到这些内容因为这些精英招聘经理们知道保留这些招聘重点作为秘密的价值。 但这可能是学习关于所有创新和崭新理念的最重要的课程了,并且这些内容是识别一些东西是否是真的创新的和崭新的最好的方法,而这些方法则很少被写下来,拥有最佳实践的经理人也不太想分享,而普通的经理人则会忽视这些创新性的内容。我希望你能从以上的要点中为你们公司的“招聘日程表”发现至少几个创新的和崭新的想法,并努力去实践。这才是最大的意义。
    硅谷
    2018年07月26日
  • 硅谷
    你知道吗?机器学习与 人工智能:它们有何不同? 特伦斯米尔斯  AI.io和Moonshot的首席执行官Terence Mills是AI的先驱和数字技术专家。在LinkedIn上与他联系关于人工智能或移动设备 人工智能和机器已经成为日常生活的一部分,但这并不意味着我们很好地理解它们。你知道机器学习(ML)和人工智能(AI)之间的区别吗? 如果您希望在您的业务中使用其中一种,那么了解哪一项重点关注非常重要。ML和AI是相关的,但它们不相同,并且它们不一定适合于相同的任务。您可以通过了解何时选择ML或AI来将您的业务提升到新的水平。 本指南将向您介绍您需要了解的有关AI和ML的所有信息,以及它们为何与众不同。继续阅读,了解这种现代科技如何帮助您和您的企业。 机器学习与 人工智能:基础知识 以下是这些不同概念的两个简单,基本的定义。 AI意味着机器可以以“智能”的方式执行任务。这些机器不仅仅被编程为执行单个重复动作 - 它们可以通过适应不同情况做更多事情。 机器学习在技术上是人工智能的一个分支,但它比整体概念更具体。机器学习的基础是我们可以构建机器来处理数据并自己学习,而不需要我们不断的监督。 让我们仔细看看这两个概念的真正含义以及它们是如何发展的。 在一开始的时候 毋庸置疑,AI和机器学习相对较新。几十年,几百年甚至几千年前,这些概念可以追溯到某些富有想象力的个体。但直到最近,这些梦想才成为现实。 人工智能的概念在最早的计算机上得到了巩固。当然,这些第一台计算机并没有自己做出任何决定。然而,它们是能够记住信息并进行计算的“逻辑机器”。创建这些机器的人知道他们正在努力制造一台类似大脑的机器。 然而,从那时起技术变得更加先进,因此我们制造类似大脑的机器的能力也有所提高。在过去的几十年里,我们也更好地理解了自己的大脑是如何运作的。 我们越了解这些事情,人工智能的变化就越多。我们的计算机现在可以进行极其复杂的计算,但是现在的开发并没有真正关注那些。相反,人们正在寻求创造能够以类似于人类的方式做出决策并使用这些决策来完成任务的机器。 AI的类型 人工智能有两个主要的子类别。第一个应用AI。这是最常见的AI形式。它包括从智能股票交易系统到自动驾驶的所有内容。 广义AI不太常见,因为它更难创建。理想情况下,广义AI能够处理各种不同的任务,就像人类一样。尽管这些AI并不常见,但许多研究人员已经在广义AI领域取得了进步。 最重要的是,这一小节是导致机器学习发展的原因。 机器学习的成长 由于AI领域的某些突破,机器学习得以发展。 第一个突破涉及认识到教授计算机如何学习比教他们如何执行每项可能的任务并为他们提供完成这些任务所需的信息更有效。 第二个重大突破是互联网的发明。这导致了以前从未见过的巨大的信息存储潜力。现在,机器可以查看由于存储限制而无法访问的大量数据。实际上,创建的数据量太多,人类无法处理。 这两个突破清楚地表明,不是教机器做事,更好的目标是设计它们为自己“思考”,然后允许他们访问在线可用的大量数据,以便他们可以学习。 神经网络的作用 神经网络的出现对于教导计算机像人类一样思考的过程变得至关重要。神经网络允许计算机更紧密地模仿人类的大脑,同时仍然更快,更准确,更少偏见。 神经网络是一种计算机系统,它可以像我们自己的大脑一样对信息进行分类。例如,神经网络可以查看图片,识别图片中的元素,并根据它们显示的内容对图片进行分类。 这些网络使用他们有权访问的数据进行确定。数据不允许它们完全准确,但他们可以根据最有可能做出的决定做出决定。 最重要的是,这些系统涉及“学习”的反馈循环。机器可以查明其决策是否正确,然后改变其方法,以便下次做得更好。 机器学习能做什么? 这些系统的可能性似乎无穷无尽。 ML已经允许计算机查看文本并确定内容是正面还是负面。他们可以弄清楚一首歌是否更有可能让人伤心而不是快乐。其中一些机器甚至可以制作自己的作品,主题基于他们听过的作品。 机器学习的一个主要应用是与人沟通。人工智能领域称为自然语言处理,大量使用机器学习。有一天,这将使公司能够提供与人类客户支持一样有用的自动化客户服务。 机器学习与 人工智能:哪个适合你? AI和ML都可以拥有有价值的业务应用程序。确定哪一个最适合您的公司取决于您的需求。 这些系统有很多很好的应用可供选择,但ML最近得到了更多的宣传,因此许多公司都专注于这种解决方案的来源。但是,AI对于许多不需要持续学习的简单应用程序也很有用。 以上由AI翻译完成! 原论文连接:https://www.forbes.com/sites/forbestechcouncil/2018/07/11/machine-learning-vs-artificial-intelligence-how-are-they-different/#177f00033521
    硅谷
    2018年07月16日
  • 硅谷
    创新:背调公司Checkr创建动态背调监控工具以提升Uber乘坐的安全性 编者注:值得学习和参考,动态的背景调查很重要啊!国内哪家可以跟滴滴等合作起来! 目前背调都是截止调查的当天。而入职或者开始工作后的情况就很难掌握了! 现代和合规背景调查的领先提供商Checkr今天宣布了一项新技术,该技术可持续更新可能影响共乘驾驶员驾驶资格的犯罪记录。Checker Continuous Check由Uber设计,动态识别可能不合格的记录,以帮助确保驾驶员继续满足优步的安全标准。 Checkr首席执行官Daniel Yanisse表示: “ 凭借当今的按需劳动力,我们需要超越静态背景报告,进行动态筛选。通过持续检查,Checkr为共乘产业创造了新的安全标准将提供关于某人背景变化的重要见解,这可能会影响他们的工作资格。“ 优步是第一家采用该技术的公司。使用涵盖大多数新刑事犯罪的数据来源,当司机参与犯罪活动时,持续检查会向优步提供通知。然后,优步可以调查任何可能不合格的信息,例如DUI的新费用和未决费用,以确定该驱动程序是否仍有资格与Uber一起驾驶。这项新技术使优步能够在每年重新进行背景调查之间持续执行其安全标准。 “ 安全对优步至关重要,我们希望确保驾驶员持续不断地达到我们的标准,”优步安全与保险副总裁Gus Fuldner说。“ 这种新的连续检查技术将加强我们的筛选过程并提高安全性。” 最初设计用于满足共乘行业的严格要求,2018年秋季将为所有Checkr客户提供持续检查。 关于Checkr Checkr的使命是通过提高对过去的理解来建立更公平的未来。我们的平台使数以千计的客户每年能够以gig经济的速度轻松雇用数百万人。使用Checkr先进的背景调查技术,各种规模的公司都能更好地了解不断变化的员工队伍的动态,为他们的招聘带来透明度和公平性,最终为员工创造更美好的未来。 Checkr Creates Dynamic Monitoring Tool to Elevate Safety in Ridesharing Checkr, the leading provider of modern and compliant background checks, today announced new technology that provides continuous updates about criminal records that may affect ridesharing drivers’ eligibility to drive. Checkr Continuous Check, which was designed with Uber, dynamically identifies potentially disqualifying records to help ensure drivers continue to meet Uber’s safety standards. “With today's on-demand workforce, there's a need to move beyond static background reports to dynamic screenings," said Daniel Yanisse, CEO of Checkr. "Through Continuous Check, Checkr is creating a new standard of safety for the ridesharing industry and beyond that will provide critical insight into changes in someone's background that may affect their eligibility to work." Uber is the first company to adopt the technology. Using data sources that cover most new criminal offenses, Continuous Check provides notifications to Uber when a driver is involved in criminal activity. Uber can then investigate any potentially disqualifying information, such as a new and pending charge for a DUI, to determine whether the driver is still eligible to drive with Uber. This new technology allows Uber to continuously enforce its safety standards between annual reruns of background checks. “Safety is essential to Uber and we want to ensure drivers continue to meet our standards on an ongoing basis,” said Gus Fuldner, Vice President of Safety and Insurance at Uber. “This new continuous checking technology will strengthen our screening process and improve safety.” Designed initially to meet the stringent requirements of the ridesharing industry, Continuous Check will be available to all Checkr customers in Fall 2018. About Checkr Checkr’s mission is to build a fairer future by improving understanding of the past. Our platform makes it easy for thousands of customers to hire millions of people every year at the speed of the gig economy. Using Checkr’s advanced background check technology, companies of all sizes can better understand the dynamics of the changing workforce, bring transparency and fairness to their hiring, and ultimately build a better future for workers. For more information please visit: www.checkr.com.
    硅谷
    2018年07月15日
  • 硅谷
    Human-Centered A.I. is the Future of Talent Management Will A.I. eliminate my job? It’s a clickbait title most of us are now familiar with. In recent years we’ve been met with a wave of articles and soundbites — ranging from the realistic to apocalyptic — speculating as to whether A.I. will replace human jobs, take over the world, or otherwise render Us insignificant. Tesla CEO Elon Musk has even gone so far as to suggest that the volume of jobs that will be lost due to automation will create the need for a universal basic income. A fear of new technology, and of the impact that that technology will have upon the job market is not new. Technological developments that arose during the Industrial Revolution created public fear of mass unemployment (a fear that ultimately proved to be unfounded given the large number of new jobs these technologies created). Yet the narratives have never felt quite so existential before this moment. So what is different about A.I. that has so captured the public interest, and it seems, fear? It seems to lie in the idea that intelligent machines will not seek to supplement aspects of our existence, but rather, replace us entirely. Computer Scientist Subhash Kak advocates for this idea with respect to the job market in his think piece for NBC News (a piece, it is worth noting, entitled “Will robots take your job?”). The reason A.I presents a greater threat to society as we know it, he argues, is “today’s A.I. technology aims to replacethe human mind,” not simply to make industries more efficient (my emphasis). It would be naive to ignore the reality of Kak’s argument with respect to tasks requiring learning and judgement. A.I. is already replacing human decision-making in industries such as transportation and manufacturing. But are all applications of A.I. really aiming to replace the human mind in the workplace? And should they? There are other views — and other technological frameworks — to be had here. “Human-Centered A.I.” In opposition to A.I.’s “takeover” rhetoric exists a school of thought that explicitly acknowledges the benefit of partnership between humans and intelligent machines. Fei-Fei Li, director of the Stanford Artificial Intelligence Lab, calls this approach “human-centered A.I.” — a framework for guiding the development of intelligent machines by human concerns. At a high level, the goals of human-centered A.I. are as follows: A.I. should aim to enhance human thought rather than replace it A.I. should encompass the more nuanced and contextual aspects of human intellect, aided by outside fields such as psychology and sociology The development of A.I. technology should be guided by a concern for its effect on humans There are a number of cross-industry applications of A.I. that can be viewed within this partnership framework. Take, for example, the development of robots used to reduce costs, time, and human-error during surgery, allowing doctors to focus on the more nuanced aspects of the surgical process. Or, developments of A.I. in agriculture, such as Blue River Technology’s “see and spray” technique for applying herbicide only where needed, saving farmers money on herbicide and delivering a more sustainable product to consumers. But perhaps even more in contrast to the fear of a robot taking one’s job, is the increasing extent to which A.I. is being applied the field of talent management. That is to say, A.I. is being used to actually improve the workplace and the worker experience, rather than replace the worker. A.I. as a Tool for Improving the Workplace In the past several years, we have seen an emergence of companies applying A.I. to problems in talent management. From Paradox.AI’s Olivia, to Beameryand Textio, its fair to say that A.I. is on HR’s radar in a way that it wasn’t 5 years ago. What’s interesting about this trend is that unlike other industries with a stronghold in A.I., talent management has until recently been viewed almost exclusively as a “fuzzier” aspect of the business. It is an industry built on relationships, human connections, and emotional intelligence, and yet, it is being improved with A.I. To be fair, up until now a majority of A.I. solutions for talent management have focused on the more tedious and error-prone tasks around candidate sourcing and evaluation (tedious + error-prone = a perfect opportunity for automation). But there are also opportunities for A.I. to improve the post-hire aspects of the employee experience, and human-centric A.I. is the key. As the marketing world has known for years, A.I. provides a unique opportunity for scaling a personalized experience. Why would you show me the same thing as everyone else, when I’m more likely to convert if you show me exactly what I want? The same principles can be applied to the post-hire employee experience. Employees have different skills sets and motivators. If my employer places me in an environment that is optimized for my skills and motivators, I’ll stay. If not, I’ll move on. As the progression towards a digital workplace continues, companies also have more data about their human capital than ever before — who they are talking to, what they eat, when they’re online every day. WeWork is basing their business model around this data. Human-centered A.I. can unleash this data to help talent leaders create a more personalized employee experience. It is in “fuzzier” domains like talent management where human-centered A.I. shines, not just for ethical reasons, but because it provides the best user experience. At Cultivate, for example, we apply human-centered A.I. to personalize the leadership development experience for managers. Using digital communication data as a proxy for leadership behavior, we analyze and predict how managers’ actions are affecting their team, and offer suggestions for how to improve. At no point do we attempt to stand in as a replacement for a manager, or a talent leader. Rather, like a real-life leadership coach, Cultivate offers tips and suggestions that a manager can choose to take, or not. This is the kind of personal experience employees expect from their talent leaders, scaled with A.I. And it doesn’t need to stop at learning and development. A.I. also has high-potential to impact other aspects of the employee experience, from interviewing and on-boarding to performance reviews and off-boarding. Looking Forward There is no doubt that A.I. is changing the world — and the job market — as we know it. Industries will be disrupted. Jobs will be lost, new jobs will be created, some jobs will never be replaced. Ethical dilemmas will be raised. They already are. The degree of difference between aspects of human intellect and intelligent machines will become smaller. However, with careful consideration for A.I. design that creates a sense of partnership between humans and intelligent machines, A.I. isn’t a force to be feared in the workplace, but embraced. 作者:玛格丽特托马兹祖克 About Cultivate Cultivate helps companies leverage their digital communication data with A.I. to extract important organizational learning and unleash leadership potential. For more information on what we are doing at Cultivate, check out our website. 英文也比较简单理解,就不翻译了~
    硅谷
    2018年07月04日
  • 硅谷
    招不到程序员?「Talentful.ai」用 AI 建立千万名 IT 人才的数据库 来源/36氪  文/雨柔 在硅谷,招聘一个技术人员平均要花费 22000 美元。 伴随着互联网化进程,企业对 IT 从业者的需求剧增,造成数千万的人才缺口。无论在中国还是海外,技术人才招聘都是人力部门的头等难题。36氪近日接触的北美公司「Talentful.ai」想用 AI 为企业降低 IT 人员招聘成本,提高效率。   Talentful 主要关注社会招聘的第一步,即找到合适的候选人并建立联系。其难点一是人才资源难以获取,即使拿到联系方式,之后的初步沟通等工作要占用 HR 大量时间;二是招聘人员往往不懂技术,难以筛选到合适的候选人。硅谷企业招到一个程序员平均要花费 22000 美元,Talentful 希望运用自然语言处理和身份识别技术将招聘费用降到 4000 美元。   为解决人才资源问题,Talentful 利用爬虫网络检索 IT 人才的开源代码、学术文章、博客、会议议程、Twitter 坐标等公开信息,建立起了 1900 万北美 IT 从业人员的人才数据库,和数亿非 IT 从业人员信息。   为降低对 HR 从业者技术素养的要求,Talentful 会对候选人信息进行分析,建立评估指标,供招聘人员参考。当企业希望搜索到合适人才,想建立联系时,AI 系统可以自动发送定制邮件,并对邮件进行追踪和分类。   Talentful 还上线了自动内推系统,自动从员⼯的朋友圈和电⼦邮件列表中找出符合工作要求的朋友,通知员工内推,让每个公司可以有自⼰独有的人才招聘渠道。   公司正在探索进入中国市场的可能,一方面为美国企业招聘来自中国的技术人员,另一方面尝试为中国企业提供人才服务。但相较于美国,中国开发人员没那么热衷于写开源代码、参加行业活动,公开信息相对较少。Talentful 观察后认为,中国技术人才的简历大都沉淀在各大互联网招聘平台,Talentful 计划和这些招聘网站展开合作。   Talentful 创始人兼 CTO 陈嘉告诉36氪,公司遇到最大的困难在于市场推广。招聘在企业价值链上属于成本中心,企业的付费意愿较低。Talentful 开始尝试与一些大型的人力管理系统服务商合作,为其提供解决方案。   用AI 技术搜寻和匹配人才或将逐渐成为科技公司的标配。今年 4 月,AI 招聘公司 Fetcher 获250 万美元种子投资,Fetcher 从 LinkedIn、Twitter 等网站获取信息并建立数据库,目前已有近 1 亿的人才储备。中国的人工智能招聘初创企业中,猎萝卜去年拿到 1 亿元天使轮融资,Bello 今年也拿到千万元的天使轮。   Talentful 系统于 2016 年 1 月上线,以 SaaS 的形式提供服务,客户大多为中小型企业,2017 年营收约 12 万美元。   团队目前有六个人,创始人兼 CTO 陈嘉是美国埃默里⼤学 MBA,加拿⼤⾥贾纳⼤学计算机硕士,有 15 年软件行业工作经验;CEO Michael Matthies  有四次创业经历(公司曾被埃森哲、IBM 收购),曾在多个中大型公司担任⾼级销售主管。   公司正在寻求 pre-A 轮融资。  
    硅谷
    2018年07月03日
  • 硅谷
    老帖新发:向后工作法 作者:Werner Vogels   2006年 首席技术官 - Amazon.com 在我们在亚马逊使用的细粒度服务方法中,服务不仅代表软件结构,而且代表组织结构。这些服务拥有强大的所有权模式,与小团队规模相结合意在使创新变得非常容易。从某种意义上说,你可以将这些服务看作是一家大公司内部的小型创业公司。无论这些服务是外部还是内部,这些服务都需要关注他们的客户。为了确保服务满足客户的需求(不超过),我们使用一个名为“ 反向工作 ”的流程“在这个过程中,你首先与你的客户一起工作,直到你达到满足你想要达到的最低技术要求。我们的目标是通过持续,明确的客户关注来推动简单化。 产品定义过程以下列方式向后工作: 我们首先编写我们在启动时需要的文档(新闻稿和常见问题解答),然后研究更接近实现的文档。 “向后工作”产品定义流程的重点在于充实这一概念,并对我们最终要实现和构建的内容进行清晰的思考。它通常有四个步骤: 从撰写新闻稿开始。搞定它。新闻稿以简单的方式描述了该产品的功能和存在原因 - 功能和优点。它需要非常清楚并且重点突出。预先写一篇新闻稿澄清世界将如何看待产品 - 而不仅仅是我们如何看待产品。 撰写常见问题解答文档。这是我们在新闻稿提供的骨架上添加肉类的地方。它包括我们撰写新闻稿时提出的问题。您将包括其他人在您分享新闻稿时询问的问题,以及包含定义该产品的优点的问题。你将自己置身于使用该产品的人的脚下,并考虑所有你会遇到的问题。 定义客户体验。详细描述客户对产品可能做的不同事情的体验。对于具有用户界面的产品,我们会构建客户使用的每个屏幕的模拟图。对于Web服务,我们编写用例,包括代码片段,描述了您可以想象人们使用该产品的方式。这里的目标是讲述客户如何使用产品解决他们的问题。 编写用户手册。用户手册是客户用来真正了解产品是什么以及如何使用它的。用户手册通常包含三个部分,概念,操作方法和参考,它们之间告诉客户使用产品时他们需要知道的一切。对于具有多种用户的产品,我们会编写多个用户手册。 一旦我们完成了创建新闻稿,常见问题解答,模型和用户手册的过程,令人惊讶的是,您计划构建的内容有多清晰。 我们将拥有一套文件,我们可以使用这些文件向亚马逊内的其他团队解释新产品。我们现在知道,整个团队对我们正在构建的产品有着共同的愿景。 简版: 亚马逊的 CTO 透露,他们采用“向后工作”的方法,即开发一项产品采用下面的步骤。 1、写新闻稿 2、写 FAQ 3、写用户文档 4、写代码   原文: https://www.allthingsdistributed.com/2006/11/working_backwards.html  
    硅谷
    2018年07月02日
  • 硅谷
    伪程序员做的简历小工具,竟进了硅谷第一孵化器 Y Combinator 来源/ 朱英楠David “简历这个事情,我觉得就不用做了。” “你们这么好的团队做这个可惜了,应该做些高频的场景。” 对于投资人来说工具类产品已经很不性感了,简历更是低频工具。 带着这样一个不吸引人的产品,WonderCV 在硅谷通过了三位 YC 合伙人的面试,收到了录取邀请。     作为全球创业孵化器的鼻祖,Y Combinator 在 15 年间孵化出了 Airbnb、Dropbox、Reddit、Coinbase、Stripe 这些科技独角兽,整个 YC 的 portfolio 企业加起来估值已接近 1000 亿美元。 超级简历 WonderCV 是我去年学编程开发出的一款在线简历编辑器,上线 7 个月,用户以学生和 1-5 年工作经历的年轻求职人群为主,教育背景覆盖全国所有的 985/211 大学,还有超过 50 个国家的海外用户。 获得 YC 认可的故事还是那个同样的低频工具,简历,每个人找工作时即关键又痛苦的一步。     未来的工作 & 工作的未来   几乎所有的科技巨头都在布局人工智能,几乎所有的研究报告都在指向同一个未来:重复劳动会被机器所替代,人类需要从事需要创造力的工作。 自动化将会给人类带来便利和空间,但同时也会让人才市场产生一场巨大的变革。 麦肯锡的一份报告分析,中国有超过 1 亿的劳动人口需要在 2030 年之前离开现有行业寻找新行业的机会,是全球受技术革命影响最大的劳动人口大国。就业将不仅是毕业生面临进入劳动市场的问题,而是整体市场人才转型和迁移的问题。   跟正在颠覆人类劳动力的智能科技相比,求职找到工作的技术可以说是非常古典了。 找工作的痛苦不仅是因为职位变化快、信息不透明,更是因为找工作能够动用的所有工具,包括Word、Email、招聘网站,都发明于上个世纪。     可怕的是,在过去几十年间的科技革命中,这些工具不仅没多大变化,而且丝毫没有被淘汰的趋势。在移动互联网时代的洗刷下,也只是出现了更多的付费内推、虚假招聘、和刺激焦虑的知识变现。 发现这个问题的不仅是我们。 每年,YC 会推出一个“我们想投的创业想法”系列。在今年的想法里,出现了 “Future of Work” 这一项。     YC 认为,科技一定会改变人类和工作之间的关系,所以一定会出现可以帮助人应对求职上的变化的产品。 尽管和 YC 不约而同看到了时代性的机会,但在工作和人之间有无数个细分步骤可以优化和切入。在写简历,找职位,投递,面试,入职,后续的培训和提升中,我们选择了最能够标准化成为产品的,简历。 在“在行”上帮助了100多位学员解答求职问题后,我发现所有人共同的痛点和问题都在简历身上,从学生到10年经验的求职者,大部分都对写简历一知半解,不知道应该写什么在简历上,如何展示自己的能力和价值。 而市场上又充斥着大量不专业的误导信息:     于是很多人只能更痛苦的的搜索有用信息,硬着头皮写简历,然后带着不确定海投职位,陷入 “海投-没有回信-自我怀疑”的恶性循坏。 市场上其实有很多 ATS 简历筛选系统是给 HR 服务的,却没有任何工具是给信息本就缺失的求职者反馈的。迷茫的写简历、投工作,迷迷糊糊的被拒绝或者石沉大海,甚至连拿到 Offer 也不知道是因为什么。 为了给求职者拨开迷雾,我们开发了 超级简历 WonderCV。     从教人写简历的专业攻略,到自动化引导模板,每个模块都根据不同的情况给出详细的贴士和案例。写好后自动排版,并且通过自动优化简历的机器人来检查更多容易出现的简历问题,从内容篇幅到标点符号,提示求职者需要注意的各种“坑”。 最近又陆续上线了自动翻译生成中英文简历,求职信模板和邮件投递这些功能,把专业的引导全部产品化,通过降低 HR 和求职者之间的信息不对称,大大提高了求职者获得面试的几率。       YC 的投资逻辑 YC 每年有 2 期,如今每期都会有 7000 多个项目申请,最终 100 多个项目入驻,录取率约为 1.6%。许多早期进入 YC 的创始人都会开玩笑说,进 YC 已经比进哈佛还难,换做是今天他们也不一定能进。 面对这么多申请项目,YC 的筛选标准和传统 VC 相比,更在乎的不是风口、流量、资源,而是更基本的: “Make something people want.”   |  贴近用户,剔除伪需求   YC 长达 30 多个问题的申请表格里,有 6 个是与创业 idea 相关的,比如 “你是否有相关的行业经验?”,以及 “因为市面上没有你们的产品,用户正在用什么其他的方法解决你想解决的问题?” 其实这些问题的核心是辨认伪需求。 Dropbox 是 2007 年暑期的 YC 项目,提供在不同电脑/平板/手机上文件同步和协作的解决方案,今年 3 月纳斯达克上市,目前市值约 120 亿美金。 但在早期,Dropbox 不断被投资人质疑产品的可行性,因为市场上有着无数竞品,但用的人寥寥无几,大部分人还是用 U 盘和邮件在传文件。 为了验证用户需求,Dropbox 做了一个 4 分半的产品演示,详细展示了 Mac/Windows 之间无缝、实时的文件分享。这段视频上线后的几周内,就成功带来了 7 万个测试用户,充分证明了 Dropbox 所瞄准的需求,也顺利帮助他们获得了红杉资本的 A 轮投资。     WonderCV 和 Dropbox 碰到的问题很类似:市面上有无数个写简历的产品,但绝大多数人还是在使用 Word 编辑简历,为什么会有人用我们的产品? Word 的短板明显:功能繁多,排版耗时,而且手机上很难用。而大部分的“简历网站”,却都是以卖 Word 模板为主。 对于已有很多产品服务的需求,10 倍以上的效率提升才会对用户有意义。 所以 WonderCV 要成为 Word 的替代品,需要做到比用 Word 写简历好用 10 倍。 这也让我们从一开始就意识到,要挖掘很多 Word 没有做到的东西,把他们做到极致。   比如自动排版。在 Word 里面用户经常花大量时间把内容调到一页纸的长度,我们用一个按钮自动化了这个过程,也是至今最受欢迎的功能之一。   还有简历内容自动检查。很多人会在简历上写无用的信息,却遗漏掉一些 HR 最在乎的关键点,WondeCV 都会自动提示:   加上人工智能,通过语义识别提示使用者,哪些语句有优化空间:   在手机上也可以使用这些功能,并且写完简历无需下载、跳转,就可以直接发送邮件出去,或者分享到微信中。 怎么知道我们做的这些事情是否解决了用户痛点? 一方面是用户提供的直接反馈,另一方面我们持续在做 NPS(净推荐值)调研:   在最注重用户体验的互联网行业里,NPS 的平均水平大约是 48 分,苹果的满意度是 65 分,而 WonderCV 的用户满意度达到了 68 分: 这个分数意味着 8 成的用户都会给 WonderCV 打 9 - 10 分成为推荐者,而我们最常收到的用户评价不是满意,而是惊喜。   寻找真正解决问题的方案 今天估值超过 310 亿美金的 Airbnb,是全球估值最高的未上市互联网公司之一。2009 年冬季,在 Airbnb 入驻 YC 的时候,发现在纽约的租房订单增长异常的缓慢,原因是这些房子的照片都是用户用手机随便拍的,所以没有人愿意租。 YC 创始人Paul Graham(人称“PG”)当下抛出了一个完全无法想象的解决方案:让整个Airbnb团队飞到纽约,租一套专业的摄影设备,挨个帮这些房主拍照发到网上。 当 Airbnb 的团队这么做之后,效果是颠覆性的:   几周内,Airbnb 在纽约的营收翻倍,并在第二年发起了一个全球范围内的“摄影师计划”,从 2010 年的 20 个摄影师一路发展到 2012 年的 2000 个摄影师。 今天在 Airbnb 上的大部分房源,都是由专业摄影师团队拍摄。   Airbnb的收入在摄影师服务推出后大幅上涨,转化率提高了2.5倍,平均一个业主每周可以多得$1,025美元的收入 这种做法其实就是 YC 最经常给出的一条建议:Do things that don’t scale. 我对这句话的理解是不要过早的去扩大规模,而是贴近问题,去寻找真正的解决方案。 在 WonderCV 上线之后,我们对这个问题思考了很久:   如何才能让简历获得更高的面试率,以及面试通过率?   和 Airbnb 一样,WonderCV 需要在一个两端市场里提高促成的效率和概率,将 HR 想看到的信息过滤出来,通过帮助用户提升简历质量,让招聘方更愿意提供面试机会。 面试结果是由招聘方决定的,所以我们找到 40 多个在各大互联网企业和 500 强的HR、业务招聘负责人和猎头,花了 2 个多月时间展开了访谈和调研。通过把各式各样的简历展示给他们,然后进行打分、排序,观察和访谈他们是如何对简历进行筛选的。   结论很快就出现了:信息充分、排版简洁的简历更容易获得面试机会。   HR 对简历的最大诉求是 “快速找到信息”。很多 HR 甚至告诉我们,希望收到的简历都长一样,筛选候选人就可以更高效。 “如果同样的信息固定出现在简历的某个地方,比如所有的学校和公司名称在左边,所有的日期在右边,那么筛选时就方便多了,也不容易遗漏关键信息。” 猎头的痛点更为明显,许多猎头公司会直接将候选人提供的简历废掉重写,花费大量的人力复制黏贴简历内容到统一的专业简历模板中。 这让我们从一开始就放弃了设计模板,只提供一套专业的简历排版,引导求职者更关注简历的内容,这样为招聘方提供了更多便利,也让我们的用户获得了更多成功的面试。 我们产品推出后受到了大量 HR 和猎头的好评和推荐: 尽管一部分求职者还是会因为模板 “太简洁”“性冷淡” 而流失,但使用 WonderCV 的用户都得到了非常好的求职结果,最终提高了用户满意和忠诚度。 从大学生找实习,应届生找全职工作,海归回国/海外就业,工作几年后的涨薪跳槽,我们从各个渠道获得了非常完整且一致的认可   |  懂技术的创始团队   名校、大公司、创过业、有过失败经验,这些是投资人给我的标签和加分项,而团队集合了求职、招聘、咨询、IT 行业的专业人才,也让我们更有说服力。 2016 年底,我跑去从零开始学编程。很多人觉得我有病,得治。好几次聚会上会有朋友把我拉到一旁,劝我就算不想做 PE 了也可以试试 VC,或者去 BAT 工作,积累一些人脉和资源,对创业更有用,别学编程了,瞎折腾。 但我全当了耳边风。 因为从看得懂一点代码那一刻开始,我就明白了懂技术的重要性。   创业早期的产品几乎天天都在变,创始人如果缺乏对技术框架的基本理解,对开发的所有决策的判断力就等同为 0,这样创业很容易让一个“小错误”影响进度。时间成本和弯路对于大企业里的小项目可能无所谓,但对于创业公司来说,基本上就是生和死的区别。   懂技术对我们带来最大的好处,就是少走弯路。而另外一个好处,就是不用招太多人。WonderCV 现在有网站/ iOS / Android / 小程序等全线产品,而我们的技术团队只有 5 个人。   当然,这和我所学的编程语言关系也很大。我们的产品是用 Ruby on Rails 开发的,有大量 YC 项目和知名互联网公司也是使用 Ruby ,包括 Airbnb、Twitter、Kickstarter、dribble、Shopify、Groupon、Hulu,以及刚被微软以 75 亿美元收购的 GitHub。     PG 曾在一篇博客中提到,创业公司选择的开发语言,在一定程度上直接影响了公司的文化,这也是我非常认同的。因为大公司使用的语言(如PHP、Java)会很容易招来习惯在大公司工作的人;而跟 Ruby/Rails 类似的全栈框架(Python/Django、JavaScript/Node.js)则会吸引到更多学习能力和上进心更强的开发者。   早期团队中加入的每一个人我们都希望具有这样的“开发者”精神,并且热爱我们的产品。目前我们的 4 个暑期实习生有 3 个都是 WonderCV 的忠实用户,其中 1 个用超级简历拿到了滴滴的产品实习 offer,但是却选择了加入我们。   我们正在招募更多人才,技术、产品、运营,如果你有一技之长,愿意和我们一起把更好用的产品带到世界的各个角落,那就用 WonderCV 写好简历,直接点击投递按钮,发送到hr@wondercv.com 的邮箱吧。   期待你的加入。   |  谢谢 YC 创业的成功率可能只有 1%,但对于那 1% 的人,他们的成功率是 100%。 作为被 1.6% 录取率的 YC 认可的团队,我们将用简历工具开始重写人和工作的关系,帮助更多人“无痛”找到自己喜欢的好工作,并且会继续花尽所有精力将自己变成那 1%。  
    硅谷
    2018年06月26日
  • 硅谷
    前谷歌首席人才官创立的神秘HR科技公司Humu周年总结 原文标题:科学、机器学习和爱的一周年 文| Wayne Crosby 来源|HUMU 背景介绍 Humu创始人之一拉斯洛·博克(Laszlo Bock)是前谷歌SVP(首席人才官),曾写过商业畅销书《重新定义团队:谷歌如何工作》,首度揭秘谷歌颠覆工业时代模式的人才和团队管理的核心法则。本书荣获《纽约时报》畅销榜第一名和Business Insider 2015最佳商业书籍。 本文作者兼Humu联合创始人之一韦恩·克罗斯比2000年毕业于美国亚利桑那州立大学,拥有长期从事软件工程师的丰富经历。并于2007年作为联合创始人创办了Zenter。同年Zenter被Google收购,韦恩也开始为Google文档提供产品展示。在谷歌的这些年,韦恩经手了多种多样的产品,从生产力,到社交、机器学习等等。他在谷歌担任的是HRVP(人力资源副总裁),并在那里找到了帮助人们和团队实现其潜能的激情。2012年,他获得了 Great Manager Award 奖项。2017年,韦恩从谷歌离职,作为联合创始人创办了Humu并工作至今,致力于通过科学和机器学习让人们工作地更好。 Humu是由拉斯洛·博克、韦恩·克罗斯和杰茜·卫士登于2017年共同创办的人力资源科技公司。此前大众并不清楚这家公司具体在开发的产品。直到最近,韦恩·克罗斯为Humu写了一篇周年总结,从本文,我们可以窥见Humu致力颠覆人力资源行业的野心与宏图。 今天标志着Humu团队的一个重要里程碑。 这是十二月以来,开发和部署行为改变技术的高潮。这项技术可帮助人们实时工作,更快乐,更高效地工作。它还为公司下一阶段设定了指南针,我们将继续致力于为所有人创造更好的工作环境。 虽然我们在成长过程中保持初心不变,但今天我们正在庆祝: 由Index Ventures(系列A)和IVP(系列B)牵线,Humu已筹集超过4000万美元的资金,我们正在努力加速扩展我们的平台并确保其跨越国家,公司和文化。 Humu已将Danny Rimer(Index Ventures)和Somesh Dash(IVP)纳入我们的董事会。他们的专业知识不仅有益Humu团队,而且也有利于我们每一位合作伙伴及其员工。 Humu的技术使企业领导者能够衡量什么是重要的(并且仅仅是重要的),并且利用人们的分析(以及一点点爱)来推动人们成为他们最好的自己。游戏的结局?更高的生产力,大大降低流失率,以及从内到外和自下而上建设的更快乐,更有能力的公司。 尽管我们仍处于地下状态,还是有超过20%的财富100强员工询问Humu的产品是否适合他们的团队。仅在过去几个月中,我们就已经和一些规模在150到65,000之间的公司达成了合作,这些公司都是以人为本的领先企业。 在Humu的投资者,团队和全球合作伙伴的支持下,我们展望了一系列永远改变人们工作方式的产品,以更好地引导我们的核心理念。 我们相信工作可以而且应该对每个人都更好,无论他在什么地方。我们花更多的时间工作,而不是做其他事情。这种经验应该(而且可以)更有意义,更有影响,更有成效。无论在任何角色,任何职能,任何级别,我们都可以不断学习和成长,并且被做同样的事情的人包围。做这件事我们可以很开心。 我们相信以人为本。技术可以做很多事情,但是当涉及复杂,微妙和深刻的个人问题,如多样性,薪酬和发展时,任何一种算法都无法完成任务。当我们开发产品时,我们以人为本,将数十年的人类行为研究与最新的机器学习结合起来,帮助企业以一种理解,不偏不倚和尊重隐私的方式实现积极的文化变革。 我们认为人力资源方面的数据革命就在此刻。分析已经改变了运营方式,然后改变了营销方式,现在改变人力职能的时机已经到来。我们相信CHRO可以成为他们自己的幸福实验室的科学家,拥有人类科学和实时反馈循环,不断提高表现。 这就是Humu着手的地方。它是在恰当的时间,通过正确的人员了解正确的行动,以实现积极的改变。利用科学和数据向领导者表明,更快乐的员工更富有成效,更多地致力于公司目标,坚持更长时间,并且更加关注学习和工作中的成长。  
    硅谷
    2018年05月03日