那年今日 - HRTechChina.com - 向上的力量！

那年今日【05月18日】

资讯

京东13亿港元战略投资金蝶软件：占股10% 金蝶国际软件集团（股票代码：00268.HK）与京东集团（纳斯达克股票代码：JD）今日联合宣布达成合作协议，京东将出资13亿港币现金（约1.71亿美元）认购金蝶约10%股份。此外，金蝶与京东计划达成战略合作伙伴关系，携手为中小企业提供基于云服务的ERP整合解决方案。金蝶国际软件集团董事局主席兼CEO徐少春表示，我们很高兴与京东结成伙伴关系，这是金蝶发展史上的里程碑。我们将以此为契机，整合双方庞大、优质的企业客户和用户资源，创新发展金蝶与京东电子商务及仓储物流解决方案，加速推进金蝶云服务业务，为双方客户提供卓越的一站式服务体验，继续领跑企业移动互联网市场。京东集团CEO刘强东表示，作为中国领先的企业级解决方案供应商，金蝶是京东理想的合作伙伴。我们希望进一步探索将京东一流的电子商务和物流IT方案与金蝶领先的ERP解决方案相集成，将整合方案迁移到企业云平台，以更好地满足中国市场日益增长的企业级解决方案的需求。金蝶国际软件集团有限公司总部位于中国深圳，始创于1993 年。金蝶为世界范围内超过400万家企业、医院和政府等组织提供软件产品与云服务，用户数超过5000万，连续十年稳居中小企业ERP市场第一。京东是中国最大的自营式电商企业。京东拥有全国电商行业中最大的仓储设施。截至2015年3月31日，京东在全国范围内拥有7大物流中心，在43座城市运营了143个大型仓库，拥有3,539个配送站和自提点，覆盖全国范围内的1,961个区县。此次投资的认购价格为每股4.6港元，为协议签订前15个交易日金蝶每日收盘价格的平均值。预计该交易将于2015年第二季度完成。更多详情可查看金蝶公布的事项： http://kingdee.todayir.com/attachment/2015051807470100052206456_tc.pdf 其中：徐少春的股份比例较之前上升0.0002个百分点，从29.91上升到29.93~ 京东股份占到10% 其他占到62.98.

资讯
2015年05月18日
硅谷

云应用加速服务Instart Logic获4300万美元D轮融资云应用加速服务初创企业Instart Logic上周获得了4300万美元的D轮融资。传统的内容加速网络（CDN）主要以静态文件的缓存为主，但随着网站的动态交互内容越来越多以及移动应用的崛起，这种模式已经难以满足应用加速的要求。 Instart Logic提供的是基于云的网站性能优化服务，可以针对移动和WiFi网络进行网站的性能优化。其解决方案采用移动优先的策略，组合了虚拟化、大数据、浏览器、分布式系统等多项技术来解决性能优化问题。在加速策略上Instart Logic采取了化整为零的办法，它会将应用分割为若干小块而不是整个文件一次性下载，同时优先将重要的部分发送给用户，从而让应用可以及时与用户进行交互，然后在后台继续下载剩下部分。此外，Instart Logic还可以优化图像的尺寸、格式，进行压缩设置等以便进行静态优化。据称2014年公司实现了5倍的业务增长，目前有超过400家网站在使用Instart Logic的服务，Staples、华盛顿邮报、必胜客、TUI Group、图库Shutterstock、Evite 及Nasty Gal等均为Instart Logic的客户。此轮融资由Four Rivers Group与Hermes Growth Partners领投，原有投资者A16Z、KPCB及Tenaya Capital等参投，融资所得将用于人力及研发力量扩充以及欧洲等地区的国际化扩张。此轮过后其总融资已达9500万美元。本文参考了多个信息来源：businesswire.com、bizjournals.com

硅谷
2015年05月18日
观点

担心电脑统治世界？不如先想想怎么保住工作 [摘要]从学术领域来看，人工智能的研究历史与计算机本身一样久远。最新一期英国《经济学人》杂志刊文称，尽管很多科技行业的知名人士都对人工智能给人类构成的威胁表示担忧，这种技术也的确取得了长足的进步，但通过一番深入分析不难发现，这种技术短期内还远远无法真正模拟或超过人脑，只是在从事一些没有思想、没有灵魂的乏味工作。与其担心电脑是否会统治世界，倒不如先想想自己的工作是否会被电脑取代。以下为文章全文：伊隆·马斯克(Elon Musk)一直都在为人类“谋未来”。这位连续创业的传奇人物曾在万维网发展初期赚得了人生的“第一桶金”，后来协助成立了一家太阳能发电公司SolarCity，力推绿色能源；还创办了电动汽车制造商特斯拉，帮助汽车摆脱对内燃机的依赖；他甚至组建了一家民营火箭公司SpaceX，渴望于有生之年看到人类殖民火星。正是由于参与了种种未来感十足的尖端项目，他似乎成了对未来前景最为乐观的科技大佬。然而，并非所有未来技术都能得到马斯克的认可。去年10月在麻省理工学院发表演讲时，马斯克曾经将人工智能描述为“召唤恶魔”的技术，担心这种在智能上可能比肩人类的产品有可能对世界构成前所未有的威胁。持有这种担忧的不止马斯克一人，牛津大学哲学家尼克·波斯特罗姆(Nick Bostrom)曾经发表了一番名为“存在主义风险”的观点，罗列了可能影响人类生存的潜在威胁，除了小行星撞击地球和全面核战争等广为人知的因素外，他还将人工智能列入其中。英国皇家学会前会长劳德·瑞斯(Lord Rees)随后还在剑桥大学创建了存在主义风险研究中心，该中心同样对人工智能的威胁格外重视。这些担忧折射出人工智能领域近年来弥漫的乐观氛围，这项技术最近几年已经取得了快速进展。谷歌、Facebook、亚马逊和百度都已经加入这场竞赛，不仅积极招募人才，还设立了各种实验室，甚至大举收购创业公司。多数业内人士似乎并不担心被自己创造出的机器或算法超越。这些企业似乎并没有创造新的思维方式，只是去掉了原有的一些模式，通过自动化程序完成原先只有人类才能胜任的工作，甚至让人类服从机器的指令。在当今世界，具备上网功能的PC、平板电脑和智能手机搜集了海量数据，而不断进步的计算能力也足以快速处理这些数据，使得软件算法可以理解更多语言，识别更多图像。很多企业都注意到这类技术蕴含的巨大机遇。还有人担心这些技术会抢走人类的工作：当今的很多工作都要依靠形态识别和符号翻译等技能，倘若电脑果真能够取代人类完成这些工作——既可以是全自动解决方案，也可以通过补充技术大幅加快人类的效率——领取失业救济金的白领肯定会越来越多。人工智能技术的繁荣迹象随处可见。去年有传言称，谷歌斥资4亿美元收购了伦敦人工智能创业公司DeepMind。这相当于从Facebook眼皮底下抢走了这家前景广阔的公司——Facebook一直都在扩容自己的人工智能研究室，还专门从纽约大学挖来了明星研究员雅恩·勒坤(Yann LeCun)。谷歌也曾经聘用过斯坦福大学人工智能专家吴恩达，但去年被百度挖走。随后，百度也在硅谷成立了自己的实验室。芝加哥创业公司Narrative Science希望利用电脑自动撰写新闻报道（《福布斯》其实已经开始用这种技术来报道基础性的财经新闻），而Kensho则计划自动完成金融数据分析专家的部分工作。这些项目都得到了投资者的大举注资。4月13日，IBM宣布将使用沃森(Watson)机器人的一个版本来分析医疗数据，展开病情诊断——沃森曾因为在2011年的美国电视问答节目《危险边缘》中击败了两名人类选手而名声大噪。关键解决方案从学术领域来看，人工智能的研究历史与计算机本身一样久远。当今很多令人振奋的技术进步都源自一个名为“深度学习”的子领域，这是“机器学习”的现代变种。通过这种技术，电脑便可通过自学掌握大数据分析等技能。这种模式创造的算法能够解决人工智能研究领域面临许多的难题：通常而言，人类难以应对的任务却很容易用电脑完成，反之亦然。在求解复杂的数学公式时，即使是最简单的电脑也比人类“聪明”得多。但在以往，就算是性能最强大的电脑也难以胜任人类轻而易举就能解决的任务，例如人脸识别、语音解码和分辨图片中的物体。简单来说，当人类发现自己难于应对某些事情时（例如求解复杂的公式），就可以编写一系列正式规则，然后将这些规则转化成程序，即可轻而易举解决问题。但对于人类认为简单的事情，就没有必要编写这样的明确规则，或者难以编写这样的规则。举个最简单的例子，美国最高法院大法官波特·斯图尔特(Potter Stewart)曾在1964年发现了一个规律：成年人可以轻易区分色情图片和非色情图片，但要描述他们究竟是如何区分的，却是几乎不可能完成的任务。由于难以给出法律上“滴水不漏”的定义，他最终放弃了这样的尝试，并得出了这样一个耐人寻味的结论：尽管我无法在理论上定义色情，但“只要我看到色情图片，就能分辨出来。” 目前来看，机器学习是一种很好的解决方案，当程序员无法给出明确定义时，他们便可通过自学来识别物体。不过，机器必须借助海量数据展开高强度的统计分析，才能完成这种任务。很多系统都使用了一项名为“神经网络”的传统人工智能技术，以此来展开他们所需的统计分析。神经网络是1950年代发明的一项技术，当时的研究人员虽然并不了解智能的真正含义，但他们知道大脑的确具有这样一个结构——只不过，大脑处理信息时使用的并不是晶体管，而是神经元。如果能模拟这些神经元——这是一种高度互联且能彼此发送电信号的细长细胞——或许就可以完成某种类型的智能行为。神经网络技术神经元非常复杂。即使是在今天，人工智能对这种结构的模拟也只能算是东施效颦。微软人工智能研究员克里斯·毕舍普(Chris Bishop)指出，自1960年代以来，电信公司一直都在使用神经网络技术发现的回声消除算法。但在取得了早期的成功后，这种理念却逐渐丧失了吸引力。当时的计算能力限制了神经网络的规模，导致这项技术的前景无法充分体现出来。但最近几年，由于视频游戏对图形渲染能力的需求增加，计算性能得以大幅提升，神经网络再度引人关注。早期的神经网络仅能模拟几十或几百个神经元，通常都采用单层结构。而谷歌最新采用的神经网络则能模拟数十亿个神经元，使得研究人员可以进一步推进相关技术，并采用多层结构。正是得益于这种多层互联结构，才进一步将机器学习“深化”成深度学习技术。每一个层都负责处理不同层次的抽象分析。例如，要处理一张图片，最低级的处理层负责分析原始图像，对每个像素的亮度和色彩逐一扫描，并研究整张图片上的属性分布。下一个处理层则将这些信息分为更加抽象的类别，并识别边界、阴影等更多元素。紧随其后的分析层则会对这些边界和阴影加以分析，找出可以表示眼睛、嘴唇和耳朵的信号组合。之后，便可将这些信号组合起来判断图中有一张人脸——事实上，这套系统不仅能泛泛地识别人脸，还能在一张新的图片中识别之前见过的某张人脸。要充分发挥这类神经网络的作用，必须首先对其进行训练。例如，要让机器自学人脸识别，就必须为其提供数千张图片的培训素材，有的包含人脸，有的则没有。每一张图片都将由人类进行标记。图片本身作为输入到系统的数据，而标签（“是人脸”或“不是人脸”）则作为输出结果。电脑的任务则是在输入数据与正确的输出结果之间建立一套统计规则。为了实现这一目的，电脑必须逐一了解那些标记为“人脸”的图片在各个抽象层中的所有共性。一旦相关性达到一定程度，电脑便可给出可靠的标记结果，在训练素材中找出人脸照片。下一步则是让其面对各种从未见过的图片，看看之前确定的人脸识别规则能否应用于实践。通过这种自下而上的模式，机器学习算法便可掌握在人类看来“只可意会而不可言传”的辨别能力。但这种算法长期以来都局限于非常专业的领域。要编写这样的程序，往往需要系统设计师提供各种线索，通过手工编写代码的方式手把手教会机器来处理各种任务——例如，一组代码专门处理图像，另外一组代码则专门识别声音。另外，早期的神经网络对数据的消化能力有限。一旦超过了某个程度，再为其提供更多数据便无法进一步提升效果。现代系统所需的“手把手”指导和调整越来越少。除此之外，数据分析能力也早已今非昔比，足以应对任何数据输入规模。而由于互联网的壮大，如何获取足够的数据也不再是问题。百度、谷歌和Facebook等大型互联网公司都通过用户采集了海量信息，包括电邮内容、搜索请求和购物历史。他们的服务器中汇集了人脸、汽车、猫咪等各种各样的物体图片。这些企业的负责人深知这类数据所蕴含的潜力，但如此庞大的数据量却令人望而却步。不过，机器绝不会“望而却步”。人们已经找到了应对信息过载问题的方案，更何况，人类在创建很多数据时已经预先添加了标签。只要辅以正确的算法，电脑便可使用这些有注释的数据自学成才，从中识别出有用的形态、规则和类别。结果令人颇为惊讶。2014年，Facebook推出了一套名为DeepFace的算法，能够在图片中自动识别人脸，而且精确率高达97%，甚至连光照不足和半遮半掩的人脸都能成功识别。这几乎可以比肩人类的识图能力。微软同样在大力宣传该公司为Cortana数字助理开发的物体识别软件，这款软件可以告诉用户潘布鲁克威尔斯柯基犬与卡迪根威尔士柯基犬，这两个相似度极高的犬种之间的差异（如下图所示）。有些国家已经开始将人脸识别技术应用于边境检查，而能够从视频脚本中识别人脸的系统对于警方和间谍机构而言也极具吸引力。5月5日发表的一篇报告显示，美国间谍已经开始利用声音识别软件将通话内容转换成文本，以便简化搜索流程。纯粹的自学然而，尽管互联网提供了庞大的数据宝藏，但却并非无穷无尽。事实上，机器学习算法赖以生存的基础是人类预先注释过的数据，但这类数据的来源却非常有限。正因如此，一场“纯自学”算法的开发大战已然打响，研究人员希望在完全没有人工帮助的情况下让电脑展开“纯粹的自学”。这一领域已经实现了很多进展。2012年，吴恩达领导的一支谷歌团队展示了一套“纯自学”算法，在学习了数百万段YouTube视频图像后，便可对其“看到”的内容分类，包括人脸和网上随处可见的各类猫咪图片。整个过程中没有人在视频中添加“人脸”或“猫咪”标签。但在分析了海量信息后，这套算法还是可以轻而易举地通过自己掌握的统计信息对物体进行分类。下一步则是从识别具体物体向识别许多不同物体发展。斯坦福大学的安德烈·卡帕西(Andrej Karpathy)和李菲菲(Li Fei-Fei，音译)在一篇论文总描述了一套新型计算机视觉系统，可以为某张图片的具体部分添加标签。例如，向其展示一张早餐桌，它便可以识别出桌子上的叉子、刀子、咖啡、鲜花，以及桌子本身。它甚至可以用流畅的英语生成场景描述信息（如下图所示）。但这项技术并不完美，经常会出现识别失败的情况。谷歌等大型互联网都对这类技术表现出浓厚兴趣，因为这可能直接影响他们的利润。更好的图片分类其可以改进搜索引擎的功能，帮助其寻找用户真正想要的信息。从长期来看，这项技术还有更具革命性的用途。例如，能够分析和解读具体场景的技术不仅对机器人研究很有帮助，还有助于工业设备、无人驾驶汽车和战地机器人等新型装备在现实世界中实现完美导航。图片归类还能对“增强现实”等技术形成促进。例如，谷歌眼镜和微软HoloLens等产品都会在现实影像的基础上叠加有用信息。旧金山Enlitic公司也希望利用图片识别技术分析X光片和核磁共振扫描结果，以检查人类医生可能忽略的问题。另外，深度学习技术并不局限于图像识别。这其实是一种通用的形态识别技术，只要是能够提供大量数据来源的活动（例如保险公司运营和基因信息分析），都可以对其加以利用。在欧洲核子研究中心（CERN）最近举行的一项竞赛中，深度学习算法在识别亚原子微粒特征时的表现就优于物理学家亲自编写的软件——值得一提的是，前者的程序员对于这一领域的物理学知识几乎一无所知。更令人惊讶的是，还有一组研究人员编写了一套能自学《太空入侵者》游戏的算法，水平甚至超过人类玩家。深度学习技术还能改善机器翻译水平，得益于网上的大量多语种文本资料，这一领域已经开始使用神经网络。目前任职于百度的吴恩达认为，在智能手机上引入优秀的语音识别程序，可以让很多因为文化程度有限而难以充分利用电脑的中国人，全面享受移动设备带来的便利。百度目前有10%的搜索是通过语音输入技术完成的，他相信这一比例到2020年将增至50%。这些不同类型的人工智能技术可以组合起来，形成功能更强大的系统。例如，2014年5月，微软就在加州召开的一次会议上展示了一套同声传译电脑系统。在该公司的一位研究人员用英语演讲的同时，系统会将内容实时翻译成德语。这个套系统使用了3个人工智能程序，一个负责将声波解码成英语内容，第二个负责将英语翻译成德语，第三个再用德语朗读出来。该公司希望，他们有朝一日能在网络通话服务Skype中整合这项技术。机器没有灵魂利用智能手机和先进算法让教育水平较低的人享受互联网的便利，的确是好事，但这是否足以打消马斯克等人的“存在主义担忧”？形态识别和自学算法能否最终为机器赋予高于人类的智能？很多对此忧心忡忡的人都有充分的理由。神经科学领域的研究已经延续了数十年之久，但几乎所有迹象都表明，人脑只不过是由普通原子组成的一台机器，使用了普通的自然力量，遵守了普通的自然法则。换句话说，它并不是依靠所谓的神秘“精神”运转起来的。这表明，要打造一个人工大脑，甚至是与人脑看似不同但却具备相同功能的机器，从理论上讲是完全可行的。然而，理论归理论，实践归实践，不能完全混为一谈。目前任职于Rethink Robotics公司的人工智能先驱罗德尼·布鲁克斯(Rodney Brooks)认为，部分原因在于“智能”一词所引发的困惑。如今，电脑已经可以从事之前只有人类才能完成的事情。图像分类工具的精准度令人毛骨悚然，但它既没有目标，也没有动机，对于自己的存在也没有任何意识，只是按照枯燥的既定流程制作列表、建立模型。另外，如果想要复制人脑的运作方式，未必非要以当今的人工智能模式为起点。人工智能借助很多类似于“蛮力”的模式来获得看似智能的反应，尽管效果比以前好了很多，但仍与真正的人类思维模式有着天壤之别。它的目的并不是建立一套可以模仿生物思维方式的系统。正如另一位人工智能先驱艾滋格尔·迪杰克斯特拉(Edsger Dijkstra)所说，问“电脑会不会思考”就好比问“潜水艇会不会游泳”。推动社会进步事实上，只要了解一下愚弄人工智能程序的方式，便可充分明白个中缘由。去年6月在一次计算机视觉大会上发表的论文表明，很多视错觉图片都可以愚弄图形识别算法（如下图所示）。这些内容都充分表明，电脑算法只能机械地匹配各种形态，但整个过程却完全不考虑任何背景信息。在算法眼中，物体并不是物体，只是一组具备某些特性的形态，这就使之很容易陷入类似的陷阱。某些情况下，在人类看来毫无意义的电视静电图像，却会被神经网络识别为具体的物体。这并不是说人工智能领域的进步无法达成令人满意的结果。与之前的几波科技创新不同，很多中产阶级可能也会非常青睐这类技术。以微软的同声传译技术为例，虽然它远算不上完美，也没有人会将机器翻译的结果误认为是专业翻译人员提供的服务，但却足以帮助人们理解对方的大意。不仅如此，使用这种技术的成本也远低于专业翻译人员。因此，这种算法可以通过成本低廉的方式造福很多Skype用户。这或许对译者不利，但对其他人来说，确实是一大福音。况且，微软还会不断改进程序执行效果。有人担心人工智能取代很多白领工作，就像机器设备在工业革命中取代了很多蓝领工作一样。这一点的确值得重视，例如Narrative Science的财经新闻撰稿程序和Kensho的金融数据分析程序，类似的例子不胜枚举。 Kensho的系统是为了解读各种自然语言搜索请求，例如：“如果油价每桶下跌5美元，汽车公司的股价将会怎样？”之后，该系统便会搜索各种财务报告、公司文件、历史数据，并在几秒钟内用自然语言提供答案。该公司还计划将软件提供给大型银行和金融交易商。例如，法国Yseop公司就使用Kensho提供的软件来分析各种请求，然后筛选各种数据，最快能在一秒钟内用英语、西班牙语、法语和德语制作出3000页的报告。欧莱雅和VetOnline.com的公司也已经在各自的网站上使用该系统来提供客户支持。事实上，这种担忧不仅存在于理论层面，一些白领工作已经逐步被及其取代。例如，很多公司都在使用电脑来接听电话。尽管功能存在局限，而且需要通过人工来解答一些电脑无法理解的问题，但的确可以大幅降低人工成本。要预测具体受此影响的工作是件非常复杂的事情，但牛津大学马丁学院却在2013年发表了一篇论文，认为美国统计人员追踪的半数职业都会受到影响。这令很多人颇感担忧。但有弊必有利。价格低廉的自动化技术肯定大有用途。例如，用不知疲倦、快如闪电的电脑来检查医疗图像将会为医务人员提供很大帮助。看待人工智能的最佳方式，或许是将其视作一种加强人类大脑功能的技术。一如纸张提供了便携、可靠的记忆，算盘辅助了心算能力，人工智能同样是对人类现有能力的一种良性补充。正如印刷机让抄录员下岗一样，高性能的人工智能技术也会令一些人失业。但那些无法被其取代的技术同样可以得到改进，让所有人都能获得原本只有少数人才能掌握的技能。如今，只要你随身携带一部智能手机，就相当于在口袋里放了一台庞大的老式计算机，只需要定时为其充电即可。未来，译员和医生或许也可以“随叫随到”。另外，尽管马斯克和瑞斯等人仍然忧心忡忡，但电脑智能的提升仍将成为一项真正具有革命意义的技术。有朝一日，机器或许的确可以具备与人脑比肩的全面智能。但目前看来，与其担心电脑是否会统治世界，倒不如先想想自己的工作是否会被电脑取代。（长歌）

观点
2015年05月18日
观点

互联网时代的新雇佣关系：不再是终身雇佣制思维，更像是一种任期制摘要：伟大的企业像高速列车一样不断前行，少数人从起点上车，但大多会在中途离开；有些人中途上车，经过几站后也会再换一辆车前行。能从起点行驶到终点的，寥寥无几。互联网时代的人才关系，不如从建立联盟开始。被彭博商业周刊称为“硅谷人脉王”的LinkedIn创始人里德·霍夫曼最新出版的书《联盟》谈论的主题就是人脉，里德除了与埃隆·马斯克和彼得·泰尔共同创建Paypal以及同样是硅谷最为有眼光的投资人以外，他其实是是最早的社交网站Socialnet的创建者。Socialnet的创立时间是1997年，比LinkedIn、Facebook的诞生早了六七年，里德在社交与人脉上的经验已将近20年。《联盟》是一本谈论当今这个时代雇主与雇员的关系的书。当今时代的雇主和雇员是什么关系？即使再天真的雇员，也不会幻想自己会在一个公司工作一辈子；再优秀的企业，也无法避免最优秀的员工流失。雇主和雇员的关系更多的是，为了一部分共同的使命与目标，互相在对方身上投资。这种投资的边界既不像终身雇佣制一样，在员工正式上岗前先培训上两年；但也不像简单的商业交易，我付一份钱，你做一份工。员工加入一家公司除了挣钱以外，考虑更多的是职业兴趣与职业发展是否能得到满足：这家公司能不能给我提供一份我擅长且喜欢的工作？这家公司是否能给我提供更多发展的机会和对我有益的资源？这个公司是否有足够的成长空间，我能否升职？对于雇主而言，它更希望了解的是：员工是否能满足工作要求，百分之百甚至超出预期完成工作，以帮助公司更快成长？如果将双方需求的交集提炼出来，就是二者达成共识，形成长久联盟的基础。而开诚布公承认这个现状是改善雇佣双方关系的开始。领英最资深的一位高管迈克·加姆森（Mike Gamson）对此非常坦承：“我知道我的员工可能在某个时间离开公司”，所以，在新员工加入他的团队的时候，他会对他们说，我的工作将如何为他们改造改变职业轨迹的机会，他们的责任是利用在这里的工作经验抓住各种机会，为自身创造长期价值。在某种情况下，这种价值将在他们离职后的职业生涯中体现得最为明显。在员工进入公司的第一天就承认员工将来有一天会离职，能在最短时间内与员工建立信任，从而建立良好关系，反而能更好留住优秀人才。在建立信任的基础之后，双方开始为自己的工作联盟设定一个“任期”，就好像一届美国总统是四年，总统候选人会告诉选民们，“我将在我的这一届任期里，达到什么样的目标，请你们支持我”一样。雇主和员工也应该建立类似的关系：我们之间建立一个任期为2-5年的联盟关系，在这一个时间段内，雇主将为雇员提供何种的平台与资源，帮助雇员实现自己在这个任期内的职业目标；而雇员则承诺，在这个任期内，为公司完成哪些项目，创造何种价值。当任期完成之后，雇佣双方也可以继续探讨续任的可能。当然，里德在书里做了更为细致的操作操作建议。比如他将员工在公司里的角色分为了三种类型：轮转期、转变期与基础期，分别适用于职场新人、职场中层及职场高层，在职场中每一个阶段，员工利益与公司利益的交集程度不一，双方的目标预期也不尽相同。这三个时期分别为：轮转期轮转期是一种有期限的标准化培训，通常针对入门级员工。比如，投资银行和管理咨询公司通常设有2-4年的分析师培训项目，目的是帮助新员工从校园过渡到职场，或者从之前的工作环境过渡到新的工作环境。硅谷的许多公司也采用类似的模式。比如Google的人力运营部雇佣的新毕业大学生将进入为期27个月的标准化轮转期，他们可以在一共3轮、每轮9个月的轮转期中尝试3种不同职位；Facebook则采用类似的模式培训新产品经理，他们要在18个月内加入3个不同的产品小组，轮换3次职位。转变期与轮转期相对标准化所不同的是，转变期更加个性化，它是经理和员工一对一协商沟通后的结果。转变期一般为2-5年，这大概相当于一款软件或互联网产品的开发周期。这一段时间内，员工可以完成一个重大项目，或者多个小项目。施密特说，他也喜欢将任期定为2-5年，两年学习，两年完成工作，一年安排过渡和交接。基础期第三个时期，基本上是职业生涯的最后一个时期，也是职业生涯达到顶峰时候的时期：可能是创业成功，以CEO的身份长期经营自己的公司，或者是公司高管，比如苹果、亚马逊和Google等公司里直接向CEO汇报的高管很多都已经为该公司效力时间超过10年。从职场新人到职场顶峰，个人目标与公司的目标是一个逐渐聚焦的过程。新人在初入职场时无论业余兴趣还是职场选择更加发散，需要经历多个公司和岗位，才能找到适合自己的工作，这个时候个人目标与公司目标的契合度低；到了转变期，职场人在职业兴趣、个人擅长与公司需要之间找到了比较好的平衡，更加聚焦，与公司的目标更加契合；到基础期阶段，基本已经将工作当成毕生事业，个人目标与公司目标高度契合。这时候的员工与公司的沟通成本非常低，并且是最需要互相成就的阶段。如何从终身雇佣转变为终身关系？《联盟》一书一共谈了两个大的问题。第一个问题即前面所说的，互联网时代已经不像工业时代，员工与雇主的关系不再是终身雇佣制，更多像是一种任期制，双方约定一个2-5年的任期，员工在这一个任期里面为雇主完成一个大项目或者数个小项目，在为公司创造价值的同时，也实现自己的个人价值。任期可以是一届，也可以是多届，视乎双方合作情况与约定而定。《联盟》的后半部分，里德·霍夫曼花了相当大的篇幅谈员工人脉网的作用，既包括现任员工，也包括离职员工。在里德看来，员工人脉对公司有极大的价值。这些价值体现在两个方面： 1、人脉可以帮助公司收集信息，这些信息是互联网上所没有的，媒体会很感兴趣但是却没有报道的信息。这样说起来有一点微妙和暧昧，和其它公司员工交流的时候，大家在饭桌上总是会有意无意透露一些「秘密」——介于不可公开透露和完全保密之间的消息——比如，正在开发的新产品的部分细节，即将启动的新项目，或者正在进行的投融资交易，等等等等。这些信息无疑会为自己公司带来非常大的价值。 2、人脉可以为公司带来新的机会、意外发现，某种程度上它也是创新的驱动力。创新往往产生于不同学科和文化领域的交界处，与前面鼓励同行交流不同的是，当员工利用他们的职业人脉或个人人脉与不同领域的人交流时，他们会听取不同背景、不同经历和不同专业领域的朋友的意见，从而可能产生创新。因为人脉之间流通的信息价值极大，里德在《联盟》里也给提出了明确的给雇主的建议：设立人脉基金，即使不与业务直接相关，也会报销员工与其人脉关系的社交餐费——注意，这里指的是非业务直接相关的报销，因为与业务相关的餐费，大多数公司都会给员工报销的。报销了员工的餐费，员工不将饭桌上获得的信息带回公司怎么办？所以雇主还应建立鼓励员工将信息带回公司，做内部信息共享的机制。比如，风险投资机构Greylock（里德担任合伙人）每周一都会给所有所有合伙人发一份材料，里面列出了每位合伙人本周计划会见的外部人士。合伙人之间看到感兴趣的人，可以交换笔记，也可以交流对某个人的看法，或者提出自己想交流的话题，使得有价值的信息在公司内共享。另一家硅谷著名的风险投资机构安德森·霍洛维茨（Andreessen Horowitz）在这方面走得更远：每次合伙人会议开始时，都会提供100美元作为奖金，谁提供了最佳的小道消息，谁就可以拿到100美元。想最有效建立优质人脉，并不是出去约牛人——牛人都很忙的，而且很多人都会想去约见牛人。——而是让自己变成牛人。从雇主的角度可以做些什么？鼓励并支持自己的员工成为行业有影响力的专家。比如，当员工获得行业会议公开演讲的机会的时候，或者参加重要行业会议交流的时候，雇主可以为员工报销差旅；或者干脆帮助自己的员工去争取这些机会，员工在参加行业会议的时候，也帮助企业推广了自身的品牌。前面这些都是帮助现任员工打造人脉网的行动。如果当员工结束与雇主的任期之后，是否意味着双方的关系已经终止？很多公司是这么做的，我有一位在某很知名的互联网创业公司里，就对主动离职员工抱有一定敌意或对主动离职员工视为「背叛」的情况存在，虽然没有明文约束，但他们公司的文化会让这位朋友产生这样的感受。这样的公司文化显然会给员工带来非常大的压力。主动离职被视为叛徒，强行离职，势必会让自己和前同事、前老板的关系变得尴尬；如果迫于公司文化继续留在公司，可能会错过更好的工作机会，或者无法立即去做自己更感兴趣的工作。这样的雇主除了不足够坦诚、恐怕也是不足够聪明的。因为离职员工的价值，是很多公司还没有意识到、或者意识到了但还远远没有执行到位的地方。某种程度上来说，离职员工甚至可以为雇主带来更多的价值。离职员工有更多的工作经历和阅历，视野和技能都有提升，更重要的是，离职员工的人脉网会更加强大。离职员工的这些特征，将为雇主带来极大的机制： 1、帮助雇主招聘人才。一方面，前员工离职后可能「二进宫」，「二进宫」的员工可以将外部人的视角与内部人掌握的公司流程和文化结合，并且在适应公司文化上面几乎没有问题；另一方面，前员工可以推荐优秀的人才。国内很多公司都会现任员工设立推荐奖，成功推荐一个人入职奖励iPhone或好几千现金，但是我不太理解的是，为什么不给前员工也提供类似的机会？前员工人脉更广，判断力相对也会更强。 2、与推荐人才相似，前员工可以推荐客户。前员工有可能把ta现在的雇主当作客户推荐给前雇主，或者将ta认识的生意伙伴推荐给前雇主，与前面推荐人才的逻辑是相似的。 3、前员工能帮助雇主做品牌传播。他们可能不一定能在广告或媒体上帮到雇主太多，但在社交媒体上，他们都是可以为雇主品牌进行传播的节点。在社交媒体影响越来越大、而且投入也越来越大的情况下，发挥前员工的传播价值，将为雇主带来丰厚的回报。在互联网时代，终身雇佣时代一去不复返，但终身雇佣时代的消失不意味着终身关系消失。相反，如何维系雇佣双方之间的终身关系，并从中挖掘价值，变得比以往更加重要。伟大的企业像高速列车一样不断前行，少数人从起点上车，但大多会在中途离开；有些人中途上车，经过几站后也会再换一辆车前行。能从起点行驶到终点的，寥寥无几。即使创始人，像乔布斯一样不也中途离开过么？互联网时代的人才关系，不如从建立联盟开始。【本文由师北宸原创，欢迎转载，转载请注明作者及保留本说明，转载时请附上微信公号信息：「数字弥母」，ID：digital_meme】

观点
2015年05月18日
产品

法大大：从电子签名切入中小企业法律服务的蓝海一直以来，合同签署面临的主要问题是跨地域、耗时久、流程复杂。尤其在商务领域，类似的场景（痛点）屡见不鲜：为了签一份合同，原件得绕中国来回寄几圈；如山的合同堆里找份原件堪比大海捞针；合作条款传真、邮件都确认了，上法庭法官却不接受... 上周，美国电子签名初创企业DocuSign宣布获得了2.33亿美元的F轮融资，估值据悉达30亿美元。DocuSign 成立于 2004 年，它能帮助公司用户在网上迅速获取具有法律效力的电子签名，免除了用户要通过传真或邮件签名的麻烦。回到国内，今年初上线的法律服务平台法大大也在做和DocuSign类似的事儿：平台通过采用一系列国家认可的专业技术，实现了电子合同签署过程中签署主体身份真实有效＋签署时间客观真实＋合同传输及保管过程中不可篡改，确保了在平台上签署的合同具有与原件同等的法律证据效力。通俗点来讲，在法大大平台上，用户通过实名认证后会获得一个与个人身份相绑定的数字签名证书，有了这个数字签名证书，就可以在线发起或参与合同的签署，而且已经签署的合同都可以在线取阅、调用。目前中国5000多万（且不断增加）的中小企业群体中，除了稍具实力的会聘请常年法律顾问外，大多数并未引入正规或者常规的法律顾问服务。在这块企业法律服务蓝海中，当前各家竞争对手的业务主要围绕着将非诉产品打包成标准的B2C产品（知果果、绿狗网、快法务）、法律类垂直门户（中顾法律网）及法律垂直搜索（法斗士）三大模式展开。在创始人兼CEO黄翔看来，法律服务具有复杂性与个性化的特点，作为一个低频的消费服务，不论是在线找律师、交易撮合、标准法律文书提供等，都无法在线上平台满足个性化的法律服务需求，这也是目前国内法律互联网电商普遍面临的一个难题。因此，团队选择了使用频率较高的电子合同签署作为基础工具产品切入在线法律服务领域，对传统法律服务在渠道和流程上进行简化。法大大今年2月获得了来自上海复励投资管理公司及瀛和律师机构400万元天使投资，创始团队中黄翔和梅臻均拥有10年以上法律行业从业经验。个人理解，国内B2B领域对电子合同的应用尚未普及，大环境不够成熟的情况下要培养起企业端的用户习惯，对于法大大而言仍是个不小的挑战。来源：36氪作者：人人酱

产品
2015年05月18日

资讯

京东调研涉嫌抄袭问卷网，问卷网奶茶店前抗议递交律师函 HRTechchina报道，18号上午问卷网站宕机无法访问，问及创始人向守军，得知京东涉嫌抄袭问卷网，中午问卷网发布《一个苦逼市场经理的宣战血书》表达其维权的宣言！今天一天报道了两篇关于京东的消息，一篇是13亿港币投资金蝶，一篇竟然是抄袭。。。 “ 抄袭对比图也许这场维权战我们会输，甚至接下来的诉讼我们也未必会赢。但是不管怎样，这场战，我们都打定了！” 同时在京东奶茶店递送律师函！现场图片：支持维权！

资讯
2015年05月18日
硅谷

新应用 Shuffle 帮用户创建临时号码及电子邮件地址近期一款名为 Shuffle 的新应用提供了简单的工具，帮助用户创建临时性的电话号码。用户可以使用这一电话号码，通过 iPhone 去打电话、发短信，以及接收语音邮件。Shuffle 将成为 Burner 的竞争对手，后者提供了类似的功能。不过，Shuffle 的功能还要更进一步。这款应用能创建电子邮箱别名，并通过这一别名将邮件收入主收件箱。目前，许多用户只有一部手机，这部手机会被用于工作和家庭等许多场合。然而，用户可能会有许多联系人，例如公司同事，以及在 Craigslist 上联系到的二手商品卖家。向所有这些人提供自己的私人电话号码并不合适。在这种情况下，类似 Burner 的服务将带来帮助。通过 Burner，用户将没有必要将自己的私人号码发布至网络，或是提供给一个刚刚认识的陌生人。该服务将帮助用户的手机创建虚拟号码，用户随后可以通过这一号码去打电话、发短信，而不必担心自己的隐私泄露。不过，Shuffle 创始人克雷格·科列特（CraigCollett）希望这款工具还能保护用户的邮箱。他表示：“用户希望保护个人隐私，同时将工作与生活区分开。” 例如，用户可以针对工作、生活，以及不同的互联网服务设置不同的“shuffle”号码和电子邮件地址。如果某一号码被垃圾消息发送者获得，用户只需删除这一号码，随后就不会再被骚扰。除了保护用户的隐私之外，类似 Shuffle 的服务还可以帮助旅行者在出国时创建本地号码，从而避免高额的漫游费。来源：TC

硅谷
2015年05月18日
观点

大数据分析的八大趋势 Intuit数据工程副主管Loconzolo双脚都已经迈进数据湖里了。Smarter Remarketer首席数据科学家DeanAbbott也为云技术的发展指出了捷径。他们二人一致认为, 大数据与分析学前沿是个活动目标，这一领域包含了储存原始数据的数据湖和云计算。尽管这些技术并未成熟，但等待也并非上策。 Loconzolo表示：“现实的情况是，这些工具都刚刚兴起，他们构筑的平台还不足以让企业依赖。但是，大数据和分析学等学科发展十分迅速，因此企业必须努力跟上，否则就有被甩掉的危险。”他还说：“过去，新兴技术往往需要十年左右的时间才能够成熟，但是现在大大不同了，人们几个月甚至几周时间就能想出解决方案。”那么，有哪些新兴技术是我们应该关注，或者说科研人员正在重点研究的呢？《电脑世界》采访了一些IT精英、咨询师和行业分析专家，来看看他们列出的几大趋势吧。 1.云端大数据分析 Hadoop是一组有一定框架结构的工具，用来处理大型数据组。它原本用于机器群，但现在情况有所变化。Forrester Research一位分析师BrianHopkins表示，现在有越来越多的技术可以运用到云端数据处理上来了。比如亚马逊的BI数据库、Google的 BigQuery数据分析服务,、IBM’sBluemix 云平台和亚马逊的Kinesis数据处理服务。这位分析师还说，未来的大数据将是内部数据部署与云端数据的结合体。 Smarter Remarketer是SaaS零售分析、市场细分和营销服务的供应商，它最近将自己室内的Hadoop和MongoDB数据库基础设施转移到了一个基于云技术的数据库—Amazon Redshift. 这家位于印第安纳波利斯的公司收集线上和实体销售数据、顾客信息和实时行为数据，之后进行分析，从而帮助零售商做出针对消费者的决策，有些决策甚至是实时的。 Abbott表示，Redshift可以节省这家公司的成本，这是因为它对于结构数据拥有强大的汇总报告功能，而且它颇具规模，使用起来相对容易。用这些虚拟设备总是要比那些实体设备便宜一些。相比之下，位于加州山景城的Intuit在走向云分析的过程中就要谨慎多了，因为它需要一个安全、稳定、可控的环境。目前为止，这家金融软件公司的数据都还在自家的数据库—Intuit Analytics Cloud里面。Loconzolo表示：“目前我们正跟亚马逊还有Cloudera合作，建立一个我们几家公司公用的能跨越虚拟、现实两个世界的、具有高度稳定性的云端，但是现在这个问题还没有得到解决。”然而，可以说，对于像Intuit这种销售云端产品的公司来说，向云端技术进军是必然的。Loconzolo还说道，未来我们会发展到一个阶段，那时把数据放在私有云端将是浪费的。 2. Hadoop：一个新的企业数据运行系统 Hopkins表示，向MapReduce这样的分布式分析框架，正在逐渐演化成分布式资源管理器，这些资源管理器正逐步将Hadoop变为多用途数据运行系统。“有了这些系统，你就可以进行多种多样的操作和分析。” 这对企业来说意味着什么呢？SQL、MapReduce、in-memory、流水式处理、图表分析还有其它工作都能在Hadoop上进行，越来越多的企业会把Hadoop当做企业数据中心。Hopkins还说：“在Hadoop上能进行各种各样的数据处理工作，这样的话，Hadoop会慢慢变成一个多用途的数据处理系统。” Intuit已经开始在Hadoop建立自己的数据基地了。Loconzolo说：“我们的策略是利用Hadoop分布式文件系统，因为它和MapReduce与Hadoop等联系十分密切，这样的话，人与产品之间的各种互动就可以实现了。 3.大数据湖泊美国普华永道首席技术专家Chris Curran说，传统数据库理论认为，人们应该先设计数据集，然后再将数据输入进去。而“数据湖泊“，也被称作“企业数据湖泊”或者“企业数据中心”，颠覆了这个理念。“现在，我们先收集数据，然后把它们都存入Hadoop仓库里，我们不必事先设计数据模型了。”这个数据湖泊不仅为人们提供了分析数据的工具，而且很明确地告诉你，这里有什么样的数据。Curran还表示，运用Hadoop的过程中人们就可以增加对数据的认识。这是一个递增的、有机的大规模数据库。当然，这样一来，对使用者的技术要求相应地会比较高。 Loconzolo表示，Intuit拥有自己的数据湖泊，这个数据湖里既有用户点击量的数据，也有企业和第三方的数据，所有这些都是Intuit分析云端的一部分，但关键是要让围绕这个数据湖的工具能够为人们有效利用起来。Loconzolo还说，对于在Hadoop建立数据湖，一个需要考虑的问题是，这个平台并没有完完全全的为企业的需求设置周全。“我们还需要传统企业数据库已经有了几十年的一些功能，比如监控访问控制、加密、安全性以及能够从源头到去向地追踪数据等等。 4.更多预测分析 Hopkins表示，有了大数据，分析师们不仅有了更多的数据可以利用，也拥有了更强大的处理打量不同属性数据的能力。他说：“传统的机器学习利用的数据分析是建立在一个大数据集中的一个样本基础上的，而现在，我们拥有了处理了大量数字记录的能力，甚至于每条数据有多种不同属性，我们都应对自如。” 大数据与计算功能的结合也让分析师们能够挖掘人们一天中的行为数据，好比他们访问的网站或者是去过的地方。Hopkins把这些数据称作“稀少数据（sparsedata）”，因为要想得到这些你感兴趣的数据，必须过滤掉一大堆无关的数据。“要想用传统机器算法对抗这种数据，从计算角度来讲几乎不可能。因为计算能力是一个十分重要的问题，特别是现在传统算法的速度和记忆储存能力退化很快。而现在你可以很容易知道哪些数据是最容易分析的，不得不说，赛场易主了。” Loconzolo表示：“我们最感兴趣的地方是，怎样在同一个Hadoop内核中既能作实时分析，又能做预测模型。这里最大的问题在于速度。Hadoop花费的时间要比现有技术长20倍，所以Intuit也在尝试另一个大规模数据处理器Apache Spark及其配套的 Spark SQL查询工具。Loconzolo说：“Spark具有快速查询、制表服务和分组功能。它能在把数据保留在Hadoop内部的前提下，还将数据处理得十分出色。” 5.Hadoop的结构化查询语言（SQR, StructuredQuery Language）：更快，更好 Gartner一位分析师表示，如果你是个不错的编码员或者数学家，你可以把数据丢进Hadoop，想做什么分析就做什么分析，这是好处，但同时这也是个问题。“尽管任何程序语言都行得通，但我需要有人把这些数据用我熟悉的形式或者语言输入进去，这也是为什么我们需要Hadoop的结构化查询语言。支持与SQR类似的查询语言的工具，让那些懂得SQR的企业使用者们能把类似的技术运用在数据上。Hopkins认为，Hadoop的SQR打开了企业通往Hadoop的大门，因为有了SQR，企业不需要在那些能使用Java, JavaScript 和Python高端数据和商业分析师上投资了，而这些投资在以前可是少不了的一笔开销。这些工具也并非最近才出现的了。Apache Hive曾经为用户提供了一种适用于Hadoop、类似于SQR的查询语言，但是竞争对手Cloudera、PivotalSoftware、IBM还有其他销售商提供的产品不仅性能更好，速度也更快。这项技术也适合“迭代分析（iterative analytics）”，也就是说，分析师先问一个问题，得到回答之后再问下一个问题。而这种工作放在过去可是需要建立一个数据库的。Hopkins说：“Hadoop的SQR并不是为了取代数据库，最起码短期不会，但对于某些分析来说，它让我们知道，除了那些高成本的软件和应用之外，还有别的选择。” 6.不仅仅是SQR(NoSQL，NotOnly SQR)—更快，更好 Curran表示,现在我们除了基于SQR的传统的数据库之外，还有NoSQL，这个数据库能用于特定目的的分析，当下十分热门，而且估计会越来越受欢迎。他粗略估计目前大概有15-20个类似的开放资源NoSQL，每一个都独具特色。比如ArangoDB，这是一款具备图标分析功能的产品，能更快、更直接地分析顾客与销售人员之间的关系网。 Curran还说，开放资源的NoSQL数据库已经存在一段时间了，但是他们依然势头不减，因为人们需要它们所做的分析。一位在某个新兴市场的普华永道客户把传感器按在了店面柜台上，这样就能监控到那里到底有什么产品，顾客会摆弄这些产品多长时间以及人们会在柜台前站多久。“传感器会产生大量类似指数增长的数据，NoSQL将是未来的一个发展方向，因为它可以针对特定目的进行数据分析，性能好，而且很轻巧。” 7.深度学习 Hopkins认为，作为一种基于神经网络的机械学习技术，虽然还在发展过程中，但在解决问题方面却已经表现出巨大的潜力。“深度学习……能够让计算机在大量非结构化和二进制的数据中识别出有用信息，而且它能够在不需要特殊模型和程序指令的前提下就剔除那些不必要的关系。” 举个例子说明：一个深度学习的算法通过维基百科了解到加利福尼亚和德克萨斯是美国的两个州。“我们不在需要通过模式化让程序去理解州和国家的概念，这就是原来的机械学习和新兴深度学习的区别之一。” Hopkins还说道：“大数据运用先进的分析技术，例如深度分析，来处理各种各样的非结构文本，这些处理问题的思路和方式，我们也是现在才开始理解。”比如，深度学习可以用来识别各种各样不同的数据，比如形状、颜色和录像中的物体，甚至是图片中的猫—谷歌建立的神经网络就做到了这一点。“这项技术所昭示的认知理念、先进的分析，将是未来的一个趋势。” 8.内存中分析 Beyer表示，利用内存中数据库来提升分析处理速度，这种方式已经越来越广泛，而且只要运用得当，益处也很多。事实上，很多企业现在已经在利用HTAP（hybridtransaction/analytical processing）了，这种处理方式能在同一个内存数据库中进行转换和分析处理。但Beyer同时也表示，对于HTAP的宣传有些过头了，很多公司也过度利用这项技术。对于那些使用者需要每天多次以同样的方式看同样数据的系统来说，这样的数据没有太大变化，这时用内存中分析就是一种浪费了。虽然有了HTAP的帮助，人们分析速度更快了，但是，所有的转换都必须储存在同一个数据库里。Beyer认为，这样的特点就产生了一个问题，分析师们目前的工作主要是把不同地方的数据汇总输入到同一个数据库当中去。“如果你想做任何分析都运用HTAP，所有的数据就得存在同一个地方。要把多样化的数据进行整合。” 然而，引入内存数据库的同时也意味着，还有另一个产品等着我们去管理、维护、整合与权衡。对于Intuit而言，他们已经在使用Spark了，所以对引进内存数据库的愿望并没有那么强烈。Loconzolo说：“如果我们用Spark就能处理70%的问题，而用内存数据库可以解决100%，那么我们还会选择前者。所以我们现在也在权衡，要不要马上停用内部的内存数据系统。” 大步向前迈在大数据和分析领域有这么多的新兴趋势，IT组织应该创造条件，让分析师和数据专家们大显身手。Curran认为：“我们需要评估、整合一些技术，从而把它们运用到商业领域中去。” Beyer则认为：“IT管理者和执行者们不能把技术不成熟作为停止试验的借口。”最初只有一部分专业分析师和数据专家需要试验，然后这些比较高级的使用者和IT行业应该共同决定是否要把这些新的资源介绍给行业其他人。IT界也没必要控制那些鼓足干劲的分析师们，相反，Beyer认为应该与他们加强合作。本文由CDA数据分析研究院翻译，译者：王晨光

观点
2015年05月18日
投融资

互联网法律服务平台赢了网获得数千万元人民币B轮融资互联网法律服务平台赢了网CEO李磊宣布已于2016年3月完成数千万人民币B轮融资，投资方为中信资产旗下投资平台淳信投资。赢了网是提供法律咨询服务和诉讼服务的互联网平台。赢了网主要是针对律师端进行一定比例的佣金收取，即通过平台每成交一笔诉讼，律师需要缴纳一定比例的佣金。除了自建平台之外，赢了网也与其它互联网公司进行合作。例如，通过百合网针对百合情感医院的咨询用户提供专业的法律咨询，帮助用户解决婚姻家事相关纠纷。赢了网运营数据显示，目前已有20000多名律师加入，业务覆盖全国80多个城市。据新浪科技了解，赢了网当前主要有免费服务和VIP服务两种，在线咨询均为免费的。VIP服务是指用户留言后，支付99元，相关律师会在24小时里与用户进行无限次交流。在李磊看来，法律服务可以和更多领域结合，从而给合作伙伴用户提供相关的法律增值服务。（周雪昳）　　新浪创业贺超整理了关于互联网法务的创业逻辑：　　互联网法务的逻辑：　　1、寻找法律服务链条上相对标准化的环节，将其数据化和流程化，最终用程序替代人工。从法律服务产业链上，相对标准化环节有客户获取、法律文书服务、轻咨询、简单案件处理、简单事务代办（公司注册、商标注册）等等。国外的互联网法律公司从获客和法律文书两个角度切入。　　2、无法程序化的部分，用人工弥补，但提供一定的分工协作机制和效率工具。协作上，可以通过某种技术手段和制度设计实现流水化作业。效率工具上，从法律资料库道文本分析工具都有人尝试。　3、降低人才进入门槛。简单事务不需要高级人才来做。让事务复杂程度和人才水平相匹配，这需要互联网更好实现。　4、降低人才培养成本。传统法律行业人才培养模式低效，能否通过在线教育培养新的方法，值得探索。专注提供法律服务创业公司包括：快法务、米律、律云、绿狗、易法通、法斗士、红帽法律卫士、知果果、法务天使、多问律师等。绿狗网采用方法是通过研发线上法律产品（将非诉讼业务标准化），整合律师和律师事务所资源，降低法律服务高门槛，优化匹配供需。企业可以在绿狗网下单购买一些筹建和运营中需要的法律服务，订单确认以后，负责相关领域的律师通过抢单方式来接单，之后用户有根据法律服务进度，绿狗网从中收取一定比例的信息技术服务费用。快法务于2014年6月网站上线，以法律服务为入口，为创业及中小微企业提供从股权合伙协议、公司注册、财税代理记账、商标专利、社保公积金、劳动人事、合同文书、投融资法律顾问等 “一站式” 企业服务平台，倡导整合共享律师、会计、工商代理人等服务者的去中介化模式。快法务主要有以下三个特点：1、通过智能化法律服务技术系统寻求服务的标准化；2、整合共享律师的轻公司模式；3、更重视服务体验。米律采用 “免费+增值服务” 的模式，以提供免费的在线合同为基础，对定制合同或者其他深度服务进行收费。用户自行填写甲乙方信息之后可自动生成在线合同文本供免费下载，按创业顺序覆盖股东和股权，劳资管理，创业融资，股权激励四个板块，后续还在扩充中。定制合同的交易在线上完成。除此之外，还提供常年的法律顾问。法海网专注服务中小初创公司，如商标、域名等的保护，帮助创业公司理清行业规定保证交易合法合规，设计合理的股权激励方案等。法海网采用“律师合伙人”制度，邀请律师入驻其平台，且律师享有期权待遇。内置APP一键电话电话会议，即时响应企业法律需求，提供全方面管家式服务，一站式解决企业各种法律问题。另外法海网为P2P信贷平台提供增信服务，2014年曾上线不久拿到乐视资本和金社公益基金400万天使融资。来源：新浪科技

投融资
2016年05月18日
投融资

“易后台”获千万级人民币Pre-A轮融资，将会计师服务下沉到中小企业今日，易后台宣布已获得千万级人民币 Pre-A 轮融资，本轮投资由沃富资本和创新工场联合领投，唯嘉资本跟投。在跟易后台创始人姚宁聊之前，我一度认为易后台就是类用友、金蝶的财税服务平台。了解之后才发现，易后台其实是第三方会计师服务提供商，对标的国外企业有美国 intuit、wave，日本 Freee。姚宁认为中国传统财务软件市场由两家巨头用友、金蝶瓜分，且两家公司均布局 SaaS 财务软件，中小 SaaS 财务软件的出路相对不是很广。所以在中国，中小企业会计服务一定要走线上软件与线下服务相结合的套路。会计服务市场整体比较乱，小到记账公司大到事务所，从业机构参差不齐缺乏整合，没有全国性的平台提供标准化的、全国协同的服务。并且，现在的企业都在考虑上市、新三板等资本化运作，所以滋生了以财税合规为诉求的创业服务机会。再就是中小微企业会计数据的价值没有被发现，此前小微金融服务存在信用风险不可控、相对服务成本高的难点，而通过互联网化的平台可以将企业的会计数据与金融机构的系统衔接，优化投后、贷后管理的效率，从而帮助小微企业获得金融支持。相较传统，易后台最大的两个特点，第一就是易后台从基础服务延伸到更多的增值服务，第二就是易后台做的事情是合规的。易后台的逻辑就是把传统事务所里面的非鉴定业务（不做审计鉴证）拿出来标准化。首先，易后台设定了一个前端经理的角色，了解业务，消化风险。通过与各类众创空间、中小型第三方会计服务机构合作，让前端经理与中小企业对接，在企业财务数据运营之前实现前端经理与企业的双向交流。接着，外包记账业务分成两块，一个是标准化的，一个是非标准化的。通过在天津设立共享中心，将分解出来的标准化工作集中处理，在保证服务品质前提下降低服务成本。之后，这些财务数据进入了易后台小微 F10 平台，平台将数据给报告使用者、投资机构等等。这个步骤也就是披露。通过比肩上市公司标准的中小企业信息披露平台，实现财务报告一键直达投资机构、签约金融机构等报告使用者，并支持社交网络发布，弥补中小企业融资的财务数据信用鸿沟。整体看来，易后台做了企业金融服务、资本市场服务和其他企业服务。此外，还提供四大解决方案，例如第一个是给创投机构做投后服务，第二个是给知名孵化器的企业做外包，第三个是面向股权众筹平台的股权众，筹投后管理财税外包解决方案，第四个是面向众包平台的专业型个人服务企业化财税管理。据姚宁透露，易后台团队脱身于瑞华会计师事务所，上线 10 个月以来，已在北京、天津、上海、深圳、成都、南京、广州、杭州 8 个城市设立了分支机构，共服务了 600 左右家企业，年底预计会增加到上千家企业。来源：36氪，作者：徐宁，如若转载，请注明出处：http://36kr.com/p/5040340.html

投融资
2016年05月18日

12 3 4 》