用友NC：大数据支撑下透视化管理，实现HR价值贡献_新浪新闻
用友NC：大数据支撑下透视化管理，实现HR价值贡献
　　 “在当前紧张的经济环境下，企业对人员管理的关注程度上更高了，一方面需要减员增效，另一方面招聘重用恰当人才可以帮助企业带来倍增的商业效益。eHR作用越来越大。”用友公司负责人力资本管理领域的盛欣先生指出：“在人力资源管理领域同样存在二八原则，即百分之八十的业绩是由百分之二十的骨干人员完成的(不含制造业生产线员工)。”
　　在当前的企业中普遍存在招不到有能力的人才，同时现有员工很多又发挥不了才能，如何帮助企业充分挖掘人力资源，将人力资源转化为人力资本呢?
　　对于后经济危机的企业来讲，企业绩效尤其重要。资本效率的逐渐降低已经成为事实，人力资源效率的发挥将在企业未来的发展中发挥的作用越来越大。德鲁克曾经说过，作为企业管理者应该关注经济绩效。
　　人力资源成本攀升;企业朝向多组织、多业务、多集团发展，相应管理复杂度提高;效益从人海战术转型人才资本增值战略，有一定能力和效率型人才对企业效益贡献明显;共享服务的组织模式提升工作效率和工作质量，并要求企业人力资源管理的成果收益必须可度量等等一系列人力资源管理趋势影响下，中国大型集团型企业向用友NC6.0求解“全方位人力资本价值管理”。
　　用友NC-eHR HCM6.0 “人力资本管理系统”，是面向大型集团的人力资源产品解决方案，能够实现人力资源大数据的可视化管理，帮助企业“创新人力资本，实现卓越绩效”。
　　企业减员增效 数据化了解自身
　　在很多人看来，企业业务、产品都是受到市场环境影响最大的方面，HR管理相对是企业后台支持系统受市场影响不大。然而恰恰相反，盛欣认为：越是经济差，降低成本的欲望越高，企业对优化内部人员结构的需求越迫切。而管理软件中的eHR系统工具要帮到企业的就得越多。
　　首先，中国劳动力成本逐年提高，人力资源成本攀升。减员增效是当前环境下，中国企业的一个主题。“减人就是增效，不管是哪个行业都是如此。以前我们看制造业由于成本偏低，减人对成本减低意义不大，但是而今我们再来看一下，即使是制造业企业有效控制人员成本也是增长利润的最重要手段。从今天来看，我们的很多客户，越是在这种经济条件不好的情况下，对人就越重视。” 盛欣指出。
　　优化一些不需要的人员，直接把运营成本压下来。但减掉哪些人呢?如何减?实际上，这些是人力资源领域一个很重要的课题。企业需要进行数字化、精细化的人力资源业务管理。
　　例如裁员中，要从实际企业的战略转移出发，做转型分析，哪些部门可能要削减掉，而哪些岗位人员的能力可以合并到其他部门去?即使要减掉一些人，也要基于员工的能力，包括往年的绩效，来做依据判定。这些需要用友NC的eHR系统帮助提供决策的数据依据。
　　而一些人需要留下调整岗位，那相应的薪资调整方案，以及绩效考评方案要随之跟上。面对这样的企业精细化管理，用友NC-eHR系统已经能提供大量的数据，用于支撑和决策。
　　其次，人才资本的增值效用更加明显，以能力和效率为核心的人才供应链应运而生。跨入人力资本管理时代，就是要提升员工的能力，为企业创造更大的价值，当前企业一方面是对人的培养，招募更多关键性人才，人才的加入可能会做起来一项业务或者做出一个好的方案。如何用好人才是关键，对于大型集团型企业人力资源管理既要实现集团管控，同时也要考虑管人的各种个性应用需求。
　　事实上，换一个角度来看，企业随时都在进行人力资源的优化配置，关键的是：我们进行优化配置的基础理由是什么?基于员工的能力，基于员工的历史绩效，抑或是基于继任管理的需要。这些内容都是优化配置的原因，而其根源则是人力资本的投入与产出。这些海量数据，尤其是企业的历史数据，对于“减少资源投入”的决策有很大的支撑，这也是用友NC-eHR HCM6.0在人力资源管理效率方面的贡献。历史数据的分析，同样给企业在优化配置的另外一个层面发挥作用。也就是“加大资源投入”，当然是在于“产出率”高的维度。
　　平衡人力资源的“投入-产出”，可以帮助企业权衡短期和长期收益。使得企业在“我们的业务是什么，我们业务应该是什么”层面进行资源的强化，最终收获：个体成本的上升，整体成本的下降。这些都依赖于人力资源的产出，“经济绩效”的最大化。
　　现在都在讲价值，人力资源管理的价值肯定逃不过“提升人才能力，降低人力成本”，对于大型集团型企业，通过人力资源数据进行决策分析支持，这一方面产生eHR系统新的附带价值。
　　开展人力资源管理创新行动
　　在传统的粗放式人力资源管理中，减员增效，减员即是增效，简单易懂，是深得企业管理者青睐的手段。而今，面临劳动成本逐年的攀升，简单的“减员增效”，能够从短期获取企业的经济效益，但可能丧失企业长远发展潜力。因而企业需要平衡人力资源的“投入-产出”，首先是要数据化证明。
　　为了实现人力资源的“投入-产出”均衡，人力资源管理的创新必然成为企业管理的发展方向。对于多业务、多组织、多地域的集团企业来讲，人力资源管理的创新，主要集中在以下几个方面：HR集团管控、人才管理、绩效管理、全员智慧协同等。
　　在人力资源集团管控方面，用友NC-eHR HCM6.0依托于组织模式、业务流程、权限分配和信息传递四大主体，帮助企业通过组织清晰化、流程规范化、权限科学化、数据标准化，来构建人力资源集团管控体系，支撑企业的系统变革，有效的规避风险、提升效率，实现集团价值最大化。
　　在人才管理方面，用友NC-eHR HCM6.0通过任职资格管理、能力素质模型、招聘管理、学习管理、继任和发展管理等多项人力资源管理业务的综合应用，构建适应企业文化的人才管理模式，进行流程整合，加强人才管理，形成一个循环并不断优化的人才供应链体系，有助于企业提升组织竞争力，并实现企业的可持续发展。
　　在绩效管理方面，用友NC-eHR HCM6.0能够提供面向全体员工的绩效管理，支持KPI、360度、BSC、PBC、EVA、MBO等多种绩效管理模式。能够大幅提高绩效管理工作效率，使绩效管理过程更为可视化，为人员评价和人才选拔提供支撑的同时，引导公司战略的有效执行，从而实现企业目标和员工目标的双赢。
　　用友NC 6.0全面升级集团型企业人力资源管理
　　与独立的eHR软件开发商不同的是，用友NC6.0新版eHR HCM6.0最大的优势在于技术的平台化可扩展性，从而做到与业务系统的整合应用。并以此为基础，进行全面升级，实现如下管理价值：
　　第一， 精细化劳动力管理。基于人力资源管理业务，做了人力资源的“三大表”，这与财务的“三大表”是完全不同的，财务表有国家的执行规定，合规是必要条件。而人力资源的表是为了满足领导的各种个性化需求，例如领导突然要查看一下中层干部三年内的绩效情况，或者培训拿证情况，或者任何其他需求，HR人员都要快速提交相应的报表。eHR系统的可扩展性做到何种地步呢?用友NC-eHR HCM6.0系统可以做到拖拽式报表，可以迅速按照需求制造报表。
　　第二， 动态组织建模管理。用友NC-eHR HCM6.0能够支撑组织模式的动态变化。对企业内部人力资源管理实现了基于角色岗位区分的管理，对于多组织中业务单元角色的不一样，人力资源管理的权限是不同的，从招聘、培训、绩效、薪酬等方面都不同，需要有不同的配置方案，让企业管理更加灵活。
　　第三， 法人与管理组织融合。用友NC-eHR HCM6.0把原来的法人治理体系和人力资源管理体系有机的结合在一起。例如：一个制造行业，从法人治理结构来讲，含有不同的工厂和生产线，生产线在工厂里边是独立的。从人力资源管理角度来讲分为集团、区域、事业部，事业部下边又分为不同的生产线。财务报表是按法人结构走的。从人力资源管理角度来讲，要按照集团总部，集团总部下边有个职能部门，下边又分为事业部，事业部下边又是不同的生产线。这样，这两个就没法合。以前都是分别部署，然后做对应接口来打通信息孤岛，但是业务没沟通，业务就打通不了。用友NC-eHR HCM6.0解决了这一问题，完全可以整合，建组织的时候只是不同属性而已，财务上隶属哪边，人力资源隶属哪边，分得很清，这样就集合在一起了。
　　第四， 以人为中心的协同。用友NC-eHR HCM6.0建立以人为中心的智慧协同应用。人力资源管理就是逐渐从人力资源部门往业务部门转，在这个大的趋势下，业务部门的领导，关键员工，以至于有些企业的全员都可以参与到人力资源管理。员工自助、经理自助，包括我们在OA上的协同，填出差的申请表，考勤，这些可以全员的应用到人员管理。
　　第五， 中国企业特色管理。用友NC-eHR HCM6.0能够全面满足中国企业的特色应用，如干部管理、职称管理等，以及全面满足的国际化应用。
　　用友NC 6.0全面升级了eHR信息化管理系统，从技术和业务支持角度，为企业在紧张经济环境下，做好了人才管理保障服务工作。用友NC-eHR HCM6.0，人力智未来。
　　来源：中国广播网一键分享到【网络编辑：】【打印】【顶部】【关闭】
　　 　　（原标题：用友NC：大数据支撑下透视化管理，实现HR价值贡献）
&&|&&&&|&&
，推荐效果更好！
看过本文的人还看过大数据在人力资源管理中有哪些应用？ - 知乎188被浏览16807分享邀请回答、社交网络社区LinkedIn、MySpace等机构提供的内容整合在一起，借助社交网络的便利，提供查看某公司内部资讯、查看某公司内部“是否有自己认识的人”、甚至能够查看某公司对职工婚姻状况是否存在“潜规定”等特色内容，这点很像Glassdoor。Simply Hired提供的服务是免费的，广告是其主要的收入来源。Simply Hired还把招聘市场的各种资料数据有偿地提供给研究组织，也会为雇主提供其它周边服务，以此来增加收入。Resumup的核心功能是个人的职业规划，提醒个人用户如果想达到某个职位，便要按照Resumup提供的一个step-by-step职业路线图去奋斗。用户看后会清楚地知道如果想得到更好的晋升机会，他们需要做什么、需要学习什么知识、提高什么技能等。Resumup的数据来源于Facebook和LinkedIn，就产品设计角度而言ResumUP解决方案的特点是从根本上简化了用户体验。ResumUP跟identified很像，都可以载入Facebook的个人信息，自动生成个人简历的60%左右，之后手动填充，填充内容可以加分，直到填充满：教育背景，工作经历，技能等信息为止。ResumUP 还会显示你有什么Facebook朋友、LinkedIn 联系人已经步入了你想要的工作目标，或者他们正在朝那条路上走。这样你向他们取经和交流。（二）个人信息的深入挖掘传统的招聘网站上的个人信息不透明，都是候选人自己编辑上传的文字，如今大数据技术可以实现从社交网络上来查询并深入挖掘候选人的信息，让企业更清晰的了解候选人的情况。此类中最具代表性的企业有Talentbin和Identified。TalentBin公司提供针对社交网络的职业搜索引擎服务，它收集应聘者在社交网络上的信息，整理编辑出一个以人为中心的数据库，想招聘某种人便可以去TalentBin搜索。大数据时代，有效的数据收集和分析工具在人们获取数据时是至关重要的。Identified 公司提供基于 Facebook 的职业搜索引擎，对企业提供服务，可以对求职者进行打分，它的核心功能是是通过工作经历、教育背景和社交网络三项指标信息给人们打分。这些信息都来自 Facebook，用户还可以添加更多信息。Identified类似于Google PageRank的人物版本。（三）候选人与职位匹配招聘过程的最根本诉求是解决企业职位与候选人之间匹配的问题，而大数据技术恰恰能更高效精准的完成这个匹配过程。此类中最具代表性的企业有Bright和Path.to。Bright与ResumUp类似，对空缺职位和求职者的匹配度的评分。它从用户上传的简历和社交网络上提取候选人的总量数据，然后用大数据技术进行分析，通过考察数千个数据点，给求职者和空缺职位的匹配度评分，分值越高则匹配度越高。Bright能帮助企业和求职者有效的缩短应聘时间，为他们提供更好的服务。Path.to网站的用户需要输入他们所擅长的工作，或者从LinkedIn导入自己的工作经历，而且还要回答一些关于他们喜欢怎样工作的问题。之后Path.to通过独特算法完美匹配员工与雇主，这一点与Bright相似，Path.to的商业模式就是算法，算法是它的竞争优势。通过Path.to网站寻找职位是免费的，但是企业发布职位信息则要收取一定的费用。三、大数据是中国人力资源与招聘行业决胜的关键大数据处理技术的应用在全球范围内迅猛增长，推动整个社会进入了大数据时代。而大数据处理技术本身也将成为中国人力资源管理与招聘行业决胜的关键。人力资源管理与招聘行业内以大数据技术为支撑的产品和解决方案在全球范围赢得了迅猛的增长。人力资源行业企业通过出售经过处理分析的商业报告来获取直接的利益，以商品化的大数据应用创造了新的商业模式。452 条评论分享收藏感谢收起61 条评论分享收藏感谢收起查看更多回答在《大数据应用于企业运营》中，我们已经给大家介绍；1.制定大数据规划找准切入点；成功的大数据规划聚焦于四个核心要素：应用场景、数；首先是应用场景，企业需要确定不同业务投入大数据的；企业高管需要和各业务的整体负责人、数据专家一起开；第三方面是数据模型；第四方面是数据资产；值得注意的是，为了加快大数据的推进速度，企业高管；2.强化高管团队大数据能力，设立数据CD
在《大数据应用于企业运营》中，我们已经给大家介绍了大数据在企业运营的不同层面的应用场景。了解了这些应用场景后，企业比较关心的是，如果企业实施大数据战略，如何规划、如何实施、如何保障大数据的相关工作可以顺利开展。本文将试图解决这些问题。我们认为，企业要实时大数据战略，需要从五大关键方面规划：1.制定大数据规划找准切入点；2.强化大数据领导力设立CDO；3.设计合理的大数据组织结构；4.搭建富有执行力的大数据团队；5.用制度和文化保障大数据实施。本文将从这五大方面展开。
1.制定大数据规划找准切入点
成功的大数据规划聚焦于四个核心要素：应用场景、数据产品、分析模型和数据资产，企业着手实施大数据战略要着重考虑这四大方面，管理者需要在这四方面做好规划，才能给企业带来更好的业务价值。
首先是应用场景，企业需要确定不同业务投入大数据的优先级，确定大数据的切入点。企业需要优先考虑业务的哪些方面投入大数据可以为企业提升绩效。在《大数据应用于企业运营》中，我们已经介绍了常见的大数据应用场景，包括业务运营监控、用户洞察与用户体验优化、精细化运营和营销、业务市场传播、经营分析等常见的方面。当然在人力资源、IT运维以及财务等方向也可以引入大数据。
企业高管需要和各业务的整体负责人、数据专家一起开展研讨会，分析哪些业务投入大数据可以使得业务的绩效提升最为显著，从而确定不同业务投入大数据的优先级，找准大数据的切入点。“数据能够在哪些领域实现业绩的大幅提高？数据能在哪些领域实现企业运营效率的提升”这些问题很重要，一开始就必须提出来。每个重要业务部门和职能部门都需要考虑这个问题，并展开相关的研讨。企业高管实施大数据战略的时候需要高度重视这一步，但在国内很多企业往往忽略的这一方面，投入大数据往往不是以提升业绩导向，而是以学术导向，使得很多企业实施大数据的看不到数据对企业绩效提升，从而使得大数据战略流产。 第二方面是数据产品。在确定了大数据的业务投入优先级后，我们需要考虑的是如何通过数据产品来帮助提升业务的绩效。为什么是“数据产品”而不是“数据工具”，这是因为“数据产品”比“数据工具”更加强调易用性和用户体验。数据和分析模型本身的输出可能会比较复杂，比较难理解，这样往往导致经理或者一线员工等数据用户不能理解，更称不上运用。所以，只有数据产品在业务具体的场景运用的时候，以非常简单易用的方式来呈现，才能让更多的数据用户使用。企业数据用户在实际运用大数据的时候，更关注的是大数据的产品在哪些方面可以直接帮忙提升绩效，不会太关注大数据这些产品背后的逻辑、分析模型等“黑洞”。如果我们在提供数据产品的时候需要数据用户理解很多“黑洞”，那么数据一定运用不起来，数据的价值就会大打折扣。比如，数据产品可以告诉营销人员，您这次合作的营销推广渠道有所带来的用户40%是作弊而来，我们把这些作弊渠道带过来的用户叫“假量”，数据产品不需要告诉营销人员“假量”是如何计算的，但知道结果和优化方向即可。或者数据产品可以直接告诉营销人员哪些产品和其他产品可以做交叉销售，如果这些产品实施交叉销售，可以进一步提高销售额。
第三方面是数据模型。数据产品背后的“黑洞”是数据模型。数据的堆砌不会创造太多的业务价值，需要数据模型、数据挖掘的方法来实现海量数据的商业洞察。常见的模型如预测和分类。在预测方面，如通过高级的模型来预测哪些用户可能会付费，他们的特征是什么，经常在什么地方出没；通过数据模型来预测付费客户的数量，以提前发现考核期结束后付费客户数量和KPI的差距以及优化方向；通过预测模型来洞察用户的未来购买需求；在分类模型方面，我们可以通过分类模型结合大数据实现更准确更实时的用户细分；或者通过分类模型对不同价值的客户进行合理的分类，确定服务的优先级和服务内容。企业在制定大数据战略方向时，需要介入数据专家根据应用场景和数据产品的输出来选择模型以及优化模型，从而确定模型研发的方向和优先级。
第四方面是数据资产。有了应用场景、数据产品和数据模型这三大方面，我们就能更清楚的知道为了实现这三大方面，我们需要哪些数据，什么数据是企业现在拥有，什么数据可以通过合作产生，什么数据需要外部整合，什么数据需要进行购买或者投资。有了前面这三大方面（应用场景、数据产品和数据模型）的规划，大数据的采集、整合、管理的策略便能比较容易理清头绪和相应的规划。当我们合理的整理企业所拥有的数据，并整合有利于业务发展的外部的数据，形成系统化的管理，才能很好的形成企业的数据资产。但在国内，最大的问题常常是各业务部门、各事业部以及职能部门的数据经常各自为政，数据存放在不同的数据库中，数据无法整合打通，企业内部形成各种孤岛，导致企业数据资产无法发挥整合效益，数据资产流失。要让企业的数据成为长期的数据资产，企业高管则需牵头规划，整合不同业务部门、不同事业部的数据，推动建设高数据质量的数据治理标准。
值得注意的是，为了加快大数据的推进速度，企业高管同时需要确定哪些方面自己实现，哪些方面委托第三方实现，哪些方面需要购买。在数据产品和数据模型方向，不一定所有工作都需要内部员工实现。领导层需要根据时间和自身资源（尤其是人力资源）的情况判断，哪些数据产品自己开发、哪些数据产品可以委托第三方公司开发、哪些数据模型自己开发、哪些数据模型委托第三方公司开发。在收集外部数据的时候，我们既可以组建自己的团队进行数据收集，或者委托第三方公司帮忙收集，或者直接采购，或者收购相关的数据公司，企业需要根据自身情况进行合理的规划。
2.强化高管团队大数据能力，设立数据CDO
在互联网和大数据高速发展的时代，大数据正在深刻地改变商业的前景，如果企业要想抓住这个机遇，企业高管的数据决策力，数据管理能力也需要加强。抓住和大数据相关的机会可以增加企业营收、提高企业运营效率，甚至开拓出全新业务。大数据在推进的过程中，最关键是要高管重视，高管重视不仅仅是嘴上说说，而是要考虑在决策层有强化数据方向的决策力和领导力，否则企业很难把大数据用好。如果不增加新的数据高管力量，很多组织的大数据大计将难以启动。 因此，高管团队中需要有专人负责制定大数据战略、跟进、监控和指导大数据战略的实施。如果没有在高管团队设立相关的数据负责人的职位CDO（首席数据官），则很难把数据分析和数据挖掘所发现的机会应用于企业战略层的业务发展决策以及相应的组织层面的变革。所以，我们建议，如果企业确实要推动大数据，一定要考虑设立CDO职位。
这里面还有一个比较重要的问题是：CDO是向CEO汇报还是COO汇报或者是向CTO汇报。企业往往陷入一个误区，觉得数据是技术活，所以不少企业设立数据高管后，让数据高管直接向CTO汇报。这样的做法最大的问题是数据和业务还是有较大的脱节。我们建议是，数据高管应该向COO汇报或者CEO汇报。这样数据才能离业务更近，更能敏捷的应用于业绩的提升上，而不是躲在技术后面。我们所看到的大数据运用的较好的企业，数据负责人经常和业务负责人一起制定公司大数据实施计划，一起推进大数据在业务绩效提升。
CDO是一个综合能力要求非常高的职位。CDO主要是负责根据企业的战略发展需求，CDO需要跟各业务负责人有很好的互动，深入了解业务，在此基础上，制定在数据应用场景、数据产品化、数据建模、数据资产管理的战略并推动实施，在实施数据战略的过程中，梳理企业的数据化思维方式，推动构建相应的数据企业文化和制度，使得大数据可以有效的促进业务绩效的提升，企业运营效率的提升，甚至是新商业模式的变革。
3设计合理的大数据组织架构
企业的组织结构是企业战略能够顺利实施的基础，所以，大数据团队合理的在组织架构设置对于大数据战略能否成功实施尤为关键。国内很多企业往往忽略的这一方面。很多企业设立数据团队缺乏统一的规划，哪个事业部需要数据人员则在该事业部（或业务部门）设立，如下图的“组织结构1”，这种组织架构是国内最常见的，这种组织架构最大的问题是数据分散，缺乏统一管理和整合，企业内部各事业群（或业务部门）数据各自为政，形成数据孤岛，数据无法整合使用，导致数据资产流失。
另一种常见的做法是在公司只设立一个中央数据部门，该数据部门统一服务各个事业部（或业务部门），各个事业部（或业务部门）没有数据人员或者团队，如图中的“组织结构2”。这种组织架构的问题在于数据虽然集中管理，但数据远离业务，导致很多数据人员不理解业务，无法挖掘数据的价值，无法通过数据很好的辅助业务提升绩效或者运营效率。由于数据人员无法理解业务，导致数据库中存储的很多数据变成“死”数据，数据的业务含义少有人理解，数据的价值便容易流失。
我们认为较为合理的数据团队在组织架构应该这样设立（如图中的组织架构3）：首先，设立公司级的中央数据部门，集中存储和管理数据；其次是每个事业部（或业务部门）设立数据团队；第三是在总办设立CDO的岗位。这样的好处在于数据能够集中管理，数据贴近业务，可以很好的发挥数据的价值；同时，在总办（高
管团队）设立CDO岗位，可以让数据更好的为决策层服务，数据分析所发现的商业价值也可以更快的应用于业务战略调整。
大家比较关心的是，在这个组织结构下，中央数据部门和各事业部（或业务部门）的数据团队有何差异。我们可以从两大方面来区分：
（1）从汇报关系的差异来看
事业部的数据团队负责人向所属事业部的总负责人汇报，中央数据部门的负责人向CDO汇报，这样的汇报关系的好处在于，前者让数据能为具体的事业部服务辅助提升业绩，每个事业部必然有其不同的数据分析重点，这样可以让数据服务更有针对性，后者让数据更有大局观，能为总办做深度的数据洞察服务。
（2）从团队工作职责差异来看
中央数据部门负责数据的规范化集中存储和管理，负责公司各业务线数据的整合打通，形成公司级统一的用户（客户）画像，负责标准化的数据产品并应用到各业务线中，形成深度的公司级的数据模型和算法，做出公司集团层面视角的分析和洞察；
事业部中的数据团队负责该事业群的日常统计分析和事业群专题类的深度洞察，并辅助事业群的技术人员合理的把数据规范的上报到中央数据部门，与中央数据部门合作，共同深刻理解该业务的数据结构、做更精细且与本部门关联性更高的用户画像等与业务关联度更高的数据工作，推动该事业群所有数据的集中化到中
三亿文库包含各类专业文献、各类资格考试、专业论文、应用写作文书、幼儿教育、小学教育、-傅志华：企业实施大数据的五大关键70等内容。　
　-傅志华:企业实施大数据的五大关键_销售/营销_经管营销_专业资料。企业实施大数据的五大关键在《大数据应用于企业运营》中,我们已经给大家介绍了大数据在企业...当前位置： →
人力资源的大数据之道
2017 CIOC全国CIO大会7月20日在青海&西宁盛大举办，来自全国的300余位CIO共聚一堂，最接地气的观点、最实用的实战经验、最前沿的技术、最新的产品在此汇聚，碰撞出属于CIO的精彩火花。
以下为现场速记。
职品汇创始人（原大街网首席科学家） 龚才春
龚才春：谢谢!各位领导、各位朋友，下午好!我是职品汇的龚才春，刚才说到，如果你泄漏了50条个人隐私数据就有可能入刑。我跟大家说一个更可怕的消息，今年2017年我们要抓5000人，希望各位CIO在这方面引起注意。在这里我跟大家讲一讲大数据之道。2011年我们大家开始接触大数据，到现在6年多的时间过去了，我相信我们在座的每一位对大数据都非常了解，所以大数据的概念我们在这里就不需要再讲了。
大数据之道可能大家还没有听说过，&道&这个词最早提出来的是老子，老子说&道可道，非常道;明可明，非常明&。其实道就是自然规律，大数据我们已经知道了，大数据里面有什么规律呢?其实我今天想跟大家分享的，就是解释一下大数据里面的规律。很多朋友都问过我，有传统行业和互联网行业的朋友都问一个问题，他说龚博士你是做大数据的，我们公司也有很多数据积淀，数据量非常大，我想挖掘一些价值出来，我应该从哪里着手。其实我今天的报告就是回答这个问题的，当你对大数据还不是特别了解的情况下，我们怎么切入做大数据的分析挖掘。
大数据主要包括这么几个技术，第一是数据采集，第二是数据存储，第三是数据的并行计算，第四是大家比较关心的大数据的分析与挖掘，第五是大数据的展示，第六是大数据的隐私保护和法律问题。从这几个方面来讲，其实从大数据的采集看，我们的八爪鱼等各个系统都做得不错，大家用到很多工具展示大数据的结果。在这里有一个问题，一直到现在没有谁能够总结出规律，那就是大数据的分析与挖掘。在大数据的分析与挖掘中，一直没有一个通用的模型能够在任何的场景下分析出我们的数据价值。在现在是没有这样的大数据的产品的，我相信在未来的很长时间之内，也不会有这样的产品。也就是说，大数据的分析和挖掘要做成通用产品是不可能的。但是在大数据的分析与挖掘有没有共性的东西呢?我们把这个共性的东西就称为&大数据之道&。
我今天跟大家分享几个方面的内容，第一是解释什么叫大数据之道，第二是我们职品汇这家公司是怎么做大数据分析与挖掘的。我们先讲大数据之道，这里提到王道、帝道和霸道，其实在帝道之前还有一个道，我们称之为皇道。王道、皇道、帝道、霸道就是统治老百姓的规律和方法，其实皇道被中国的皇帝所破坏了，皇帝推崇的就是打战，把炎帝打败，打败之后推行的就是帝道，把皇道去掉了，所以我们这边讲的帝道是讲什么内容呢?在古代就是好民之所好，恶民之所恶，老百姓喜欢什么我们就应该喜欢什么，老百姓讨厌什么我们就应该讨厌什么，帝道推崇的就是以德服人，无为而治。
帝道是谁废除的呢?我们觉得帝道推崇的就是尧舜，但是后来被废除了，后来推崇的是王道。王道就是一心行仁，泽及百姓。在这里王道做得最好的，其实就是周武王，周武王就叫做以礼治国、有为而治，王天天想着怎么统治老百姓，统治老百姓的是想着怎么让老百姓舒服一点、爽一点点，爽是我今天听到最多的一个词。
之后就是霸道，最典型的是商鞅，商鞅变法的所有策略和内容都是霸道，所谓的霸道就是让秦国快速成为春秋包括战国的一个霸主，追求的就是短、平、快。我们现在翻译霸道就是依法治国，再翻译一下其实就是国家的恐怖主义，类似于国民党的白色恐怖、共产党的红色恐怖就是霸道。
接下来，我们再看一看它们有什么样的区别。再来讲一讲帝道，其实是强调道德素养，强调长治久安。也就是说，帝道讲的就是长远的永久的去解决问题。第二个就是王道，王道强调的是礼义廉耻，所以王道强调的是可持续发展，就是科技治国。最后霸道强调的是短、平、快的解决问题。包括很多都跟我们的大数据、IT、CIO没有一毛钱关系，我们再往后看一看，这些到底是帝道、还是王道、还是霸道，基本上看上去科教兴国算是王道，其它的应该都算是霸道。所以其实都是讲究短、平、快的出结果，尤其是我们的计划生育，就是希望在短期之内出结果，就搞计划生育，后来发现不行了。
我们步入正题，在大数据里面，什么是王道、摆到、帝道。我相信我们的很多公司刚刚开始做大数据的时候，都还是想出效果的，我们就行一行霸道，霸道我们这边用了一个词叫做&数字&，大数据公司的霸道就是数据，在什么情况下你都能想到数据的时候，你可能就很短、平、快的解决你的问题，这就是我们说的霸道。第二再往上就是大数据的王道，这个可能大家都听说得很多，大数据这个概念在中国2011年兴起的时候，我相信大家都听到一个词，在现在数据是王道，这个词我相信无数人说过。大数据的王道就是数据，所以你要积累数据、分析数据、挖掘数据，这是我们所说的大数据的王道。最后我们公司要持续发展，我们要行大数据的帝道，就是数学。一个问题只有在数学上解决了，这个问题才叫做从根本上解决了。所以在这里我们的总结就是，大数据的霸道是数字，大数据的王道是数据，大数据的帝道是数学。
好像还是很深奥，下面就以我们公司自己的例子跟大家讲一讲，什么叫做大数据的霸道、什么叫王道、什么叫帝道。我们公司叫职品汇，这应该是我们公司的一个使命，让天下没有欺骗。我们公司做的业务可以简单理解为人力资源行业的背景调查，当然我们的背景调查跟其它公司做的背景调查不完全相同。我们的背调是用计算机完成的，而不需要人工的参与。在这种情况下，我们就要收集几乎所有人的数据，我们来判断这个人的背景是真实的背景。刚才说到泄漏50条数据要入刑，我这里包括所有中国人的都有，如果我们公司出现数据泄漏，可能会更加的严重。
我说一下我们公司的业务，现在在人力资源这一块都在做招聘，我们的招聘网站是不去对这些方面进行把关的，每个HR可以随意在上面发布招聘职位，每个候选人可以随意投递简历，而且这个简历都是候选人自己写的，没有人在中间做把关。正是这种错误的商业逻辑，更多的是鼓励大家造假，因为你造假越多，你发现你得到的利益更多。在这种模式下，我们招聘网站的招聘职位基本上每天大概在1千万左右，其中有60%到70%的招聘本身是虚假的。我们再看看我们的简历，在中国互联网上有简历的人大概是1.5亿左右，官方给的数据是85%的简历涉及造假，当然我们认为这个数据可能还不止85%。包括后面毕业生的简历，可能这一块是最不靠谱的，我们拿一个毕业生的简历来看一看，基本上不用看，除了姓名、手机、邮箱地址之外，性别这些可能会造假。
我们介绍一下大数据这一块是怎么做的，这是我们整体上的一个公司的计算架构，分为三大块。最左边是数据来源，当然有一点点变形，我们有4类数据来源。第一类是申请使用权威数据，包括公安、教育、人力等等数据都会申请使用。第二类是合作共享，我们开发了猎头管理系统、HR管理系统，让猎头和HR来使用，我们也正在开发虚假简历的识别系统，这些系统都是免费提供给HR使用的。在使用过程中，HR也会留下他的数据，我们现在掌握了1.5亿的数据，大概是5000万人的数据，这个也是通过合作共享的方式获取到的数据。第三类是通过网络采集的数据，我们今年定的目标就是采集30亿份简历，当然也包括其它数据的采集，我们后面会更加详细的去说。第四类数据是候选人必须到我们的网站授权，在这种情况下授权也会给我们留下数据。中间就是我们的数据分析的过程，包括定级、解析以及各种各样的比对，实际上这就是我们公司做的分析和挖掘。最后其实就是出具的个人征信报告，当然我们的个人征信报告是在职场上的个人征信报告，你天天在外面有男女不同的关系，那些东西我们不是特别关心。
最后我们开始讲我们的霸道，我们把什么问题都能够归结到一个数字的时候，你可能就把这个问题想清楚了。举个例子，大家看过奥斯卡评奖，奥斯卡是干什么的，对全世界最好的电影，24项里面都找出一个最好的，到最后归结为一个数字。胡润排行榜其实就是把全世界的人谁有多少钱，把这个钱变成一个数字来描述一下，给这个数字一个排序。我们这边也有各种各样的数字，最右边的就是一个职品分，有一点点类似于大家看到的芝麻征信分一样，这实际上就是我们把这个人在职场上的表现或者这个人的优秀程度或者这个人的可信程度，我们用这么一个数字来标志，这就是我们把这个人的信用问题变成一个数字。这个中间的人脉关系，就是说这个人的人脉有多广，或者他认识多少牛逼的人，就是用了这么一个人脉关系的分来计算，把它变成一个数字。
如果我们把我们的问题都能够变成一个个数字，并且计算出来这个数字，你会发现在大数据的时候，你就完成一个很重要的工作。我们也列了在职场这一块需要计算的各种各样的数字，你会发现HR看一个人的时候，我只需要看这个人在一个维度上的数字就行了。你做一个大数据项目的时候，你要想一想这个大数据项目最终归结到计算几个数字吗?如果能够归结出来，也许你离成功就接近一半了。这就是职品汇的霸道。
我们再看看王道，也就是说我们有哪些数据呢?这些是我们自有的数据，我有1.5亿份简历数据，上面肯定有你的姓名和手机号码，这些都属于粉丝。而且我们也有物流地址，这上面有你的姓名、你家在什么地方、你公司在什么地方。而且稍微分析一下，我可以找到薛蛮子的5个女人，这是非常隐私的，这些数据都在我们这儿。这就是我们整理的数据，当然整理我们的数据的过程中，我们还要进行一些分析和处理。刚才有一位老总说数据要进行很多清洗和很多工作，我们现在对数据基本上是不清洗的。在大数据时代我们要有三个意识，需要做一些观念上或者思维方式上的变更。第一是全样思维，我们在小数据年代讲究的是抽样，我去抽样来看看怎么样，我想看看今天男女比例是什么样的，我就看第一排有多少男同志和多少女同志，我就知道男女比例。但是在大数据时代我们从来不抽样，我们要的是全样，对应我们在数据采集的时候，我们采集的就是所有的数据，我们也不能够清洗数据。
第二是容错思维，容错思维对应到小数据里面，我们就是要做数据的清洗，这些数据可能是不准确的、不精确的甚至是错误的，我们就应该想办法把它去掉。这是在小数据年代我们经常做的事，在大数据年代我们要求别这么做，错误有错误的理由，它为什么会错呢，它是有它的理由的，它存在肯定有一个道理，我们不应该把这些噪音去掉。同时在你这个阶段你认为是噪音，在其它应用场景下可能是正常的数据。
举一个例子，如果我们要做说话人识别的时候，我要识别这句话可能是谁说的，那么用得最多的就是&恩、呢、吗&这些词。如果我们要分析这个人说话的内容表示什么含义，这些副词就不重要了，最重要的是动词、名词、形容词，这些都在语音的领域里面，只是两个不同的场景，它需要的数据就完全不同。所以在大数据年代，我们不需要去掉任何数据，这就是我们所说的容错的思维。
这是我们其它的一些数据，基本上我们中国的教师在网上有简历的，我们都有简历。中国谁买过什么车，这些数据我们基本上有十分之一。大家发表过什么论文，基本上我们有掌握90%的人发的论文。其它的这些老赖是540万，一直到现在一共公布761万人，我们现在已经采集到700万人，基本上我们的数据量采集还是非常全的，包括人人网的数据，这些我们基本上全部拿过来了。工商的几乎所有数据我们都有，学历认证这一块我们现在库里面是75万，其实我们能够验证5000万人的学历，而且这个学历认证和教育部的学信网学历认证是不完全相同的，高职院校之前的他验证不了，我们这个是不受影响的。
这是我们的权威数据，包括公安、运营商的数据，这是稍微标准的数据。银行的数据、网贷黑名单、金融风控的数据，包括运营商的数据。从数据上讲，我们作为一个大数据公司，我们也会收集整理我们的数据，这就是我们今年定的目标，我们还要收集哪些数据。
最后一个是讲我们的帝道，其实帝道就是我们说的数学。我们到最后强调的是你把你的什么事情能够用一个数学模型表示出来，也许你就在根本上解决了这个事情。我怎么判断一个人的简历虚假或者怎么解释一个人信用分，中间就是我们的各种各样的计算方法，这边是结果。我们随便举两个，第一个自行提交材料，如果我要向别人证明我是中科院计算所的博士，最简单的是把论文给大家看，大家就知道我真的是中科院计算所的博士，这种属于自行提交材料，当然还有各种各样的论证方式。这边是我们在数学上计算一个人的评分，这个人的职品分905分是怎么打出来的，这是需要计算的，就有一个计算模型。这是我的个人经历，我是硕士是在山东大学上的，为什么要从山东大学到中科院去呢?我个人可能认为中科院比山东大学好一点。
这些计算出来之后，我就形成一个有向图，而我们手上有1.5亿份简历，中间2000多份简历中就有从一个学校到另外一个学校的。而中国的学校只有3千所，这个图是非常稠密的图，很好分析和挖掘。我们形成这么一个有向图之后，我们就在这个有向图上进行分析挖掘，这个分析挖掘的算法我就不在这里跟大家说了，大家可以参考谷歌的算法。我可以算出来究竟中国哪所大学是最好的，大学的排名就这么出来的。
这是中国公司的排名，中国有8千万家公司，到底哪家公司最好，腾讯好还是哪家公司好，我们也会对这些公司进行排名。这是职位的定级，我们就不用看了。到最后实际上这就是一个统一的模型，我们不仅仅要对中国所有高校对计算级算出到底谁好谁差，对中国8千万家公司算出谁好谁差，中国有9.2亿从业者，在座都是这9.2亿人中的佼佼者，这些人到底谁最厉害、谁的信用不好，我们也是要进行计算的。这里我们有一个迭代的模型，我们认为好的学校的人会去好的公司，好的公司的人可能会来自比较好的学校的人或者来自比较牛的人，这四者之间进行一个迭代。这个模型是可以收敛的，一收敛以后，每个人的分就出来了，这个分不依赖于你平时的信息，只要我们把这个网络构建好了，我们这个分就能够算出来，而且它不依赖于其它的个人信息。
所以这边有一个征信模型，我们的征信模型其实很简单，每一个人的信用状况怎么样取决于他的朋友是什么样的朋友，也就是说你的信用状况可以等同于你的朋友的信用状况的一个平均值，这样把你的所有朋友加起来，你的信用分就算出来了。我今天跟大家分享的内容大概就是这些，谢谢各位!
关注官方微信
扫一扫分享本文到朋友圈
联系我们：
&(发送邮件时，请把#换成@)
投稿信箱：
&(发送邮件时，请把#换成@)
企业网版权所有