-
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
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
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
Salesforce：8/10的美国企业认为可穿戴设备将重塑企业未来
来源：199it 编译自：eMarketer 译者：孙莹
关于消费者希望从可穿戴设备中获得什么服务、以及消费者用可穿戴设备干什么已经有很多讨论，如，移动支付、追踪健康。根据最新的调查，可穿戴设备还将改变商界。
2015年3月Salesforce.com的调查显示，近8/10的美国企业可穿戴设备使用者认为可穿戴设备将重塑企业未来。超过3/4的用户已经看到可穿戴设备对企业绩效的改善，86%的用户计划未来12个月增加这方面投入。
企业对使用可穿戴设备追踪工作效率最感兴趣，除此之外还包括，通过实时访问消费者数据改善消费体验、业务分析和警报、客户指导和辅导。
Salesforce注意到，营销人士将可穿戴设备视为数据收集的良机，但是要想从中受益还有很长的路要走。使用或计划使用可穿戴设的备企中约1/4表示数据收集是应用可穿戴设备的最大挑战。只有8%的使用者已经准备好实施数据收集；好消息是近6/10的企业准备采取行动。还有1/3的受访者还有很长的路要走。
企业将可穿戴设备视为数据源泉，其他调查显示消费者并不热衷于分享自己的信息。2014年12月TRUSTe 的调查发现87%的美国网民担忧智能设备在不知情的情况下收集、使用自己的信息，其中包括可穿戴设备。约8/10的受访者只是担忧个人信息收集；约7/10的受访者认为不应该使用智能设备存储任何个人数据。
好消息是随着可穿戴设备普及，消费者越来越习惯数据收集。但是，企业还是需要证明收集数据是为了提高消费体验。
-
观点
移动办公应用的终极目的
通常情况下，普通人的工作日大约是由3个8小时构成，8小时睡眠，8小时工作，8小时生活。但是随着移动互联网的发展，不少人的工作和生活的时间也在渐渐模糊，有的人下班了还要通过手机来处理工作上的事情，同样的，有的人上班的时候也在刷朋友圈或是跟好友聊着跟工作不相干的事情。高配低价的智能机普及，让很多工作通过手机处理变得简单；无线网络的覆盖、速度提升、资费下降也让员工always on line。这两个趋势使得移动办公应用如雨后春笋般显现出来。
消费者的衣食住行似乎都已经被各类移动互联网应用占据，所以很多公司也将触角伸向了企业市场。从市值千亿美金级的巨头，到大学毕业不久的创业者都推出了不同形态的移动办公应用产品。但是我们却很难看到一家独大的局面，因为企业的诉求和个人的诉求相差太远，而移动办公应用要在二者之间达到平衡也是难上加难。
移动办公产品为什么难做？主要有三个难点：
难点一：对企业需求的理解。市值千亿美金级的公司，可能对个人消费者的七情六欲有着深刻的了解，可以创造一种新的生活方式，但是论了解企业，如果没有跟成千上万家的企业有过合作，则很难把握企业的需求。小型的创业团队如果想进军这个领域自然更是困难重重。
难点二：对工作三个维度的认知。通常一份工作有三个维度。一是岗位工作，就是我们普遍理解的行业工作。例如司机开车，会计算账，厨师做菜，设计师作图，程序员编程。不同的行业，岗位工作可以说差别巨大。二是通用工作，这类工作不像行业工作那样有很大差别，诸如收发邮件、电话会议、提批电子流、任务待办、项目管理、文件共享、考勤、客服等等。因为比较通用，所以绝大多数移动办公的应用都聚焦在这个维度。三是“范工作”，没找到很准确的术语表述，先自造一个词。范工作也是工作中很重要的一个维度。同事之间的交流、日常工作的分享、团队活动、公司文化建设等。如果一个公司没有范工作，前面两个维度的工作可能也要打折扣。
难点三：团队内部推行困难。一款移动办公应用通常不是用户各玩各的，需要一个团队内的成员大家一起用才能发挥最大价值，甚至还要跟公司已有的系统对接。作为一个普通员工，对于工作相关的应用，他很难去要求同事一起用，更别说去对接公司系统了。人性都是懒惰的，如果这个人不是你的上级，只是平级的同事来让你去下载、注册、登录、学习一款跟工作相关的应用，这很难让人产生兴趣，甚至反感。
市面上绝大部分的移动办公应用都是声称提高工作效率，或是让人们将工作生活分开不要在微信里聊工作之类的。言下之意其实是提供给用户一种聚焦工作、提高效率、随时随地的办公工具。正如前面所说，这里聚焦的工作一般都是“通用工作”。这样的定位通常是移动办公应用很初级的定位，也是较容易实现的。我们的团队做过调研，当前使用移动办公应用的用户70%以上都是在工作时间使用。数据表明，很多人不会想着所谓的随时随地工作，我上班就是上班，甚至因为反正是工作时间，效率不效率的可能也吸引不了他们。
淘宝改变了我们购物的方式，滴滴打车改变了我们打车的方式，陌陌改变了我们的交友方式，那么，移动办公应用的终极目的是什么？很显然也是改变人们的工作方式。所以当前很多的移动办公应用如果只是定位在提升工作效率，搞一些很容易被替代的工具、应用，简单的让用户在手机上处理通用工作，那么这样的视野是比较窄的。我们可以看到通常利用微信群办公的团队，建群者通常都是团队的管理者。一个团队的管理者一般都会对自己负责的项目、团队成员、各种资源有着本能的控制欲，期望所有事情可控，成员交流的透明，下属对自己的指令能快速反馈。作为团队成员通常有受迫或从众的心理，更多时候他们对管理者在非工作时间的指令、或是同事的@是反感的。微信毕竟是“一种生活方式”，用它来办公的确是不得已，而且也几乎只能满足交流的需求。
一款好的移动办公应用，它既要满足管理者的控制欲，又要给予团队成员足够的自由度，同时还要让公司低成本运作，它要能引领一种新的工作方式。移动办公不仅仅是单纯的用手机办公，不是因为手机是移动设备，所以就是移动办公了。新的工作方式下，每个人的上班行为应该更自由，你在公司里和别人争得面红耳赤，而我可能在咖啡馆里悠闲的编着代码；你可能吃了午饭才来上班，而我已经下班回家，没有人为上下班堵车来烦心。公司里的考勤，会议，电子流，KPI，上下级关系可能都会渐渐弱化。工作形式改变，公司管理改变，工作者的思想也在改变，工作中不合理，令人厌烦的事情也可能渐渐消失。真正的移动办公应用无疑是要促成这种更人性的工作方式，而我们一直在努力。
本文作者：邓俊杰 金蝶云之家首席用户体验架构师
本文转载请注明来源：http://www.leiphone.com/news/201505/S8dSaDp04bSUVOnT.html
-
观点
互联网＋时代，如何连接员工，与员工心连心？
来自公众号：HRSDC公会
移动互联网+时代，智能手机的广泛应用已经彻底改变和颠覆了人们的工作和生活方式，也给企业人力资源管理工作的开展带来了全新的机遇和挑战。人力资源管理工作者究竟应如何顺应移动互联大潮，利用社交化管理工具变革工作模式，改变管理思路，创新工作方法，更好的激发和提升组织活力，来打造真正具备互联网思维的员工团队，帮助企业顺利向移动互联转型？
北大纵横咨询公司高级副总裁马顺先生曾撰文指出互联网+不仅仅是技术上的“+”，也是思维、理念、模式上的“+”，其中以人为本推动管理与服务模式的创新是其中的重要内容。 “互联网＋”所带来的不仅仅是信息的爆发、大数据和知识的分享，更多的是思维的创新，是社会文化的解构和重构。互联网＋时代的员工管理具有八大特点，分别是：
1产权关系
“人力资本主义”势不可挡，人力资本、货币资本都是资本家，两者相互雇佣、日趋平等。
2组织管理
组织平台化、网络化，管理去权威化、去中心化，协同方式柔性化、项目化，员工的自主管理空间大大增加。
3管理技术
大数据使“数字HR”成为可能。一切过程留痕迹、一切管理有工具、一切评估数量化、一切决策靠系统。
4团队更新
80、90后新锐对管理方式及领导风格带来了极大挑战。
5人才管理
知识型员工通过创造、创新和创意创造价值，工作过程隐性化。他们是企业核心价值创造者，会要求参与企业管理，或者限制行政权力干预。
6人际关系
平等、尊重与情感沟通，人际关系群落化，领导关系教练化，企业对员工最大的福利是提供志同道合的同事群体。
7学习方式
知识管理形式动态化、网络化，大脑联网，无边界的互动交流、即时的非正式学习成为员工学习的重要方式。
8人事政策
管理主体多元化、管理主权回归，激励即时化、多元化，绩效考核实用化、过程化，人才培养链条化、个性化。
鉴于以上特点，可以说互联网+时代，只与员工做好充分连接，与员工心连心，方能更好更快的与客户连接，与生态链条上的供应商、经销商伙伴连接，真正实现互联网思维转型。国内知名人力资源管理软件厂商金蝶站在时代前沿，顺势推出了全新一代的HR产品“金蝶s-HR”，从战略驱动，全员互联角度，利用移动技术帮助企业实现简单、快捷、准确的HR信息传送和与内部员工及外部人才的互联沟通；基于分角色的业务场景设计和移动应用功能，帮助企业高管、部门经理人、员工与HR之间的实现随时随地、想连就连的HR管理；可将应聘者、企业、企业面试官、招聘网站、猎头公司等多方资源联通在一起，为企业及时供应人才；还可基于“HR社交化云服务平台”实现福利保健、薪资理财、能力培养等全方位的内部员工和外部人员之间的互联互通。
比如海尔集团办公园区有十多万人上班，在塞车日益严重的当下，海尔在金蝶云之家的平台基础上开发了一款拼车移动应用，和HR系统集成，员工的基本人事信息一目了然又真实可靠，比网络拼车更安全更高校，给员工日常出行带来了极大便利，这就是连接员工，与员工心连心最好的实例。
互联网+时代，重新构建基于移动互联网技术的人力资源业务管理模式及eHR信息化建设方向是值得每一位人力资源管理从业人士认真思考的。
-
观点
Zenefits，年度独角兽会变成超级独角兽吗？
2013年的Snapchat之后，已经很久没有创业公司的增长像Zenefits这样疯狂了。
福布斯去年就把它列为增长最快的创业公司No.1。而过去的11个月里，Zenefits的估值又从5亿美元提升到了45亿美元。
如果要评选2015年年度独角兽，Zenefits也很难被击败。蹿升同样迅猛的Slack是去年年底跻身独角兽俱乐部的。而还未上线就融了2.2亿美元的新锐电商Jet题材太老，不符合2015年企业服务大热的主旋律。
Zenefits的估值很冷静
更为难得的是， Zenefits估值增长背后有着坚实的收入增长作为依托。2013年只有100万美元，2014年全年2000万美元，2015年预计是1亿美元。
可以用来参照的是2012年上市的Workday，年收入5亿美元，市值超过160亿美元。Box市值20到30亿美元，年收入大约3亿美元。Zenefits的同门师兄，YC的骄傲Dropbox，估值80亿美元的时候（2012年）年收入也不过2亿美元。
Zenefits面向企业是完全免费，从企业购买的各项服务中向服务提供商收取佣金。目前主要的佣金来源是商业保险。后者是一个真正的千亿美元的市场。根据2013年的数据，仅健康险一项，美国的人均保费就超过2500美元，其中很大一部分是企业支付的。
而且美国保险市场属于完全开放型的保险市场，根据SNL Financial LC的数据，2011年美国的各类保险公司合计达到了6296家。充分的市场竞争给了保险经纪足够的生存空间。美国拥有100多万的保险代理和经纪人，Zenefits的模式要颠覆的是他们，所以犹他州的保险监管机构去年封杀了Zenefits。
Zenefits针对的是中小企业，从几个人的Startups到规模千人的公司，目前已经有超过10000家公司在他们的平台上。而对手Workday和Salesforce的主要客户是大公司，Workday的订阅用户只有1300家。
这留下了大片的市场空白。
所以当被问到“Zenefits何时会成为估值100亿美元的创业公司时”，Palm Drive Venture（以下简称PDV）的Seamon Chan告诉36氪，“不会太久”。
Zenefits：企业版的Uber？
两年前，Seamon Chan在天使阶段就参投Zenefits。“我们一直在帮忙，C轮很多Big Name没能进来，而我们拿到了allocation（配额）”，另一位合伙人李一芃告诉记者。
Zenefits目前已经是平台了，一些更专业化服务，比如直接管理薪资、税务的SaaS，可以接入Zenefits，像一个插件一样优化某一个细分功能。
“但是这些信息（目前已经有至少10万员工的工资和保单信息）都会沉淀在Zenefits的平台上”，李一芃认为Zenefits是HR的操作系统，“让我们特别兴奋的是，Zenefits只在保险方面做了变现的尝试就取得了这么大成就，未来跟很多金融工具的结合还有无限的想象空间”。
不要忘了，Zenefits的CEO Parker Conrad曾经创办的两家公司都是金融相关的公司Sigfig和Wikinvest。这名哈佛的辍学生，曾经被自己创办的公司赶走，他的经历怎么听都像是能成一番事业的人。
一周前，一名同时拿到Uber和Zenefits工作Offer的年轻人因为Uber名气更大而有一些犹豫，在Quora上咨询大家的意见。Parker Conrad看到之后果断收回了Offer，“我觉得你还是去Google比较合适”。
这让这名略微发胖的创始人和咄咄逼人的Uber CEO Travis Kalanick有了更多相似之处。两人都创办过两家公司，都有名牌大学的辍学经历。
Zenefits有没有机会成为Uber那样的公司呢？就是估值可能达到千亿美元的“超级独角兽”。
“从**切入，最重要接管整个企业服务市场”，这是很多SaaS创业公司的梦呓。但是对于Zenifits来说，好像有机会变成现实。因为对于创业公司来说，最大的成本来自人力成本。
“Zenefits不是一个垂直行业的SaaS，而是通用的SaaS”，李一芃说。
中国的Zenefits？洗洗睡吧！
但是在中国，Zenefits不可避免要遭遇垂直行业SaaS的挑战。餐馆和电商可能是中国规模最大的中小企业，他们的SaaS，不管是ERP和CRM，都已经有巨头入场准备提供免费的服务了。
虽然目前已经有一票中国的SaaS创业公司开始借鉴Zenefits。但是在李一芃看来，由于商业保险市场在中美两国完全不同，这些SaaS想要寻找商业模式需要脑洞大开。
这不是像Uber那样可以简单复制到全球的模式。美国商业保险的经纪代理费用占保单价值的比例接近50%，在国内只有2%。
“一种SaaS帮助企业管理客源和销售额，另外一种SaaS好像短期内看不出什么效果，但长期可以帮助企业提高效率、控制成本”，李一芃认为国内的SaaS投资热潮还处于前一个阶段。
Zenefits这轮获得的5亿美元融资很大部分将会用来做市场推广，迅速占领几乎没有对手的美国市场。
但是在中国市场，他们还没有什么打算。
来源：36氪 ，作者：Zuo
扫一扫，关注“HRTechChina",聆听人力资源科技的声音！
-
观点
这应是全球各地最全102家“独角兽”企业名单了
当创业浪潮席卷全球之际，美国的初创企业的数量和和增长速度依然独占鳌头。
CB insight发布一篇报告统计了全球102家估值过十亿的创业公司及其分布地。毫无疑问美国是这些独角兽们（即市值或估值在10亿美元以上的移动互联网软件公司）的最佳栖息地。尽管这样，这份统计还是有其可看性的。
统计显示，这102家企业中有62家在美国，11家位于中国，欧洲分布10家，印度则有6家。
截至目前，小米以460亿美元的估值位列榜首，但最近Uber透露将继续融资，未来估值可能达500亿美元，未来榜首地位可能会变动。
下面是这份统计的具体细节：102家估值过10亿美元的初创企业
序号
公司
估值
（十亿美元）
国家
行业
1
Uber
41
美国
移动电子商务
2
Palantir
15
美国
商务智能
3
Snapchat
15
美国
移动软件服务
4
SpaceX
12
美国
新型交通运输
5
Pinterest
11
美国
互联网软件服务
6
Dropbox
10
美国
互联网软件服务
7
Airbnb
10
美国
电子商务
8
Theranos
9
美国
医疗器械
9
Square
6
美国
移动软件服务
10
WeWork
5
美国
联合办公场地
11
Zenefits
4.50
美国
互联网软件服务
12
Cloudera
4.10
美国
互联网软件服务
13
Stripe
3.50
美国
互联网软件服务
14
Jawbone
3.30
美国
智能设备
15
Fanatics
3.10
美国
电子商务
16
Legendary Entertainment
3
美国
电影视频
17
Pure Storage
3
美国
计算机存储设备
18
Moderna
3
美国
生物科技
19
Slack
2.80
美国
互联网软件服务
20
Bloom Energy
2.70
美国
新能源
21
Lyft
2.50
美国
移动电子商务
22
Vice Media
2.50
美国
互联网软件服务
23
Houzz
2.30
美国
电子商务
24
SurveyMonkey
2
美国
互联网软件服务
25
Evernote
2
美国
互联网软件服务
26
Nutanix
2
美国
信息技术服务
27
Domo
2
美国
互联网软件服务
28
Instacart
2
美国
移动电子商务
29
Magic Leap
2
美国
游戏平台，科技平台
30
Prosper Marketplace
1.90
美国
互联网软件服务
31
Intarcia Therapeutics
1.75
美国
制药
32
Tanium
1.75
美国
软件安全服务
33
DocuSign
1.60
美国
互联网软件服务
34
MongoDB
1.60
美国
资料库管理软件
35
Insidesales.com
1.50
美国
互联网软件服务
36
Oscar Health Insurance Co.
1.50
美国
互联网软件服务
37
Jasper
1.40
美国
电信服务
38
Deem
1.35
美国
互联网软件服务
39
Social Finance
1.30
美国
电子商务
40
Sunrun
1.30
美国
新能源
41
Appnexus
1.20
美国
互联网软件服务
42
Warby Parker
1.20
美国
电子商务
43
Sprinklr
1.17
美国
互联网软件服务
44
Automattic
1.16
美国
互联网软件服务
45
Twilio
1.10
美国
移动软件服务
46
Good Technology (Visto)
1.10
美国
移动软件服务
47
Proteus Digital Health
1.10
美国
医疗器械
48
Actifio
1.10
美国
信息技术服务
49
TangoMe
1.10
美国
移动软件服务
50
Nextdoor
1.10
美国
互联网软件服务
51
Docker
1.07
美国
信息技术服务
52
Gilt Groupe
1.05
美国
电子商务
53
CloudFlare
1
美国
互联网软件服务
54
Eventbrite
1
美国
电子商务
55
Credit Karma
1
美国
互联网软件服务
56
Lookout
1
美国
移动软件服务
57
AppDynamics
1
美国
互联网软件服务
58
SimpliVity
1
美国
互联网软件服务
59
Kabam
1
美国
互联网软件服务
60
Razer
1
美国
智能设备
61
JustFab
1
美国
电子商务
62
Qualtrics
1
美国
互联网软件服务
63
Illumio
1
美国
互联网软件服务
64
Pluralsight
1
美国
互联网软件服务
65
小米
46
中国
电信设备
66
快的打车
8.75
中国
移动电子商务
67
大疆创新
8
中国
机械设备
68
美团
7
中国
电子商务
69
大众点评
4.05
中国
电子商务
70
凡客
3
中国
电子商务
71
赫基国际集团（香港）
2
中国
服装配饰
72
口袋购物
1.40
中国
移动电子商务
73
返利网
1
中国
电子商务
74
蘑菇街
1
中国
电子商务
75
贝贝网
1
中国
电子商务
76
Flipkart
11
印度
电子商务
77
Snapdeal
2.50
印度
电子商务
78
Olacabs
2.40
印度
移动电子商务
79
One97 Communications
2
印度
移动软件服务
80
Zomato Media
1
印度
互联网软件服务
81
Quikr
1
印度
电子商务
82
Yello Mobile
1
韩国
电信服务业
83
Coupang
2
韩国
电子商务
84
GrabTaxi
1
新加坡
移动电子商务
85
InMobi
1
新加坡
移动软件服务
86
Spotify
8.40
瑞典
互联网软件服务
87
Lazada
1.25
泰国
电子商务
88
POWA
2.70
英国
互联网软件服务
89
Delivery Hero
1.88
德国
电子商务
90
Adyen
1.50
荷兰
互联网软件服务
91
TransferWise
1
英国
互联网软件服务
92
Farfetch
1
英国
电子商务
93
Klarna
1
瑞典
互联网软件服务
94
Funding Circle
1
英国
电子商务
95
AVAST Software
1
捷克
软件安全
96
Shazam
1
英国
移动软件服务
97
Atlassian
3.30
澳大利亚
项目管理软件
98
Avito.ru
1.80
俄罗斯
电子商务
99
ironSource
1.50
以色列
互联网软件服务
100
Infinidat
1.20
以色列
信息技术服务
101
Hootsuite
1
加拿大
互联网软件服务
102
Shopify
1
加拿大
电子商务
扫一扫，关注“HRTechChina",聆听人力资源科技的声音！
-
观点
58同城：四处的出击，不得不的2.0
最近一年时间以来，58同城是最活跃的互联网公司。获得腾讯4亿美元投资、收购安居客、参股e代驾、与宿敌赶集网合并……在5月8号“生日”当天，58同城发布了金融发展战略及金融理财品牌——58钱柜。同日，58同城还宣布了对中华英才网的收购。据姚劲波自己统计，58同城上市18个月，投资并购14家企业，投资总额达16.66亿美元，差不多每个月对外投资1亿美元。
姚劲波为何忙不迭地“布大局”、“打大仗”？与搜房、易车、前程无忧等垂直网站相比，58同城有无优势？
先来看下58商业模式的基本面。
营收增长迅猛
58同城是国内最大分类信息网站，为本地商户和消费者提供房屋、就业、二手物品交易等信息发布服务，“同城”二字由此而来。
58同城的营收主要由两部分构成：一是发布信息的商家贡献的“会费”，二是网络的广告收入。两项收入增长较为均衡，2014财年，58同城会员费和广告费收入占比分别为52.5%和47.2%。
推动会费收入增长的自然是会员数量。2010年、2011年，付费用户分别为1.7万和8.6万。到2014年4季度，付费用户数达60.5万，户均缴纳65.8美元。
不过，58同城付费用户的增速却呈振荡回落，2014年Q4的环比增速仅为8%。
网站的用户不是来看新闻的，就是来找租房、招聘信息的。而付费会员不仅贡献了营收，还给网站带来了读者要看的内容。2014年Q4独立访问用户数达3亿。有了流量，58同城顺理成章地做起了变现生意，赚取不菲广告的收入（模式与百度竞价排名类似）。
2011年，58同城营收仅为1100万美元，2014年达2.65亿美元。年复合增长率达189%！
搜房、前程无忧等垂直网站的模式与58同程类似。它们的主要收入都包括两个部分：首先由B端用户（商家）付费发布信息；然后，用这些信息吸引C端用户（网民），形成精准的流量（如求职、租房、买车），进而通过收取广告费将流量变现。
与赶集合并效益被高估
58同城的流量生意看起来很妙，前提是B（商家）自动把信息发布到网站，C(用户)自动上来浏览。世界著名的生活信息网站Ｃraigslist就是这样，员工不到40名，日均PV超过6亿。
但中美国情差异注定了58同城不会有Craigslist的幸运：Cragslist是美国小业主自己上来注册，58同城得雇用数千勤奋的地面销售人员去“扫街”，一家一户地推销；美国人在网站发布的虚假信息不多，58同城要通过专设的信息审核部对每天数百万条信息进行审核（从开始填写信息到发布成功，要经过5道过滤，包括人工审核）；美国用户有问题可自行解决，大不了看看Q&A，中国会员要打电话，58同城只好跑到天津泰达建立了一个有500个座席的电话呼叫中心……
在中国的国情下，58同城的增长策略就是一手在线上买流量，让C光顾网站。另一手到线下“扫街”、“地推”从众多B中发展、维护付费会员。
2C的营销分为两个部分：线上从百度等引擎购买流量，线下通过传统媒体打广告（例如请杨幂代言、每天在地铁喊上百次：五~八~同~城~~~）。
2B的营销费用则耗费于庞大的线下代理人团队及呼叫中心等服务系统。
2011年，市场营销支出一度占到营收的241%。好比每卖一个10块钱的肉夹馍，要花24.1元来宣传、促销、发奖品。媒体称58同城“花钱买营收”一点没错，而且价钱高得离谱。
好在随着营收的增长，虽然市场费用绝对值创下新高（2014年达1.8亿美元），占营收的比例已缩减到68%。
2012年，58同城发展并维护一家付费会员的成本为84美元/季度，而会员缴纳的会费仅为79美元/季度；2013年，付费会员的成本、收益分别为48美元/季度和66美元/季度；2014年，会员发展、维护成本又上升到50美元/季度。
与赶集合并后，压缩2C、2B营销费用的空间非常有限。
在线上，流量要向百度们买，而关键词的价格不单单是赶集和58两家抄高的。未来赶集不参与竞价，搜房、易车、前程无忧等大小玩家不会让58同城低价获得“租房”、“买车”、“招聘”这些关键词！
在线下，假如杨幂、谢娜各喊100次给两家网站带来的UV数都是100。让杨幂一个人喊100次，给合并后的58､赶集带来的UV绝不会是200。要保增长，广告费就不能太省。
最后，通过地推团队的人员优化、减少摩擦、价格战，市场费用会有所下降。但商家还得一户户去谈，会费要一单单去收，服务一刻也不能停。付费用户规模不减，费用降不了多少。
总之，在1.0版的增长策略下，58同城已经没多大潜力可挖，即便合并了赶集，营收增长、利润增厚的空间也比较有限。
赶不上“子集”
搜房网、安居客、易车网、汽车之家、前程无忧、智联招聘的商业模式与58同城大同小异，只不过它们各自耕耘的垂直领域是58同城“势力范围”的“子集”。但“子集”们赚钱的本领却高于58同城。
2014年，搜房、易车、前程无忧在垂直领域的营收分别为44亿、25亿和18亿，而58同程在房产、汽车、招聘、家电、家政、休闲娱乐、婚庆摄影、搬家、团购、交友、宠物、周边游等十几个领域统共取得的营收为16亿。
既然大家做的都是流量生意，58同城营收不赶不上“子集”还得从流量找原因。
根据Alexa数据，58同城、前程无忧、搜房、易车日均UV（独立访问数）排名分别为中国第76、135、161和6024名（以上均为月均值）。58同城日均PV(页面浏览量)约5500万，前程无忧约为3500万、搜房网约为2200万、易车约为50万（以上均为月均值）。
可以看到，通过不惜代价的导流，58同城的流量已经压了“子集”们一头。营收收入不及子集的原因不外两个：一是流量的质量（转化率低），二是在变现潜力大的领域及地域流量不足。58同程把招聘、房产、汽车等各个领域的流量加起来才超过前程无忧和搜房，而且这些流量分散在全国各地，单单在招聘、房产领域和北、上、广等重点地区，58同城流量则远远落后。
带宽成本去哪儿了
还有一个值得注意的现象，就是58同城带宽成本超低。
网站的营收成本主要消耗在网站（带宽、运维人员、设备折旧等）和内容两个方面。2014年，58同城毛利润率高达95%，而搜房、易车、前程无忧分别为79%。76%和73%。带宽费用是营收成本的子集，毛利润率高则营收成本低，意味着带宽费用低。
2014年，搜房营收折合人民币43.6亿，营收成本高达9亿。搜房具有明显的媒体属性，而且自己采集房源的比重越来越大，营收成本高是自然的。但前程无忧基本没有媒体属性，营收仅比58同城高11.5%，但主要由带宽和网站运维费用购成的营收成本却比58同城高414%！
58同城的流量成本哪里去了？是由区域代理商分担了？或是转嫁给VIE结构中的其它实体？
被迫寻找增长策略2.0
58同城对增长策略1.0的局限性想必早有体会。所以，2013年10月上市后进行了一系列的收购活动。
姚劲波总结说：
“在汽车里面内部分化，我们投资了二手车，我们投资了最大的代驾公司‘e代驾’，我们投资收购了最大驾校的软件‘驾校一点通’，也投资了P2P汽车平台‘宝驾租车’；在房产领域，我们全资收购行业排名第二的网站‘安居客’，和58紧密结合以后，已经超越过去行业老大；我们还推出‘58到家’、‘乐家月嫂’、‘点到按摩’等新型的O2O本地的服务，把58到家自己的服务打包在一起，做中国互联网公司提供到家服务最全，订单量最大，口碑最好的平台。”
截至2015年5月8日宣布收购中华英才网，58同城在18个月内投资16.7亿美元并购了14家企业。
搜房、前程无忧、智联招聘、易车、汽车之家等成功的垂直网站是从早期互联网蛮荒的血海中拼杀出来的，正如将“八大菜系”中的任何一个做到极致那样不容易。不擅厨艺的姚劲波开的是“啥都有”的“大食代”（不仅有八大菜系还法餐、意餐和印度菜），并花不少钱雇人到街上拉客。进来的客人虽多，但多半看看就走，即便坐下来也只点最便宜的菜。所以，58同城营收、利润都不如那些名菜馆。
按传统观念，开设兼有八大菜系但什么菜系都“不地道”的餐馆肯定不会成功。但在互联网时代则未必。姚劲波先是把“大食代”做大，菜不好吃、亏钱都不在乎，大到一定程度拿去上市。打通公募、私募融资渠道后，以股票加现金的方式收购擅长川菜的安居客、擅长鲁菜的中华英才、擅长粤菜和驾校一点通……
在可预见的未来，58同城的单项业务恐难超越每个细分领域最强的“子集”们。而且房产、汽车、招聘都是万亿级别的大市，足以孕育市值百亿美元的平台层垂直公司，搜房、易车、前程无忧会保持高昂的斗志，捍卫各自在细分领域的王者地位。中国人信奉”宁为鸡头不为牛尾“，赶集、安居客、中华英才都是上市无望才忍气吞声、寄人篱下的，失意者们的集合会是一个成功的群体吗？
不过，谁说复仇者联盟没有取胜的机会。从58同城近来高涨的股价看，投资人还是蛮有信心的。截至5月12日，58同城股价已升至78美元以上，市值近64亿美元。
祝58系们好运。
本文作者：Eastland
来源：虎嗅网
-
观点
中华英才网创始人张杰贤：58的收购喜忧参半
[摘要]张杰贤称：“中华英才网有了一个本土的企业接盘，我觉得这也许是一个好事。”
对于中华英才网的又一次转手，其创始人张杰贤显得异常平静。“今天的中华英才网在经历了多次的转手后，更多的是传达的资本的意思，而不是创始人的意思，也不是跟着中华英才网做了十多年的员工的意思。”
就在上周五，58同城宣布完成对中华英才网的并购。这家身世沉浮的招聘网站迎来了继美国招聘网站Monster和爱尔兰尚龙集团之后的又一家买主，不过这次，中华英才回到了“祖国”的怀抱。
张杰贤于1997年创办中华英才网，2004年辞去管理层职务退居股东。对于此次并购，早已退出的他持一种“喜忧参半”的态度。
张杰贤告诉腾讯科技：“中华英才网终于有了一个本土的企业接盘，我觉得这也许是一个好事。”无论是2008年Monster正式接手，到2013年的尚龙接手，其实都是属于外资背景的投资人在运营中华英才网。而从过往这些年的运作来看，他们都是非常不成功的。一个本土的互联网公司接手，或许能给中华英才网带来转机。
但另一方面，张杰贤也表露出担忧：“58过去两年虽然在招聘领域有一定的影响力，但是在招聘方面的经验，无论是跟中华英才网比，还是智联招聘、前程无忧等比较，还是有非常大的差别。58上的用户群体，都是以蓝领为主，另外产品形态、团队风格也会非常不一样。”
的确，58的招聘以蓝领为主，中华英才则侧重白领。如果两相互补，将有助于占领市场。张贤杰认为如果按照姚劲波在信函中所说的保留中华英才的品牌独立运营，58将一些流量、市场资源、资金等向中华英才网输送，应该会是比较好的一种方式。但要想完全整合，成功的可能性微乎其微。
而谈起当年为何出走，张杰贤并不避讳。“最重要的原因是我在经营和发展策略上与当时的投资人和董事会有比较大的分歧。”追溯当年，张杰贤“在二三线城市扩张”以及“开展派遣代理业务”的主张均被董事会否定。
离开之后，张杰贤做起了投资，但由于投资太过分散并未收到太好的效果。最终在2010年，他选择重新回到招聘行业，创办了新的招聘网站——全职招聘网。但这次，他选择先低调地完善产品。“因为多次创业，心态就不会那么急躁。”据了解，张杰贤再次创业的全职招聘网并未进行任何融资。
以下为腾讯科技专访张杰贤实录：
腾讯科技：58同城收购了中华英才网，您认为这对于中华英才网来说是好事还是坏事？
张杰贤：到目前为止，我还无法判断，我觉得只能是各占一半。
首先，中华英才网终于有了一个本土的企业接盘， 我觉得这也许是一个好事。因为无论是2008年monster正式接手，到2013年的尚龙接手，其实都是属于外资背景的投资人在运营中华英才网。从过往这些年的运作来看，他们都是非常不成功的。所以这个时候，一个本土的互联网公司接手，应该说有更好的机会把它做好。
但另一方面，因为58过去两年虽然在招聘领域有一定的影响力，但是在招聘方面的经验，无论是跟中华英才网比，还是智联招聘、前程无忧等比较，还是有非常大的差别。58上的用户群体，都是以蓝领为主，比如保洁、保姆、司机等，另外产品形态、团队风格也会非常不一样。
腾讯科技：58的招聘是以蓝领为主，而中华英才网的招聘主要以白领为主，您觉得58在收购之后能把这两块业务整合起来么？
张杰贤：我认为58之所以去收购，就是看中了中华英才网在白领人群中的品牌影响力和客户资源。但是58能否整合好这两块业务，我觉得还是存在不确定性。因为58针对蓝领人才的市场定位，和中华英才网等这些针对白领人才的市场定位，是非常不同的。
求职者去58和去智联或者英才是完全不同的求职体验，这两类人群有着非常大的差异。
举个简单的例子，这两类求职者在填写简历的时候都是非常不同的，更不用说他们自身的背景，企业在判断人才时候的深度等等。如果是白领人群，企业可能会问更多关于个人过往背景的问题，面一个小时或者两个小时；而针对蓝领人群，企业就不需要问很多问题，可能只需要半个小时就能确定，因为企业更多关注的是这个人的技能技巧。
所以我觉得他要整合这两块业务也是非常困难的。
目前，我们看到姚劲波发出的信函中讲的是，会保留中华英才网的品牌已经这个团队的独立运作。如果真的这样实施的话，那么他们应该不会做整合，只会把58的一些流量、市场资源、资金等向中华英才网输送，这应该是比较好的一种方式。
如果真的把两个有着完全不同的招聘群体的网站整合到一起的话，我觉得挑战应该非常大，甚至于不成功的可能性也更大。
腾讯科技：您觉得现在中华英才网的发展方向和您创立时的初衷是否还一致呢？
张杰贤：我离开中华英才网已经蛮久了，2011年所有资本层面上的联系都已经结束。
18年前我创立中华英才网的时候，我的初衷非常简单，就是满足企业的招聘需求和求职者的求职需求。
而今天的中华英才网在经历了多次的转手后，更多的是传达的资本的意思，而不是创始人的意思，也不是跟着中华英才网做了十多年的员工的意思。我不愿意看到公司在经历多次倒手后变得越来越没落，客户越来越不认可，我相信这也不是跟着英才网十多年的老员工们愿意看到的。
腾讯科技： 周五的时候，全职招聘网在中华英才网楼下举了牌子“创始人接你们回家”。您又是怎样想到再次选择招聘这个行业来创立一个全新的网站呢？
张杰贤：2010年我重新回归到招聘领域，2012年推出了全职招聘网。这些年，我发现在互联网领域里变化最小的，就是招聘领域。无论是前程无忧、智联招聘这些老牌网站，还是后来起来的新的招聘网站，今日如日中天的猎聘、拉勾，我觉得他们都是大同小异。
为什么我们不能做出一些变化？为什么在用户需求已经有很大变化的情况下，这些网站没有变化。所以这是我重新回来做招聘的一个主要的原因。
但是其实我也一直在摸索，并不是你想改变，回来就能够改变。经过摸索，我们从产品形态到业务模式都跟这些同行、前辈们有很大很大的不同。
腾讯科技：那么追溯到2004年，当时是出于什么样的原因离开了中华英才网呢？
张杰贤：最重要的原因是我在经营和发展策略上与当时的投资人和董事会有比较大的分歧。
比如说，我们当时面临的情况是，需要去扩张，而在扩张的过程中，我们的利润目标就要降低。我当时建议的策略是，如果要发展，就必然要牺牲利润，就不能再以利润为目标。但当时的董事会，由于手上的现金并不多，所以希望公司既要有快速的发展，同时还要有利润。这就是一个矛盾。
我们当时还要扩展区域市场，我们的同行都去到了各地的二三线城市。我就建议我们也去，当时我的意见是如果你今天不去，那公司就没有未来。但董事会并不同意，他们认为如果去二线城市还不如把人力放在一线城市。
我们当时还做了派遣代理的业务，也是三家网站中最早做外包业务的网站。但是今天你可以看到，这项业务已经成了前程无忧未来最具潜力的业务分支，已经占到前程无忧的30%了。但当时的董事会是不同意这样的一个发展规划的。
所以就是在发展策略上有很多的不同。当然我们也去做了很多事情，但是到2005年，monster成为我们比较大的股东以后，他们实际上就把这项业务砍掉了。
今天来看，这些都是非常明显的错误决定。
腾讯科技：在你眼中，未来招聘行业会变成一个怎样的格局？
张杰贤：首先，坦率的说，那些老的网站，无论是智联招聘还是前程无忧，我认为它们已经老了。当然这些网站也在变化，也在求变化。但实际上我们看到它们在招聘领域的变化是非常非常小的。
第二，我们看到很多新兴起来的垂直领域的招聘网站，我们认为这是一个分支，但并不是今天才出现的，已经出现了十年的时间。 垂直型的网站在2003年、2004年早就出现了。包括房地产、金融、酒店、零售等行业早就已经出现这种垂直型的网站。
但是垂直型网站面临的最大问题就是市场的空间非常狭窄。所以十年前出来的这些垂直网站，他们不仅仅是做一个行业，一个网站可能做了多个行业，那到最后就和综合网站没有差异了。包括拉勾，也开始做金融了，最简单的原因就是市场规模有限。
目前互联网领域非常浮躁的一种情况，就是都需要依赖于投资人的投资来生存发展，所以要迎合投资人的话，单纯靠一个行业一定是不会被投资人看好的。在投资人的压力下，他一定要拓展多个行业，而一旦拓展多个行业，那就和综合性的网站没有了差别，最终都是一样的。
我们看到今天的网络招聘行业，形成的最重要的格局就是，不论新老公司，形态都是一模一样的，我们叫job board，招聘板、公告板。解决的问题就是：企业上这个网站，发招聘广告，查询、收纳应聘简历；个人上去就是搜索职位，投递简历，没有其他的功能。
全职招聘就不一样， 你不需要去搜索职位，直接就根据你的行为，根据你的简历内容，我们给你做非常精准的匹配。我们取消了两年前组建的销售部门，花了十多个月的时间，一心一意地专门做这个产品。目的就是要把我们的推荐系统，包括语义分析这种有技术含量的技术，应用到招聘领域里面来。六月份推出来，你会看到不一样的全职招聘网。
腾讯科技：您也是一个多次创业者了，您觉得这种多次的创业经历对您再次创业有什么帮助么？
张杰贤：最大的帮助就是心态，因为多次创业，心态就不会那么急躁。所有创业者想要成功，最重要的一个因素就是忍耐，耐得住寂寞，耐得住各种各样的挫折，能够坚持。多次创业的经历，无论成功失败，都会使你得到能够经得住挫折，用时间磨灭挫折感。
来源：腾讯科技 刘亚澜
扫一扫，关注“HRTechChina",聆听人力资源科技的声音！
扫一扫 加微信
hrtechchina
