-
数据科学
【马德里】学生资助教育科技公司Bcas获得1700万欧元融资，用于推动其国际扩张计划
Bcas是一个致力于帮助学生在没有经济障碍的情况下接受高等教育的平台，公司已完成一轮1700万欧元的融资，由MyInvestor和Actyus（Andbank集团的风险债务基金）领投。这些资金将用于巩固 Bcas 在西班牙的领先地位，并推动其雄心勃勃的国际扩张计划。最新的 1700 万欧元融资使 Bcas 的债务和股权融资总额达到 2500 万欧元。
欧洲投资基金（EIF）为 Bcas 提供了 3000 万欧元的担保。该协议旨在支持对 7000 名学生进行就业市场高需求技能培训，无论其社会经济背景如何。
该担保试点项目是 “欧盟技能与教育投资 ”行动计划的一部分，旨在通过提供雇主最需要的技能培训，帮助学生进入就业市场。
由于经济拮据，成千上万的学生无法接受高质量的高等教育，导致就业市场机会不平等。在短短两年时间里，Bcas 已为 1500 多名学生提供了超过 800 万欧元的资助，在西班牙乃至整个欧洲确立了自己在基础设施服务资助领域的领先地位。
Bcas 联合创始人兼首席执行官 Bosco González del Valle 说： “这是我们公司的一个重要里程碑。与银行建立首个合作伙伴关系为我们提供了直接融资渠道。所有资金都将用于支付教育机构的费用，进而支持我们的持续发展。
Bcas 成立于 2021 年，为学生提供灵活的融资解决方案，使他们能够支付教育费用。其目标是让缺乏经济能力的优秀学生能够攻读研究生课程和高质量的培训项目，以提高雇主所需的技能（如网络安全、数据科学、人工智能等）。通过这种模式，学生在找到工作之前无需支付任何费用。
在短短两年内，该平台已为 1500 多名学生提供了超过 800 万欧元的资助，成为西班牙 ISA 资助领域的佼佼者。Bcas 是公认的理想融资工具，使教育机会均等。公司与 60 多家教育机构合作，其中包括 Ironhack、The Bridge、ISDI、ThePower、4Geeks、UNIR、EIP 和 HACK A BOSS 等。
“Bcas 开发了一套‘评分’系统，使我们能够在短短两年内资助 1500 多名学生。我们已经看到我们的学生获得了更好的工作机会。EIF 和 Bcas 有着共同的愿景。Bcas 联合创始人兼首席运营官Javier Ausín补充说："毫无疑问，这是我们迄今为止取得的最重要的里程碑。
-
数据科学
【美国】数据科学电子表格解决方案提供商Quadratic Growth获得560万美元种子轮融资，由 GV 领投
总部位于科罗拉多州博尔德的数据科学电子表格解决方案提供商Quadratic Growth获得了560万美元的种子轮融资。
本轮融资由 GV 领投，Catapult Ventures、Betaworks、The Fund Rockies 和天使投资人参投，包括 Wes McKinney（Pandas 的创始人）、Amjad Masad（Replit 的首席执行官兼创始人）、Spencer Kimball（Cockroach Labs 的首席执行官兼创始人）、Swyx（以前是 AWS 和 Airbyte 的开发人员体验）和 Nick Sullivan（Cloudflare 的研究主管）。
该公司打算利用这笔资金继续构建其平台。
Quadratic 是专为数据科学家、工程师和业务分析师设计的现代电子表格。在 Quadratic 中，用户可以立即导入数十万行数据，捏合和缩放以处理大型数据集，并将 Python 和 SQL 分析整合到工作流中。
从技术角度来看，Quadratic 是一个基于 Rust、WASM 和 WebGL 构建的电子表格，可在浏览器中实现高性能、低延迟的实时电子表格。
该公司正在推出 Quadratic Teams，这是一个用于实时协作的共享工作空间。二次团队是共同进行数据分析的共享空间。用户可以根据需要向团队添加任意数量的成员，默认情况下，团队中的所有文件都将与其他成员共享。
-
数据科学
【美国】在线学习提供商Media Partners Corporation获得600万美元A轮融资，宣布更名为Atana Inc
致力于帮助企业建立安全和相互尊重的工作环境的在线学习提供商 Media Partners Corporation 宣布其品牌更名为 Atana Inc. Atana成功完成了由全国性家族办公室和西雅图天使联盟（Alliance of Angels）成员牵头的1600万美元A轮融资中的最后一期600万美元融资，通过在每个电子学习课程中融合高质量培训内容和有针对性的行为评估，提供开创性的人工智能驱动的洞察力，Atana准备扩大其市场份额。
Atana 是以科学为后盾、以数据为证明的全面工作场所学习体验的创造者，可为组织带来可衡量、有意义的大规模行为改变。这一品牌重塑举措与Atana加快产品创新和向软件即服务（SaaS）供应商发展的步伐相一致。公司更名为Atana与其尖端的人工智能驱动分析引擎Atana Insights相呼应，强调了公司致力于帮助企业实现其理想的工作场所文化。
"Atana首席执行官John Hansen说："在Atana，我们将行为理论、组织心理学和先进的数据科学完美地结合在一起，使组织能够大规模地促进积极、持久的行为改变。"这笔巨额资金增强了我们帮助组织量化行为变化和验证其尊重他人的工作场所学习计划影响的能力。
Atana体验将引人入胜的课程与Atana Insights（基于人工智能的专有分析引擎）相结合。这为人力资源和学习与发展专业人士提供了洞察力和可操作的反馈，使企业能够衡量和验证行为变化。Atana的目标是成为企业的首选供应商，帮助企业创造更好的工作环境，提高吸引和留住员工的能力，并提高生产力和绩效。
关于Atana
Atana提供全面的工作场所学习体验，以科学为后盾，以数据为证明，为组织提供可衡量的、有意义的大规模行为改变。通过将数十年的经验、屡获殊荣的课程和强大的专有分析引擎Atana Insights结合在一起，企业首次有能力量化和验证其尊重员工的工作场所培训计划的影响。
-
数据科学
全球调查：98%的CEO表示，实施AI将带来商业利益，但信任仍是一个问题
现在，商业领袖们普遍认同一个观点：采用人工智能（AI）是商业发展的必要条件。根据Workday与FT Longitude合作发布的新报告《CEO全球AI指标报告：AI是终极提升》，在未来三年内，七成高级管理人员预计AI和机器学习（ML）将改变他们组织的核心功能和全球商业格局。更有98%的CEO表示，实施AI将立即为组织带来商业利益。
然而，这份涵盖了2,355名高级管理人员的全球调查也揭示了一个普遍存在的紧张关系：商业领袖们几乎一致认为必须采用AI，并且这样做将带来好处，但在采取第一步时，许多人似乎陷入了停滞。近一半的CEO表示，他们的组织尚未准备好采用AI和ML，超过四分之一（28%）的人表示，他们希望先看看这些技术如何影响他们的组织，然后再决定如何采取行动。
主要发现：
98%的CEO表示，实施这些技术将立即带来某种商业利益。
47%的所有商业领袖认为AI和ML将显著提升人的潜能。
43%的所有商业领袖对AI和ML的可信度表示担忧。
59%的受访者表示，他们的组织数据在某种程度上或完全是孤立的。
只有4%的受访者表示他们的数据是完全可访问的。
对人的潜能感到乐观
所有商业职能都一致认为，提高生产力是他们从AI中看到的最大潜在好处。在关于AI是否可能取代工人的激烈辩论中，许多商业领袖似乎渴望以一种能够增强而不是取代他们员工能力的方式实施AI。
事实上，我们将其中80%的一组领导者命名为“AI先锋”，他们已经成功地使用AI和ML简化了工作流程，并增加了他们劳动力的能力。在所有受访的商业领袖中，近一半（47%）认为AI将显著提升人的潜能。
阻碍商业领袖的是什么？
尽管对AI充满热情，但许多组织似乎还停留在起跑线上。在所有受访组织中，只有16%的受访者表示他们目前正在测试这项技术，而五分之二（39%）要么仍处于最初的研究阶段，要么甚至还没有开始研究。为什么呢？报告发现，一个非常普遍的障碍是不良的数据。AI和ML依赖于高质量、可靠的数据。但数据完整性对于那些在混合系统、静态电子表格和分散流程中处理大量信息的组织来说是一个弱点。
关于数据和隐私的不确定性以及缺乏信任，阻碍了CEO和其他商业领袖全面接受和采用AI和ML。43%的所有受访领导者表示，他们对AI和ML的可信度有所担忧，67%的CEO将潜在错误列为AI和ML整合的最大风险，从而强化了缺乏信任。
为了建立信任，需要增加透明度，但孤立的数据阻碍了领导者们的能力。59%的受访组织报告说，他们的数据在某种程度上或完全是孤立的。只有4%的所有受访者表示，他们的数据是完全可访问的。
前路
当涉及到利用创新时，速度至关重要，这对AI来说尤其如此。报告中，多伦多大学Rotman商学院的教授Ajay Agrawal分享道：“坐在场边的人错过了所有那些正在建设他们AI的人现在正在受益的学习时间。你越早加入，你的AI开始学习的速度就越快。”
我们都应该记住互联网的早期日子——许多早期尝试利用新技术的品牌至今仍然存在。而那些没有做到这一点的品牌，或者等待得太久以至于永远没有机会赶超他们的先行竞争对手，已经不再存在，提醒我们等待太久会发生什么（或不会发生什么）。
-
数据科学
【美国】提供以AI为核心的学习工具的Quizlet获3000万美元C轮融资
总部位于加州旧金山的全球学习平台Quizlet，提供以AI为核心的学习工具，在C轮融资中融资3000万美元。
本轮融资由General Atlantic领投。作为交易的一部分，General Atlantic的董事总经理Peter Munzig将加入Quizlet的董事会。
该公司打算将这笔资金用于持续的产品创新，重点放在数据科学和机器学习能力上，以及协助战略扩张机会。
Quizlet是一家全球学习平台，在首席执行官Matthew Glotzbach的带领下，提供引人入胜的学习工具，帮助人们练习和掌握所学知识。Quizlet结合了认知科学和机器学习，通过自适应的学习活动引导学生达到学习目标。该公司为学生和教师提供了免费和付费订阅的组合，可以进一步定制。每月有超过5000万名学生、教师和普通人使用它来学习任何可以想象到的科目，用于学校、工作或作为个人兴趣的一部分。
以上由智能的AI翻译，仅供参考
来源：finsmes
-
数据科学
【美国】芝加哥一家机器学习招聘公司宣布完成116万美元的融资
一家机器学习技术公司（humanpredictions.io），其产品帮助招募公司和企业识别并建立与科技人才的关系，Humanpredictions今天宣布由Network Ventures领导的116万美元融资，以及海德公园天使的额外投资， SaaS Ventures和M25。这笔资金将帮助Humanpredictions进一步发展并投资于其工程师和数据科学家团队。
“我们很高兴能够帮助Humanpredictions增加其产品，并进一步建立其4400万人的数据库。凭借其强大的洞察力和对招聘人员需求的深刻理解，该产品已经为一系列大公司的技术招聘流程带来了显着的好处。
招聘技术角色可能很困难。由于技术的竞争性，招聘人员往往难以找到既拥有公司所需的正确技能又愿意寻求新工作机会的人。一旦他们确定了感兴趣的人，招聘人员就可能难以按照潜在客户的回应开始对话。
为解决这些问题，Humanpredictions提供有组织的数据搜索工具并收集公共数据，以创建技术行业人员的概况，特别是技术领导者，软件工程师，DevOps，数据科学，产品，iOS / Android，设计师/ UI / UX，和QA。然后，平台使用机器学习来预测哪些人更有可能离开他们当前的角色。此外，Humanpredictions通过指示何时以及如何伸出来促进与人的对话。通过访问这些见解，招聘人员可以更好地定位他们的外展，更轻松地找到正确的匹配，并改善面试过程的流程。
Humanpredictions的联合创始人艾略特·加姆斯评论说：“作为唯一专门为科技行业打造的招聘产品，Humanpredictions是为那些希望招聘技术人才的公司量身定制的。我们知道软件工程师经常对招聘人员持怀疑态度，所以我们希望帮助雇主和招聘公司随着时间的推移与人建立关系。有了这笔资金，我们将能够发展我们的团队，以便您可以帮助您成长。“
Network Ventures的创始人兼董事总经理Jeff Maters补充说：“我们很高兴能够帮助Humanpredictions增加其产品，并进一步建立其4400万人的数据库。凭借其强大的洞察力和对招聘人员需求的深刻理解，该产品已经为一系列大公司的技术招聘流程带来了显着的好处。“
此次宣布是在Humanpredictions出现重大增长之后不久发布的。该公司每年的经常性收入接近100万美元，其产品已被行业领先的公司采用，包括Trunk Club，Allstate和Emerson等。
关于humanpredictions-- Tech Recruiting Database humanpredictions
humanpredictions是一家数据科学公司，其招聘软件可帮助公司寻找技术人才。这家以人为本，以数据为导向的公司提供了一个包含4400万科技行业人员的数据库，以及有关这些人员的见解，以帮助招聘人员找到并与合适的人员联系，以发挥他们的公开角色。Kleiner Perkins，Allstate，Trunk Club，Emerson，CircleCI，IDEO，Tempus，Home Chef和Guaranteed Rate等公司已经使用人工预测来建立自己的团队。要了解有关Humanpredictions的更多信息，请访问humanpredictions.io 或关注@humanprediction。
关注HRTechChina，了解全球HR科技动态。
以上由AI翻译完成。
-
数据科学
DataCamp为可定制的在线数据科学课程筹集了2500万美元
科技行业急需数据科学家，工程师和研究人员。
据LinkedIn称，截至2018年8月在美国，科技行业正在经历超过15万人的数据科学技能短缺。而像IBM这样的公司预测人工智能和与分析相关的工作列表数量增长了28％，这确实使得企业招聘在未来几个月内变得困难。
如果没有雇用更多的数据科学家，补充教育是企业开始缩小制度知识差距的一种方式。这是纽约创业公司和Techstars毕业生的使命DataCamp - 联合创始人兼首席执行官Jonathan Cornelissen表示，他希望能够让世界各地的人们都能获得数据技能和数据流畅性。现在，在190多个国家和1000个商业客户中拥有超过330万用户的平台，后者包括EA，乐高，Airbnb，Forrester，Whole Foods，PayPal，T-Mobile，Telefonica，Kaiser Permanente，HSBC，REI ，eBay，Uber，宜家和梅赛德斯 - 奔驰，他和其他联合创始人Dieter De Mesmaeker和Martijn Theuwissen更接近实现这一目标。新的资金回合和每月100,000名新用户的增长也没有受到伤害。
DataCamp今天透露，它由Spectrum Equity领投筹集了2500万美元的融资，其中包括Accomplice和Arthur Ventures。值得注意的是，这是DataCamp 2017年7月之前400万美元加薪的六倍，并使该公司的总收入达到3110万美元。
Cornelissen表示，这笔资金将使DataCamp扩大其全球影响力，拓宽课程范围，并改善学习体验。它目前在纽约，比利时和英国设有办事处，其超过90人的团队在欧洲和美国之间平均分配（去年，美国团队从Accomplice所在的波士顿地区搬迁。）
“我们的团队很高兴我们与最好的教练一起努力 - 并补偿他们共同创建丰富数百万用户的互动式实践课程 - 现在将使更多的用户和公司受益，”他说过。“我们被Spectrum Equity的扩展在线学习平台和互联网公司（如Lynda.com，Teachers Pay Teachers，SurveyMonkey和GoodRx）的记录所吸引。”
DataCamp的课程 - 可在网络上以及通过iOS和Android应用程序获得 - 运行大约四个小时，并将短专家视频与内置练习模块相结合，为编写代码，导入数据，清理等任务提供个性化反馈数据库和培训AI模型。这些练习面向更大的挑战 - 项目 - 为学习者提供现实问题。
迄今为止，DataCamp的160名教育工作者 - 其中一些人每年收取近15万美元的版税 - 已经为包含R，Python，SQL，Git，Shell和其他编程语言，工具和平台的200多门课程的图书馆做出了贡献。也许更令人印象深刻的是，该公司表示整体课程完成率超过60％。
像Coursera，Codeacademy和edX这样的大型开放式在线课程（MOOC）竞争对手可以提供类似的功能。但有些独特，DataCamp为其企业客户提供了一个强大的门户网站 - DataCamp for Business，使他们能够跟踪员工和团队成员的长期进展。经理可以分配特定的课程或章节，查看谁的会议截止日期，以及创建自定义课程轨道。与此同时，员工可以访问排行榜，显示关键指标，如已完成的课程，获得的技能等。
一个快乐的DataCamp for Business客户是Nielsen，该公司正在利用该公司的课程，使其在数据科学和分析方面的技能“提升技能”。
“课程的广度和质量，学习的动手实践方法，通过浏览器内编码练习，一次解释一个概念的简短视频，以及通过DataCamp社区提供的资源深度，为了满足整个组织对数据流畅性的更广泛需求，“尼尔森数据科学全球培训负责人Francesca Farinati表示。
DataCamp每个学生每月收费25美元，并提供企业和专业级别，分别为每位用户499美元和300美元。（“专业”客户错过了高级报告，数据导出，单点登录和数据API等功能。）
“我们支持这项投资的论点很简单：随着企业在数据驱动的基础上更加有效地竞争，无论公司规模或行业细分如何，对提高数据流畅性的需求都是普遍的，”Spectrum Equity董事总经理Steve LeSieur ，对今天的公告说。“DataCamp首席执行官Jonathan Cornelissen，他的联合创始人以及团队其他成员所建立的平台，最适合通过独特且快速发展的产品平台和高度参与的全球社区来满足这种爆炸性需求。”
以上为AI翻译，内容仅供参考。
原文链接：DataCamp raises $25 million for customizable online data science courses
-
数据科学
人力资源六西格玛（6 Sigma）：对人力资源流程，分析和自动化的影响
数据科学已经触及了当今业务功能的各个方面，从而提高了业务决策的速度，准确性和质量。作为核心业务运营的固有组成部分，“人员职能”也未能对这一发展免疫。
众所周知，最好的数据科学实践将管理工具与统计和机器学习见解相结合。这种组合极大地帮助了战略决策，从而直接提高了全球众多企业的生产力和盈利能力。
什么是六西格玛？
六西格玛可能是沿着这些方面最成熟和最有据可查的方法。从根本上说，六西格玛是一种数据驱动的方法，通过减少过程均值的变化来提高过程的质量（即任何重复的业务功能）。换句话说，确保过程落在可接受的公差范围内（尽可能）。这被称为六西格玛中的流程权利级别。
以下是我们在此主题中遇到的最常见问题解答。
问：人力资源的六西格玛是什么？
六西格玛是一个数据驱动的框架，用于提高人力资源流程的质量，这个流程是与人力资源相关的任何重复业务功能。六西格玛通过减少过程平均值的变化来实现这一目标。
简而言之，六西格玛确保关键人力资源职能属于可接受的质量/绩效水平。这通常被称为“HR流程权利级别”
问：六西格玛如何实际减少变异？过程是什么（简短概况）？
六西格玛通过单一攻击，“根本原因分析（RCA）”来揭示变异的原因。RCA只是基本统计分析，问题解决和头脑风暴技术的混合体。但是，RCA中使用的特定工具可能非常适合组织。
问：为什么我们需要人力资源六西格玛？
通过使用统计假设检验，六西格玛在证实索赔之前提供了证据 - 第一次和每次。这使其非常可靠并且普遍适用。但是，需要严格遵循数据采样规则。
六西格玛在早期就发现了混淆，重复和未经证实的主张。它还有助于识别差距分析，推荐业务流程的优化模型，建议最佳预算和所需的培训/方向。
问：它面临的挑战是什么？它带来了哪些机遇？
在机会方面，实际上有一百个，但让我们自发地找出三个关键原因：
A.六西格玛是一个战略性流程改进框架，以人力资源流程数据的量化开始和结束。它通过测量sigma评分（改进中的HR过程）开始，并以HR过程的改进的sigma评分（即改进的质量）结束。通俗地说：sigma评分（包括cp和cpk评分）提供了统一的参考点和明确的，可量化的证据，表明持续的人力资源流程改进。
B.六西格玛是一个“全包装”的质量控制和流程改进保护伞。它有大约4-5个记录完备的框架，可以无缝地采用并应用于整个HR流程设计和改进范围，通常在不到48小时的分析后产生结果。
C.六西格玛拥有100多个记录良好的工具库。这些包括自由流动和顺序头脑风暴，问题识别工具，人力资源战略调整工具，人力资源流程数据的描述性和推理性见解，人力资源流程实验的受控 设计等。这些工具的采用和使用取决于适应性的范围和所讨论的特定机制。
问：这是否意味着人力资源分析和六西格玛是不同的实体？
不，他们交织在一起。两者都基于应用于HR流程数据的数据科学的基础。据称差异在于六西格玛从质量控制和流程改进的角度来看待分析。
事实上，为了获得最佳结果，六西格玛项目可以与人力资源数据科学问题无缝合并，如管理自然减员，缺勤，继任计划，跨部门数据分析等。
问：六西格玛是否有助于将人力资源分析从设计阶段转移到生产阶段，是否可以在人力资源分析中确定最佳的组织特定方法？
我们的六西格玛DFSS（六西格玛设计）项目之一确定了将数据科学应用于人力资源生产的五种基本方法（适用于任何业务领域）：
1.战略性人力资源咨询主要围绕计量经济学和应用统计模型（通常通过R或python数据科学图书馆开发）;
2.在HRMS系统内构建的集成分析模块，如“成功因素劳动力分析”，“工作日棱镜分析”，“Oracle HRMS分析”;
3.专门的人力资源分析平台，如Visier，CrunchHR;
4.基于组件的通用分析平台，如SAS miner，KNIME，Rapidminer服务器等;
5.与基于云/基于本地的数据可视化平台（如Tableau，Click-Sense，Microsoft BI）集成的分析。
过去受控制的实验设计表明，在Tableau，Click-Sense和Microsoft BI等强大的可视化平台上构建定制的，分析驱动的（通过R集成）仪表板可以带来最大的收益。
问：另外，你已经就人力资源自动化做了一些咨询。为什么你认为对人力资源流程盲目采用自动化是不好的？
自动化一词过于混淆，导致相当大的混乱和错误信息。自动化只是数据库驱动的触发器，函数和过程，以及不同系统之间的集成，例如通过REST API。这些触发器的基础可以是基本数学（硬编码规则）或统计建模/深度/机器学习（软编码规则）。有趣的是，人工智能背后的基本技术已有近30年的历史。
在人力资源部门实施自动化可能是一个非常简单的过程。例如，通过REST API通过开箱即用的分析平台（如KNIME / SAS / Rapid-miner）自动执行部分HR入职流程，可能需要半个工作日
话虽如此，重要的是要意识到与人类认知所表现出的复杂性相比，计算机的认知能力仍处于相对新生的阶段。基于结构化数据集的决策生产自动化是合理的。然而，自动化仍然需要一段时间才能从开放文本/人类语言中解读上下文意义，以便直接进行商业应用。
问：HR做什么次优？
除非人力资源部门将数据分析用于战略决策，否则它根本不会利用其潜力，就像营销，财务，制造和一般管理层多年来一直在做的那样。
人力资源部门的决策如何影响财务，营销，制造和整体业务盈利？人力资源流程数据如何与组织的绝对市场表现交织在一起？良好的人力资源分析系统应有助于计算（几乎）每项人力资源活动的投资回报率，并使人力资源部门能够对组织的部分财务状况采取主动责任。
人力资源部门通常无法与企业的收入/盈利能力相关联。人力资源作为利润中心这个词经常被重复，同时被吹捧的是计量经济学和金融学不是我们最强的观点。对，没错也许错了！
有趣的是，我们的根本原因分析表明，典型的人力资源专业人员最终会在其专业运营商中跨越4到5种不同类型的业务。除非人力资源专业人员在新组织的专业工作开始时投入并投入时间来熟悉其核心业务的领域知识，否则我们不会取得太大进展。
随着人力资源部门继续将其运营数字化并收集更多有关其流程的数据，它有可能将战略性和基于证据的方法（如六西格玛）整合在一起。一般的分析时代，尤其是人力资源分析，已经在我们身上，我们都可以共同努力改善我们的业务流程并提供令人满意的投资回报率。
作者简介：
Raja Sengupta是数据科学家，统计学家和人力资源分析专家。他拥有六西格玛黑带大师，是XcelPros的产品开发负责人和计算语言学研究员。
Soumyasanto Sen 是一位广受认可的人才技术顾问，专门从事（其中包括）管理与转型以及工作福音传播者的真正未来。
以上为AI翻译，内容仅供参考。
原文链接：Six Sigma in HR: Implications for HR Processes, Analytics & Automation
扫一扫 加微信
hrtechchina
