-
观点
HR，快来发现小数据之美
最近在多个活动上，我在现场做调研，HR真正使用大数据手段展开分析的请举手，结果是寥寥无几。据我所知，即便是HR数据管理非常优秀的公司，如Honeywell、华住酒店集团，也难以通过所谓大数据的方式进行管理。
大数据的理念和技术，应用在信息处理上，如营销中的市场分析，其可以打破点状信息与全样本的不对称，宏观纠偏，提升精度。不过这不是最关键的，重点是其容错空间巨大。但大数据思想一旦运用在企业内部管理上，管理者包括HR在使用数据来做决策时，其精确性或客观性要求往往较高，特别是对于实际问题的解决，其容错空间大大缩小。因此，管理中的大数据思想几乎可以说一个伪概念。原因是多数管理中的数据，包括HR管理的数据，其规模是相对小的，这些数据往往是是零散的、不精确的、不连贯的、定义不统一的，其远远不能称之为大数据，在这样的数据基础上，你敢说可以开展大数据分析吗？
事实上HR的数据分析与大数据思想恰恰相反，我们应该具备的是将数据变小的本领，需要关注敏感有价值的数据，而非一味开展人均培训小时数、人均人工成本、人均招聘成本等一阶分析或宏观分析的内容。你可以这样去理解我们即将开展的小数据分析：
1、细分样本对象
这是小数据分析寻找数据价值的关键基础。样本对象的划分从组织（集团下属企业之间、事业部之间）到岗位类型（职位类别或管理层级），再到人员性质（新老员工、不同年龄和学历的员工等）的划分，二维、三维或多维分析。很简单，“新进的年轻的高学历的研发人员对绩效管理中考核评分客观性的满意度较低”的分析结论，明显比“员工在绩效管理方面的满意度较低”更有价值。
2、关注异常值
统计学中，在展开样本分析时，对于数据异常值，往往视其为糟粕，注意，在HR管理中，这些小数据，其敏感性往往较高，往往可以从中发掘有趣的、典型的、令人担忧的或其他有重要价值的趋势、结论。如满意度和敬业度的异常值、薪酬管理中的异常值、绩效考核中的异常值等。
3、关注数据差异性
同一类数据样本中的差异性也是我们需要关注的重点，和异常值一样数据的差异性往往通过离散程度来进行发现，简单的方法如使用分位值、极差、两倍标准差等基础统计方法。两个部门的平均绩效得分相同，但两倍标准差（有95.5%的可能性使得数据落在这个范围之内）相差一倍，就可以发现其离散程度、评分的客观性或指标设计合理性等方面的问题。
4、已知相关要素的关联分析
为什么分析相关要素？不是说不相关要素之间找出关联的价值更大吗？如果不相关，要素之间的驱动型就是直接的吗，如果不相关，却又有关联价值，这难道不是自相矛盾？我们重点关注的是，相关因素之间，关联因子和程度是怎样的，分析是过程，结论、建议、改进方案是重点，关联性找到后，就可以得出如何驱动的结论。如薪酬定位和关键人才离职率、敬业度与组织能力、人力资本和企业效益。
5、变化性对比
我在前面曾经提到过动态数据分析的重要性，基于活的数据，归纳或演绎。HR数据分析的最高境界，和所以商业、管理职能的数据分析价值一样，是预测。变化性对比分析将帮助你实现这样的结果，两个相关的、动态的因素之间，取得变化规律并开展建模和预测。
当细分了样本对象，关注到异常值和数据的差异性，并且开展了相关分析，你就能逐步发现HR管理中的小数据之美，不过HR若想要驾驭小数据分析，还有以下几个关键事项要注意：
1、数据收集应遵循结果导向，以终为始的收集和管理；
2、持续跟踪和多数据论据分析，确保动态性；
3、不断监控数据来源和质量；
4、实时收集和发掘小数据的参考基准和外部参考值（包括情报信息）。
最后总结一句，我们已经领略了大数据的宏大之美、创新之美，但这却像皇帝的新装，众人纷纷叫好却迟迟不得亲近。快来关注小数据，看看她在现实中就可以触碰到的惊艳之美，精准和务实之美。还是那句话，作为HR的你，一起来发掘数据分析之美，不断的接触她，亲近她，和她谈一场缠绵悱恻的恋爱吧，和无中生有的直觉判断说再见，和味同嚼蜡的HR分析报告说再见，和大数据说再见。
文/杨冰
-
观点
小型企业社交媒体使用指南–信息图
免费的社交媒体网络为资源有限的中小企业开辟一个新领域。在国外，Facebook，Twitter，Instagram,Pinterest以及YouTube均被各类企业在营销、公关、客户关系、市场调查和品牌认知方面广泛运用。
对企业的挑战在于需要在过少与过多利用社交媒体之间找到平衡。本图从6个方面为小企业社交媒体营销提供建议：
1、保持主要社交媒体平台的可管理性和账号活跃度。
2、思考目标群体的三个属性：年龄、性别和兴趣。开始扩大在社交媒体上的投入前，了解你的目标受众以及哪一个社交媒体平台最适合帮助你达成目标。
3、别忘了Pinterest，这是一个优秀的在线图片收集管理工具。它有助于吸引新消费者、开展新项目。它对于设计师和零售商来说是重要的平台。并且可以用于激发灵感、与客户进行项目合作。
4、根据公司自身情况，打造社交媒体形象和说话方式，保持一致性。将自媒体内容与行业信息有机结合。倾听你的关注者，与他们建立良性关系。
5、内容规划、创意、发布是社交媒体战略的关键。多花些时间思考这些东西。以图片为核心的帖子或推文最抓人眼球、最有可能被分享。
6、检测内容的影响度，与你的目标相对比。你的衡量标准可以是：参与度和媒体提名数，社交媒体转换多少消费者，正负面舆论。
【文章来源：199it】
-
观点
如果你也身在小团队，该选择哪款协作工具？
浓缩观点
所有的团队协作工具都有一个共同的目标，那就是提高工作效率，如果你在用着协作工具的同时，还需要一大堆的云端存储，日程提醒等应用，那只能说这个协作工具是非常失败的。但同时，一个好的协作软件要做到团队协作+ 任务管理 + 知识管理再加简单，是一件非常不容易的事情。
近一年来，移动端发展已经成为互联网新的竞争点，云服务的概念也已经成为趋势，除了云端存储的各种云盘以及有道云笔记、印象笔记外，各种企业、团队协作工具大量的涌现出来。从国外的Asana（在一定程度上可以说是项目管理类协作平台的鼻祖）、Trello、Yammer，到国内的后来者们如Teambition、Worktile、Tower.im、明道等不下十种的协作软件，都希望在企业协作工具市场分一杯羹。这些产品有着各自的有点有缺点，在国外的版本上取长补短，相互竞争。
为什么越来越多的创业者在加入企业协作软件市场？
首先，企业越来越重视信息化管理，扁平化也成为企业管理的趋势。同时在网络越来越普及和方便的情况下，在多个移动端办公成为常态，使人们更加需要云服务的出现，进行资料的存储和传输。
其次，基于传统时代的办公环境和方式已经不适合当下，原来拖沓的企业层级结构、各个项目及员工之间的沟通不畅，工作进程无法实时监控等众多因素，需要一种更加高效率、便捷的协作方式出现。
最后，中小型创业团队相较之大公司而言，团队所需要面临的问题也会相对较多，更加需要一个流畅的协作工具来帮助执行，而就团队来说也比较轻，这可能也是为什么协作软件比较倾向于中小型团队的一个原因。
那么，这些被人关注的产品到底是不是好用？尽管海外团队协作型应用市场和产品都比较成熟，但由于其产品汉化问题、较难在国内落地等问题，钛媒体编辑选择放眼国内，试用了几款诞生在国内的企业协作工具，尝试对其产品做简要的点评：
企业协作软件的评测
第一款产品Worktile。并不是因为他是国内做的比较早或者做的好，而是因为这是我接触的第一款企业协作软件，从界面上来说，算是一款比较简洁的产品，在功能上主要分为任务、项目、日历、文档和讨论。
作为一个小白用户来说，在笔者刚开始还没有见过任何一款团队协作产品的时候，这个界面对于我来说操作起来确实不容易，好在它有着用户社区和帮助中心，里面有很多详尽的帖子来帮助小白用户掌握各种技巧来方便办公。
Worktile最让我觉得有亮点的地方，是在每个任务底下都可以设置检查项，拖拽进行任务分配之后，可以设立检查项，来查看每一个任务的进度，同很多协作软件一样，可以在任务底下进行讨论或@。作为移动端来说，worktile方面表示主要是想解决团队协作的及时性问题，注重办公效率，所以设计的非常简洁，功能也相应减少，同时安装包也很小。
总结：这款产品着重于项目管理和任务管理方面，做到了简单，但是用户体验和界面设置都还有待提升。而Worktile方面也回应到，今后的产品优化的方向会更加的简单，使信息化不高的企业更容易上手。
价格：10 人以下团队免费，10 人以上团队每人每月 10 元，100 人以下公益团体及学生社团可免费使用。
第二款产品teambition。从使用感受来说，这是目前国内的项目管理方面做得比较好的协作软件，功能是比较齐全的。它也是以团队项目管理为核心，并围绕主要功能增加了资源共享，素材分享等功能，设置了团队成员动态的时间流板块，同时还支持项目或任务回顾。整个页面的设计非常的小清新。
作为一个项目管理的协作平台，最重要的还是应该在项目这部分。teambition不仅可以实现任务、列表及成员分配的拖拽，还可以对任务紧急情况进行标记以及重复任务的安排。另外，同Worktile的检查性功能有点相似，它可以在某个任务底下添加子任务，跟踪任务进程。而“分享墙”个人觉得有点和文件库相似得功能，但加入了评论的功能，可以实现即时通讯、实时互动。
总结：总的来说，teambition的使用还算流畅。在移动端上ios版本的后台不运行时仍然会有提示，但是安卓版本只有在后台运行时会进行消息提示。其实teambition一直将另一个国内较早的团队协作创业项目tower.im视作比较强大竞争对手，在笔者的使用体验之后看来，其在功能设置上和teambition是有几分相似，但在用户体验和界面设计上teambition似乎略胜一筹。
价格：在收费这一点上与tower.im也较为相似，免费版拥有20个个人项目（指同时运行的项目）。企业版拥有无限项目，并且会逐渐增加管理和数据统计方向的功能。企业版收费499元/月，按年付费。
最后一款协作软件，名字叫“伙伴”。这是一个加入了社交因素的协作平台，笔者其实是不赞成在企业协作软件里加入社交因素的，所以在此没有去研究明道或者国外的Yammer等。作为一个协作软件来说，最重要的还是提高效率，过多社交元素的引入会导致一个软件变得越来越臃肿，但是这款名为“伙伴”的工具，在这方面处理的还算恰当，功能齐全的同时还不会受到太多社交信息的干扰。
与前面两款适合中小型企业使用的协作软件不同，伙伴更适合大公司来使用，它有着很清晰的公司分层结构，还可以查看各个部门的工作进程。但同时，还是刚才说到的因素，个人觉得伙伴的界面设计过于臃肿，加入了很多企业社交因素在里面，或许对于大公司来说是个不错的选择。
总结：目前伙伴是部署版的，企业用户可以自行下载伙伴的服务器程序，在公司内网建立属于自己的伙伴协作平台，数据和稳定性可控，在必要情况下可以完全隔离外网。
虽然笔者一直对协作工具中的社交元素不感冒，但是提到企业社交协作平台就不得不提到明道和国外的Yammer，就好比你虽然不喜欢吃葱姜蒜，但那却是美食中必不可少的调味品。Yammer 是企业社交网络的开山怪，而明道是国内最早，有一定影响力，也是专注于做企业社交平台的产品。基于产品定位，明道和Yammer的界面都很注重社交应用，包括群组、通讯录、人脉等之类的工具，就产品界面来说也是遵循清新简洁的风格，给人的第一印象很好。
明道作为后来的模仿者并没有完全将Yammer模式搬进国内，而是在功能方面稍微的突出了团队协作功能，而Yammer 则是纯粹的企业社交网络。其实在国内，中小型企业或团队因为人数较少，交流沟通基本上用不到企业社交平台，近一点了,“交通基本靠走，沟通基本靠吼”，稍微远一点了，QQ、微信完全可以解决沟通的问题，所以明道可能也考虑到了这点，它更像是针对稍微大点的企业建立的社交平台，同时在团队协作方面进行项目管理的处理。
什么样的软件才算好的协作工具？
归根结底，所有的团队协作工具都有一个共同的目标，那就是提高工作效率，如果你在用着协作工具的同时，还需要一大堆的云端存储，日程提醒等应用，那只能说这个协作工具是非常失败的。但同时，一个好的协作软件要做到团队协作+ 任务管理 + 知识管理再加简单，是一件非常不容易的事情。
目前国内的大多数协作工具会主动的设置任务提醒，web端会进行桌面通知或邮件通知，移动端在后台运行时也大多会进行通知，但是笔者觉得，团队协作的一个理想状态是它能够长时间保留在团队成员的浏览器后台。
这就需要团队协作工具不只是一个只有在有任务提醒的时候才去登陆的东西，需要产品增加更多让团队成员在完成项目管理的同时，又能够自觉的登陆这个平台，但是本身又不会产生信息干扰的核心功能。而后续的协作工具可能会增加更多自定义功能，以及更具体的模板来帮助企业或团队建立更流畅的工作流程，来切合团队需求，提高产品的黏性。所以说培养用户的使用习惯还是一条非常漫长的道路。（文/韩佩）
-
观点
史上最具创意招聘广告集锦|看看人家是怎么招聘的！
招聘广告是人才接触公司的第一步，招聘广告给人才留下的印象很大程度上代表了公司的品牌及形象。传统的招聘广告已经不足以吸引顶尖的90后人才，他们渴望新奇、有生命力、有创造力的公司作为他们发展的摇篮。怎样的招聘广告更具有吸引力？跟着小编来看看最火的十大招聘广告，看看人家是怎么招聘的！
装酷型公务员广告 / 颠覆传统公务员形象
文字游戏招聘广告 / 对职位的全新诠释
反面打脸招聘广告 / 负面效果强调重要性
老板画饼型招聘广告 / 史上最真诚招聘
老头卖萌型招聘广告 / 严肃与滑稽结合
脱离高级趣味型招聘广告 / 大胆风格，体现品牌形象
慷慨激昂型招聘广告 / 只要你敢来，我们便敢招
隐藏太深型招聘广告 / 就怕被你看到
最近腾讯发布了一个老老实实说职位型的招聘广告 / 还在招哦
VIA:视觉志
-
观点
观点：面对大数据，你可以害怕
在互联网日益繁荣的今天，越来越多人的工作、生活、社交都逃不开百度、腾讯、阿里、360等大小互联网企业甚至个人的全方位数据监控。当这些网站比你妈还更了解你的时候，你感觉到的不是关怀，而是恐怖。
腾讯拿到民营银行的执照，互联网圈内同行议论纷纷的同时，最害怕的就是招商银行之类把客户服务根植在微信的金融机构了。在大数据时代，数据收集将是商业经营的起点，你会安心的把自己的数据交给自己的竞争对手吗？
不光是企业，其实每个人都要害怕大数据。亚当和夏娃在伊甸园吃了苹果之后，第一件事就是给私处遮上树叶。大数据时代，不小心拍得照片可以让你一夜成名，你的想法、行为、过去都被商家记录，你其实每天都生活在天体海滩。
现在小崔和方舟子还在争辩，转基因是世界人口爆炸的福音还是对人身体的伤害?这个辩论，时间会给出答案，但是大数据更是一个值得大家争辩的事情，因为大数据涉及了我们的生活习惯和社会法则。大数据带来的副作用，大大超过了以前人类发明的范畴。
商业的大数据就是通过电子化数据的收集，包括手机轨迹，通话，信息，上网行为，购买，旅游，金融，等全方位的数据收集，对你进行分类、判断，推销。作为国内电商时代的开启者，淘宝上云集了数量惊人的数据：每一笔订单不仅包含顾客姓名、收货地址、下单时间等基本信息，甚至连顾客什么时候开始浏览某一件宝贝，跟售前客服讨价还价的过程，在几点几分下单成交，都有全部记录。通过这些信息记录，可以鉴别出你喜欢的东西，推断你的身份、收入、银行存款、家庭事业状况等等。
在互联网日益繁荣、BAT三巨头触角无所不达的今天，越来越多人的工作、生活、社交都逃不开百度、腾讯、阿里、360等大小互联网企业甚至个人的全方位数据监控。
有许多人认为掌握了越多的数据，越详细的数据，就有机会通过“大数据”分析法来获得一个金矿。但当这些网站比你妈还更了解你的时候，你感觉到的不是关怀，而是恐怖。
现在的大数据分析，缺乏取样标准，不代表真实的因果关系。
在传统的统计学里面，最重要是数据的采样。比如一种药物的有效性，需要两组对比人群，在严密的实验条件下，长期跟踪，才能都出结论。现在的大数据分析，往往是数据的堆积和简单的关联分析。从严格的科学来讲，是一门伪科学。因为数据只是数据，只是过去，简单的数据积累不说明任何问题，不能真正判断一个人，预测一件事。
如果基于大数据武断营销，那就是真正的恐怖了。从以下几个方面，就可以看出为什么大数据会让你害怕：
1. 害怕身份被盗用
在移动互联网时代，我们的朋友更多出现在网上。社交网络、QQ、微信、微博取代了面对面的人际交流，虚拟交流也在改变世界和人。基于大数据的应用流行之时，将有大量的人借用和盗用网络身份，达到个人目的。也许你从来没有离开老家，你的网络大数据却涉嫌犯罪。
2. 害怕数据造假
在一切看数据说话的今天，每个人、每个企业和商家或多或少都在改变数据。因为各种利益关系错综复杂，报出来的数据往往都应景而异。大数据时代，有意的网络数据造假也能成为一个商业领域，用来帮助别有用心的人或商家制造数据。
3. 害怕数据框定
比大数据更复杂的还是人。从心理学的角度，让人做出选择，就意味着要舍弃其他的可能性，这是一件异常困难的事情。人的认识和选择会应为各种原因，产生跳跃性的变化。如果按照数据分析，把人丢进一个箩筐终生定格，据此给他不光是特定类的商品，进而决定他能否从事某件事，限制他的网络视野，也是很不合理的。
例如，把大数据作为广告精准投放标准，虽说有一定合理性，但也并不绝对，这是由于人类的购买心理十分复杂。比如说有个消费者只是浏览了一辆汽车，跟着是汽车广告通过各种方式和渠道的狂轰滥炸，除了骚扰，并没有效果。
4. 害怕数据不公和数据歧视
完全依赖大数据进行分析、对人进行分类，其实将触及社会不公和歧视。作为商家，考虑到经营成本、营销利润和效率，其实暗地里都会打着各种小九九，而不是表面上把各类消费者一视同仁。毋庸置疑，高端消费者是各类企业的最爱，而低端消费者却让企业皱眉。但现在呢？每个人的消费记录和各种数据都被电子化的方式采集和收集着，一举一动逃不过大数据的记录。对保险公司营销员来说，你这个人的所有信息数据可以一览无余，不用你开口，他已经判断出是不是需要让你参保、保费标准等等；消费数据记录和售后服务记录，甚至都能让卖家挑选买家，把你列入顾客黑名单也不是不可能。
不可避免的，一旦成为数据穷人，那么就会面临歧视服务，所有消费者都是平等的这句话将成为历史。
5. 害怕数据垄断
目前的商业格局是：两方数据垄断势力正在形成，一方是国营企业，如电信、电力、医院等，一方是以BAT为中心的互联网大佬。特别是后者，在广泛收集数据之后，已经以大数据为依托，开始布局全行业的垄断性的经营，范围包括电子商务，教育，医疗，物流等。而这些垄断一旦形成，将大大降低中国企业的创新能力和竞争能力。
【本文作者系商谈创始人、中国云计算专家委员会专家黄柳青博士，微信公众号：青柳黄云 qingliuhuangyun】
-
观点
资深HR教你如何选好招聘管理系统
【本文来自招聘研究网】
招聘工作是人力资源管理中不可或缺的一个重要环节，它是人力资源管理的第一关口，是企业人力资源管理系统中的核心工作，担负着从经营战略和目标出发，为企业选人用人的重任。
以从前的招聘管理的方式，企业一般通过在报纸、杂志刊登招聘广告，以及参加人才招聘会等方式进行招聘等，这些方式耗资、耗时，甚至贻误了企业的生产经营。近些年来，由于网络技术的发展，网络招聘渐成趋势，但这些方式都没有将人力资源工作者从繁重的接收简历、筛选简历中彻底解放出来，仍然存在一些局限性。据了解，大多数人力资源经理70%的时间都是花费在日常事务性工作中。为了实现人才招聘的一站式管理，将人力资源经理从繁琐的事务性工作中解脱出来，以IT技术平台为支撑的招聘管理系统应运而生。
一套好的招聘管理系统应该具备如下特性：一、操作简便性。数据显示，普通招聘系统的使用可以两倍提升招聘效率，但过于复杂的系统操作却使HR望而却步，宁愿回归到传统的招聘模式。基于广泛的用户使用习惯调查研究，经过设计的倍智人才理才“e招”全新招聘管理系统具备如下特性：界面友好、使用方便、不需要培训就能轻松管理。
二、功能精练性。据统计，现有网络招聘渠道不下20种，但90%以上的有效简历却来自占比不到20%的传统专业招聘网站。企业在招聘渠道和招聘方式上的创新往往投入巨大却收效甚微。基于渠道效率和招聘有效性分析，倍智人才理才“e招”对系统进行了有效重组，重点关注给企业创造实际价值的功能，例如：只整合优势渠道，保证简历数量的同时保证质量；自定义简历筛选，使企业根据自身特点及岗位需求快速确定候选人，操作简单，效果好；无缝测评，精准筛选合适人才。
三、流程管控性。研究表明，企业招聘过程中最大的难题在于跨部门、跨层级协调面试工作。保持面试官与面试者之间、面试官与面试官之间的高效沟通是企业关注的重点问题。基于对面试流程和组织架构的深入思考，倍智人才理才“e招”对系统的设置做了优化，表现为：独有的招聘日历功能，有效安排面试工作，清晰明了；招聘进度表一目了然，便于实时管理和监控；强大的报表功能，对招聘有效性进行实时评估。
四、易维护和更新管理的特性。现代企业管理个性化很强，各家有各家高招，针对于现在企业发展趋势，必须要一套适合企业现今管理模式而且能定制未来发展模式的招聘管理系统，也就是说我们需要的软件应该是可以随着公司的调整和改变做出相应的调整和改变的灵活系统，可以快速灵活地根据客户需要进行客户化开发，增加、修改客户流程、客户界面，这样就能减少公司二次开发的成本，并且能充分的满足、贴切公司的需求，进而节约不必要的开支。倍智人才理才“e招”，不断更新，易维护易管理。
人员招聘是人力资源管理活动的一个重要环节，它是根据组织的人力资源管理规划所确定的人员需求，通过多种渠道，利用多种手段吸引那些满足岗位要求的潜在员工求职的过程。有效的招聘管理系统能够帮助企业建设自己的人才储备库，从而在组织需要时能够迅速录用到能满足岗位要求的新员工。
-
观点
意大利的马克·扎克伯格，19岁辍学创建新型招聘网站Egomnia
当很多大学生还沉浸在各种法律，技术，财经考试的复习中，来自意大利的小伙子Matteo Achilli已经准备在今年九月将他的线上招聘公司发展到世界各个角落了。但是其实这一切真没什么奇怪的。
他的公司，Egomnia，和谷歌，微软展开合作关系的计划已经推上日程;而公司服务的“蓝筹客户”早已有诸如 沃达丰(英国电信企业)， 宝格丽(意大利著名手表和珠宝品牌)，意大利忠利集团，索尼爱立信这样的大公司了。
回想到3年前在他高中毕业前想到创建Egomnia招聘公司的那个思想火花，其实这一切真的没什么好惊奇的。
没遇到天使投资人
“大学生可以查到他们申请学校的排名，”Matteo Achilli说，“然后我突然就想到，为什么不给那些招人的公司建一个求职者的排名，而这个排名取决于他们和招聘的岗位匹配程度?”
尽管这只是简单的想法，但是对于一个还在上学的男孩，想要创建他理想中的公司，他那一点存款根本不够，他还有很长的路要走。
“很不幸，意大利没有风险投资和孵化器的大环境，因此我只得独自前行。”他这样说到。
他试图去招几个专业程序员写算法，但是他们想要10万欧元，他可没这笔钱，计划还没开始就流产了。
随后他问了问一些学生程序员，一些人同意为他写算法，只要十分之一的价格，他的父亲帮他筹了这笔钱。
但是一个公司光靠一套算法和一个19岁的创始人就能开下去了?
扎克伯格效应
意大利博科尼大学有着欧洲最久负盛名的商学院，在那儿的的第一年，Matteo Achilli得到了别人的帮助，一个学生写了一篇关于他的公司Egomnia的文章，文章登陆了一些全国性的网站，被多次转载。
当正式上线的那天，已经有1000个学生和20家公司入驻Egomnia了。
Matteo Achilli告诉我们，在博科尼大学的就业服务和100多家公司有紧密联系。
但是真正的巨大转机，来自于意大利充满影响力的杂志Panorama，把Matteo放在首页，并授予他“意大利的马克扎克伯格”这样的称号，很容易让人联想起Facebook的创始人马克扎克伯格。
杂志的封面很快像Facebook进入纽交所的新闻一样，成为了非常轰动的消息。
一瞬间各种公司都蜂拥而至，他们想知道更多关于“意大利的马克扎克伯格”能为他们的公司做些什么，甚至有微软这样的大公司把Matteo置于其羽翼之下，展开了合作关系。
两年后，Egomnia已经有25万会员了，700家公司在用他们的服务。
“我们在谱写互联网的历史，”他说，“对于互联网来说，真正的行家是年轻人，那些头发还没发白的人”
“在22岁做就能做这些事情，对于所有人来说都充满创新精神的意味。一开始我觉得年龄是我的劣势，现在我才明白，这是我最大的优势所在。”
他的成功故事已经不仅仅局限于意大利了。几个月周后，他要在家乡之外开一个新的工作室，于圣保罗，巴西。
网站很快会在英语版之后再弄一个葡语版，与此同时，新上线的高级服务专门为那些有需求的公司设计，收费服务很快就会正式运营。
目前已经有一部关于他生活历程的电影正在摄制中，制片人想让他自己演自己，但是他拒绝了。或许是省下来的时间能让他去复习一下法律，科技和财经的考试吧。
【文章来源：i黑马】
-
观点
人力资源“云管理”
在这个新竞争时代，企业需要的不是“乱”，而是如云模式一样的“乱中有序”。而要做到“乱中有序”，就仍必须有人力资源管理。
我是谁?这或许是世界上最难回答的问题。
在当下的企业管理者中，HR(人力资源)们就正在成为对自我认识最迷惘的一个群体。由于大多数人力资源管理部门都无法表现出其创造战略价值的能力，这不仅使得很多HR们找不到存在价值感，业务部门许多老板都开始质疑乃至反感HR的存在，有的企业甚至把人力资源管理看成是束缚发展的最大原因。
互联网时代的到来，更使得“去人力资源管理”的口号迅速流行。这不仅仅是互联网工具的使用大大改变了人力资源管理的形态和理念，一些互联网企业本身的成功，也似乎检验了取缔HR部门的“真理”。
人力资源可以“不管理”?
作为轻资产而高智力含量的互联网业，虽然几乎是最依靠人力资源的行业，却成为了对人力资源管理质疑程度最高，或者说是“去人力资源管理”程度最高的行业。
互联网What's app 用55人的团队就创造了190亿美元的市值。无疑，这个团队的每个人都是巨大的资源，但它却没有人力资源管理。正如他们自己来说，宁愿花更多的时间和钱去做产品!
小米成立三年就把销售额做到了300亿，这似乎充分证明了这个机构的管理能力，但他们却认为管理是不信任员工的方式——只要找到一群最有能力和追求的员工，一切就水到渠成。组织极度的扁平化，甚至网络化，除了创始人有职务，其他人都是工程师;用责任感替代KPI，强调对客户负责;几乎不开全员大会，减少多线汇报的繁琐，以产品为中心进行虚拟团队运作;粗暴地涨薪，加上透明的全员持股计划……这一切都根本不需要人力资源管理。
当然，在企业创立初期，人力资源管理的粗放确实会普遍出现——创始人团队的热情和有可能带来巨大利益的期权池、原始股往往就是最好的人力资源管理。但现在互联网业的庞然大物，例如Netflix都正在实践“去人力资源管理”的理论。
Netflix的组织管理，对于传统人力资源管理可谓一种彻底的“颠覆式”创新：全员无边界活动，自由组合完成任务;所有绩效评价由周围360度的合作者评分(这种方式在传统人力资源管理模式里不是用于“评价”而是用于“反馈”)，每年按照市场价格重新核定工资;没有培训，他们说这是员工自己的事情……
其实，这样的趋势并非由互联网企业带来，传统企业中，这类趋势早已是暗流涌动。
在中国拥有众多信徒的稻盛和夫，其“实学”中最精要的就是阿米巴模式，即将各个业务单元做成能够独立经营的公司。在他的语境里，人力资源管理似乎并不重要，人力资源部之类的职能部门是被其他部门养着的，用内疚来驱动工作。他们讨论“经营”而忽略“管理”。
中国企业家中，教父级人物张瑞敏也在海尔进行了类似的改革。为了避免冗长的决策链条，他们将决策权放到了一线，一线决策后再向企业内的上游进行采购，部门之间用交易来协作，均被激发出巨大的经营活力。甚至，他们将每个人都变成了“公司”，夸张点说，每个人回到家一看到自己的资产负债表、现金流量表和损益表，就能够清楚地知道自己的财务状况，激励几乎没有死角。他们依然强调“经营”而非“管理”。
“不管理”其实是“云管理”
我们总以为企业需要管理，需要那只“看得见的手”。却不知道，引入市场机制那只“看不见的手”，让企业内的各单元开始自主“经营”，完全可以不需要“管理”。
“去人力资源管理”的企业，都没有固定的组织模式，其组织结构、业务流程、岗位系统几乎完全柔性化，企业内的员工呈现一种看似杂乱无章的网络化协作，“虚拟团队”盛行，人人依靠能力来定义自己的活动范围，却能不断产出让人羡慕的高绩效。
这样的状态正是时下热议的“云模式”——资源被上传到一朵能被所有需求者接触到的“云”上，能够被各类需求无限调用，实现利用效率最大化，而任何的需求都能得到“云”的回应。
“云”源自互联网领域，但却是一个管理学上极好的“隐喻”，代表了一种资源的聚合与分配形式。如果把计算能力传到“云”上，就是“云计算”;如果把信息传到“云”上，就是“信息云”;如果把数据传到“云”上，就是“数据云”。
在这个新竞争时代，企业需要的不是“乱”，而是如云模式一样的“乱中有序”。而要做到“乱中有序”，就仍必须有人力资源管理。
相对于原来固化的组织模式，这种云化的组织模式对人力资源管理更具挑战。原来固化的组织模式中，只需要一套简单的逻辑，员工只要按照对于角色的定义来工作，就能够完成相对简单、稳定的组织目标。但在云化的组织模式中，需要一套复杂的逻辑，随时按需定义员工的行动，以便让每个员工最大程度奉献自己的才能，并完成复杂、多变的组织目标。
如果说原来的人力资源管理模式强调的是绩效产出，全新的“云管理”模式强调的则是组织能力。原管理模式需要的是一套制度或工作计划，这种全新的管理模式需要的则是一个强大的“资源调配机制”。
用“铁三角”进行“云管理”
预设无边界的“云组织”很简单，企业也许可以取消所有的部门、流程和岗位，让组织变“乱”，事实上，许多企业都曾作出类似的尝试，但企业更需要的是那套“资源调配机制”，让企业“乱中有序”。否则，变“乱”后的企业，每个人按照趋利避害的行为模式，都会逃避责任，不知道自己应该做什么，也无法进行专业化深耕，反而会降低组织效率。
所以，企业还需要“云激励”和“云培养”，与云组织构成了一个“铁三角”。云组织解决“让员工有机会干”的问题，只要员工具有适合的能力，就不会受到组织结构、业务流程和岗位角色的限制去承接任务。云激励解决“让员工有意愿干”的问题，所有的激励资源都可以被自动调用到员工不同的贡献上，员工任何对于企业的贡献都将得到迅速回报;云培训解决“让员工有能力干”的问题，所有的培训资源都可以被自动调用到员工不同的需求上，员工可以用最高效的形式得到最新、最需要的培训内容。
云激励和云培训之间有相互替代的关系：当云激励系统极强时，员工按照激励牵引的方向行动，总有最适合的员工(来自组织内外)去承接任务;不能适应则被淘汰，员工因此有强烈的动机自行提升能力，正如Netflix没有员工培训，但总有人才涌现。当云培训系统极强时，员工随时轻松接受到最需要的知识，自然而然会承担企业需要的角色。
人力资源管理三大支持系统中的配置系统，在传统的语境下，也许是最有影响力的系统。但现在企业根本不需要直接招聘、再配置和淘汰员工：外部的人才甚至可以与企业形成外包关系，直接为企业所用;员工因为自己的能力而被“看不见的手”自动配置到最合适(并非固定)的位置上，自然不需要组织内那只“看得见的手”——不被需要的员工接不到任务指派，无法获得相应激励，自然会自动脱离组织。
所以，传统人力资源管理三大支持系统简化为两个——“云激励”和“云培训”。
当下，可以隐约地看到人力资源管理呈现效能化、绿色化和游戏化等等特点，但这些特点背后的本质仍是“人力资源管理云转型”。这些模式总能轻巧地让企业走上正途，但强调效能、环境兼容、过程愉快都是优势的表现而非本质。这些模式里，所有员工好像被上传到云端，随时被企业的需求调用，企业好像总能最大程度使用人力资源，就像打开水龙头，想用多少就有多少(这在计算机术语里叫“可扩展地获得”)。所有的激励资源好像被上传到云端，随时被员工的需求调用，想要多少就有多少，只要他们完成了相应任务。所有的培训资源好像被上传到云端，随时被员工的需求调用，想要多少就有多少，而且都是最新的内容和最合适的形式，确保员工拿来能用、用了能好。
所以，未来人力资源管理不会被企业删除，而是会走向云转型!
词典
云服务 (来源：百度百科)
通过“云”提供的服务分为三大类：
软件即服务(Software as a service，SaaS)：SaaS应用是完全在“云”里(也就是说，一个Internet服务提供商的服务器上)运行的。其户内客户端(on-premises client)通常是一个浏览器或其他简易客户端。Salesforce可能是当前最知名的SaaS应用，不过除此以外也有许多其他应用。
附着服务(Attached services)：每个户内应用(on-premises application)自身都有一定功能，它们可以不时地访问“云”里针对该应用提供的服务，以增强其功能。由于这些服务仅能为该特定应用所使用，所以可以认为它们是附着于该应用的。一个著名的消费级例子就是苹果公司的iTunes：其桌面应用可用于播放音乐等等，而附着服务令购买新的音频或视频内容成为可能。微软公司的Exchange托管服务是一个企业级例子，它可以为户内Exchange服务器增加基于“云”的垃圾邮件过滤、存档等服务。
云平台(Cloud platforms)：云平台提供基于“云”的服务，供开发者创建应用时采用。你不必构建自己的基础，你完全可以依靠云平台来创建新的SaaS应用。云平台的直接用户是开发者，而不是最终用户。
【文章来源：来源：企业观察报】
-
观点
大数据的潜在影响及制度需求
关于大数据，我有几点看法：第一，由于大数据刚刚热起来，所以不必着急下结论。当年IT刚刚发展时，研究增长问题的权威罗伯特·索洛(Robert Solow)教授提出了一个“索洛悖论”：“我们到处都看得见计算机，就是在生产率统计方面却看不见。”直到过了15年，到2002年时，他才公开承认说：“我现在发现IT可能对生产率是有贡献的。”对大数据的研究，可能也需要一个很长的时间才能确认价值所在。
第二，可能性不等于可行性。现在有种观点：“到底是大数据还是大忽悠？什么都讲是大数据。”其实是说现在讲的或者设想的都是“可能性”而不是“可行性”。“可行性”要到什么时间？现在还看不出来。它需要合理的制度安排，还需要企业、公司不断地进行商业实践、不断试错，以及科研工作者对大数据分析技术的不断改进。
第三，目前的研究主要还是提问阶段，而不是解决问题。当然，如果能提出好的问题，这也算是一个研究的好成果。
最后，本文尽量多摆事实、少讲道理；多提供一点素材，少提供一点观点。
一、大数据的产生、内涵及争议
首先，大数据何来？实际上大数据一直存在，存在于不同的地方。比如每个人都包涵着很多数据：身高、体重等等，包括观点、思想。但是过去没有互联网，所以这些数据很难得到应用。数据分析在很早就存在。春秋时孙膑就曾用对方营地做灶的数量来判断对方军队的数量，从而指导打仗。不过，当时这样的数据非常少，有这个利用能力的人才会成为时代的智者。
然而，现在的情况不太一样了。互联网应用以来，从2005年开始，数据在不断地增长，到2010年以后基本上是一个指数增长的过程，到2013年时已经超过4个ZB，每年的增长率超过50%。这就是一个从量变到质变的过程。
之前为什么不说大数据呢？这是个相对的概念，到某一天它的增长速度突然特别快的时候，“大”的概念就蹦出来了。所以它其实不是一个严格的学术概念，只是因为在量变的过程中大家感觉到这种质变，或者感觉它里面有价值。
主要的数据来源
主要的数据来源，总的来讲有两个方面：
第一，物的数据。
其中比较有代表性的，就是由传感器组成的物联网，这个概念是IBM在2009年提出来的一种商业模式，当时叫“智慧地球”。就是把传感器装到不同的物体上面，然后展现它的各种数据，比如温度、湿度、压力等等。物联网这几年的增长速度比较快，能达到20%－30%的增长速度，物的数据在不断地增加。
第二，人的数据。
其中最典型的是移动互联网的发展。近年来移动互联网占整个互联网流量的比例越来越高，移动端尤其是用户自己发送数据的比例大大提高了，这也是大数据非常重要的一个来源。通过这些移动端的数据，就可以判断一个人的职业、兴趣、品质或者其每时每刻的位置，就是说，靠这些数据能很精确地找到每个人的各种情况。
数据为什么会突然大量增加？一是IT成本下降，此外，跟这两年云计算使用率的上升有很大的关系。从亚马逊弹性云存储的文件量增长情况可见，从2006年到2013年增加的量是非常显著的，到2013年二季度时已经有2万亿数量文件存储在弹性云上。
那么，云计算为什么会降低IT成本？基于我们之前一年的实践研究数据可知，首先，从需求方来看，过去购买一些硬件包括服务器、电脑等等，成本比较昂贵。但是云计算系统把IT资源集中起来后，以租用的方式来使用，就比买它的价格便宜很多。从供给的角度来看，当把所有的IT资源集中起来以后，会有非常明显的规模经济，因为同时运营很多台服务器(当然这是基于技术)，其成本会显著下降。
这里还有一个范围经济的概念：当把IT资源集中起来以后，不单有规模经济，还经营了多种的资源。比如说，搜索可能需要占很多CPU的计算资源，但是磁盘资源可能没那么多；电子邮件可能相反。当它集中运用的时候，可以同时得到这两种效率。所以，这也是云计算对IT成本下降的一个贡献。
大数据四“V”
关于大数据的定义，现在谈得最多的就是所谓的四个“V”，也有五个、六个“V”之说。IDC(互联网数据中心)归结的四个“V”中，第一个就是它的实际规模。从早先的KB，到TB，一直到后来的PB、EB，数据的量在不断地增加，这是一个表面的现象。
第二个“V”是多样的数据类型，尤其是里面包涵了大量的非结构化的数据。什么是非结构化的数据？比如在网上发一条微信，这句话本身没法拿来做统计或计量分析，但是可以在里面提取结构化数据进行分析。这样的数据反而占数据量很重要的一部分。
第三个“V”讲的是价值，有两点：一个是价值大，大数据带来各种可能性；另外一个比较重要的是，它虽然量很大、价值也很大，但是密度很低。在互联网上抓取的1GB的大数据，里面有用的可能只有千分之一、万分之一，或者百万分之一，所以，挖掘和分析比原来更加困难。
第四个“V”就是动态数据的快速处理。在这方面云计算的贡献比较大，这里比较核心的，也是大数据将来能不能从“可能”到“可行”转变的两个要素，即：非结构化和低密度。这两者其实互相相关，如果技术上能解决怎么分析非结构化数据、怎么从低密度价值里面提取数据的价值，那么大数据的应用可能就会有一个飞跃的增长。所以，我觉得非结构化和低密度可能是大数据的核心东西。
那么大数据是什么呢？如果管中窥豹，从点上去看它，首先，大数据的“大”肯定是一个相对的概念，它不是一个绝对的概念。另外，它更不是一个学术性的概念，而且这里面需要关注的就是非结构化的数据可能占大数据的主要部分，尤其是来自于网民的交互式的数据可能是未来大数据的主体之一。
从分析方法来看，过去得到数据或者统计的方法是抽样，然后利用概率论和随机过程等数学的方法来推理，从而达到目的，推测得出全部数据。现在有这种可能性，如果成本降得比较低的话，就可以获得全部的数据。
对大数据的质疑
当然，对大数据也有非常多的质疑。首先，有人提出“大数据陷阱”。数据是不是越多越好？实际上，对任何企业或个体来说，数据肯定不是越多越好，肯定有一个最优的数据量，因为要分析大量的数据，方法是不是可能？分析成本有多高？这个大量的数据包含的价值有多大？所以，对每一个企业都有一个最优的数据量，就是从拿到的数据范围里面获得的价值和为了获得这些价值而付出的分析成本，它们两个接近相等的时候，可能就是最优数据量。
再就是，MIT的凯特·克劳福德(Kate Crawford)教授提出“大数据中存在偏见和盲区”：数据在生成或采集的过程中并不都是平等的，大数据集存在“信号问题”，即某些民众和社区被忽略或未得到充分体现。这个比较典型，比如说，国内现在有6亿多网民，有时候不能用6亿的数据去判断13亿人的状态，因为这个过程不是靠抽样得到的。
第三个问题就是“泄露个人隐私成为日益严重的担忧”。在我们不知情时，数据就被人拿走了，这是很可怕的事。
二、大数据应用的潜在经济影响
如果从宏观或者立体的角度看，人类整个经济发展的过程其实就是不断地把一些不可利用的资源变成可利用的资源的过程。这个过程一般就是技术的一个个大突破，当然每一次技术突破都伴随着不断的、大量的投资过程，并将其转化成价值。
比如2008年的金融危机，一开始大家都关注金融的问题，后来很多经济学家提出，这可能是过去的IT技术的经济效应不断耗尽，而新的技术还没有出来所造成的现象——当技术处在一个不给力的阶段的时候，金融就发生问题。实际上很多发达国家在2008年以后也是寄希望于一套新技术来摆脱实体经济的衰落和危机，大数据包括云计算、新能源都是被他们寄予厚望的几个关键技术之一。
下一代通用目的技术？
1995年时，通用目的技术的概念被提出，其特征就是它在许许多多的部门都具有广泛而且普遍深入使用的潜力和技术活力，区别于一般的专用技术，它的影响非常广，甚至一项通用目的技术的发展和进步往往会引发全面的生产率的收益。
到2005年时，加拿大的Lipsey教授出了一本书，总结了人类历史发展过程中经历的24种通用目的技术——从青铜冶炼，到钻木取火，一直到2000年左右的互联网信息技术。所以，如果从增长的视角来观察大数据的话，一个核心的问题就是：大数据会不会成为大家期待的下一代的通用目的技术？如果是的话，它可能会带来比较显著的经济增长效应。
目前，大家都在期待着通用目的技术，但是真正在市场里摸爬滚打的风险投资家们，他们显然还没有明确地认为哪一项技术能够成为代替互联网的下一代通用目的技术。
在2004年左右时，有人提出了“BT会代替IT”的观点，讲了很多生物技术的可能性，但它最终没有转化为能够看得到的“可行性”——到现在为止，它也没有真正实现对IT的替代。包括2008年以后的新能源或者云计算、大数据，它们都没有真正出现一个让投资热高涨的阶段。所以，现在我们还没有明显地看到下一代通用目的技术是什么，只是有很多的设想，包括今天对大数据可能也只是一种设想、一种期望。
产业发展前景
从大数据本身的情况来看，是不是具备一些通用目的技术的特征？麦肯锡研究院根据其模型做出一些具体的预测：大数据可以为美国的医疗服务业带来3000亿美元的潜在增加值，对欧洲的公共管理每年有2500亿欧元的潜在价值，为位置服务产业带来6000亿美元的潜在年收入。同时，零售商充分利用大数据可实现运营利润增长60%——这是一个非常可观的数字，因为大数据现在对制造业的利润平均可能不到5%。另外，制造业充分利用大数据可降低整个成本的50%。
上面是宏观地看，现在提供一个微观的案例。德国小贷公司Kreditech不需要客户提供信用证明，比如资产等，只是通过访问用户的一些电子商务数据(在中国就是淘宝、eBay的数据)、社交数据(比如Facebook)来了解你的电子商务购物行为、手机的使用情况以及位置数据等，然后用这些数据来侧面分析客户信用度。这个贷款过程非常快，用模型来判断，只需几秒钟，放贷只要15分钟。当然，它只提供小额贷款，目前这些国家的高额贷款主要还是大银行在做，它们有传统优势，但是大银行关注不到的一些地方，就由小贷公司提供服务。Kreditech提供的贷款额度最高为500欧元。从效率上来看，这已经是一个很好的尝试了。这样的公司现在美国、英国比较多。
在中国，比如，新的互联网企业、新的龙头企业BAT，当初2000年互联网泡沫的时候，讲的是搜狐、新浪、网易这样的企业，现在阿里管它们叫“互联网1.0”。现在BAT都是掌握了大量数据的企业。其中百度有最大的网页搜索数据，阿里巴巴有最大的电商数据，腾讯掌握着最大的社交数据。所以，这不是一个偶然的现象。
为什么这样的企业会成为引领现代互联网产业发展的企业？很可能跟大数据的价值有内在的关系。举一个小例子：打车软件深度发展就是基于位置的服务，在每个点上可以看到周围有哪些车，甚至车的位置也可以知道。反过来也一样，司机可以看到每个乘客的距离有多远。这种数据如果在这个行业有很深应用的话，甚至可能会对用户的购车行为产生影响。
在中国，工信部下属的赛迪做过一个关于投资的预测：对大数据的投资从2012年到2015年大概每年增长100%左右，这个速度甚至超过国外的速度。
对波动的冲击效应
宏观经济学两个基本的问题：一个是增长，一个是波动。前面讲的是一个经济增长的视角，其实从经济波动和政府干预的视角来看，大数据也会带来一些冲击效应。
这里要提出一个问题，大数据的发展能否真正改善供需平衡？因为短期的经济周期性的波动的危害也是比较大的，其核心就是供需不平衡。大数据对此会不会有贡献？举两个例子：一个是淘宝搞的“订单农业”。它通过网上的数据平台去获得需要的信息，然后再按照订单来组织、安排生产。另外一个例子是制造业。2013年海尔同阿里合作，叫“家电定制”，先由阿里来收集消费者对海尔产品的需求情况，然后再组织生产，生产周期大概1个－2个月。当时这个活动的效果也不错。
当然，不能由这两个案例就推而广之说大数据能解决供需平衡的问题。如果收集全国所有的数据，恐怕量比较大，而且也比较困难。但是，至少从这个角度来看，我们看到这种可能性，值得思考。
再就是对政府干预合理性的影响。为什么政府需要干预？因为市场失灵了。为什么市场会失灵？比如在二手车市场上，供方和需方的信息是不对称的，卖车的人拥有比买车的人更多的信息。在这种情况下，如果消费者真的按照市场均衡的价格去买二手车的话，买到的只能是劣等车，好车是买不到的，这就是“劣币驱逐良币”的现象。从这个例子可以看出市场是有可能失灵的，所以需要政府在某些方面给予干预。但是在大数据的条件下来看这个问题的话，如果一个二手车的买家在合理的制度安排下，比如可以到保险公司去查它的数据，就知道它修了几次，出了几次险，到4S店去看就知道它每次出险修的是什么地方。这样买家就可能知道二手车的全部信息，这样会不会对清除这种现象有很大的改善？
讲这个故事就是说，经济学的一些传统的分析范式也好，一些传统观点也好，甚至有一些结论，很可能在大数据的条件下会发生很大变化，比如政府干预的必要性是不是比以前更加不必要了。这都是需要研究的问题。
三、大数据对社会治理的可能影响
十八届三中全会讲到：“全面深化改革的总目标是完善和发展中国特色社会主义制度，推进国家治理体系和治理能力现代化。”“国家治理体系”和“治理能力”到底指的是什么或者如何推进？大数据对这个问题应该是可以有贡献的。
比如，在许多西方国家，通过选举这套代议制度来把民意反映到政府的层次，而国内除了人民代表大会制度外，更多是领导通过调研的方式来体察民意。这实际上是一种抽样的性质，去看一些个案，但个案容易在实践中出现虚假现象，甚至国务院领导都曾被地方作假所蒙蔽。所以，这种体制下怎么去感知民意？现在互联网至少汇聚了6亿网民的一些数据，在一定程度上体现了大数据的“全样本”特征，有一个很好的技术基础。
第二个案例是“犯罪预警”。有些地方的司法部门已经建立了一个大数据分析中心，通过分析互联网中，比如商业方面的一些业务数据，包括来自于传感器的传感数据、一些邮件、互联网花费单、银行账户等等，将各类结构化的、非结构化的数据集中到大数据中心来，然后通过线索识别、指纹抽取等一系列手段进行分析，从而达到预警。
再比如，美国洛杉矶警察局总结认为，利用大数据的分析软件，成功地将辖区里的盗窃犯罪降低了33%，暴力犯罪降低了21%，财产类犯罪降低了12%。其方法很简单，就是用模型把洛杉矶区域内即将发生犯罪的特定语句挑出来，比如人们谈论的话：“出去啊”“看球啊”“喝酒啊”等等，通常会与犯罪相关的语言。这就是非结构化的数据，因为它跟犯罪没有直接的关系，是通过经验挑出这些语言，然后作为预防犯罪的一些敏感词。
这也可能是对社会治理的一个应用，至于怎么去用还需要探索。
还有城市管理方面的一个案例。SpotHero是美国一家手机应用公司，客户开车到一个地方去时，周围有几个停车场，每个停车场有多少个停车位，包括每个停车位的价格是多少，通过这些数据去判断最适合自己停车的地方。
除了人的数据以外，传感数据的应用也有广阔空间。比如说物的数据，我听到过一个例子，就是有个城市里有很多休闲的地方，每个地方都有座椅，如果在座椅上安装一个温度传感器的话，大概就能知道每天哪个公共设置的座椅温度最高，温度高说明它利用率高，也可以知道哪些椅子长时间没有人坐。就是说，完全可以通过传感器的数据来安排之后的公共基础设施，使其达到一个最优的状态，通过这种方式来不断地优化一个城市的治理。
四、大数据应用的制度需求
和政府的作用
从经济学的角度看，一个很核心的问题是如何界定数据的产权？有很多人把大数据比喻成石油，一种新的资产。但是，这种产权和财产权应该有很大区别。我觉得，产权的界定是大数据交易和商业化的前提。经济学家科斯曾经讲过产权界定的重要性，如果产权没有进行界定的话，可能交易就没有效率。
这里讲一个美国金融贷款公司的案例，它主要给一些小微企业贷款，贷款额度比德国的Kreditech公司要大一些。它贷款的前提是去联邦快递(UPS)查询企业的快递记录，但UPS需要企业的授权同意；另外，即使企业同意，UPS也可以拒绝金融贷款公司的要求，后者还需要付钱给UPS。小微企业也可以直接找UPS拿到自己数据，因为它有这个权利，但金融贷款公司可能质疑数据的真实性。因此，这些企业可以寻求UPS的数据认证，然后再将其交给贷款公司。这样，UPS可以同时向小微企业和金融贷款公司收取费用。
立法界定产权
对大数据来讲，如果要利用起来，核心在于如何界定数据产权。但是，这个产权不是天经地义，应该从经济效率或者社会学的角度出发来界定它，就像专利、像工业产权一样。就是说，应该怎么有效率，然后怎么去界定产权。
我觉得，至少需要三个层次的立法：比如刚才讲的数据的商业运用应该是什么边界？个人隐私保护应该在什么边界？政府数据的公开应该在什么边界？这样，大家运用起来才能得心应手。一个是会有更多的可用数据，另外也能减少更多的顾虑，目前基本上还是一个比较混乱的状态。
另外，还有一些其他的制度需求。首先，还是需要公平竞争的环境，比如对金融行业使用大数据的前景是非常好的，但现在也存在很多的市场准入门槛，使银行仅靠存贷差就可以过好日子。出租车也是一个案例。所以，国内如果应用大数据的话，这会是一个很大的问题。
第二，数据安全或者信息安全的问题。
关于这点甚至提得更高，说“数据主权比产权还高”，包括一些安全预警与审查机制，以及数据存储的地域限制。欧洲搞云计算时就提出了一个原则：欧洲的一些关键数据不能够放在美国的云计算中心。再比如对国家数据的外泄要立法等。
第三，行业性立法。
这方面美国已经做了一些。在中国的医疗行业，实际上在大数据出现之前，病历在医院已经电子化了，但是不同医院之间仍然不能够共享，所以这也是一个体制问题。如果能通过行业性立法，把这些能够利用的大数据都放在一个平台上，那情况就大不一样了。包括教育方面，也有很多体制问题需要解决。
政府的作用
最后，简单说一下政府的作用。
首先，国外政府在做什么？比如2012年美国政府推出“大数据行动计划”，已经炒得很热。主要是在研究和应用上投了很多钱。
第二，数据开放。奥巴马2013年签署法令，要求所有新增政府数据都必须以电脑文件方式向公众开放。白宫颁布了开放数据政策，要求政府部门列出所有可公开的数据清单。如果不可公开的话，也要作出说明。主要是列出这些数据，及时向公众开放。
第三，政府采购。云计算时，联邦政府还任命了一个首席技术官，专门推进联邦政府和部门的云计算应用。现在数据服务可能也是这样。第四，制定法规。这不仅是中国的问题，美国也有医疗、教育、个人隐私等方面的问题，也需要制定法规。在欧洲，有关个人隐私的法律很多，但还有很多的工作要做。
在中国，首先领导层比较关注。2013年9月，中央政治局在中关村进行开放学习，百度CEO李彦宏现场讲解了大数据。部委层面也有很多。2013年11月19日，国家统计局与百度、阿里等11家公司签订协议，共同建设“国家统计局大数据合作平台”。因为阿里公布的数据基本上是所有平台上所有小企业数据的集合，所以它对小企业的感知比统计局要强得多。这种合作也是有好处的。
在法规方面，去年9月，工信部颁布了《电信和互联网用户个人信息保护规定》。这个规定是个起步，和国外的法律体系相比还有很大差距，还需要继续努力。
最后，就是资金支持。自2012年以来，科技部、发改委、工信部等部委在研发、探索和产业化专项上，陆续支持了一批大数据项目。对这种新的技术，云计算也好，大数据也好，地方政府往往还是走在中央政府之前。现在基本上是“多点开花”的状态，陕西有“大数据科学园区”，广东有“大数据战略工作方案”，上海有“大数据研发三年行动计划”，山东有“产业联盟”，辽宁也在搞。在中关村，还有“大数据产业联盟”。
五、关于大数据的建议
第一，不必急于出台所谓的战略性规划和设立产业专项资金。
因为国内的IT企业也好，地方政府也好，已经意识到大数据产业的发展前景，现在热情非常大。在这种情况下，以国家规划和专项资金等方式进行鼓励，有可能扭曲正常的市场行为，甚至催生泡沫。
在云计算发展的过程中，这已经非常明显。很多地方搞云计算搞成了云地产。在这种情况下，我觉得云计算产业可能已经有了过剩的苗头，不希望大数据也出现同样的问题。
第二，怎么合理改造、建设和布局好IT基础设施？
对大数据来讲，有两个方面：一个是互联网带宽，这没问题；另外一个，其实云计算本身就是大数据的一个基础设施，本身就是处理动态的海量数据的。如果没有这样一个系统，数据是不可能大规模存储的，也不可能大规模快速计算。很多传统数据中心及旧服务器资源，可以通过建立虚拟数据中心或进行就近合并等方式进行改造利用。
另外，一些新建的大规模的数据中心，如何通过统筹，合理布局，能够真正地让云计算实现降低IT成本的效果，而不是相反。除云计算以外，主要就是加快“宽带普及提速工程”的推进速度。这个日本和韩国做得比较好。
第三，如何推动隐私保护和公共机构信息公开等立法。2012年全国人大常委会通过了《关于加强网络信息保护的决定》，工信部也有保护个人信息的新规。但是还有很多的工作要做，如何继续完善个人隐私保护立法还是有很大的问题。
再者，对互联网数据商业化应用范围如何界定？数据滥用应承担哪些责任？目前都还没有有法可依的东西。然后就是政府信息公开的程度。最后就是哪些数据可以向境外流动或允许境外企业开发利用，也需要有一些相应的法律规定。
最后，资助大数据基础技术研究，包括人才培养。现在搞大数据分析或者大数据应用，人才很缺乏，这种情况不光是国内存在。
作者为国务院发展研究中心技术经济研究部第二研究室主任，本文为作者在洪范法律与经济研究所举办的学术研讨会上的发言
via： 《财经》杂志
-
观点
内推创始人自述：在阿里招聘体系中，悟出颠覆猎头行业的商业模式
以下内容为采访内推网创始人黄小亮的口述整理。究竟是谁在推动“内推”，让我们一探究竟：
脱胎于离职的招聘网站
我在阿里巴巴工作，做了两年多产品，然后跳槽去盛大云计算，负责云计算平台产品和运营，13年年初的时候在纠结是跳槽还是自己创业，在想这个问题的时候，有观察到，互联网这么大个行业，没有一个好的平台来满足互联网人跳槽/找人的平台，传统的51，智联等平台已经被互联网人抛弃，猎头又有蛮多的局限性，同时联想到当时我在阿里时经历的全员招聘的新模式，觉得这种模式肯定是未来的一种招聘趋势，就这样诞生了做内推网的想法。
带着想法我去就跟我现在的合伙人李程一起聊，一拍即合，13年4月份开始做第一个版本，零零碎碎花了一个星期的时间就上了一个简版的网站，上线后在几个小论坛发了个广告贴，反向非常好，4个多小时网站就有接近1000的UV，用户反响也非常不错。
网站上线没几周，就有各种投资人约我们谈，见了10多家投资人之后，有两家投资机构7月份给了我们投资意向!
为招聘重新定义
整个互联网的竞争越来越激烈，竞争的核心就是人才，各个团队都是在不择手段挖掘人才，大多互联网公司为了抢夺人才，都在使用全员招聘这种模式，即P2P招聘。
原来的招聘模式是单点的，大团队招人依赖于HR，这就会有效率的瓶颈，如果能把应聘者和对应的要人的团队直接对接，这样沟通的效率会大大提升!而且HR对互联网专业人才的识别也不如招聘团队准确，要人的团队懂人才，这样应聘者在一开始就能和招聘团队互动起来，沟通更加直接，信息的对称性是最佳的，整个招聘路径也是最短的，招聘双方的感受会更好。
神运营与神推广
13年4月24号上线的，当时我们到几个论坛上发个贴，很多混社区的人和我们互动，非常看好我们的模式，很快网站上线当天晚上UV就接近1000了。
有了第一波种子用户，网站很快就上轨道了，13年5月底日PV已经达到六千，UV在1-2千波动，6月份【道哥的黑板报】和【小道消息 by Fenng】都在微信公众号上大力推荐过我们的产品，6月份各种数据有了蛮大的增长。
因为我们的招聘模式的特殊性，招聘者大多是团队的人，一开始我们就引导每个人发个性化的招聘贴，而不是千篇一律，这样的优质招聘贴会更能吸引到跳槽的人，这种传统的招聘网站是很难做到的。我们有优质的招聘贴，再加上数十倍于传统招聘平台的’招聘者’,招聘贴更容易传播到微博、朋友圈等社交渠道。我们来自于社交渠道的流量也一直占有可观的比重。
之所以大家非常喜欢这个网站，其中有个蛮重要的因素就是我们是个人人都可以免费使用的产品，对用户很友好，不像传统招聘网站，一开始就要几千上万的套餐费用，我们把招人的用户门槛降到最低!我们目前注册用户已超过15万，日PV达 20多万。
两个月，投资找上门
投资人觉得我们两个在两个月左右的时间内，两个人做到这样一个用户量，并保持快速增长，蛮认可我们团队。
从业务方向上他们也非常看好这样一个垂直行业的招聘平台，尤其是互联网行业的招聘垂直行业，他们非常看好。
同时投资人也看好我们P2P的全员招聘的业务模式，这种在招聘行业里面，是全新的模式。
摸索中的盈利模式
现在人才市场确实挺紧张的，在这样一个创业大热潮期，都要更快的找到人才，这时候我们提供他们更多曝光职位的机会的付费服务，如置顶，搜索竞价，广告等;还有简历库的变现，这些都算是比较常规的盈利模式。
我们近期会尝试通过机器算法的方式给付费的企业主动推送高质量人才，更加高效的使得招聘双方对接。
同时我们每月会有几场拉风的专场招聘，如果要参加类似的活动，之后会收取一些服务费。 如上个月的【特斯拉接送面试专场招聘】活动，这个月【最奇葩最给力福利专场招聘】等等，
编者注：
刚刚上路一年的内推网，在垂直招聘这条路上大步前进，带来的示范效应也可见一斑，类似的拉钩网、哪上班等陆续成长起来，未来的垂直招聘，必将继续攻城略地，成为中国招聘网站进化的强大推力。
【文章来源：i黑马】
扫一扫 加微信
hrtechchina
