如果公司业绩目标希望提升50%,那么HR应该做些什么呢?
这是薪人薪事联合创始人楚亚虹在2021薪人薪事品牌升级发布会主题演讲环节所抛出来的问题。
很多人认为HR没有办法直接承担公司整体的业绩,而是为公司整体的业绩服务的。对此,楚亚虹表示,HR掌握着公司里最多的基础信息和数据,只要重点关注两点就可以:第一,找到有哪些是非常有效的、重要的、可以供决策的指标;第二,能够准确地采集这些数据,并且呈现出来。如果把这两件事情办好,HR就找到了可衡量的数据。
经过6年的积累与沉淀,薪人薪事在HR SaaS领域中充分发挥其灵活、弹性、迭代等优势,对解决当前HR痛点起到了重要的作用,也为推动企业数字化转型带来了技术力量。
为客户提供更智能的服务
将数据价值化——这是薪人薪事“Data双引擎”版人力资源云系统的定位。薪人薪事始终以科学提升人效为核心,经过多次版本迭代,凝炼出薪人薪事“三层模型”和“51维数据指标”,并通过“三阶六步价值服务体系”,帮助企业科学管理提升效率,让组织积累经验提升效能,让个体激发活力提升价值,用数据驱动人效提升。
楚亚虹表示,薪人薪事给企业HR提供的是一套“积木模型”,要让企业去思考自身改进的方法。企业清楚自身的痛点在哪里,希望通过薪人薪事的系统,让企业对比组织内部数据与行业标杆数据,并获得反馈,找出有问题的指标再有针对性的解决。薪人薪事是一个规模化的产品,更希望让客户获得智能的服务。
助推企业快速落地OKR
为何越来越多企业,都在用OKR?OKR(Objectives and Key Results)即目标与关键成果法,是一套明确和跟踪目标及其完成情况的管理工具和方法,OKR可以在整个组织中共享,这样团队就可以在整个组织中明确目标,帮助协调和集中精力。企业对OKR如此关注,正是源于自身对组织活力的追求。
楚亚虹表示,OKR不是用来做考核的,而是在做一种目标的协同。薪人薪事能够给企业带来更好的服务,例如在解决问题的过程当中,企业的OKR指标进度完成了多少,都是可以监控到的,这也是保证 OKR能够真正能推行下去的重要因素。
通过薪人薪事让OKR快速落地,不仅提高内部协作效率,还能给企业员工带来思维方式、工作方式的转变。
提炼数据的精华与价值
现今,企业管理对数据化需求激增,据调查报告显示:2019年HR SaaS市场规模较上年增长45.7%,2023年HR SaaS市场规模将达到70.7亿;国家“十四五”规划中也明确提出,要加快数字技术的创新应用。数据化成为市场与政策推动的主要方向。
数据化本身是一个系统化的工程,楚亚虹说道,薪人薪事充分利用数据化的“断点、非连续”特点、运用数据生态的思维,打造薪人薪事核心数据价值模型——“51维数据指标”。根据“51维数据指标”,薪人薪事建立了“三阶六步价值服务体系”,通过价值确认-价值上线-价值实现三大阶段,数据建模-模型诊断-确认方案-部署上线-验证方案-数据化提升六大步骤,形成循环迭代。
楚亚虹反复强调,薪人薪事提供的是一套模型,不会看到企业的数据及分析的结果。
与合作伙伴共同成长
据了解,薪人薪事成立6年来,客户群体已经涵盖了30多个行业,17000家企业。
在主题演讲环节,楚亚虹还分享了两个案例,一个是元气森林,另一个是水滴筹。
元气森林目前的业务已经涵盖了40多个国家和地区,它的发展非常快,它的管理理念也非常先进。元气森林内部推行四个现代化,其中很重要的两化就是信息化和数据化。在与元气森林的合作当中,薪人薪事不仅提供了人力资源的规范化的管理,还在元气森林整体内部的系统建设以及数据仓库的建设当中起到了支撑作用。
水滴筹最近刚刚在纽交所上市,其在发展过程当中,人员规模发展变化非常快,它的业务形式也有很多的创新。所以,水滴筹对于整体的业务形式变化、组织结构变化,以及产品和服务响应的时效要求是非常高的。薪人薪事对水滴筹整体的人力资源管理给予了大力支持,陪伴着水滴筹一路成长,并且服务了超过170万的需要救助的人士。
在人力资源领域中,薪人薪事能够帮助企业构建数据化决策体系,有效衡量和对齐内部信息、及时洞察大局信息,充分发挥数据的作用与价值,把组织能力转换为企业竞争力,助力企业实现高速增长。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。