5月21日,薪人薪事在北京召开2021薪人薪事品牌升级发布会,本次发布会以“数据驱动 人效提升 ”为主题。此次,薪人薪事针对新经济形势和组织增长痛点,提出了“51维数据指标”模型,并以此为基础,重磅发布了薪人薪事“Data双引擎”版人力资源云系统。新版本以共生共赢为理念,以助力企业高速增长为目标,从企业指标、组织指标、个体指标三方面,将数据价值化。
一、市场与政策双向推动数据化,薪人薪事优势凸显
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。经过6年的积累与沉淀,薪人薪事在HR SaaS领域中已凸显出自身优势。
从2015年至2019年,薪人薪事相继推出X-One、Growth-Oriented、Super-Linked三大版本,帮助HR提高了内部协同效率,同时拓展能力边界,达成“人财务”一体化。
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”。本次发布会,薪人薪事重磅推出“Data双引擎”版,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。
二、薪人薪事“Data双引擎”版,助力企业博弈共生共赢
薪人薪事创始人&CEO常兴龙在发布会上谈到,企业的发展实质上是博弈的过程,有效衡量和对齐内部信息、及时洞察大局信息,才是博弈共赢的关键。薪人薪事“Data双引擎”版正是基于此:
1.构建企业核心数据化能力
薪人薪事提供“51维数据指标”模型与多源的外部数据,通过前沿的技术和规范的数据治理方案,形成每家客户专属的个性化洞察;
2.内部增长引擎
通过系统化建设,构建组织与个体之间的多面微循环,使得组织目标与个人成长共生循环;
3.外部突破引擎
搭建了行业高速样板引擎,企业可实时对比组织内部数据与行业标杆数据,并获得反馈,形成“数据+优化”的闭环,突破发展瓶颈。
常兴龙总结道,面对复杂多变的内外部环境,拥有数据化决策体系才是成为博弈赢家的前提。
三、“51维数据指标”+“三阶六步价值服务体系”,科学落地企业数据化
薪人薪事联合创始人楚亚虹解释道: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,实现信息提升效率!
四、薪人薪事HR科学院揭牌,让数据化更专业
薪人薪事HR科学院,是薪人薪事创立的企业人力资源管理研究平台,前身为“新睿·HRD菁英会”。
为升级人力资源企业服务,本次薪人薪事更荣幸邀请到中国人民大学教授/博导、数据与案例研究中心主任李育辉加入,同数名知名高校教授、数百名知名企业HR合伙人、HRVP、HRD,共同打造全新品牌“薪人薪事HR科学院”。
依托薪人薪事人力资源云系统与丰富的数据生态服务模型,薪人薪事HR科学院将在未来开展人力资源领域的深度研究和行业洞察,用数字化思维优化现有的管理模式,致力于以科技和专业重塑人力资源管理,推动人力资源的发展与从业者的进步。
在薪人薪事HR科学院首论中,红杉资本董事总经理翟佳、智线云创始人&CEO赵秀文、HRise创始人程海涛、前明略数据HRVP朱颖韶,从产品和企业管理等视角,针对“数据体现的是结果还是过程?”、“提高组织效能,先抓机制还是人?”两大议题发表真知灼见。
此次发布会上,神策数据创始人&CEO桑文锋、瑞尔集团人力资源总监赵蕾等嘉宾也均分享了自己与薪人薪事合作的数据化实践经验及案例。
薪人薪事始终以客户第一,追求卓越为最高纲领,通过数据化、智能化,把组织能力转换为企业竞争力,助力企业高速增长。
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。