|
随着要学习的数据增多，分析处理能力增强，人工智能越来越成为人才预测的可靠来源。
根据IDC的数据，到2025年，全球数据是2016年的10倍。其中，60％的数据将由企业，而非消费者生成。 实际上，企业拥有大量数据。随着企业纷纷将员工从采购到离职的周期数字化，劳动力数据量尤其突出。 然而，劳动力数据并不仅限于人力资源管理的流程。无论我们是努力将学习项目与生产力相连，还是为了满足客户需求而招人，我们必须扩展对劳动力数据的看法。 存在最广泛的观点是，物联网和自动捕获数据的较新型云应用程序正不断扩充劳动力数据。随着要学习的数据增多，分析处理能力增强，人工智能越来越成为人才预测的可靠来源。 这些发展将如何影响公司（其中许多公司在不稳定的商业环境中面临较大技术差距）对公司最重要的资产——人员的有关决定？在数据时代发展的驱动下，以下是2018年的5大人才战略趋势：
1、建立拥有物联网数据的更优秀团队 2018年，雇主获取物联网数据的一个有用来源将是社会测量器。社会测量器是一种配备传感器的可穿戴设备，可以测量团队互动。麻省理工学者和连续创业者Alex (Sandy) Pentland的解释是，正确的思想（特别是通过当面互动得到的思想）使团队更加聪明。 根据最新的德勤全球人力资本趋势调查，48％的公司正在尝试组织网络分析（ONA）工具。作为ONA的一部分，社会测量器收集的数据可以帮助企业支持增强生产力和创新的各种非正式沟通网络。
2、用高级分析确定特定的技术差距 在数字化颠覆的时代，新型工作（如社交媒体总监或程序化广告经理）不断出现。这意味着，根据填补的职位数量衡量招聘是否成功的做法，现在看来徒劳无益。 2018年，能确定所需具体技术的公司（不仅是需要满足的要求）将在人才争夺战中拥有优势。现在，大数据分析已经可以根据工作具体内容和业绩最佳者的特性制定招聘计划。那些能够根据契合度和技能招聘的企业，将在2018年招聘到最好的员工。
3、用数据决定谁来做：机器人还是人类？ 今年，各公司将继续面对这一问题：招聘更多人才，还是提高自动化程度？ 根据麦肯锡公司的报告，在解决这个问题时，除了技术可行性之外，还有很多因素需要考虑，包括劳动力成本和相关的供求动态。报告指出：“如果员工供应量充足，而且成本比自动化低得多，这可以算决定性论据。”而且，在许多面向顾客的决策中，成本等式不能简化为简单的会计计算。 2018年，参考数据并与生产线管理者密切合作的人力资源领导将拥有最佳优势，能全面了解人力何时比技术更高产更划算。
4、用新型人工智能预测工作变化 今年，名为“深度学习”的人工智能新分支让预测更为精准，将更轻松地匹配劳动力供求。 许多预测技术是基于简单回归或静态模型，而不是机器学习（指根据历史数据中的模式推断未知）的过程。深度学习让算法以多层机器学习产生的数据为基础。数据科学家已经证实，这种方法比其他方法精准17倍。 更多公司将使用利用深度学习进行员工预测的系统。例如，通过预测多少员工、哪些员工何时可能离职，企业将能够更好地规划招聘。
5、应用大数据衡量学习效率 从快速电子学习到移动电子学习，重大技能差距和新型学习项目已经推动全球电子学习市场的发展。到2025年，这一市场将达到约3,310亿美元。 然而，衡量学习和发展如何影响商业成果仍然是学习中的领导者面临的一个挑战。根据人才发展协会（Association for Talent Development）的报告，只有15％的人才培养专业人员对任何学习项目的投资回报率进行衡量。 2018年，更多公司将转向现代学习分析技术，分析学习项目的有效性。新的应用大数据解决方案是以业界最佳水平预先构建的平台。凭借新的解决方案，人才培养专业人员可将必要的人力资源和商业系统连接在一起，使分析学习数据更便捷。
2018年及之后的数据：沉浸式未来的新愿景 数据时代无疑正在改变企业做出人才相关决策的方式。但是，我们如何与这些数据交互？其中是否会有根本转变？ 身处商业智能领域，我遇到许多领导者，他们认为自然语言处理（NLP）是分析界面的决定性进展，非技术人员口头提问，自动化系统给出合适的回复。 事实上，虽然NLP近年来已成为一个令人印象深刻的创新来源（想想Alexa、Siri或Cortana），但是这些系统仍然无法帮你提出正确的问题。分析的价值来自提出正确的问题，并确保用户理解答案。 用于沉浸式可视化的新用例激发了人们对视觉优先界面的热情。正如大数据专家Bernard Marr所述，新创业公司Virtualitics（去年4月宣布首轮融资）为企业提供用虚拟现实和增强现实走进数据的“有趣可能性”。 最终，到2018年，我们不仅会看到分析技术本身的变化，还会看到未来分析界面设想的转变。从长远来看，有一点很明显：就数据体验而言，我们只看到了冰山一角。
译 蒋鼎 |
|
|
