人才庫大數據

A. 如何利用大數據促進大學生就業管理

怎樣摸清底數、明白來路、清楚動向，是當前開展大學生就業服務工作面臨的一個普遍難題。隨著大數據時代的到來，這些難題有望通過智能數據分析技術一攬子解決，大學生就業服務也將進入精準服務新時代。

就業指導：從共性服務到個性服務

就業指導在引導畢業生就業中的作用越來越大。目前，各個高校都已開設就業指導課，但往往只停留在傳統意義上的形勢分析、就業推薦和就業講座，很少有個性化的就業指導。

當前，我國高校的教務管理系統，具有完備的學生成績信息，學生處有關於學生的基本信息，在就業處有學生的生源信息以及就業去向等信息。這些系統不僅有在校學生的數據，還有已經畢業學生的海量數據。

面對如此多的數據，如何從中發現對就業指導有實際意義的規律，這就需要善用大數據技術，通過現代化的信息技術手段，將海量、龐雜、分散的就業信息與數據進行歸納、綜合、分析，從原來簡單信息服務進化為具有學生需求分析、專業及個性測評、人崗適配、薪酬比較等多功能的咨詢服務，幫助應屆畢業生解決「我的專業能從事什麼職業」，「我的個性適合什麼行業」，「我適合到哪個行業、哪個城市發展我的事業」等問題，並進而提出就業解決方案，徹底扭轉目前立足於找工作的短期性就業指導現狀，並將其提升到真正的職業規劃層面。

就業服務：從實名服務到智能服務

人社部門開展應屆高校畢業生實名制服務，一方面是想准確地掌握高校畢業生就業信息，包括就業去向及就業的穩定性，另一方面是便於對高校畢業生及時提供相關的就業服務。高校畢業生就業信息實名制資料庫的建立，將完整呈現畢業生就業的底數、現狀、去向，對這些數據開展智能挖掘，變復雜數據為決策數據，就能實現企業「招」和大學生「找」的無縫對接。

首先，各地人社部門可以通過推行就業實名制工作，探索建立市、鎮、社區（村）三級網路管理平台，將畢業生信息錄入人力資源和社會保障一體化系統，並利用「就業管理軟體」進行管理。同時，層層分解工作指標，具體落實專人負責，對應屆畢業生進行點對點調查和跟蹤，通過了解情況，充實數據資料，依託基層平台的服務功能以及網格化的精細管理，將畢業生就業工作細化到實處，使畢業生就業、未就業、升學等情況如實反映。

其次，通過數據分析，可以對症下葯，開展就業指導活動，適時聯系用人單位，組團至高校舉辦校園招聘會，提高招聘的質量和效率。目前的就業困難大學生援助服務同樣可以引入類似分析服務，通過定點扶持，專人負責，了解求職意向，開發公益性崗位並實行重點推薦和優先安置措施。

大學生就業實名資料庫的建設，並不止於就業服務，同時可以開展大學生初次就業薪酬調查、大學生就業專業分析等。還可以和專業技術人員服務平台對接，甚至可以和人才庫對接，提供人才測評等服務。

B. 供應鏈大數據分析

供應鏈大數據分析

供應鏈大數據分析，越來越多的企業採用數據分析來應對供應鏈中斷，並加強供應鏈管理(SCM)，目前有幾項重大中斷正在影響供應鏈。以下分享供應鏈大數據分析，一起來看看。

供應鏈大數據分析1

全面解析大數據給供應鏈帶來的益處

時下，大數據已經完全跨越概念炒作，而成為很多行業業務發展中實實在在應用的重要武器，但是在供應鏈管理領域，大數據技術的應用產業發展則處於起步階段，但是相信伴隨其他行業大數據的快速發展，供應鏈管理中的大數據也會迅速跟上來，那麼人們勢必會問大數據到底能夠為供應鏈帶來哪些益處呢，下面請隨乾元坤和我一同了解大數據給供應鏈帶來的好處。

大數據與供應鏈

1、庫存優化。比如，SAS獨有的功能強大的庫存優化模型可以實現在保持很高的客戶滿意度基礎上，把供應成本降到最低並提高供應鏈的反應速度。

其庫存成本第一年就可下降15%～30%，預測未來的准確性則會上升20%，由此帶來的是其整體營收會上升7%～10%。當然還有一些其他的潛在好處，如提升市場份額等。此外，運用SAS系統，產品質量會得到顯著提升，次品率也會因此減少10%～20%。

2、創造經營效益，從供應鏈渠道，以及生產現場的儀器或感測器網路收集了大量數據。利用大數據對這些資料庫進行更緊密的整合與分析，可以幫助改善庫存管理、銷售與分銷流程的效率，以及對設備的連續監控。製造業要想發展，企業必須了解大數據可以產生的成本效益。對設備進行預測性維護，現在就具備採用大數據技術的條件。製造業將是大數據營業收入的主要來源。

3、B2B電商供應鏈整合。強大的電商將引領上游下游生產計劃-下游銷售對接，這種對接趨勢是上游製造業外包供應鏈管理Supply-Chain，只專注於生產Manufacturing，ProctionChain(R&D)。

物流外包上升到供應鏈外包是一個巨大的飛躍，體現了電商的強大競爭力和整合能力，海量數據支持和跨平台、跨公司的對接成為可能。B-B供應鏈整合具有強大的市場空間，能夠改善我國產業布局、產業鏈優化、優化產能分配、降低庫存、降低供應鏈成本、提高供應鏈效率。

4、物流平台規模發展，B-C商業模式整合已經成為現實，但是物流執行平台的建設是拖後腿的瓶頸。多樣產品的銷售供應鏈的整合有很大的技術難題，如供貨周期、庫存周期、配送時效、物流操作要求等，這樣的物流中心難度很大。

大數據平台建設將驅動整體銷售供應鏈整合;中國的還有的現實問題跨區域物流配送、城鄉差異等，政府的管制是一大難點/疑難雜症，大數據平台有助於政府職能調整到位。

5、產品協同設計，過去大家最關心的是產品設計。可是現在，在產品設計和開發過程中，相關人員相互協同，工廠與製造能力也在同步設計和開發中。當前的壓力在於向市場交付更具競爭力、更高配置、更低價格、更高質量的產品，而同時滿足所有這些要求，是製造和工程企業的下一個重大的價值所在。這也正是大數據的用武之地。

企業如何部署大數據?

要讓數據發揮價值，首先要處理大數據，要能夠共享、集成、存儲和搜索來自眾多源頭的龐大數據。而就供應鏈而言，這意味著要能夠接受來自第三方系統的數據，並加快反饋速度。

其整體影響是增強協同性、加快決策制定和提高透明度，這對所有相關人員都有幫助。傳統供應鏈已經在使用大量的結構化數據，企業部署了先進的供應鏈管理系統，將資源數據，交易數據，供應商數據，質量數據等等存儲起來用於跟蹤供應鏈執行效率，成本，控制產品質量。

大數據給供應鏈帶來的好處

而當前大數據的概念則超出了傳統數據產生、獲取、轉換、應用分析和存儲的概念，出現非結構化數據，數據內容也出現多樣化，大數據部署將面臨新的挑戰。

針對如今所生成、傳輸和存儲的海量信息進行簡單處理所帶來的挑戰。當前，數據量呈爆炸式增長，而隨著M2M(機器對機器的通訊)的應用，此趨勢仍將持續下去。

但是，如若能夠解決這些挑戰，將可以打開嶄新的局面?核心在兩個方面：

1、解決數據的生成問題，即如何利用物聯網技術M2M獲取實時過程數據，虛擬化供應鏈的流程。通過挖掘這些新數據集的潛力，並結合來源廣泛的信息，就可能獲得全新的洞見。如此，企業可以開發全新的流程，並與產品全生命周期的各個方面直接關聯。與之集成的還有報告和分析功能，為流程提供反饋，從而創建一個良性的強化循環。

2、解決數據應用的問題，如何讓供應鏈各個價值轉換過程產生的數據發生商業價值，是發揮數據部署的革命性生產力的根本。大數據在供應鏈的應用已經不是簡單的交易狀態可視，支撐決策庫存水平，傳統ERP結構是無法承擔的。因此企業必須重新做好數據應用的頂層設計，建立強大全面的大數據應用分析模型，才能應對復雜海量的數據如何發揮價值的挑戰。

大數據在供應鏈領域的應用剛剛起步，隨著供應鏈的迅速發展，大數據分析，數據管理，大數據應用，大數據存儲在供應鏈領域蘊含巨大的發展潛力，大數據的投資也只有與供應鏈結合，才能產生可持續、規模化發展的產業

供應鏈大數據分析2

大數據分析對供應鏈有什麼影響

如今，從物流到客戶偏好的各種數據的持續增長正在迅速改變企業的經營方式，並突出了對加強數據管理和分析的強烈需求。大數據分析(指大型和復雜的數據集)的好處是顯而易見的：大數據可以完全改變組織的工作方式，在效率、成本、可見性和客戶滿意度方面產生巨大差異。

大數據來源廣泛：

-如今的技術和社交平台允許企業以評級、評論和博客評論的形式獲得直接的客戶反饋。

-來自移動通信、社交平台和電子商務的數據正在與來自企業系統的數據集成。

-隨著物聯網和機器對機器通信的引入，製造業正在從基於事件的計劃轉變為實時感測。

-不斷發展的感測器技術可提供實時設備和產品狀況數據，從而實現自動維護和過程調整。

數據在數量上、種類上和速度上都有所增長，如果以正確的方式加以利用，可以帶來巨大的價值。

研究顯示，企業已經在推動整個企業供應鏈的生產力，但在供應鏈功能中使用大數據分析在全球企業中並不普遍或協調得很好。受益於大數據分析的公司有三個共同點：它們擁有強大的企業級分析戰略，它們將大數據分析嵌入供應鏈運營，它們擁有合適的人才庫，能夠從大數據中產生可操作的見解。

有必要僱用、培訓和扶持能夠幫助企業從大數據分析中受益的領導者。從人力資本的角度來看，大多數公司的定位尚不足以接受數字化供應鏈轉型。我們分析了各行各業的50多位高級供應鏈高管的個人資料，以了解他們在供應鏈數字化方面的定位。在涉及所謂的「數字防備連續性」方面，各行各業的公司中絕大多數高管都普遍缺乏。

調研機構采訪了各行各業的商界領袖，以探討當今日益數字化的世界對首席供應鏈官的角色以及供應鏈領導者與高級管理人員中其他高管人員之間互動的影響。通過這些訪談，我們發現了供應鏈領導者應具備的四個關鍵特徵，以便能夠從大數據分析中獲得收益：

1、對數據和系統技術有深刻的了解。當今的企業可以通過數據分析和通過數字方式收集數據來深入了解客戶行為。盡管不需要首席供應鏈官成為信息技術（IT）專家，但他們應該對數據收集、技術和分析有足夠的了解，以引導對話並為高級領導者及其供應鏈團隊提供數字化願景。

供應鏈領導者應認識到如何實施和利用相關平台和流程以及數據來自何處，並應表現出對來自各種渠道的數據范圍和規模的扎實理解。重要的是，領導者必須准備好對數據採取明智的行動。

2、具有影響力的協作方法。如果首席供應鏈官在孤島工作，將無法從大數據分析中獲得收益。在內部，供應鏈領導者必須能夠與首席技術官進行溝通和協作，以幫助確定適合組織的技術和政策；

與首席數據官一起了解如何最佳地捕獲和使用數據；與首席營銷官一起，評估供應鏈如何能夠更專注於客戶和需求驅動，並與首席執行官具體溝通更廣泛的創造價值的機會。最終，供應鏈執行官將需要能夠與內部利益相關者和外部供應商建立橋梁。

3、跨職能經驗。如今的供應鏈管理人員具有跨部門的經驗，並且能夠理解和與來自多個業務部門的人員進行交流。重要的是，首席供應鏈官員還必須具有銷售、財務或技術方面的知識。

4、發展新技能和培訓他人的能力。當今的首席供應鏈官必須緊跟最新技術，以確保組織適當地吸收數字技能和分析人才。企業犯的最大錯誤之一是在沒有適當准備組織的情況下實施大數據分析項目。建立內部計劃以確保在整個供應鏈中採用技能至關重要。

要從整個供應鏈或整個組織的大數據分析中獲取所有好處，不僅需要技術和IT。從首席執行官和執行委員會開始，企業必須准備好支持一種全新的思維方式，培養一種對創新和技術開放的文化，並願意挑戰關於供應鏈管理方式的慣例。

大數據分析對供應鏈有什麼影響、中琛魔方大數據分析平台(www、zcmorefun、com)表示由於供應網路上數十億的連接設備提供關於服務需求、位置和庫存分布的實時信息，甚至實現預期的需求，理解和接受大數據的執行領導層、數字顛覆和這些趨勢的人力資本方面對未來企業的優勢至關重要。

供應鏈大數據分析3

"以零售門店為中心"的供應鏈分析框架

一、目的

本文旨在介紹「以零售門店為中心」的供應鏈管理，簡要介紹此框架下供應鏈管理的具體內容及行業痛點。

二、供應鏈是什麼？

供應鏈

所謂供應鏈，是指由涉及將產品或服務提供給最終消費者的整個活動過程的上游、中游和下游企業所構成的網路。包括從原材料采購開始，歷經供應商、製造商、分銷商、零售商，直至最終消費者的整個運作過程。

供應鏈管理

供應鏈管理，指的是圍繞核心企業，對供應鏈中的物流、信息流、資金流以及貿易夥伴關系等進行組織、計劃、協調、控制和優化的一系列現代化管理。

它將企業內部經營所有的業務單元如訂單、采購、庫存、計劃、生產、質量、運輸、市場、銷售、服務等以及相應的財務活動、人事管理均納入一條供應鏈內進行統籌管理。

在傳統零售或者傳統行業中，供應鏈主要局限在供應鏈的後端，即采購、生產、物流等職能，與消費者、銷售渠道的協同整合嚴重不足，導致牛鞭效應、孤島現象、的出現，讓供應鏈的反應總是很滯後。

三、「以零售門店為中心」的供應鏈管理

供應鏈網路

「以零售門店為中心」的'供應鏈網路（見下圖），即以滿足門店銷售及運營核心、銷售利潤最大化的供應鏈管理。

在此分析框架上，核心目標是最大條件滿足消費者需求，即管理缺貨、減少缺貨，管理滯銷、處理滯銷。此框架下供應鏈管理的內容為：門店補貨、門店調撥、缺貨管理管理、滯銷管理、促銷管理等。

供應鏈管理

需求預測

需求預測是所有供應鏈規劃的基礎；供應鏈中所有的流程都是根據對顧客需求的預測來進行的。因此，供應鏈管理的首要工作是對未來顧客的需求進行預測。

1、預測需要考慮的影響因素

需求預測需要考慮的重要影響因素：

歷史需求

產品補貨提前期

節假日

廣告或其他營銷活動的力度

競爭對手採取的行動

價格及促銷計劃

經濟狀況

2、預測方法

定性預測法

主要依賴於人的主觀判斷。當可供參考的歷史數據很少或專家擁有影響預測的需求市場信息時，採用定性預測方法最合適。

時間序列預測法

運用歷史需求數據對未來需求進行預測，它尤其適用於每年基本需求模式變化不大的場景。

因果關系預測法

假定需求預測與某些環境因素(經濟狀況、稅率等)調度相關，因果關系預測法可以找到這些環境因素與需求的關聯性，通過預測這些外界因素的變化來預測未來需求。

模擬法

通過模擬消費者的選擇來預測需求。如價格促銷將會帶來什麼樣的影響？競爭對手在附近開設一家新店會帶來什麼樣的影響？

門店補貨

1、什麼時候補貨？

什麼時候補貨？它是時間與頻次的問題，即補貨的觸發點問題。

通常有兩種策略：

策略一、設置庫存閥值，若庫存低於閥值則補貨。通過連續檢查的方法，判斷某個時刻是否需要補貨。

策略二、設置固定的補貨周期，零售門店通常按周來設置補貨頻次，即一周設置多次補貨頻次，並固定在某幾天，如某門店在周一、周三、周五補貨。

連鎖零售企業一般採用第二種策略，主要是因為零售企業經營的SKU數量眾多；另一方面，策略一的物流及倉庫排班及排車不確定高，不適合物流及倉庫的管理及運營。

本文的供應鏈鏈管理以策略二為基礎，並依此展開分析及研究。

2、補什麼商品？

季節性的品類調整

門店必須根據季節的變化，對商品陳列位置、商品結構、店鋪氛圍進行調整。一般來講，門店應該每年進行兩次大的調整，即：每年3-4月份針對春夏季的調整，每年國慶節過後的10-11月份期間的針對秋冬季節的調整; 每個季度針對本季度特殊季節、節日的變化進行的小調整，或臨時調整。

調整商品結構

商品結構必須根據季節變化進行調整。季節變化對商品結構的影響是非常大的，必須在季節變化到來之前，及時調整品類結構，壓縮過季商品品類，擴大應季商品的品類。

調整陳列位置和陳列資源

門店的陳列位置、陳列資源，對商品銷售產出的貢獻非常巨大，不同的陳列位置商品銷售會有幾倍甚至幾十倍的差距。門店的重點陳列位置、陳列資源必須隨季節變化而調整。一是季節商品是產生銷售貢獻*大的商品，二是季節商品是*能體現門店經營特色的商品，三是季節商品是*能提示消費者購物的商品。

重大節慶的品類調整

在快時尚、輕奢的品類中，很容易出現春節、婦女節(女王節)、情人節、開學季、聖誕節、雙十一等的節慶影響，表現出銷量井噴。零售企業需要根據節慶來完善豐富的品類結構，滿足顧客在特定節慶時期的消費需求。

市場變化導致的品類調整

禁配策略

地理環境因素，如西北地區處於內陸、遠離海洋，夏天不適合配沙灘遊玩類用品。風俗、宗教類因素，穆斯林地區禁止配送豬肉類食品。

新品策略

若零售公司准備投放一批新品，零售門店則需要為新品調整貨架，增加新品的曝光度，引導消費者產生首次購買、重復購買。

3、補多少量？

補貨量 = 需求量 – 門店庫存

計算門店需求時以需求預測為基礎，同時考慮下述影響需求及供給的約束條件：

倉庫容量

門店貨架容量

過去需求

產品補貨提前期

廣告計劃或其他營銷活動的力度

價格促銷計劃

競爭企業採取的行動

4、缺貨場景的庫存分配策略

策略一：增加相似商品的補貨庫存 相似商品：功能、顏色、功效相似的商品。

策略二：增加其他暢銷品的庫存 根據商品的銷售量排名，根據一定的分配策略來補貨。

缺貨管理

連鎖零售企業商品缺貨狀況會引發消費者的各種反應， 最終導致零售企業的銷售損失，48%的人會購買同一品種的替代品，15％的消費者不再購買，31％的顧客會到另一家店購買時再實施消費行為，顧客的轉店率是37％。

1、缺貨原因及應對策略

倉庫缺貨

渠道單一。單純地依靠某一個供應商或過分依賴某些材料部件，一旦某個供應環節中斷，將影響整個供應鏈的正常運作。缺乏預見能力。由於缺乏對供應鏈上的可預測性，不具有對供應商的供應能力和不確定性的前向洞察力，常常會面臨種種不確定因素影響所帶來的庫存短缺。應對措施：替代商品

補貨量不足

某商品銷售出現顯著增長，且明顯大於預期、門店庫存不足，但補貨不及時。應對措施：門店調撥 在零售行業中，線上線下競爭如此激烈，誰能快速解決各個商圈內門店之間、商圈之間超密集的調撥需求，實現高效調撥、把握銷售機會，實現銷售業績的新突破。

滯銷管理

1、滯銷危害

在陳列空間上，滯銷商品大量陳列占據了門店的貨架空間，迫使其他暢銷品的陳列空間不夠，新上市商品無法正常上貨。

滯銷商品佔用大量的資金，使得零售門店的流動資金日益萎縮，嚴重的會影響到正常商品采購、甚至導致門店倒閉。

對於顧客來說，滯銷商品大量陳列在貨架上，這樣既影響了顧客挑選自己需要的商品，浪費了消費者的注意力，甚至導致顧客無法找到正常的商品，損失了門店應該獲取的利潤。

從門店商圈來看，門店大量商品長期不做銷售周轉，消費可能會對門店失去信息，減少或改變原本的購物需求，轉向其他門店進行消費。

2、滯銷原因

季節因素

部分商品因地區差異存在明顯的季節之分，該部分商品由於季末沒有做特殊處理，導致在庫時間高於規定的天數，形成滯銷，體現在換季時門店任務按正常時段的銷售量作為補貨的依據產生。

補貨模型不合理因素

行業中大多數公司會把門店庫存管理權交給店長，由於公司的高速發展，門店會不斷地有新店長上任，店長庫存管理概念模糊，在補貨時大多憑借個人經驗確定補貨數量，容易導致部分補貨量較大的商品滯銷。

價格因素滯銷

部分商品會因為價格不合理而導致滯銷，一種是低價格商品，由於門店所處的商圈消費水平較高，價格低廉的老葯滯銷；另一種則是因為門店商品售價明顯高於競爭對手的售價導致滯銷。

陳列因素

與海量商品相比，門店的貨架資源永遠都是稀缺的，部分企業會給予部分商品特殊待遇，不能公平合理地分配貨架資源，導致部分商品因陳列位置差、曝光率低，從而導致滯銷。

淘汰商品不順暢

商品都會存在生命周期，特別是一些廣告商品，然而大多數公司更新商品都比較被動，不會主動去優化商品，會導致商品因同質化嚴重而引起滯銷。

批量采購決策失誤

供應鏈上游對市場需求及銷售情況沒有準確把握，商品采購數量過多，從而導致滯銷。

突發因素

某些突發因素導致消費行為發生重大變化。如」非洲豬瘟」導致豬肉類食品無法銷售出去，從而導致滯銷。

痛點

供應鏈上游滯銷引發的風險轉稼

在零售連鎖供應鏈網路中，供應鏈上游由於產品開發、采購失誤等決策失誤導致的庫存積壓，上游往往會將庫存風險轉稼到供應鏈末端(零售門店)，從而佔用零售門店大量的流動資金及貨架資源。

市場快速變化，難以准確預測和判斷供貨情況。

門店端某款產品突然爆發，致使供應鏈上下游倉庫出現大面積缺貨，此種情況供應鏈無法快速反應或供應周期過長，從而導致銷售機會的浪費。

預期范圍內、延遲或產能不足，導致銷售機會的損失。

某些品類由於供應鏈上游(采購、供應商)等原因，如產能不足或機器故障等原因導致交付延遲，從而導致銷售機會的浪費。

市場競爭加劇，線下實體店客流下滑

總結

供應鏈末端(零售門店)缺乏足夠或針對性的應對措施

供應鏈上下游協同是解決」零售門店」問題的重要方向

科學、精準的貨架管理將是提升門店銷售、實現供應鏈價值的重要方向

四、供應鏈的發展趨勢

全渠道趨勢

移動互聯網的迅猛發展催生了O2O、C2B、P2P等新業態，全球傳統產業開始受沖擊，受互聯網思維與互聯網、大數據、雲計算等技術深度影響出現變革，全球傳統行業將互聯網化，擁抱O2O全渠道零售大時代。

供應鏈日趨可視化

在運營中對商品廣泛使用了電子標簽，將線上線下數據同步，如SKU同步、庫存同步、價格同步、促銷同步；實現線上下單，線下有貨，後台統一促銷和價格。

供應鏈可視化以後，未來所有業務職能包括銷售、市場、財務、研發、采購和物流等進行有機的集成和協同就有了可能，可以對消費者需求、門店或網上庫存、銷售趨勢、物流信息、原產地信息等進行可視化展示，實現供應鏈敏捷和迅速反應。

新時代下的供應鏈可視化未來將持續向消費者、SKU、店員延伸，通過可視化集成平台，戰略計劃與業務緊密鏈接，需求與供應的平衡，訂單履行策略的實施，庫存與服務水平的調整等具體策略將得到高效的執行。

供應鏈預測智能化

在新零售的業態中，大量零售運營數據包括消費者、商品、銷售、庫存、訂單等在不同的應用場景中海量產生，結合在不同業務場景和業務目標，如商品品類管理、銷售預測、動態定價、促銷安排、自動補貨、安全庫存設定、倉店和店店之間的調撥、供應計劃排程、物流計劃制定等，再匹配上合適的演算法，即可對這些應用場景進行數字建模，邏輯簡單來說就是「獲取數據—分析數據—建立模型—預測未來—支持決策」。

本質上說，智能演算法是一項預測科技，而預測的目的不是為預測而預測，而是用來指導人類的各項行為決策，以免人在決策時因為未知和不確定而焦慮。

當全新的供應鏈體系，能夠實時顯示運營動態，如貨齡、售罄率、缺貨率、暢售滯銷佔比、退貨率、訂單滿足率、庫存周轉率、目標完成比率等，同時又能相互鏈接和協同，那麼將很容易形成通用運營決策建議，如智能選品、智能定價、自動預測、自動促銷、自動補貨和下單等。

在此基礎之上，供應鏈管理人員所做的事情就是搜集信息、判斷需求、和客戶溝通、協同各種資源、尋找創新機會等。

C. 「大數據」時代下的企業招聘

「大數據」時代下的企業招聘
在原有的人才資料庫的基礎上，導入以社交媒體為代表的「大數據」將使H R （人力資源部門）做聘用決策時更客觀。
數據，對於企業的H R 來說並不陌生，從最開始通過招聘搜集員工信息，到能力測評，以及年度、季度的績效考評，日積月累的數據不可謂不大，但是真正將這些數據整理分析，提供給人才管理者做決策的企業卻並不多見。然而，不管你用不用，這些數據還在增大，而且，隨著新技術的出現和普及，移動設備和社交媒體也加入到企業招聘的渠道中。如何充分利用這些數據以便更有效地支持人力資源管理工作？目前企業利用人才數據的現狀如何？人才「大數據」應用的前景是怎樣的？針對這些問題，德勤華永會計師事務所中國區人力資源部招聘總監王文佶和SHL 中國區總經理付權分別從企業實踐和調研分析的角度闡述了各自的看法。
從「小數據」說起
世界經理人：SHL發布的《2013 年全球評測趨勢報告》顯示，企業在利用人才『大數據』方面還處於起步階段。這里提到的『大數據』概念跟以前企業在招聘中運用的人才數據有何不同？
王文佶：其實數據一直存在，HR招聘過程本身就涉及很多數據，從應聘者的簡歷、筆試到面試都包含很多評分（rating）。但相比較現在所說的大數據，我們把這些稱為小數據。所謂小數據就是按照某個業務流程目標，預先設定一些甄選標准，通過抽樣的方法來判斷整個流程是否符合你的需要，通過數據來研究。
德勤也有人才分析數據，但基本都是基於怎樣利用好現有的小數據，就是把原來從不同部門或不同領域採集來的本身結構化的數據，錄入數據倉庫（ Data Warehouse），並進行數據挖掘（ Data Mining）。比如，德勤有一個候選人跟進系統—ATS （Applicant Tracking System），只要應聘者投遞簡歷，他的信息就會進入德勤的全球人才庫，現在約有30 0 萬人的信息。這個資料庫可以在德勤的各個跨國公司之間共享。德勤中國可以利用這個資料庫尋找美國德勤吸引來的人。這是一個巨大的人才資料庫或者候選人資料庫，我們可以經常進行數據挖掘。
另外，德勤也在用SH L 專門的工具叫做人才數據與結構分析（Talent Analytics），它從數據的體量上來講更大。比如，SHL能對所有應聘財務的學生，在全球范圍做各種比對和分析，從而分析出一種趨勢，我們將這種趨勢稱之為對標。當一家企業想確定今年招收員工的整體質量時，SHL 的數據可以幫我們橫向地跟全世界、亞洲或者其他競爭公司的情況做比較。
但是，我認為真正的大數據是研究非結構化數據，而非通過某一個特定目標、一個已經設定的標准去採集。當大數據來臨，產生的最主要的區別在於：大數據可以通過某種機器的手段，更多地採集候選人非結構化的、自然的、在社交媒體和網路上的信息，來輔佐目前已有的結構化數據，並幫助進行判斷。如果能做到這些，那麼招聘決策就會更加准確。
付權：以前的數據來源於調查研究。假如美聯社的薪酬數據來源於針對不同企業的HR所做的調研報告，內容可能包括今年不同崗位的薪酬漲幅如何，然後通過某個公司進行有效的數據處理後，便得出這個行業的薪酬基準（ Bench mark）。但現在的數據來源於每個人與整個數據採集機構直接的互動。比如LinkedIn就是這樣的數據採集機構，上面的數據是使用者作為個體自發提供的，而LinkedIn 同時也有社交媒體（Social Media） 的概念，所以它的數據是准確可信的。LinkedIn不僅僅是一個社交媒體，也是建立企業人才庫（Talent Pool） 的有效工具。
無論是大數據還是過去的小數據，它們的功能是一致的，就是對業績進行有效預測（ Predict Performance）。舉例來說，一個應聘者加入新公司，就需要接受測試，因為公司並不了解他。這就需要一個信效度較高的測試來判斷該應聘者是否符合這個企業的文化和業績目標，以及能否跟同事友好相處，互相促進。測試的種類非常多，但所有目的都是為了預測業績。世界經理人：所謂小數據的分析是怎樣運用到招聘和人才決策中去的？
王文佶：從校招和社招兩個角度來說。在校招方面，我們不是針對個人，而主要是針對整體進行分析。比如根據現在業務的需要，可能分析得出不一定非要招財務背景的學生做審計。通過小數據分析，我們發現財經類和非財經類的同學在考CPA 的通過率方面沒有差別，甚至非財務類的學生第一第二年的通過率更高。這個現象很奇怪，於是我們就找到培訓部門一起研究這些數據，並分析出很多可能原因。
這也是小數據的局限，因為通過分析產生一個結論，這種結論不能嚴密地解答疑問，會產生很多可能性。比如可能非財務類的學生由於不懂，所以同樣的課程花了更多精力，上進心和壓力感都更強，因此他們的考試通過率更高；還可能是因為財經類的學生進來就能用，所以更多時候被派到項目上去，反而沒時間預習功課。業務經理不願意用非財經類新人，因為他們不能立刻上手，所以他們有更多的時間去復習。經過分析，這些情況都有可能，但無法得出確定的結論，但至少我們知道，招聘時不一定非要招審計和財經類的學生，這就是一個小數據的例子。
在社招方面，德勤目前更多是在人才吸引、渠道分布和廣告有效性上做分析。對所有參加社招的人員，我們都會追蹤其消息來源，是通過自投簡歷、獵頭邀請，還是朋友推薦過來應聘的。就目前來說，德勤社招最得力的渠道是員工推薦，占整個最終招聘量的45%.於是，四五年前，我們把員工推薦的項目政策重新進行了改革，以提高大家的積極性。比如員工推薦的獎勵金額從原來的半年後付一半、一年後付全額，改為了把人介紹過來就付一半、三個月後付全額。這樣員工有很大積極性。
世界經理人：目前，企業HR對人才數據管理系統的重視程度偏低，或者說利用得不太好，是什麼原因？王文佶：一個主要的原因可能是數據收集所需要的投入超出了數據分析所帶來的實際收益，即投入產出不成比。比如德勤用過的人才招聘管理系統Taleo，它的一個功能是可以對所有篩選過的簡歷貼上各種標簽，比如此人這個職位好像不合適，但也許他將來能適合其他職位，於是可以做一個標記，下次找的時候就可以調出來。但是從現實的角度來看，這些工具沒有得到充分的利用。首先因為招聘官經常同時要管理十幾個空缺職位，而能把這些職位完成是首要任務。如果有剩餘時間或者找不到應聘者，他們才可能會花時間利用工具進行數據挖掘；第二個是技巧問題和工具方便性問題。另一方面，企業人力資源部門的職能條塊分割，使得各項人才管理數據分別由不同的職能團隊來收集和管理。比如薪酬團隊的數據和培訓團隊的數據往往就不被招聘團隊所掌握。現實的悖論往往是，大企業的HR有非常完善的HR職能團隊和基礎架構，可以收集到很多有用的數據，但是龐大的數據量和縱橫交錯的管理結構使得數據比較難以被有效利用，必須建立起一個項目團隊來收集、整理、分析這些數據。
大數據是什麼？
世界經理人：與小數據相比，大數據突破了哪些瓶頸？
付權：相對於大數據而言，通過調研得到的小數據可以從特殊到最後形成普遍的結論，卻很難逆向推理—從共性中找出特殊。大數據是從特殊到一般來推理出共性，然後還能從一般到特殊，尋找到異類或者優秀人才所具有的特徵，再把該特性標准化，從而形成了一個螺旋上升的推理。這是過去的小數據所缺少的。
此外，大數據可以讓我們跟蹤一個人的發展過程。比如，某位投資經理在十年的時間跨度內，盡管其能力可能變化不大，但個性可能會有所變化，他的動機可能逐漸降低或逐漸增加，技能和經驗一定是在增加的。為了了解這個人所經歷的變化，我們需要對他不同時段的評測數據進行有效的比對和分析，從而了解他的發展路徑。這在以前的小數據時代是不存在的。
大數據應用最重要的是，第一，它改變了預測績效的手段，以前是用小數據，現在是用大數據；第二，在人力資源領域裡面，大數據為人才模型提供更為詳盡、准確的數據支撐，更好地為企業管理人員所用，這非常重要。
世界經理人：與以前靠直覺來進行人才判斷相比，依靠大數據進行判斷是否會讓決策過程越來越科學化？
付權：所謂直覺是通過閱人無數所產生的經驗的第一反應，叫第一性原則。第一性原則的有效性是存疑的。有些情況下，由於巨大的文化差異，導致面試者的行為表現和表述方式都會非常不同，怎樣透過這些表面看到他們的能力、個性、動機、技能和經驗，這些都是無法通過直覺簡單獲取的。
大數據能夠讓人才選擇更加客觀、精確、容易。大數據為某位候選者的「畫像」（profile）提供一個正確、准確的反射，去映射到人才模型上面，來判斷他是否勝任這一職位。比如說通過評測數據，我們可以直觀看到一個人的評測結果是66 分，另一個人是67 分，這種微妙的差距是通過肉眼和直覺無法判斷的。而通過大數據，這就讓人才選擇更加容易和客觀。
社交媒體展現真實的應聘者
世界經理人：越來越多的企業開始利用社交媒體網路來進行招聘，這對HR意味著什麼？
王文佶：如同大數據在精準營銷上的應用，現在用戶在淘寶上搜過什麼，一打開微博也會出現同類商品的推送，如果說在招聘上也是用同樣的觀念或方法，有一個例子是LinkedIn 會根據用戶的社交信息，推送 「Maybe interesting in this job」的條目。這和電商運用的手段一樣，根據過去的網路行為推斷出你現在的需求。
德勤對社招和校招都做過這個畫像，就是找到理想候選人應該具備什麼樣的能力素質，怎樣描述，它包括候選人特徵。而在大數據時代，這個畫像里可能還要添加其他一些社交媒體的行為指標。在沒有大數據和測評工具的情況下，高管的最終決策主要通過一起吃飯或一起去打高爾夫等活動，為了觀察他們舉手投足自然的表現。但我們不可能把這套方法運用到每個應聘者。如果運用大數據，只要符合一定的法律規范，是不是能獲得每一個應聘者工作和社交行為（ Work & Social Behavior） 相關信息呢？這時候公司有兩種方法，一種是找第三方的背景調查公司，一種是詢問其以前所在公司的高管。將來如果一個人在微博、LinkedIn等社交媒體上都很活躍，那麼理論上，只要獲得他的授權，或是幾個簡單的基本信息，就能通過某種機制瀏覽到他所有的網路行為，而這些行為只要整合起來，再與通過標准化方法收集的信息做比對，就有助於提高招聘質量。但實際上要做到這些很難。這是一個理想，但只要我們有這個願景，我想早晚會實現，甚至大家最終會完全接受這種方法。
世界經理人：德勤是如何利用社交媒體進行招聘的？
王文佶：現在越來越多的大公司鼓勵招聘團隊自己直接、主動地去找人（Proactive Sourcing），也就是通過數據挖掘，通過自己建關系去找人。目前這種方式只佔德勤總招聘量的7%，而我們的目標至少要達到15% 以上。
在這種情況下，以LinkedIn為代表的社交媒體起到了較大的作用。我們購買Linkedln專門的招聘者（recruiter） 帳號，它和個人帳號不同，使用招聘者賬號就可以直接做數據挖掘，在Linkedln的350 萬中國國內用戶中直接搜索，甚至是在全球兩億四的用戶中搜索。還有，利用公司員工的Linkedln賬戶帶來更多企業曝光率。當有人點擊這個人的LinkedIn賬戶時，其所在公司的招聘廣告就會在旁邊跳出來。這是一個最新的解決方案，藉助員工的人脈做推廣。微博、微信、大街網等則幫助我們進行僱主品牌和招聘信息的傳播。
今年我們招聘團隊特地開發了一個基於德勤人脈關系的任務眾包平台：德勤聚力網（Deloit te Power House）。它的目標受眾是德勤現員工、准員工、實習生、前員工以及任何有志加入德勤的潛在候選人。在這個平台上，用戶可以發布眾包任務去找幫手，找資源，拓人脈。通過朋友間的不斷傳遞， 用戶發布的任務項目得到解決的同時也積聚了人脈。 並且， 用戶在網站上的每一次貢獻都可以獲得積分獎勵。這個平台不僅可以幫助招聘，還能幫助每一個員工把他們的職業人脈打通，在這個平台上整合和強化他們自己的社交關系。
世界經理人：企業在利用社交媒體進行招聘方面遇到哪些問題？
王文佶：很多公司都喜歡利用社交媒體來擴大直接招聘（ Direct Sourcing）。他們碰到的問題有兩個：第一，投入和產出比的權衡問題（ROI）。建設和維護社交媒體需要更多的管理投入，包括人員和資金，但社交媒體的效果不能也不應該僅用找到幾個人來衡量；第二，使用技巧問題。招聘官的主要職責是篩選簡歷並對應聘者進行評測。但是要管理社交媒體這一平台，要求的技能是如何做市場營銷，如何吸引被動候選人並說服他們加入。
大部分現有的招聘官缺乏這方面的技巧和思維方式，需要很多學習培訓。
所以，現在用社交媒體最多的是獵頭，他們有這個技能，知道如何找到候選人，激發他們的工作熱情，把工作機會銷售給他。企業內部HR 在社交媒體的使用方面相對較弱。
此外，當我們利用社交媒體數據進行數據分析時，也會遇到一些技術和法律問題，比如掃描社交媒體數據是一個新興技術，大數據分析的方法到底是否可靠、能否實現；對使用個人信息的法律限制和壁壘在哪；隱私權應該怎麼保護？目前在這些方面還有很多不清晰的地方。

D. CFO如何迎接財務大數據時代

CFO如何迎接財務大數據時代

大數據處理技術以及大數據管理共同締造的大數據時代，不僅變革了傳統財務管理的理念，也改變了企業中財務管理職能的定位，使財務管控路徑和模式更具多樣化，這意味著財務工作者的職業能力結構重塑和職業發展瓶頸將有很大突破。下面是我為大家帶來的關於CFO如何迎接財務大數據時代的知識，歡迎閱讀。

CFO如何迎接財務大數據時代 篇1

精益管理促進業財融合

不同的企業有不同的財務管理模式，財務管理最重要的就是財務戰略和企業戰略的高度融合。比如進行成本動因分析，進行戰略成本的管理，利用大數據實現精益管理，對業務流程和財務數據的工作無縫銜接以及業績評價考核，最後把工作落到實處。

精益管理其實是基於對數據的歸納總結並找出規律，然後有針對性地實施財務管理，從而實現穩健的財務管理。要善於利用管理會計工具，大數據技術對財務是一個很好的應用工具。在數據的搜集過程中，如何利用和分析數據才是最為關鍵的一點。

大數據財務落地

第一，觀念上要創新。為了實現內生長企業的財務創造價值，企業需打通了整個鏈條———從研發、生產、市場、供應鏈到財務，提出業財一體的價值創造體系。對於不做資本運作的企業來說，企業價值創造一定是跟業務緊密聯系在一起的，財務跟業務的關系類似0和1的關系，沒有業務的1財務就是0，但是有了業務這個1，後面就可以加很多0，財務是大有作為的，這就是全鏈條價值體系的理念創新。

第二，管理工具的應用創新。應用管理會計的工具，並使用全程變動成本法引導資源配置。把影響產品成本構成的所有因素都進行歸納，把影響整個企業成本變動部分做細致篩選和區分，同時對影響客戶的敏感因素，也進行詳細分析，從而引導資源配置，保證有限資源能夠在企業的經營過程中實現價值的最大化。

第三，具體實施手段創新。在業務第一、財務第二的研發型單位，財務想發揮更大的作用就需要有抓手和突破口，即運用全面預算管理工具。通過全面預算管理這個抓手，聚焦在戰略成本管理和盈利質量上。雖然企業近5年都是以20%的的速度在增長，但是如何使增長與戰略匹配，以及要培養哪些核心業務的可持續能力盈利能力，財務把現金流確定為重點的抓手，然後通過現金流調控培養核心業務。

第四，戰略想落地還需要跟考核相結合。只有將業績跟考核結合起來，整個企業的業績提升才會順理成章。財務服務的對象是業務，實施所有方法的依據也是為了讓企業實現可持續發展，考核的落腳點是操作業務的人。

數據分析至關重要

大數據嵌入到管理會計中的舉措，對財務人員會有很多新的挑戰。而有廣闊思維和數據分析，才能使得數據成為企業真正的財富：一是財務管理要有「無邊界管理」思維和「精益化管理」思維。在大數據時代，財務已經不僅僅是做標准性的工作，發揮主動能動性顯得更為重要。財務在整個公司業務流程中要起到一個無縫銜接的作用，無論朝前走一步或者向後邁一步，都可以在整個業務流程中起到一定主導作用。這種作用就是使得財務的效率提升。

二是單純的數字是毫無疑義的，只有把這些數字進行搜集、分類、歸納、篩選，做不同的組合、不同的分析才能夠稱為數據。想運用數據，分析至關重要。從不同的維度，如應收賬款、回款等維度分析，就可以對不同客戶制定不同的營銷策略，對不同的產品進行差異化的競價策略，對不同投入進行合理的資源配置。這時，數據才可以稱為企業真正的財富。

大數據實際上是管理會計最實用的工具之一。就企業轉型來說，管理會計已經把事後的總結提前到生產過程，甚至前端的應用中。「通過科研項目管理軟體，可以按照周、天給人員進行費用配置，與該項目的進展結合起來，數據全面預算管理也在此時發揮了作用。」苗廣萍說，通過數據進行成本動因的分析，挖掘數據背後隱藏的業務原因，從而指導業務工作。

同時，這也培養了財務人員的洞察力和前瞻性，財務向有利於價值增值的分析工作來配置，本身就是大數據時代非常重要的特點。

CFO如何迎接財務大數據時代 篇2

移動互聯網、工業互聯網及製造業與服務業融合發展的背景下，「數字平台+智能生態」逐漸成為「未來企業」的核心管理模式。數字化時代，新技術、新產業、新業態、新模式的新型經濟形態正在形成，倒逼企業和CFO加速進行系統化思考和全面的自我升級。

當前，在疫情的沖擊下，許多中小企業面臨資金緊張、資源短缺、管理漏洞等諸多難題的'掣肘，能否精準把握數字化轉型的核心要素和戰略取捨，成為這些企業能否順利度過疫情難關的關鍵。為此，北京財稅研究院與大成方略納稅人俱樂部整合業界頂級專業資源，傾力打造CFO實戰特訓營課程，為企業財務管理向數字化轉型提供助力。

CFO實戰特訓營助力企業CFO迎接新挑戰

當前，數字化轉型日益成為企業發展的迫切需求，作為企業財務工作的掌舵者，CFO們也面臨著前所未有的轉型壓力，要能夠在工作中在多種角色間迅速切換：公司決策的參與者、資本運作的實踐者、智能數控的應用者、業財融合的推動者、風險管控的承擔者……都是新時代賦予CFO們的新職責和新身份。

如何快速獲得這些管理能力呢？CFO實戰特訓營成為許多財務管理者的共同選擇。CFO實戰特訓營優選北京財稅研究院優質師資，通過優化升級的七大模塊課程，將理論知識與實際案例相融合，為財務負責人提供更為廣闊的戰略思維、知識架構和管理工具，助力實現職能轉型與變革。

作為CFO實戰特訓營的教學研發機構，北京財稅研究院是經北京市民政局評出的4A級財稅研究機構，多年來專門從事財稅政策與財稅實務研究，擁有一支由專職專家、稅務系統幹部、咨詢機構咨詢師、高校教師四部分組成的專家組，充分保障了課程的質量。

除了權威的機構和權威的師資，CFO實戰特訓營還構建了系統的培訓體系，「研習+訓練」的創新型學習模式，也更加契合智能時代下企業對財務高管的需求，可以幫助企業財務管理者快速成長為具有「財務智慧」的綜合型管理人才。

課程全面優化升級，助力企業CFO培養

CFO實戰特訓營課程匯集北京財稅研究院最優秀的師資和科研力量，著眼當前企業財務管理的變化與發展趨勢，同時將最新政策與企業財務實務統一結合，助力企業財務管理者快速提升知識儲備和實戰技能，為企業培養具有戰略性、創造性的業財融合與智能化的高級財務管理人才。

在課程設置方面，2020年CFO實戰特訓營課程全新優化升級，涵蓋業財融合轉型與財務價值創造、商業模式創新與財務戰略、公司治理法律運用、智能數控下的績效評價、盈利模式與融資創新、辨別投資中的財務陷阱、並購重組運營實務等七大模塊課程，切實幫助企業管理者深入理解和掌握企業財務管理中的難點與關鍵點，全方位提升財務管理能力。

針對新時代企業財務管理人才的職業發展需求，CFO實戰特訓營課程為企業管理者們提供了一個人才持續成長的通道。所有參與CFO實戰特訓營學習的學員，考核合格後，都可以獲得北京財稅研究院頒發的結業證書，還可以進入全國財務管理人才庫。凡錄入人才庫的財務管理人員，均可申請晉升中國企業財務管理人才評價等級，為企業對人才的評價和晉升提供依據。

數字化時代，適應時代需求且專業過硬的企業財務管理人才供不應求，而CFO實戰特訓營的系統培訓則讓財務人員的快速成長成為可能，讓優秀的人可以藉助數字化轉型成為職場贏家。

;