人才库大数据

A. 如何利用大数据促进大学生就业管理

怎样摸清底数、明白来路、清楚动向，是当前开展大学生就业服务工作面临的一个普遍难题。随着大数据时代的到来，这些难题有望通过智能数据分析技术一揽子解决，大学生就业服务也将进入精准服务新时代。

就业指导：从共性服务到个性服务

就业指导在引导毕业生就业中的作用越来越大。目前，各个高校都已开设就业指导课，但往往只停留在传统意义上的形势分析、就业推荐和就业讲座，很少有个性化的就业指导。

当前，我国高校的教务管理系统，具有完备的学生成绩信息，学生处有关于学生的基本信息，在就业处有学生的生源信息以及就业去向等信息。这些系统不仅有在校学生的数据，还有已经毕业学生的海量数据。

面对如此多的数据，如何从中发现对就业指导有实际意义的规律，这就需要善用大数据技术，通过现代化的信息技术手段，将海量、庞杂、分散的就业信息与数据进行归纳、综合、分析，从原来简单信息服务进化为具有学生需求分析、专业及个性测评、人岗适配、薪酬比较等多功能的咨询服务，帮助应届毕业生解决“我的专业能从事什么职业”，“我的个性适合什么行业”，“我适合到哪个行业、哪个城市发展我的事业”等问题，并进而提出就业解决方案，彻底扭转目前立足于找工作的短期性就业指导现状，并将其提升到真正的职业规划层面。

就业服务：从实名服务到智能服务

人社部门开展应届高校毕业生实名制服务，一方面是想准确地掌握高校毕业生就业信息，包括就业去向及就业的稳定性，另一方面是便于对高校毕业生及时提供相关的就业服务。高校毕业生就业信息实名制数据库的建立，将完整呈现毕业生就业的底数、现状、去向，对这些数据开展智能挖掘，变复杂数据为决策数据，就能实现企业“招”和大学生“找”的无缝对接。

首先，各地人社部门可以通过推行就业实名制工作，探索建立市、镇、社区（村）三级网络管理平台，将毕业生信息录入人力资源和社会保障一体化系统，并利用“就业管理软件”进行管理。同时，层层分解工作指标，具体落实专人负责，对应届毕业生进行点对点调查和跟踪，通过了解情况，充实数据资料，依托基层平台的服务功能以及网格化的精细管理，将毕业生就业工作细化到实处，使毕业生就业、未就业、升学等情况如实反映。

其次，通过数据分析，可以对症下药，开展就业指导活动，适时联系用人单位，组团至高校举办校园招聘会，提高招聘的质量和效率。目前的就业困难大学生援助服务同样可以引入类似分析服务，通过定点扶持，专人负责，了解求职意向，开发公益性岗位并实行重点推荐和优先安置措施。

大学生就业实名数据库的建设，并不止于就业服务，同时可以开展大学生初次就业薪酬调查、大学生就业专业分析等。还可以和专业技术人员服务平台对接，甚至可以和人才库对接，提供人才测评等服务。

B. 供应链大数据分析

供应链大数据分析

供应链大数据分析，越来越多的企业采用数据分析来应对供应链中断，并加强供应链管理(SCM)，目前有几项重大中断正在影响供应链。以下分享供应链大数据分析，一起来看看。

供应链大数据分析1

全面解析大数据给供应链带来的益处

时下，大数据已经完全跨越概念炒作，而成为很多行业业务发展中实实在在应用的重要武器，但是在供应链管理领域，大数据技术的应用产业发展则处于起步阶段，但是相信伴随其他行业大数据的快速发展，供应链管理中的大数据也会迅速跟上来，那么人们势必会问大数据到底能够为供应链带来哪些益处呢，下面请随乾元坤和我一同了解大数据给供应链带来的好处。

大数据与供应链

1、库存优化。比如，SAS独有的功能强大的库存优化模型可以实现在保持很高的客户满意度基础上，把供应成本降到最低并提高供应链的反应速度。

其库存成本第一年就可下降15%～30%，预测未来的准确性则会上升20%，由此带来的是其整体营收会上升7%～10%。当然还有一些其他的潜在好处，如提升市场份额等。此外，运用SAS系统，产品质量会得到显著提升，次品率也会因此减少10%～20%。

2、创造经营效益，从供应链渠道，以及生产现场的仪器或传感器网络收集了大量数据。利用大数据对这些数据库进行更紧密的整合与分析，可以帮助改善库存管理、销售与分销流程的效率，以及对设备的连续监控。制造业要想发展，企业必须了解大数据可以产生的成本效益。对设备进行预测性维护，现在就具备采用大数据技术的条件。制造业将是大数据营业收入的主要来源。

3、B2B电商供应链整合。强大的电商将引领上游下游生产计划-下游销售对接，这种对接趋势是上游制造业外包供应链管理Supply-Chain，只专注于生产Manufacturing，ProctionChain(R&D)。

物流外包上升到供应链外包是一个巨大的飞跃，体现了电商的强大竞争力和整合能力，海量数据支持和跨平台、跨公司的对接成为可能。B-B供应链整合具有强大的市场空间，能够改善我国产业布局、产业链优化、优化产能分配、降低库存、降低供应链成本、提高供应链效率。

4、物流平台规模发展，B-C商业模式整合已经成为现实，但是物流执行平台的建设是拖后腿的瓶颈。多样产品的销售供应链的整合有很大的技术难题，如供货周期、库存周期、配送时效、物流操作要求等，这样的物流中心难度很大。

大数据平台建设将驱动整体销售供应链整合;中国的还有的现实问题跨区域物流配送、城乡差异等，政府的管制是一大难点/疑难杂症，大数据平台有助于政府职能调整到位。

5、产品协同设计，过去大家最关心的是产品设计。可是现在，在产品设计和开发过程中，相关人员相互协同，工厂与制造能力也在同步设计和开发中。当前的压力在于向市场交付更具竞争力、更高配置、更低价格、更高质量的产品，而同时满足所有这些要求，是制造和工程企业的下一个重大的价值所在。这也正是大数据的用武之地。

企业如何部署大数据?

要让数据发挥价值，首先要处理大数据，要能够共享、集成、存储和搜索来自众多源头的庞大数据。而就供应链而言，这意味着要能够接受来自第三方系统的数据，并加快反馈速度。

其整体影响是增强协同性、加快决策制定和提高透明度，这对所有相关人员都有帮助。传统供应链已经在使用大量的结构化数据，企业部署了先进的供应链管理系统，将资源数据，交易数据，供应商数据，质量数据等等存储起来用于跟踪供应链执行效率，成本，控制产品质量。

大数据给供应链带来的好处

而当前大数据的概念则超出了传统数据产生、获取、转换、应用分析和存储的概念，出现非结构化数据，数据内容也出现多样化，大数据部署将面临新的挑战。

针对如今所生成、传输和存储的海量信息进行简单处理所带来的挑战。当前，数据量呈爆炸式增长，而随着M2M(机器对机器的通讯)的应用，此趋势仍将持续下去。

但是，如若能够解决这些挑战，将可以打开崭新的局面?核心在两个方面：

1、解决数据的生成问题，即如何利用物联网技术M2M获取实时过程数据，虚拟化供应链的流程。通过挖掘这些新数据集的潜力，并结合来源广泛的信息，就可能获得全新的洞见。如此，企业可以开发全新的流程，并与产品全生命周期的各个方面直接关联。与之集成的还有报告和分析功能，为流程提供反馈，从而创建一个良性的强化循环。

2、解决数据应用的问题，如何让供应链各个价值转换过程产生的数据发生商业价值，是发挥数据部署的革命性生产力的根本。大数据在供应链的应用已经不是简单的交易状态可视，支撑决策库存水平，传统ERP结构是无法承担的。因此企业必须重新做好数据应用的顶层设计，建立强大全面的大数据应用分析模型，才能应对复杂海量的数据如何发挥价值的挑战。

大数据在供应链领域的应用刚刚起步，随着供应链的迅速发展，大数据分析，数据管理，大数据应用，大数据存储在供应链领域蕴含巨大的发展潜力，大数据的投资也只有与供应链结合，才能产生可持续、规模化发展的产业

供应链大数据分析2

大数据分析对供应链有什么影响

如今，从物流到客户偏好的各种数据的持续增长正在迅速改变企业的经营方式，并突出了对加强数据管理和分析的强烈需求。大数据分析(指大型和复杂的数据集)的好处是显而易见的：大数据可以完全改变组织的工作方式，在效率、成本、可见性和客户满意度方面产生巨大差异。

大数据来源广泛：

-如今的技术和社交平台允许企业以评级、评论和博客评论的形式获得直接的客户反馈。

-来自移动通信、社交平台和电子商务的数据正在与来自企业系统的数据集成。

-随着物联网和机器对机器通信的引入，制造业正在从基于事件的计划转变为实时感测。

-不断发展的传感器技术可提供实时设备和产品状况数据，从而实现自动维护和过程调整。

数据在数量上、种类上和速度上都有所增长，如果以正确的方式加以利用，可以带来巨大的价值。

研究显示，企业已经在推动整个企业供应链的生产力，但在供应链功能中使用大数据分析在全球企业中并不普遍或协调得很好。受益于大数据分析的公司有三个共同点：它们拥有强大的企业级分析战略，它们将大数据分析嵌入供应链运营，它们拥有合适的人才库，能够从大数据中产生可操作的见解。

有必要雇用、培训和扶持能够帮助企业从大数据分析中受益的领导者。从人力资本的角度来看，大多数公司的定位尚不足以接受数字化供应链转型。我们分析了各行各业的50多位高级供应链高管的个人资料，以了解他们在供应链数字化方面的定位。在涉及所谓的“数字防备连续性”方面，各行各业的公司中绝大多数高管都普遍缺乏。

调研机构采访了各行各业的商界领袖，以探讨当今日益数字化的世界对首席供应链官的角色以及供应链领导者与高级管理人员中其他高管人员之间互动的影响。通过这些访谈，我们发现了供应链领导者应具备的四个关键特征，以便能够从大数据分析中获得收益：

1、对数据和系统技术有深刻的了解。当今的企业可以通过数据分析和通过数字方式收集数据来深入了解客户行为。尽管不需要首席供应链官成为信息技术（IT）专家，但他们应该对数据收集、技术和分析有足够的了解，以引导对话并为高级领导者及其供应链团队提供数字化愿景。

供应链领导者应认识到如何实施和利用相关平台和流程以及数据来自何处，并应表现出对来自各种渠道的数据范围和规模的扎实理解。重要的是，领导者必须准备好对数据采取明智的行动。

2、具有影响力的协作方法。如果首席供应链官在孤岛工作，将无法从大数据分析中获得收益。在内部，供应链领导者必须能够与首席技术官进行沟通和协作，以帮助确定适合组织的技术和政策；

与首席数据官一起了解如何最佳地捕获和使用数据；与首席营销官一起，评估供应链如何能够更专注于客户和需求驱动，并与首席执行官具体沟通更广泛的创造价值的机会。最终，供应链执行官将需要能够与内部利益相关者和外部供应商建立桥梁。

3、跨职能经验。如今的供应链管理人员具有跨部门的经验，并且能够理解和与来自多个业务部门的人员进行交流。重要的是，首席供应链官员还必须具有销售、财务或技术方面的知识。

4、发展新技能和培训他人的能力。当今的首席供应链官必须紧跟最新技术，以确保组织适当地吸收数字技能和分析人才。企业犯的最大错误之一是在没有适当准备组织的情况下实施大数据分析项目。建立内部计划以确保在整个供应链中采用技能至关重要。

要从整个供应链或整个组织的大数据分析中获取所有好处，不仅需要技术和IT。从首席执行官和执行委员会开始，企业必须准备好支持一种全新的思维方式，培养一种对创新和技术开放的文化，并愿意挑战关于供应链管理方式的惯例。

大数据分析对供应链有什么影响、中琛魔方大数据分析平台(www、zcmorefun、com)表示由于供应网络上数十亿的连接设备提供关于服务需求、位置和库存分布的实时信息，甚至实现预期的需求，理解和接受大数据的执行领导层、数字颠覆和这些趋势的人力资本方面对未来企业的优势至关重要。

供应链大数据分析3

"以零售门店为中心"的供应链分析框架

一、目的

本文旨在介绍“以零售门店为中心”的供应链管理，简要介绍此框架下供应链管理的具体内容及行业痛点。

二、供应链是什么？

供应链

所谓供应链，是指由涉及将产品或服务提供给最终消费者的整个活动过程的上游、中游和下游企业所构成的网络。包括从原材料采购开始，历经供应商、制造商、分销商、零售商，直至最终消费者的整个运作过程。

供应链管理

供应链管理，指的是围绕核心企业，对供应链中的物流、信息流、资金流以及贸易伙伴关系等进行组织、计划、协调、控制和优化的一系列现代化管理。

它将企业内部经营所有的业务单元如订单、采购、库存、计划、生产、质量、运输、市场、销售、服务等以及相应的财务活动、人事管理均纳入一条供应链内进行统筹管理。

在传统零售或者传统行业中，供应链主要局限在供应链的后端，即采购、生产、物流等职能，与消费者、销售渠道的协同整合严重不足，导致牛鞭效应、孤岛现象、的出现，让供应链的反应总是很滞后。

三、“以零售门店为中心”的供应链管理

供应链网络

“以零售门店为中心”的'供应链网络（见下图），即以满足门店销售及运营核心、销售利润最大化的供应链管理。

在此分析框架上，核心目标是最大条件满足消费者需求，即管理缺货、减少缺货，管理滞销、处理滞销。此框架下供应链管理的内容为：门店补货、门店调拨、缺货管理管理、滞销管理、促销管理等。

供应链管理

需求预测

需求预测是所有供应链规划的基础；供应链中所有的流程都是根据对顾客需求的预测来进行的。因此，供应链管理的首要工作是对未来顾客的需求进行预测。

1、预测需要考虑的影响因素

需求预测需要考虑的重要影响因素：

历史需求

产品补货提前期

节假日

广告或其他营销活动的力度

竞争对手采取的行动

价格及促销计划

经济状况

2、预测方法

定性预测法

主要依赖于人的主观判断。当可供参考的历史数据很少或专家拥有影响预测的需求市场信息时，采用定性预测方法最合适。

时间序列预测法

运用历史需求数据对未来需求进行预测，它尤其适用于每年基本需求模式变化不大的场景。

因果关系预测法

假定需求预测与某些环境因素(经济状况、税率等)调度相关，因果关系预测法可以找到这些环境因素与需求的关联性，通过预测这些外界因素的变化来预测未来需求。

仿真法

通过模拟消费者的选择来预测需求。如价格促销将会带来什么样的影响？竞争对手在附近开设一家新店会带来什么样的影响？

门店补货

1、什么时候补货？

什么时候补货？它是时间与频次的问题，即补货的触发点问题。

通常有两种策略：

策略一、设置库存阀值，若库存低于阀值则补货。通过连续检查的方法，判断某个时刻是否需要补货。

策略二、设置固定的补货周期，零售门店通常按周来设置补货频次，即一周设置多次补货频次，并固定在某几天，如某门店在周一、周三、周五补货。

连锁零售企业一般采用第二种策略，主要是因为零售企业经营的SKU数量众多；另一方面，策略一的物流及仓库排班及排车不确定高，不适合物流及仓库的管理及运营。

本文的供应链链管理以策略二为基础，并依此展开分析及研究。

2、补什么商品？

季节性的品类调整

门店必须根据季节的变化，对商品陈列位置、商品结构、店铺氛围进行调整。一般来讲，门店应该每年进行两次大的调整，即：每年3-4月份针对春夏季的调整，每年国庆节过后的10-11月份期间的针对秋冬季节的调整; 每个季度针对本季度特殊季节、节日的变化进行的小调整，或临时调整。

调整商品结构

商品结构必须根据季节变化进行调整。季节变化对商品结构的影响是非常大的，必须在季节变化到来之前，及时调整品类结构，压缩过季商品品类，扩大应季商品的品类。

调整陈列位置和陈列资源

门店的陈列位置、陈列资源，对商品销售产出的贡献非常巨大，不同的陈列位置商品销售会有几倍甚至几十倍的差距。门店的重点陈列位置、陈列资源必须随季节变化而调整。一是季节商品是产生销售贡献*大的商品，二是季节商品是*能体现门店经营特色的商品，三是季节商品是*能提示消费者购物的商品。

重大节庆的品类调整

在快时尚、轻奢的品类中，很容易出现春节、妇女节(女王节)、情人节、开学季、圣诞节、双十一等的节庆影响，表现出销量井喷。零售企业需要根据节庆来完善丰富的品类结构，满足顾客在特定节庆时期的消费需求。

市场变化导致的品类调整

禁配策略

地理环境因素，如西北地区处于内陆、远离海洋，夏天不适合配沙滩游玩类用品。风俗、宗教类因素，穆斯林地区禁止配送猪肉类食品。

新品策略

若零售公司准备投放一批新品，零售门店则需要为新品调整货架，增加新品的曝光度，引导消费者产生首次购买、重复购买。

3、补多少量？

补货量 = 需求量 – 门店库存

计算门店需求时以需求预测为基础，同时考虑下述影响需求及供给的约束条件：

仓库容量

门店货架容量

过去需求

产品补货提前期

广告计划或其他营销活动的力度

价格促销计划

竞争企业采取的行动

4、缺货场景的库存分配策略

策略一：增加相似商品的补货库存 相似商品：功能、颜色、功效相似的商品。

策略二：增加其他畅销品的库存 根据商品的销售量排名，根据一定的分配策略来补货。

缺货管理

连锁零售企业商品缺货状况会引发消费者的各种反应， 最终导致零售企业的销售损失，48%的人会购买同一品种的替代品，15％的消费者不再购买，31％的顾客会到另一家店购买时再实施消费行为，顾客的转店率是37％。

1、缺货原因及应对策略

仓库缺货

渠道单一。单纯地依靠某一个供应商或过分依赖某些材料部件，一旦某个供应环节中断，将影响整个供应链的正常运作。缺乏预见能力。由于缺乏对供应链上的可预测性，不具有对供应商的供应能力和不确定性的前向洞察力，常常会面临种种不确定因素影响所带来的库存短缺。应对措施：替代商品

补货量不足

某商品销售出现显著增长，且明显大于预期、门店库存不足，但补货不及时。应对措施：门店调拨 在零售行业中，线上线下竞争如此激烈，谁能快速解决各个商圈内门店之间、商圈之间超密集的调拨需求，实现高效调拨、把握销售机会，实现销售业绩的新突破。

滞销管理

1、滞销危害

在陈列空间上，滞销商品大量陈列占据了门店的货架空间，迫使其他畅销品的陈列空间不够，新上市商品无法正常上货。

滞销商品占用大量的资金，使得零售门店的流动资金日益萎缩，严重的会影响到正常商品采购、甚至导致门店倒闭。

对于顾客来说，滞销商品大量陈列在货架上，这样既影响了顾客挑选自己需要的商品，浪费了消费者的注意力，甚至导致顾客无法找到正常的商品，损失了门店应该获取的利润。

从门店商圈来看，门店大量商品长期不做销售周转，消费可能会对门店失去信息，减少或改变原本的购物需求，转向其他门店进行消费。

2、滞销原因

季节因素

部分商品因地区差异存在明显的季节之分，该部分商品由于季末没有做特殊处理，导致在库时间高于规定的天数，形成滞销，体现在换季时门店任务按正常时段的销售量作为补货的依据产生。

补货模型不合理因素

行业中大多数公司会把门店库存管理权交给店长，由于公司的高速发展，门店会不断地有新店长上任，店长库存管理概念模糊，在补货时大多凭借个人经验确定补货数量，容易导致部分补货量较大的商品滞销。

价格因素滞销

部分商品会因为价格不合理而导致滞销，一种是低价格商品，由于门店所处的商圈消费水平较高，价格低廉的老药滞销；另一种则是因为门店商品售价明显高于竞争对手的售价导致滞销。

陈列因素

与海量商品相比，门店的货架资源永远都是稀缺的，部分企业会给予部分商品特殊待遇，不能公平合理地分配货架资源，导致部分商品因陈列位置差、曝光率低，从而导致滞销。

淘汰商品不顺畅

商品都会存在生命周期，特别是一些广告商品，然而大多数公司更新商品都比较被动，不会主动去优化商品，会导致商品因同质化严重而引起滞销。

批量采购决策失误

供应链上游对市场需求及销售情况没有准确把握，商品采购数量过多，从而导致滞销。

突发因素

某些突发因素导致消费行为发生重大变化。如”非洲猪瘟”导致猪肉类食品无法销售出去，从而导致滞销。

痛点

供应链上游滞销引发的风险转稼

在零售连锁供应链网络中，供应链上游由于产品开发、采购失误等决策失误导致的库存积压，上游往往会将库存风险转稼到供应链末端(零售门店)，从而占用零售门店大量的流动资金及货架资源。

市场快速变化，难以准确预测和判断供货情况。

门店端某款产品突然爆发，致使供应链上下游仓库出现大面积缺货，此种情况供应链无法快速反应或供应周期过长，从而导致销售机会的浪费。

预期范围内、延迟或产能不足，导致销售机会的损失。

某些品类由于供应链上游(采购、供应商)等原因，如产能不足或机器故障等原因导致交付延迟，从而导致销售机会的浪费。

市场竞争加剧，线下实体店客流下滑

总结

供应链末端(零售门店)缺乏足够或针对性的应对措施

供应链上下游协同是解决”零售门店”问题的重要方向

科学、精准的货架管理将是提升门店销售、实现供应链价值的重要方向

四、供应链的发展趋势

全渠道趋势

移动互联网的迅猛发展催生了O2O、C2B、P2P等新业态，全球传统产业开始受冲击，受互联网思维与互联网、大数据、云计算等技术深度影响出现变革，全球传统行业将互联网化，拥抱O2O全渠道零售大时代。

供应链日趋可视化

在运营中对商品广泛使用了电子标签，将线上线下数据同步，如SKU同步、库存同步、价格同步、促销同步；实现线上下单，线下有货，后台统一促销和价格。

供应链可视化以后，未来所有业务职能包括销售、市场、财务、研发、采购和物流等进行有机的集成和协同就有了可能，可以对消费者需求、门店或网上库存、销售趋势、物流信息、原产地信息等进行可视化展示，实现供应链敏捷和迅速反应。

新时代下的供应链可视化未来将持续向消费者、SKU、店员延伸，通过可视化集成平台，战略计划与业务紧密链接，需求与供应的平衡，订单履行策略的实施，库存与服务水平的调整等具体策略将得到高效的执行。

供应链预测智能化

在新零售的业态中，大量零售运营数据包括消费者、商品、销售、库存、订单等在不同的应用场景中海量产生，结合在不同业务场景和业务目标，如商品品类管理、销售预测、动态定价、促销安排、自动补货、安全库存设定、仓店和店店之间的调拨、供应计划排程、物流计划制定等，再匹配上合适的算法，即可对这些应用场景进行数字建模，逻辑简单来说就是“获取数据—分析数据—建立模型—预测未来—支持决策”。

本质上说，智能算法是一项预测科技，而预测的目的不是为预测而预测，而是用来指导人类的各项行为决策，以免人在决策时因为未知和不确定而焦虑。

当全新的供应链体系，能够实时显示运营动态，如货龄、售罄率、缺货率、畅售滞销占比、退货率、订单满足率、库存周转率、目标完成比率等，同时又能相互链接和协同，那么将很容易形成通用运营决策建议，如智能选品、智能定价、自动预测、自动促销、自动补货和下单等。

在此基础之上，供应链管理人员所做的事情就是搜集信息、判断需求、和客户沟通、协同各种资源、寻找创新机会等。

C. “大数据”时代下的企业招聘

“大数据”时代下的企业招聘
在原有的人才数据库的基础上，导入以社交媒体为代表的“大数据”将使H R （人力资源部门）做聘用决策时更客观。
数据，对于企业的H R 来说并不陌生，从最开始通过招聘搜集员工信息，到能力测评，以及年度、季度的绩效考评，日积月累的数据不可谓不大，但是真正将这些数据整理分析，提供给人才管理者做决策的企业却并不多见。然而，不管你用不用，这些数据还在增大，而且，随着新技术的出现和普及，移动设备和社交媒体也加入到企业招聘的渠道中。如何充分利用这些数据以便更有效地支持人力资源管理工作？目前企业利用人才数据的现状如何？人才“大数据”应用的前景是怎样的？针对这些问题，德勤华永会计师事务所中国区人力资源部招聘总监王文佶和SHL 中国区总经理付权分别从企业实践和调研分析的角度阐述了各自的看法。
从“小数据”说起
世界经理人：SHL发布的《2013 年全球评测趋势报告》显示，企业在利用人才‘大数据’方面还处于起步阶段。这里提到的‘大数据’概念跟以前企业在招聘中运用的人才数据有何不同？
王文佶：其实数据一直存在，HR招聘过程本身就涉及很多数据，从应聘者的简历、笔试到面试都包含很多评分（rating）。但相比较现在所说的大数据，我们把这些称为小数据。所谓小数据就是按照某个业务流程目标，预先设定一些甄选标准，通过抽样的方法来判断整个流程是否符合你的需要，通过数据来研究。
德勤也有人才分析数据，但基本都是基于怎样利用好现有的小数据，就是把原来从不同部门或不同领域采集来的本身结构化的数据，录入数据仓库（ Data Warehouse），并进行数据挖掘（ Data Mining）。比如，德勤有一个候选人跟进系统—ATS （Applicant Tracking System），只要应聘者投递简历，他的信息就会进入德勤的全球人才库，现在约有30 0 万人的信息。这个数据库可以在德勤的各个跨国公司之间共享。德勤中国可以利用这个数据库寻找美国德勤吸引来的人。这是一个巨大的人才数据库或者候选人数据库，我们可以经常进行数据挖掘。
另外，德勤也在用SH L 专门的工具叫做人才数据与结构分析（Talent Analytics），它从数据的体量上来讲更大。比如，SHL能对所有应聘财务的学生，在全球范围做各种比对和分析，从而分析出一种趋势，我们将这种趋势称之为对标。当一家企业想确定今年招收员工的整体质量时，SHL 的数据可以帮我们横向地跟全世界、亚洲或者其他竞争公司的情况做比较。
但是，我认为真正的大数据是研究非结构化数据，而非通过某一个特定目标、一个已经设定的标准去采集。当大数据来临，产生的最主要的区别在于：大数据可以通过某种机器的手段，更多地采集候选人非结构化的、自然的、在社交媒体和网络上的信息，来辅佐目前已有的结构化数据，并帮助进行判断。如果能做到这些，那么招聘决策就会更加准确。
付权：以前的数据来源于调查研究。假如美联社的薪酬数据来源于针对不同企业的HR所做的调研报告，内容可能包括今年不同岗位的薪酬涨幅如何，然后通过某个公司进行有效的数据处理后，便得出这个行业的薪酬基准（ Bench mark）。但现在的数据来源于每个人与整个数据采集机构直接的互动。比如LinkedIn就是这样的数据采集机构，上面的数据是使用者作为个体自发提供的，而LinkedIn 同时也有社交媒体（Social Media） 的概念，所以它的数据是准确可信的。LinkedIn不仅仅是一个社交媒体，也是建立企业人才库（Talent Pool） 的有效工具。
无论是大数据还是过去的小数据，它们的功能是一致的，就是对业绩进行有效预测（ Predict Performance）。举例来说，一个应聘者加入新公司，就需要接受测试，因为公司并不了解他。这就需要一个信效度较高的测试来判断该应聘者是否符合这个企业的文化和业绩目标，以及能否跟同事友好相处，互相促进。测试的种类非常多，但所有目的都是为了预测业绩。世界经理人：所谓小数据的分析是怎样运用到招聘和人才决策中去的？
王文佶：从校招和社招两个角度来说。在校招方面，我们不是针对个人，而主要是针对整体进行分析。比如根据现在业务的需要，可能分析得出不一定非要招财务背景的学生做审计。通过小数据分析，我们发现财经类和非财经类的同学在考CPA 的通过率方面没有差别，甚至非财务类的学生第一第二年的通过率更高。这个现象很奇怪，于是我们就找到培训部门一起研究这些数据，并分析出很多可能原因。
这也是小数据的局限，因为通过分析产生一个结论，这种结论不能严密地解答疑问，会产生很多可能性。比如可能非财务类的学生由于不懂，所以同样的课程花了更多精力，上进心和压力感都更强，因此他们的考试通过率更高；还可能是因为财经类的学生进来就能用，所以更多时候被派到项目上去，反而没时间预习功课。业务经理不愿意用非财经类新人，因为他们不能立刻上手，所以他们有更多的时间去复习。经过分析，这些情况都有可能，但无法得出确定的结论，但至少我们知道，招聘时不一定非要招审计和财经类的学生，这就是一个小数据的例子。
在社招方面，德勤目前更多是在人才吸引、渠道分布和广告有效性上做分析。对所有参加社招的人员，我们都会追踪其消息来源，是通过自投简历、猎头邀请，还是朋友推荐过来应聘的。就目前来说，德勤社招最得力的渠道是员工推荐，占整个最终招聘量的45%.于是，四五年前，我们把员工推荐的项目政策重新进行了改革，以提高大家的积极性。比如员工推荐的奖励金额从原来的半年后付一半、一年后付全额，改为了把人介绍过来就付一半、三个月后付全额。这样员工有很大积极性。
世界经理人：目前，企业HR对人才数据管理系统的重视程度偏低，或者说利用得不太好，是什么原因？王文佶：一个主要的原因可能是数据收集所需要的投入超出了数据分析所带来的实际收益，即投入产出不成比。比如德勤用过的人才招聘管理系统Taleo，它的一个功能是可以对所有筛选过的简历贴上各种标签，比如此人这个职位好像不合适，但也许他将来能适合其他职位，于是可以做一个标记，下次找的时候就可以调出来。但是从现实的角度来看，这些工具没有得到充分的利用。首先因为招聘官经常同时要管理十几个空缺职位，而能把这些职位完成是首要任务。如果有剩余时间或者找不到应聘者，他们才可能会花时间利用工具进行数据挖掘；第二个是技巧问题和工具方便性问题。另一方面，企业人力资源部门的职能条块分割，使得各项人才管理数据分别由不同的职能团队来收集和管理。比如薪酬团队的数据和培训团队的数据往往就不被招聘团队所掌握。现实的悖论往往是，大企业的HR有非常完善的HR职能团队和基础架构，可以收集到很多有用的数据，但是庞大的数据量和纵横交错的管理结构使得数据比较难以被有效利用，必须建立起一个项目团队来收集、整理、分析这些数据。
大数据是什么？
世界经理人：与小数据相比，大数据突破了哪些瓶颈？
付权：相对于大数据而言，通过调研得到的小数据可以从特殊到最后形成普遍的结论，却很难逆向推理—从共性中找出特殊。大数据是从特殊到一般来推理出共性，然后还能从一般到特殊，寻找到异类或者优秀人才所具有的特征，再把该特性标准化，从而形成了一个螺旋上升的推理。这是过去的小数据所缺少的。
此外，大数据可以让我们跟踪一个人的发展过程。比如，某位投资经理在十年的时间跨度内，尽管其能力可能变化不大，但个性可能会有所变化，他的动机可能逐渐降低或逐渐增加，技能和经验一定是在增加的。为了了解这个人所经历的变化，我们需要对他不同时段的评测数据进行有效的比对和分析，从而了解他的发展路径。这在以前的小数据时代是不存在的。
大数据应用最重要的是，第一，它改变了预测绩效的手段，以前是用小数据，现在是用大数据；第二，在人力资源领域里面，大数据为人才模型提供更为详尽、准确的数据支撑，更好地为企业管理人员所用，这非常重要。
世界经理人：与以前靠直觉来进行人才判断相比，依靠大数据进行判断是否会让决策过程越来越科学化？
付权：所谓直觉是通过阅人无数所产生的经验的第一反应，叫第一性原则。第一性原则的有效性是存疑的。有些情况下，由于巨大的文化差异，导致面试者的行为表现和表述方式都会非常不同，怎样透过这些表面看到他们的能力、个性、动机、技能和经验，这些都是无法通过直觉简单获取的。
大数据能够让人才选择更加客观、精确、容易。大数据为某位候选者的“画像”（profile）提供一个正确、准确的反射，去映射到人才模型上面，来判断他是否胜任这一职位。比如说通过评测数据，我们可以直观看到一个人的评测结果是66 分，另一个人是67 分，这种微妙的差距是通过肉眼和直觉无法判断的。而通过大数据，这就让人才选择更加容易和客观。
社交媒体展现真实的应聘者
世界经理人：越来越多的企业开始利用社交媒体网络来进行招聘，这对HR意味着什么？
王文佶：如同大数据在精准营销上的应用，现在用户在淘宝上搜过什么，一打开微博也会出现同类商品的推送，如果说在招聘上也是用同样的观念或方法，有一个例子是LinkedIn 会根据用户的社交信息，推送 “Maybe interesting in this job”的条目。这和电商运用的手段一样，根据过去的网络行为推断出你现在的需求。
德勤对社招和校招都做过这个画像，就是找到理想候选人应该具备什么样的能力素质，怎样描述，它包括候选人特征。而在大数据时代，这个画像里可能还要添加其他一些社交媒体的行为指标。在没有大数据和测评工具的情况下，高管的最终决策主要通过一起吃饭或一起去打高尔夫等活动，为了观察他们举手投足自然的表现。但我们不可能把这套方法运用到每个应聘者。如果运用大数据，只要符合一定的法律规范，是不是能获得每一个应聘者工作和社交行为（ Work & Social Behavior） 相关信息呢？这时候公司有两种方法，一种是找第三方的背景调查公司，一种是询问其以前所在公司的高管。将来如果一个人在微博、LinkedIn等社交媒体上都很活跃，那么理论上，只要获得他的授权，或是几个简单的基本信息，就能通过某种机制浏览到他所有的网络行为，而这些行为只要整合起来，再与通过标准化方法收集的信息做比对，就有助于提高招聘质量。但实际上要做到这些很难。这是一个理想，但只要我们有这个愿景，我想早晚会实现，甚至大家最终会完全接受这种方法。
世界经理人：德勤是如何利用社交媒体进行招聘的？
王文佶：现在越来越多的大公司鼓励招聘团队自己直接、主动地去找人（Proactive Sourcing），也就是通过数据挖掘，通过自己建关系去找人。目前这种方式只占德勤总招聘量的7%，而我们的目标至少要达到15% 以上。
在这种情况下，以LinkedIn为代表的社交媒体起到了较大的作用。我们购买Linkedln专门的招聘者（recruiter） 帐号，它和个人帐号不同，使用招聘者账号就可以直接做数据挖掘，在Linkedln的350 万中国国内用户中直接搜索，甚至是在全球两亿四的用户中搜索。还有，利用公司员工的Linkedln账户带来更多企业曝光率。当有人点击这个人的LinkedIn账户时，其所在公司的招聘广告就会在旁边跳出来。这是一个最新的解决方案，借助员工的人脉做推广。微博、微信、大街网等则帮助我们进行雇主品牌和招聘信息的传播。
今年我们招聘团队特地开发了一个基于德勤人脉关系的任务众包平台：德勤聚力网（Deloit te Power House）。它的目标受众是德勤现员工、准员工、实习生、前员工以及任何有志加入德勤的潜在候选人。在这个平台上，用户可以发布众包任务去找帮手，找资源，拓人脉。通过朋友间的不断传递， 用户发布的任务项目得到解决的同时也积聚了人脉。 并且， 用户在网站上的每一次贡献都可以获得积分奖励。这个平台不仅可以帮助招聘，还能帮助每一个员工把他们的职业人脉打通，在这个平台上整合和强化他们自己的社交关系。
世界经理人：企业在利用社交媒体进行招聘方面遇到哪些问题？
王文佶：很多公司都喜欢利用社交媒体来扩大直接招聘（ Direct Sourcing）。他们碰到的问题有两个：第一，投入和产出比的权衡问题（ROI）。建设和维护社交媒体需要更多的管理投入，包括人员和资金，但社交媒体的效果不能也不应该仅用找到几个人来衡量；第二，使用技巧问题。招聘官的主要职责是筛选简历并对应聘者进行评测。但是要管理社交媒体这一平台，要求的技能是如何做市场营销，如何吸引被动候选人并说服他们加入。
大部分现有的招聘官缺乏这方面的技巧和思维方式，需要很多学习培训。
所以，现在用社交媒体最多的是猎头，他们有这个技能，知道如何找到候选人，激发他们的工作热情，把工作机会销售给他。企业内部HR 在社交媒体的使用方面相对较弱。
此外，当我们利用社交媒体数据进行数据分析时，也会遇到一些技术和法律问题，比如扫描社交媒体数据是一个新兴技术，大数据分析的方法到底是否可靠、能否实现；对使用个人信息的法律限制和壁垒在哪；隐私权应该怎么保护？目前在这些方面还有很多不清晰的地方。

D. CFO如何迎接财务大数据时代

CFO如何迎接财务大数据时代

大数据处理技术以及大数据管理共同缔造的大数据时代，不仅变革了传统财务管理的理念，也改变了企业中财务管理职能的定位，使财务管控路径和模式更具多样化，这意味着财务工作者的职业能力结构重塑和职业发展瓶颈将有很大突破。下面是我为大家带来的关于CFO如何迎接财务大数据时代的知识，欢迎阅读。

CFO如何迎接财务大数据时代 篇1

精益管理促进业财融合

不同的企业有不同的财务管理模式，财务管理最重要的就是财务战略和企业战略的高度融合。比如进行成本动因分析，进行战略成本的管理，利用大数据实现精益管理，对业务流程和财务数据的工作无缝衔接以及业绩评价考核，最后把工作落到实处。

精益管理其实是基于对数据的归纳总结并找出规律，然后有针对性地实施财务管理，从而实现稳健的财务管理。要善于利用管理会计工具，大数据技术对财务是一个很好的应用工具。在数据的搜集过程中，如何利用和分析数据才是最为关键的一点。

大数据财务落地

第一，观念上要创新。为了实现内生长企业的财务创造价值，企业需打通了整个链条———从研发、生产、市场、供应链到财务，提出业财一体的价值创造体系。对于不做资本运作的企业来说，企业价值创造一定是跟业务紧密联系在一起的，财务跟业务的关系类似0和1的关系，没有业务的1财务就是0，但是有了业务这个1，后面就可以加很多0，财务是大有作为的，这就是全链条价值体系的理念创新。

第二，管理工具的应用创新。应用管理会计的工具，并使用全程变动成本法引导资源配置。把影响产品成本构成的所有因素都进行归纳，把影响整个企业成本变动部分做细致筛选和区分，同时对影响客户的敏感因素，也进行详细分析，从而引导资源配置，保证有限资源能够在企业的经营过程中实现价值的最大化。

第三，具体实施手段创新。在业务第一、财务第二的研发型单位，财务想发挥更大的作用就需要有抓手和突破口，即运用全面预算管理工具。通过全面预算管理这个抓手，聚焦在战略成本管理和盈利质量上。虽然企业近5年都是以20%的的速度在增长，但是如何使增长与战略匹配，以及要培养哪些核心业务的可持续能力盈利能力，财务把现金流确定为重点的抓手，然后通过现金流调控培养核心业务。

第四，战略想落地还需要跟考核相结合。只有将业绩跟考核结合起来，整个企业的业绩提升才会顺理成章。财务服务的对象是业务，实施所有方法的依据也是为了让企业实现可持续发展，考核的落脚点是操作业务的人。

数据分析至关重要

大数据嵌入到管理会计中的举措，对财务人员会有很多新的挑战。而有广阔思维和数据分析，才能使得数据成为企业真正的财富：一是财务管理要有“无边界管理”思维和“精益化管理”思维。在大数据时代，财务已经不仅仅是做标准性的工作，发挥主动能动性显得更为重要。财务在整个公司业务流程中要起到一个无缝衔接的作用，无论朝前走一步或者向后迈一步，都可以在整个业务流程中起到一定主导作用。这种作用就是使得财务的效率提升。

二是单纯的数字是毫无疑义的，只有把这些数字进行搜集、分类、归纳、筛选，做不同的组合、不同的分析才能够称为数据。想运用数据，分析至关重要。从不同的维度，如应收账款、回款等维度分析，就可以对不同客户制定不同的营销策略，对不同的产品进行差异化的竞价策略，对不同投入进行合理的资源配置。这时，数据才可以称为企业真正的财富。

大数据实际上是管理会计最实用的工具之一。就企业转型来说，管理会计已经把事后的总结提前到生产过程，甚至前端的应用中。“通过科研项目管理软件，可以按照周、天给人员进行费用配置，与该项目的进展结合起来，数据全面预算管理也在此时发挥了作用。”苗广萍说，通过数据进行成本动因的分析，挖掘数据背后隐藏的业务原因，从而指导业务工作。

同时，这也培养了财务人员的洞察力和前瞻性，财务向有利于价值增值的分析工作来配置，本身就是大数据时代非常重要的特点。

CFO如何迎接财务大数据时代 篇2

移动互联网、工业互联网及制造业与服务业融合发展的背景下，“数字平台+智能生态”逐渐成为“未来企业”的核心管理模式。数字化时代，新技术、新产业、新业态、新模式的新型经济形态正在形成，倒逼企业和CFO加速进行系统化思考和全面的自我升级。

当前，在疫情的冲击下，许多中小企业面临资金紧张、资源短缺、管理漏洞等诸多难题的'掣肘，能否精准把握数字化转型的核心要素和战略取舍，成为这些企业能否顺利度过疫情难关的关键。为此，北京财税研究院与大成方略纳税人俱乐部整合业界顶级专业资源，倾力打造CFO实战特训营课程，为企业财务管理向数字化转型提供助力。

CFO实战特训营助力企业CFO迎接新挑战

当前，数字化转型日益成为企业发展的迫切需求，作为企业财务工作的掌舵者，CFO们也面临着前所未有的转型压力，要能够在工作中在多种角色间迅速切换：公司决策的参与者、资本运作的实践者、智能数控的应用者、业财融合的推动者、风险管控的承担者……都是新时代赋予CFO们的新职责和新身份。

如何快速获得这些管理能力呢？CFO实战特训营成为许多财务管理者的共同选择。CFO实战特训营优选北京财税研究院优质师资，通过优化升级的七大模块课程，将理论知识与实际案例相融合，为财务负责人提供更为广阔的战略思维、知识架构和管理工具，助力实现职能转型与变革。

作为CFO实战特训营的教学研发机构，北京财税研究院是经北京市民政局评出的4A级财税研究机构，多年来专门从事财税政策与财税实务研究，拥有一支由专职专家、税务系统干部、咨询机构咨询师、高校教师四部分组成的专家组，充分保障了课程的质量。

除了权威的机构和权威的师资，CFO实战特训营还构建了系统的培训体系，“研习+训练”的创新型学习模式，也更加契合智能时代下企业对财务高管的需求，可以帮助企业财务管理者快速成长为具有“财务智慧”的综合型管理人才。

课程全面优化升级，助力企业CFO培养

CFO实战特训营课程汇集北京财税研究院最优秀的师资和科研力量，着眼当前企业财务管理的变化与发展趋势，同时将最新政策与企业财务实务统一结合，助力企业财务管理者快速提升知识储备和实战技能，为企业培养具有战略性、创造性的业财融合与智能化的高级财务管理人才。

在课程设置方面，2020年CFO实战特训营课程全新优化升级，涵盖业财融合转型与财务价值创造、商业模式创新与财务战略、公司治理法律运用、智能数控下的绩效评价、盈利模式与融资创新、辨别投资中的财务陷阱、并购重组运营实务等七大模块课程，切实帮助企业管理者深入理解和掌握企业财务管理中的难点与关键点，全方位提升财务管理能力。

针对新时代企业财务管理人才的职业发展需求，CFO实战特训营课程为企业管理者们提供了一个人才持续成长的通道。所有参与CFO实战特训营学习的学员，考核合格后，都可以获得北京财税研究院颁发的结业证书，还可以进入全国财务管理人才库。凡录入人才库的财务管理人员，均可申请晋升中国企业财务管理人才评价等级，为企业对人才的评价和晋升提供依据。

数字化时代，适应时代需求且专业过硬的企业财务管理人才供不应求，而CFO实战特训营的系统培训则让财务人员的快速成长成为可能，让优秀的人可以借助数字化转型成为职场赢家。

;