京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据能否帮助你找到下一任首席执行官
我已经就数据和分析如何改变招聘版图的问题进行了广泛的讨论。到目前为止,注意力大多聚焦于填补中低层职位空缺,例如施乐(Xerox)为呼叫中心职位寻找最佳候选人所做的工作。但填补首席执行官、首席财务官、首席营销官等C级高管以及其他高层职位空缺呢?
这些人将指引公司的发展方向。他们责任重大,作为回报,相当多的公司利润落入他们的腰包。如果在这一级别上作出错误的人事任命,发生灾难的可能性将非常明显。因此,填补这些职位空缺应该尽量减少猜测的成分。
大数据猎头
在本文中,我将着眼于猎头公司光辉国际(Korn Ferry)。该公司已经采取多项措施,确保C级高管的招聘工作深深植根于数据和分析。光辉国际擅长为最高层职位寻找候选人,拥有近50年的从业经验。在近几年里,该公司开始将大数据分析应用于他们获得的大量数据,以便为最好的职位寻找最合适的人选。
这使该公司可以详细描绘出在顶级职位上取得成功所需的各种能力、优点和经验。该公司与南加州大学的数据科学家合作,开始打造基于分析的人员配置平台(他们称之为光辉国际四维领导力和人才,简称KF4D)。
光辉国际全球人才评估和分析副总裁戴纳·兰迪斯(Dana Landis)对我说:“最大的发现在于,有一些普遍性因素在发挥作用,数量超过我们的预料。”数据揭示了一些强大的模式,突显了C级职位所需特点和品质的重要性,包括愿意终生学习,拥有高水平的情商(例如换位思考)、沟通能力和风险承受力。”
经验有多重要?
除了特点和能力之外,经验显然是在很多岗位上取得成功的必备条件。大数据分析也适用于此。比较分析可以显示出一个人在先前岗位上学会了哪些技能,以及在职务晋升时他们可能将需要哪些技能。
虽然光辉国际在评估高层职位候选人的过程中收集数据已有近50年的历史,但为了继续收集真正的大数据,该公司必须使数据收集过程自动化,以便获得大量的所需样本。
这意味着在可控条件下,将纷繁复杂、常常耗时好几天的评估过程压缩成耗时45分钟、只要有网络连接就可以随时随地完成的在线测试。兰迪斯对我说:“说起大数据,这涉及到评估全球几百万人,因此需要自我评估。”
当然,自我评估会使人们担心候选人可能会试图“欺骗系统”,提供他们认为雇主希望看到的答案。但问题中所包含的心理特点可以缓和这种担忧,比如让候选人对他们可能拥有的、看似同等重要的品质进行优先排序。
你是适合的人选吗?
系统评估的另一个重要因素是候选人有多么适合公司的文化。光辉国际研究分析部门光辉国际研究所的首席营销官和总裁迈克·迪斯特法诺(Mike Distefano)对我说:“我总是讲,人们因为他们的知识而受聘,因为他们的本性而被解雇。因此,我们花费大量时间来确保那个人适合公司文化。”
应聘者可以选择是对公司文化感到满意还是想要改变它。如果是前者,那么系统会认为他可能适合公司文化,如果是后者,那么系统会认为他可能是改变的代理人。
但在领导力方面,是否有一种品质(或者说特征)凌驾于其他所有品质之上?迪斯特法诺给出了肯定的答案。“如果我必须选择一种品质作为个人成功的指示器,那么它将是机敏。”数据分析显示,机敏的候选人往往在实现利润增长方面表现优异。因此,他的建议是“雇佣机敏者,但要确保他适合公司文化”。
如果没有得到庞大数据集(也就是大数据)支撑的预测模型和统计分析,那么这种对招聘C级高管的分析方法不可能实现。光辉国际使用亚马逊(Amazon)的AWS弹性计算云(Elastic Compute Cloud,简称EC2)和简单存储服务(Simple Storage Service,简称S3)来进行分布式存储和处理。算法由光辉国际内部开发,使用了R和Python等开源技术。
任命新首席执行官无疑是企业面临的最大挑战之一。如果没有进行可靠的数据分析,大多数公司不会就提供哪种产品或服务做出决定。现在是否是时候把同样深入的分析方法应用于顶级职位的招聘工作?通过在比较分析的支持下利用可量化数据评估顶级人才,企业能够确保填补领导职位空缺的人最有可能带领公司和公司里的每个人发展壮大。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27