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
在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31