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
【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-05在数据库数据查询、业务报表统计、多表关联分析中,LEFT JOIN左连接是使用率最高的SQL关联查询语句。其核心特性是保留左表全部数 ...
2026-06-05 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-06-05任何一款产品从诞生、普及到最终退出市场,都会遵循一套固定的发展规律,这就是产品生命周期理论。在市场竞争日益激烈、产品迭代 ...
2026-06-04在Excel数据分析、办公统计、业务报表制作场景中,数据透视表是数据汇总、分类统计、快速复盘的核心工具,能够高效完成海量原始 ...
2026-06-04 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-06-04在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28