Мышление больших данных HR оптимизирует стоимость рабочей силы (Gene Pease (Gene Pease); 9787115477378; People's Post и Telecommunications Press; 59.00)
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
Основная информация
Название: Мышление больших данных HR оптимизировано для человеческих затрат с большими данными
Цена: 59,00 Юань
Автор: [MEI] Jien&Middot; Pease (Gene Pease)
Пресса: People's Puss and Telecommunications Publishing House
Дата публикации: 2018-02-01
ISBN: 9787115477378
Количество слов:
Номер страницы:
Издание:
Переплет: в мягкой обложке, идеальный переплет.
Открыто: 16
Товарный вес:
Краткое содержание
В эпоху больших данных, навыки больших данных HR и навыки применения больших данных значительно слабее, чем другие практики. ФункцияАвтор этой книги является экспертом в 20 основных экспертах по анализу больших данных HR.В книге он проанализировал, почему HR нуждается в мышлении больших данных, текущем состоянии анализа больших данных, как мы выполняем анализ данных, как мы используем результаты анализа данных для оптимизации человеческого капитала и улучшения эффективности бизнеса организации.В то же время, чтобы проиллюстрировать важность мышления больших данных для практиков по кадрам, в книге перечислены компьютерные публичные, солнечные микро -систему, общественные государственные государственные общественные сети и т. Д. Реальные случаи развития, большие данные и производительность управление.
об авторе
Джиен&Middot;Пис — основатель и генеральный директор Vestrics.Vestrics — компания-разработчик программного обеспечения, которая помогает компаниям измерять и прогнозировать влияние на бизнес решений, связанных с человеческим капиталом.За более чем 25 лет работы на посту генерального директора Пиз накопил обширный опыт в привлечении капитала, развитии бизнеса и установлении стратегического партнерства и добился широкого успеха. Под его руководством Vestrics приобрела Brandon&миддот; Hall Group (награда за выдающиеся достижения в области технологий и обучения 2014 г.), журнал CIO Review Magazine (одна из 20 перспективных компаний по анализу данных), BIS Associates (награда за лидерство в обучении BIS 2012 г.), журнал CLO (награда за трехлетнее практическое обучение 2009, 20, 2011 гг.), Гу Нэнгун (поддержка принятия решений на кривой зрелости управления человеческим капиталом в 2009 и 2011 гг.)“Поставщики уровня роста&рдкво;звание «Лучший поставщик года в 2008 году»), а также признание Института рентабельности инвестиций (Акцептор 2011 года за самый инновационный способ повышения прибыльности).Пиз получил степень MBA в области предпринимательства и управления рисками в Университете Южной Калифорнии. Он также имеет степень бакалавра архитектуры Университета Цинциннати.
Оглавление
Эпоха анализа количественного определения капитала рабочей силы прошла / 1
Предприятия, которые могут проводить анализ данных, более конкурентоспособны / 3
Все делают это / 4
Обеспечить поддержку персонализированному управлению талантами / 5
Используйте меньше людей, чтобы завершить больше вещей / 6
Все стороны могут получить прибыль / 6
Труд в поколении поколений / 7
С каким работником мы сталкиваемся / 8
Как компания реагирует на поколение Z / 11
Как компании могут заставить генерацию младенца сыграть свое остаточное тепло / 13
Как управлять поколением X / 15
Как управлять талантами поперечного генерации / 15
Глава 2 Почему HR нуждается в мышлении больших данных / 17
Планирование / 19
Оптимизировать / 20
Что может принести вам большие данные / 22
Как использовать макроэкономические данные / 24
Как использовать структурированные данные для снижения скорости вылета / 26
Глава 3 Статус анализа больших данных / 29
Пионер анализа больших данных / 32
Препятствия и ключевые факторы продвижения успеха / 38
Глава 4 от данных к действию / 43
Процесс непрерывного улучшения анализа больших данных / 45
Принять меры / 51
Проект анализа больших данных / 56
Реализовать проект анализа больших данных / 57
Трудности проекта анализа больших данных / 59
Глава 5 загадка больших данных / 63
Принесение приборной панели“ смерть” / 65
Что нам нужно сделать / 68
Multi -Source Большие данные могут помочь вам принять более точные решения / 70
Превратить большие данные в небольшие данные / 71
Этика и мораль, связанные с анализом больших данных / 73
Избран анализом данных“ правда” / 74
Управление искусством и анализ данных означает комбинированные / 76
Большие данные - вспышка?
Глава 6 Будущее / 79 инвестиций в талант
Новые инструменты и новые технологии / 83 анализа больших данных
Приобретение и управление талантами / 84
Индивидуальное обучение / 86
Будущий труд / 89
Глава 7 Отчет об опросе по проекту анализа больших данных / 91
Описание объекта исследования / 93
Цель обзора и обзор / 96
Организация и эксплуатация проектов анализа больших данных / 97
Выберите тип проекта / 1
Анализ больших данных зрелость, успех или неудача и преимущества / 1
Резюме опроса / 116
Глава 8 Большие данные и разработка талантов / 117
Введение / 119
Понять анализ человеческого капитала / 121
Процесс непрерывного улучшения анализа больших данных / 123
Как начать анализ больших данных / 126
Успешный человек из проекта анализа больших данных / 132
Глава 9 Большие данные и обучение / 137
Case One Alliance Computer Service Center (ACS) Анализ проекта вылета Kougader / 139
Случай 2 -хрислер ООО
Дело. Анализ тренировочных проектов менеджера по продажам в Академии Chrysler (Chrysler Academy)
Случай четыре учебного проекта.
Case Five Sun Microsystems New Supervisor Training Project Analysis / 157
Глава 10 Большие данные и развитие лидерства / 163
Случай 1 Анализ проекта по развитию лидерства с сети / 165
Случай 2 Conagra Foods Leadership Analysis Analysis / 170
Глава 11 Большие данные и другие функции HR / 177
Case One Sun Micro -system Public Tutor Analysision / 179
Случай 2 Sun Micro System Public Learning Exchange Platform (SLX) Анализ / 183
Case III VF Corporation Management Management Analysis / 191
Аффилированные эксперты из зарубежных стран рассказывают о больших данных HR / 197
Выбор редактора
Конкуренция между предприятиями - это конкуренция талантов, а сущность конкуренции талантов - конкуренция систем и механизмов.Может ли это дать полную игру для роли и ценности талантов, является фундаментальной разницей между успешными предприятиями и обычными предприятиями. Поэтому, как улучшить организационные способности с точки зрения, является общей целью старших лидеров, менеджеров и менеджеров.Чтобы помочь департаменту укрепить функцию анализа данных и помочь большинству HR развивать мышление больших данных, Джен&Г -н Писс предложил оперативную структуру, которая постепенно превращалась из простого инструмента обследования в точную аналитическую модель измерения.В то же время он также использовал практические случаи, чтобы показать, как применить структуру.В действительности, многие компании выполняли различные работы по сбору информации, такие как реалистичная работа, журналы работ, сортировка отчетов о данных и т. Д., Но большинство компаний не успешно использовали эти данные.Проще говоря, это не может принести какое -либо улучшение производительности в компанию.Эта книга содержит практические предложения и реальные случаи, как собирать и организовать разбросанные данные в эффективную информацию.