互联网公司的人力资源难题

互联网公司的人力资源难题


跳转到: 导航 , 搜索
<!-- start content -->

文/柳华芳

北京今天又下雪了,下的不大,随即就化了,新搬家到圆明园附近,住处还没处理好宽带问题,晚上无事思考点问题:中关村互联网企业的跳槽速度。

在我的印象里,中关村的跳槽频率较高,尤其是互联网企业,大企业会好一些,中小企业十分常见,我躺在床上就琢磨着:是人们都浮躁呢?还是互联网企业不靠谱呢?

寻思对比了一下,然后也对照了自己的情况,发现了问题所在:人力资源管理的空缺和失位是最主要原因。

对员工发展和成长关注不够

很多企业只是简单招人干活,其他的都很空,而新员工入职后发现自己不适用,在一个阶段后始终得不到发展需要的指导和培训,因此,员工的成长需求被忽视,进而使其丧失了前进动力。

工薪不是最根本的问题

看起来一个简单的道理是给钱多就行,但是事实并非如此,工资差个千八百的没什么大不了的,成长性、认同感、成就感是员工努力工作的关键,在看不到成就感的公司里,员工是多么痛苦和忧郁啊。

google的强大不仅是技术

google之所以强大,并不单纯的技术牛逼、工资高,而是人力资源管理模式先进和科学,让绝大多数员工快乐工作、发挥才能,这是人力资本的发展。而我们的企业太多只关注了静态的人力资本,却没有重视动态的人力资本,这导致了企业发展没活力,沦落成职场的公交站。

不懂得激励和奖励的公司不是好公司

不懂得激励就意味着不重要人力资本,员工的能动性无法最大化,长期必然带来拖沓和低效,而这些如果一味用惩罚来修正,后果会很惨。

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值