• 就业
    【麦肯锡长篇】工作的未来对于职业、能力、薪资、意味着什么 在一个自动化和人工智能快速发展的时代,新的研究评估了2030年在不同情景下失业和就业的情况。我们所生活的技术驱动的世界是一个充满希望的世界,也是一个充满挑战的世界。自动驾驶的汽车,能够读取X光的机器,以及响应客户服务查询的算法,都是强大的新型自动化的表现形式。然而,即使在这些技术提高生产力和改善我们的生活的同时,它们的使用也将取代人类目前从事的一些工作活动-这一发展已经引起了公众的广泛关注。 自动化和新的工作世界 强大的新技术正在提高生产力,改善生活,重塑我们的世界。但我们的工作会怎么样? 在我们2017年1月的自动化报告基础上,麦肯锡全球研究所(McKinsey Global Institute)的最新报告“工作流失,就业增加:自动化时代的劳动力转型”(PDF-5MB)评估了到2030年在不同情景下可能创造的就业数量和类型,并将其与自动化可能失去的工作进行比较。 研究结果显示,未来几年可能会出现大量的职业转移,对劳动力技能和工资产生重要影响。 我们的关键发现是,尽管在大多数情况下,到2030年可能有足够的工作来维持充分就业,但转型将是非常具有挑战性的-与之匹配,甚至超过我们过去看到的农业和制造业转移的规模。 1.自动化对工作有什么影响? 2.就业增长的可能方案是什么? 3.未来是否有足够的工作? 4.自动化对技能和工资意味着什么? 5.我们如何管理即将到来的劳动力转型? Automation will have a far-reaching impact on the global workforce. 1.自动化将对工作产生什么影响? 我们以前发现,利用目前展示的技术,从理论上可以自动化大约一半的活动人员在全球从事的活动。很少的职业----少于5%--包括可以完全自动化的活动。 然而,在大约60%的职业中,至少三分之一的组成活动可以是自动化的,这意味着所有工人都有大量工作场所的转变和变化。 虽然自动化技术的可行性很重要,但这并不是影响自动化采用速度和范围的唯一因素。其他因素包括在工作场所开发和部署用于特定用途的自动化解决方案的成本、劳动力市场动态(包括劳动力和相关工资的质量和数量)、自动化超越劳动替代的好处以及监管和社会接受。 考虑到这些因素,我们的新研究估计,到2030年,全球几乎零到30%的工作时间可以实现自动化,这取决于采用的速度。我们主要使用场景范围的中点,即15%当前活动的自动化。各国的结果差别很大,反映了目前由工人从事的活动的组合和普遍的工资率。 自动化对就业的潜在影响因职业和部门而异(见上文互动)。最容易自动化的活动包括在可预测的环境中的物理活动,例如操作机器和准备快餐。收集和处理数据是另外两类活动,用机器可以越来越好、更快地完成。这可能会取代大量的劳动力,例如抵押贷款、律师助理工作、会计和后台交易处理。 然而,重要的是要注意到,即使某些任务是自动化的,在这些职业中的就业也不会减少,而是工人可能执行新的任务。 自动化将对涉及管理人、应用专业知识和社会互动的工作产生较小的影响,在这种情况下,计算机现在无法与人的性能相匹配。 在不可预测的环境中工作-比如园丁、管道工或儿童和老人护理提供者-到2030年时自动化程度通常会降低,因为它们在技术上很难实现自动化,而且往往工资相对较低,这使得自动化成为一个不那么有吸引力的商业主张。 2.就业增长的可能情景是什么? 被自动化取代的工人很容易被识别出来,而通过技术间接创造的新就业机会就不那么明显了,而且分布在不同的部门和地区。我们模拟了一些新劳动力需求的潜在来源,这些潜在需求可能会刺激到2030年的就业机会,甚至不包括自动化。 对于前三种趋势,我们只模型基于在各国观察到的当前支出和投资趋势的趋势线方案。 收入和消费增加,特别是在新兴经济体 我们先前估计,2015年至2030年,全球消费可能增长23万亿美元,其中大部分将来自新兴经济体的消费阶层。这些新消费者的影响不仅会在收入产生的国家,而且在向这些国家出口的经济体中也会感受到。我们估计,在全球范围内,仅收入增加对消费品的影响就可创造2.5亿至2.8亿个新就业机会,而更高的卫生和教育支出可创造多达5000万至8500万个就业机会。 人口老龄化 到2030年,65岁及以上的人口将至少比2014年增加3亿。随着年龄的增长,他们的消费模式发生了变化,医疗保健和其他个人服务的支出明显增加。这将创造大量新的需求,包括医生,护士和卫生技术人员,但也包括家庭保健助理,个人护理助理和护理助理在许多国家。在全球范围内,我们估计,到2030年,医疗保健和老龄化带来的相关工作将增加5 000万至8 500万。 技术的开发和部署 与开发和部署新技术有关的工作也可能增加。从2015年到2030年,技术支出总额可能会增加50%以上。大约一半将用于信息技术服务。与从事医疗或建筑业的人相比,从事这些职业的人数较少,但他们是高工资职业。 到2030年,我们估计这一趋势将在全球创造2 000万至5 000万个就业机会。对于接下来的三种趋势,我们建模了一个趋势线情景和一个升级场景,假设在某些领域进行额外的投资,这是基于政府、商业领袖和个人为创造更多就业机会而做出的明确选择。 基础设施和建筑物的投资 基础设施和建筑是两个历史性的支出不足领域,如果采取行动弥补基础设施缺口和解决住房短缺,可能会产生大量额外的劳动力需求。在趋势线的情况下,最多可创造8,000万个就业机会,在加速投资的情况下,在加速增长的情况下,可创造多达2亿个新的需求。这些工作包括建筑师、工程师、电工、木匠和其他熟练的贸易人员以及建筑工人。 对可再生能源、能源效率和气候适应的投资 对可再生能源的投资,如风能和太阳能;能效技术;以及气候变化的适应和缓解,可能会对各种职业中的工人产生新的需求,包括制造、施工和安装。在趋势线情景下,这些投资可能会创造多达1000万个新的就业岗位,在升级情景下,全球可能创造多达1000万个额外的就业岗位。 以前无偿家务劳动的“市场化” 我们认为,最后一个趋势是支付替代目前未支付和主要是国内工作的服务的潜力。这种所谓的以前无酬工作的市场化已经在发达经济体中普遍存在,而且全世界的女性劳动力参与也将加快这一趋势。我们估计,这可以在全球创造5000万至90万个就业机会,主要从事儿童保育、幼儿教育、清洁、烹调和园艺等职业。当我们看到所有国家就业增长的净变化时,具有最高百分比工作增长净值的类别包括: 医疗服务提供商 专业人员如工程师、科学家、会计师和分析师 IT专业人员和其他技术专家、经理和高管,他们的工作很难被机器教育者所取代 特别是在拥有年轻人口的新兴经济体 “创意人员”是一种小型但不断增长的艺术家、表演者和演艺人员,随着收入的增加, 他们将对休闲和娱乐建筑商及相关专业产生更大的需求, 特别是在基础设施和建筑手册以及在不可预测的环境中(如家庭保健助手和园丁)的投资增加的情况下。 你想了解麦肯锡全球研究院的更多信息吗? 即将到来的劳动力转移可能是非常大的。 职业净增长或下降的变化意味着,今后许多人可能需要改变职业类别,学习新技能。这种转变可能是自20世纪初美国和欧洲劳动力从农业转移到最近中国以来从未出现过的规模。 7500万至3.75亿人可能需要转换职业类别并学习新技能。 我们估计,有4亿至8亿人可能因自动化而流离失所,需要在2030年之前在全世界找到新的工作,这是基于我们的中点和最早(即最迅速)采用自动化的设想。如下一节所述,基于未来劳动力需求和自动化的净影响,将提供新的就业机会。 然而,人们将需要找到他们进入这些工作的方式。在总流离失所者中,75万人到375万人可能需要在我们的中点和最早的自动化收养情景下切换职业类别和学习新技能;然而,在我们的趋势线采用情况下,这一数字将非常小,少于1000万美元(附件1)。 就绝对值而言,中国面临着最多的需要转业的工人-如果自动化被迅速采用,最多可达1亿人,占2030年劳动力的12%。虽然这似乎是一个很大的数字,但与过去25年中数以千万计的中国农业移民相比,这一数字相对较小。对于发达经济体来说,可能需要学习新技能并在新职业中找到工作的劳动力比例要高得多:美国和德国高达2030年劳动力的三分之一,而日本则接近一半。 3.将来是否有足够的工作? 如今,考虑到潜在的自动化,人们越来越担心是否会有足够的工作岗位供工人使用。历史会表明这样的担忧可能是没有根据的:随着时间的推移,劳动力市场会适应技术中断对工人需求的变化,尽管有时实际工资会很低(表2) History shows that technology  has created large employment  and sector shifts, but also creates new jobs. 我们通过两组不同的分析来解决这个关于工作前景的问题:一组基于对有限数量的新劳动力需求和自动化催化剂的建模,另一组使用的是经济的宏观经济模型,该模型包含了变量之间的动态相互作用。 如果历史可以作为指导的话,我们还可以预计2030年劳动力需求的8%至9%将用于前所未有的新型职业。 这两项分析都让我们得出结论,只要有足够的经济增长、创新和投资,就可以创造足够的新就业机会来抵消自动化带来的影响,尽管在一些发达经济体,需要按照我们的逐步发展方案增加投资,以减少就业短缺的风险。 一个更大的挑战将是确保工人拥有向新工作过渡所需的技能和支持。未能完成这一转变的国家可能会看到失业率上升和工资低迷。根据上述趋势,未来创造就业机会的规模以及自动化对劳动力的影响因国家而有很大差异,具体取决于四个因素。 薪水标准,工资水平 较高的工资使企业的自动化采用更加强大。然而,低收入国家也可能受到影响,如果公司采用自动化来提高质量,实现更严格的生产控制,将生产转移到更接近高工资国家的最终消费者,或其他福利,以降低劳动力成本。 需求增长 经济增长对创造就业至关重要;停滞或缓慢增长的经济体创造的净新就业岗位很少(如果有的话)。因此,经济和生产力增长和创新较强的国家将面临更多新的劳动力需求。 人口特征 像印度这样快速增长的劳动力的国家,如果雇用年轻人,可以享受提高GDP增长的“人口红利”。日本这样的劳动力萎缩的国家预计,未来的GDP增长将会降低,只从生产力增长中得到。 经济部门和职业的混合 各国的自动化潜力反映了经济部门的组合和每个部门内就业机会的组合。例如,日本拥有比美国更高的自动化潜力,因为制造业等高度自动化的行业的比重更大。 自动化将以不同的方式影响国家 上述四个因素结合起来,为每个国家的工作前景创造不同的前景(参见交互式热图)。日本是富裕的,但其经济预计将缓慢增长到2030年。由于高工资和经济结构的影响,它面临着经济扩张导致的就业增长放缓和大量自动化工作的组合。 McKinsey&Company |  Source: McKinsey Global Institute analysis  然而,到2030年,日本的劳动力也将减少400万人。在升级的情况下,考虑到我们今天无法想象的新工作岗位,日本就业岗位的净变化可能大致处于平衡状态。 到2030年,美国和德国也可能面临自动化带来的大量劳动力流失,但他们预测的未来增长-从而创造新的就业机会-将更高。美国有越来越多的劳动力,在不断升级的情况下,随着创新导致了新的职业和工作,它大致处于平衡状态。到2030年,德国的劳动力将减少300万,而且它将有足够的劳动力需求来雇用所有的工人,即使在趋势线的情况下也是如此。 另一个极端是印度:一个快速增长的发展中国家,在未来15年里自动化的潜力相对较小,反映了低工资率。我们的分析发现,大多数职业类别预计将在印度增长,这反映了印度经济强劲扩张的潜力。 然而,印度的劳动力预计到2030年将增长1.38亿人,约占30%。印度可以创造足够的新就业机会来抵消自动化的影响,并通过在我们的升级方案中进行投资来雇用这些新的进入者。 中国和墨西哥的工资比印度高,因此可能会出现更多的自动化。预计中国经济仍将强劲增长,劳动力将减少;与德国一样,中国的问题可能是劳动力短缺。墨西哥预测的未来经济增长速度要温和得多,它可以从增加就业机会以及在新的职业和活动中进行创新以充分利用其劳动力中受益。 失业工人需要尽快重新就业,以避免失业率上升。 为了模拟自动化对整体就业和工资的影响,我们使用了一个考虑到自动化和动态相互作用的经济影响的一般均衡模型。自动化至少有三种不同的经济影响。大多数注意力都集中在潜在的劳动力替代问题上。但自动化也可能提高劳动生产率:企业只有在这样做时才采用自动化,这样才能以相同或更少的投入(包括材料、能源和劳动力投入)生产更多或更高质量的产出。第三个影响是自动化的采用增加了对经济的投资,推动了短期gdp的增长。我们模拟了这三种效果。我们还根据历史数据为失业工人找到新工作创造了不同的情景。 研究结果显示,在几乎所有情况下,我们的报告重点关注的六个国家(中国、德国、印度、日本、墨西哥和美国)预计到2030年将达到或非常接近充分就业。然而,这一模式也说明了迅速重新雇用失业工人的重要性。 如果失业工人能够在一年内再就业,我们的模型显示自动化提升了整体经济: 短期和长期保持充分就业,工资增长快于基线模型,生产力更高。 然而,在一些失业工人需要数年才能找到新工作的情况下,短期到中期失业率会上升。劳动力市场会随着时间的推移而调整,失业率也会下降-但平均工资增长会放缓。在这些情况下,2030年的平均工资水平会低于基准模型,这可能会抑制总需求和长期增长。 4.自动化对技能和工资意味着什么? 一般而言,目前可能增长的职业的教育需求高于因自动化而取代的工作。在发达经济体,目前只需要中学或以下学历的职业与自动化相比出现了净下降,而那些需要大学学位和更高学历的职业则在增长。 在印度和其他新兴经济体,我们发现对所有教育水平的劳动力需求都较高,在需要中等教育的职业中,新增就业岗位数量最多,但就业增长最快的将是目前需要大学或高级学位的职业。 未来的工人将花更多的时间在机器能力较弱的活动上,例如管理人员、应用专门知识和与他人交流。他们将减少花费在可预测的体力活动和收集和处理数据上的时间,因为在这些方面,机器已经超过了人类的性能。所需的技能和能力也将发生变化,需要更多的社会和情感技能以及更先进的认知能力,如逻辑推理和创造力。 在下降的职业中,工资可能停滞不前或下降。虽然我们没有模拟不同职业之间相对工资的变化,但劳动力供求的基本经济学表明,对于劳动力需求下降的职业来说,情况应该是这样的。 我们的分析显示,美国和其他发达经济体的大部分就业增长将是目前处于工资分配高端的职业。一些目前工资较低的职业,如护理助理和教学助理,也将增加,而范围广泛的中等收入职业的就业率下降幅度最大。 收入两极分化可能会继续下去。 政策选择,如增加对基础设施、建筑和能源过渡的投资,可能有助于创造对中等工资就业岗位的额外需求,如发达经济体的建筑工人。 中国和印度等新兴经济体的工资趋势非常不同,我们的情景显示,随着这些经济体的发展,零售销售人员和教师等中等收入工作岗位将增长最快。这意味着他们的消费阶层在未来几十年将继续增长。 5.我们如何管理即将到来的劳动力过渡? 人工智能和自动化对用户和企业的好处,以及它们的生产力贡献可能带来的经济增长,都是令人信服的。它们不仅有助于创造就业机会的充满活力的经济体,而且有助于创造经济盈余,使社会能够应对可能发生的劳动力转移。 面对我们所描述的工人过渡的规模,一种反应可能是试图放慢采用的速度和范围,试图维持现状。但这是个错误。虽然较慢的采用可能限制劳动力转移的规模,但这将减少这些技术对企业活力和经济增长的贡献。我们应该接受这些技术,但也要解决劳动力的转变及其带来的挑战。在许多国家,这可能需要像马歇尔计划那样规模的倡议,包括持续投资、新的培训模式、便利工人过渡的方案、收入支助以及公共和私营部门之间的合作。 所有社会都需要处理四个关键领域。 保持稳健的经济增长支持创造就业机会 维持强劲的总需求增长对于支持创造新的就业机会至关重要,对新的业务形成和创新的支持也是如此。确保充分的总需求以及对企业投资和创新的支持的财政和货币政策将是至关重要的。在某些部门采取有针对性的举措也会有所帮助,例如,增加对基础设施和能源过渡的投资。 扩大和重新设想工作再培训和劳动力技能发展 提供工作再培训和使个人能够终生学习适销对路的新技能将是一项关键挑战-对一些国家来说,这是一项核心挑战。职业生涯中期再培训将变得越来越重要,因为成功的职业转变所需的技能组合。企业可以在某些领域起带头作用,包括在职培训和为工人提供提升技能的机会。 改善业务和劳动力市场的活力,包括流动性 劳动力市场需要更大的流动性来管理我们预期的艰难转型。这包括恢复发达经济体正在衰退的劳动力流动。数字人才平台可以通过匹配寻求技能的员工和公司,以及为那些愿意接受他们的人提供大量新的工作机会,从而促进流动性。劳动力市场不灵活的国家的政策制定者可以向其他放松管制的国家学习,比如德国,德国将其联邦失业机构转变为一个强大的就业匹配实体。 向工人提供收入和过渡支助 必须提供收入支助和其他形式的过渡援助,以帮助流离失所工人找到有报酬的工作。除了再培训之外,一系列的政策也能起到帮助作用,包括失业保险、在找工作方面的公共援助以及在工作之间跟踪工人的可携带福利。 我们从历史上知道,在劳动力转型期间,许多职业的工资可能会在一段时间内处于低迷状态。可能需要采取更长期的政策来补充工作收入,以支持总需求并确保社会公平。更全面的最低工资政策、普遍的基本收入或与生产力增长挂钩的工资增长都是正在探索的解决方案。 决策者、商界领袖和个别工人都可以在促进未来劳动力过渡方面发挥建设性和重要的作用。历史告诉我们,当世界各地的社会面对巨大的挑战时,往往会为其公民的福祉而奋起。 然而,在过去几十年中,支持劳动力的投资和政策已经受到侵蚀。在经济合作与发展组织(OECD)的大多数成员国,用于劳动力培训和支持的公共支出已经下降。100年来,教育模式并没有发生根本性的变化。现在至关重要的是扭转这些趋势,各国政府将劳动力转移和创造就业作为一个更加紧迫的优先事项。 在一个工作的角色和意义开始转变的世界里,我们都需要创造性的愿景来看待我们的生活是如何组织起来的和如何被重视的。 随着IT的变化,企业将出现在工作场所的前线。这将要求他们重新评估他们的业务流程,并重新评估他们的人才战略和劳动力需求,仔细考虑需要哪些个人,这些人才可以重新部署到其他岗位,并在可能需要新的人才的地方。许多公司正在发现其自身利益以及其社会责任的一部分,以培训和准备新的工作领域的工人。 个人也将需要为迅速发展的工作未来做好准备。掌握在需求和重新设置直觉方面的新技能对于他们自己的幸福是至关重要的。对人类的劳动有需求,但各地的工人都需要重新思考他们的工作原理、工作原理以及他们为这项工作带来什么样的人才和能力。 Author: James Manyika, Susan Lund, Michael Chui, Jacques Bughin, Jonathan Woetzel, Parul Batra, Ryan Ko, and Saurabh Sanghvi 原文来源:https://www.mckinsey.com/featured-insights/future-of-work/jobs-lost-jobs-gained-what-the-future-of-work-will-mean-for-jobs-skills-and-wages 以上AI翻译完成,仅供参考,英文可以访问上面链接。
    就业
    2019年08月13日
  • 就业
    Jobcase筹集1亿美元,将蓝领工人与雇主联系起来 自称面向求职者和雇主的开放获取平台Jobcase今天宣布,在一轮由Providence Strategic growth (PSG)牵头的增长期股权融资中,该公司获得了1亿美元的融资。公司首席执行官弗雷德•戈夫表示,新注入的资金将主要用于产品开发(以及潜在的战略收购),特别是机器学习、新集成和api领域。 他说:“我们很高兴能有PSG这样的合作伙伴,它明白人们不需要独自面对工作的未来。”Jobcase的核心是一个帮助人们的平台。通常,工作的未来对个人来说是令人生畏的。(Jobcase成员)团结起来更加强大。 戈夫曾在2015年担任Percipio Capital Management的负责人。Jobcase的主要目标客户是大约70%没有四年制大学学位的美国成年人,其商业模式类似于LinkedIn。未来的员工可以看到招聘信息和评论,而企业则可以获得一套招聘工具。Jobcase对包含招聘信息的页面收取费用:一份工作229美元,三份工作每月249美元,十份工作每月599美元。 不过,它的主要业务是围绕团体或中心(用Jobcase的话说)组织的社区门户。戈夫说,他们可以在这个平台上询问指导招聘过程的技巧,比如如何在面试后跟进,以及在筛选面试期间的预期。会员可以加入沃尔玛、Lyft、亚马逊和数百家其他雇主的公司中心,在这些中心发布帖子,对其他人的贡献进行评论,并关注个人用户。 上图:Jobcase的社区门户网站。 图片来源:Jobcase 像LinkedIn一样,Jobcase的会员可以上传他们的工作经历,用“赞扬”来支持其他人,他们可以在角色间互相赞扬。在他们找工作的过程中,他们可以从Glassdoor、CareerBuilder、JobInsider等第三方服务中查看信息。 Jobcase说,它有超过1亿注册会员(2月份为8000万),每月有2500万独立活跃用户访问该网站。此外,该公司表示,其技术力量覆盖了100多个以地理位置为目标的求职板和求职网站,其中许多网站为Jobcase子公司所有。 在接下来的几个月里,Jobcase计划推出改进的算法,将更多相关内容呈现给用户,同时推出“增加就业机会和与平台上其他人联系的便利”的工具。 PSG首席执行官马克•黑斯廷斯在一份声明中说:“我们很荣幸能够帮助Jobcase公司加快实现这一使命,帮助人们追求幸福而有意义的工作与生活。”Jobcase以社区为优先考虑的独特方法使公司一跃成为行业领导者。该公司处于有利地位,能够满足国内外在这一领域的迫切需求。 Jobcase目前雇佣了近200名数据分析师、科学家和软件工程师,其中一些人来自麻省理工学院、卡内基梅隆大学和普林斯顿大学。并非巧合的是,它是麻省理工学院计算机科学与人工智能实验室(CSAIL)的附属机构,并通过其社会责任项目Jobcase Cares与服务不足社区的非营利组织和慈善组织合作。 以上为AI翻译,内容仅供参考。 原文链接:Jobcase raises $100 million to connect blue collar workers with employers
    就业
    2019年02月27日
  • 就业
    四分之一的工作岗位处于自动化的“高风险”状态 未来没有人能完全避免自动化,但布鲁金斯学会(Brookings Institute)的一项新研究显示,美国约25%的就业岗位面临“高风险”。在就业市场尚未全面反弹的情况下,这是一个明显的预兆。 研究显示,在交通、食品准备、生产和办公室管理等领域工作的人面临的风险最高,机器人和人工智能可能会使大约70%的任务实现自动化。毫无疑问,涉及处理、数据收集和体力劳动的活动在这里风险最大。 预计自动化将对中国某些地区以及教育程度较低的工人产生巨大影响。同样,它也会以不同的方式影响不同的人群。 该研究称:“未来几年,年轻人、受教育程度较低的工人,以及代表性不足的群体,似乎都可能面临自动化带来的更为严峻的挑战。”“年轻工人和拉美裔将尤其受到影响。” 这一切似乎都有一定的必然性。当然,我们已经看到这种情况的不同版本,在十年之后。但布鲁金斯学会表示,地方政府和行业可以通过教育和培养现有工人的技能,帮助应对冲击。   以上为AI翻译,内容仅供参考。 原文链接: One-quarter of jobs are at ‘high-risk’ of being automated
    就业
    2019年01月28日
  • 就业
    什么是员工'放鸽子'? 公司如何造就了自己最糟糕的噩梦 文/Justin Bariso 上周末,LinkedIn发布了一个引人入胜的故事,讲述了许多公司最新的噩梦:员工“放鸽子”。 “从食品服务到金融等领域,招聘人员和招聘经理表示,紧缩的就业市场和持续的劳动力短缺,导致对专业人士的需求激增。招聘人员可能发现与在线约谈人士突然断了联系并变得沉默 - 比起办公室生活,与专业人士在线约谈断联这种行为通常更常发生。“LinkedIn的Chip Cutter写道。 “这种做法正在延长招聘时间,迫使公司彻底改革他们的流程,并折磨那些发现自己处于持续压力之下的招聘人员。” 那么,什么是“放鸽子”? 求职者可能同意面试但永远不会去面试。 或者求职者可能接受一份工作,但在工作的第一天从未出现。而且这样的行为不仅限于求职者;公司越来越多地报道了员工的故事,员工没有正式的辞职,也没有给出任何解释,就离开公司并且永远不回来。 “老板只有试图不停联系员工,未成功,才意识到放弃,”切特写道。 “招聘过程只能重新开始。” 为什么会行成员工“放鸽子”现象? 这种行为究竟源于何故? 这是一个复杂的问题。 事实是,有多种因素。 一方面,失业率低于近二十年来的失业率。由于工作岗位比失业人员更多,工人有一个新的优势:如果他们不喜欢一份工作,或者他们找到更好的工作,那么换工作比以往任何时候都容易。 另一个因素,与技术对年轻一代的沟通方式的影响有关。社交媒体和消息应用软件帮助人们更快地取得联系,但缺乏面对面的对话和私人联系,这往往会导致关系缺乏深度。 简而言之,许多人认为如果他们可以轻松地结束面试,或突然放鸽子,就没有必要与招聘人员或经理进行尴尬的对话。 但公司现在不得不考虑另一个因素: 他们只是自食恶果。 “让我们记住,老板一直在放员工鸽子,”一位LinkedIn评论员说。“你有没有在这样一家公司工作过,管理层决定裁掉30%的员工,以便他们能够达到业绩,获得奖金?员工周五下午发现,周一早上他们被禁止进入公司大楼......就业变得残酷,员工可以出于任何原因随时离开公司,老板可以随时以任何理由解雇员工。 厌恶这样的游戏,而不是厌恶游戏玩家。 那么,公司领导者可以采取哪些措施来阻止潜在和现有员工放鸽子? 情商可以提供帮助。 以下是一些入门提示: 1、尊重 请记住尊重会带来尊重。 当公司和招聘人员把员工当成人来看待,而不是把他们看成一种十分勉强但必要开支的商品,他们就更有可能以实物回应。 2、保持透明 技术使直接和透明的沟通比以往任何时候都更加重要。努力与您正在交往的人保持持续和诚实的沟通。不要以虚假的承诺或不切实际的希望误导他们。 换句话说,保持真实。 3、减少你的损失 无论喜欢与否,放鸽子已成为新常态。公司必须学会适应,否则他们将继续遭受重创。例如,公司可能会考虑简化入职程序,以使新员工更快地入职,这也将适用于新员工。 最后,请记住,在许多情况下,放鸽子暗示未来行为的趋势,或至少表示事情终将愈演愈烈。所以,如果你是放鸽子的受害者 - 无论你是老板还是员工 - 祝你工作顺利,并努力找到适合你的工作。 以上由HRTech AI翻译完成,仅供参考
    就业
    2018年07月04日
  • 就业
    就业性别歧视真的存在吗?我们分析了1382份简历,得出了一个答案 编者按:本文转载自微信公众号“DT数据侠”(ID:DTdatahero),作者 | Prasanna Parasurama,编译 | 慈兆佳 胡世龙。 在求职时,性别真的有影响吗?不同行业、不同职业类别的人对此或许有不同看法。这样的看法是如何产生的?有没有一种科学的方法来衡量呢?美国旧金山的一位数据侠Prasanna Parasurama通过对1382份简历的分析得出了结论:性别不平等往往和求职者的个人客观条件无关,而更多来自公司主管不可控的主观因素。 用大数据的方法来衡量职场的性别不平等 在科技业,求职时的性别不平等一直是个重要话题。但针对该议题,在实际操作层面却鲜有基于大数据的系统性研究。 对于那些拥有大量数据的企业来说,缺乏一个严格而科学的系统很容易导致人力资源部门仅仅根据道听途说来推测性别不平等问题产生的原因,而忽略了真正的根源。 为了这个目的,本文提出了一种可重复地用来评价求职性别不平等的系统研究方法,并且附带使用这种方法进行评价的案例。 样本和研究方法:基于1382份简历的数据分析 这次研究中用到的是一个数据工程师职位的1382名求职者的简历数据,其中1029人为男性,占74.4%,353为女性,占25.5%。 需要指出的是,因为不知道这些求职者的性别(DT君注:在美国等一些国家,为了避免各种偏见,简历一般不附带求职者个人照片和性别信息等),因此上述性别人数和比例是基于求职者的姓名和Atipica公司(DT君注:即本文作者所在的公司)的性别预测模型得到的,总的准确率可以达到96%,但会产生4%的误差。在后续的分析中,这一误差也可能会有所影响。 而求职者的职业技能也由Atipica公司的技能映射模型获得。 首先,我们需要明确的是,如何通过指标来衡量性别不平等? 通过比较特定职位的男女求职者的被拒比例,我们可以确定是否存在潜在的性别不平等,因为在其他条件相同的情况下,理论上被拒比例应该是接近的。 (图片说明:被拒比例=被拒的申请者人数/总申请人数) 在这项研究中,我们通过比较在审查求职申请阶段的被拒率来衡量不平等。选取这个阶段的原因主要有以下两个: 在审查求职申请的阶段,雇主会有多重方式来评价一个求职者,例如,电话沟通技巧等,而不是单一通过简历来评价。为了减少不可控因素,我们把数据的收集固定在这个阶段。 审查求职申请通常对于之后的进一步考察影响最大。我们发现约90%的求职者在这个阶段会被拒。 那么在审查求职申请阶段产生的被拒率的差异都可以被归结为: 客观因素:工作经验、教育背景和技能体系。 主观因素:被认为教育背景不符合、被认为工作经验不符合、故意或者非故意的偏见。 由于主观因素的本质,它本身是不可控的,所以我们把研究对象限定在客观因素。 我们基于以下假设对统计数据的显著性做了测试: 在测量显著性过程中,我们必须要考虑到两类误差。一是样本误差,二是性别预测的误差(4%)。考虑到性别预测误差,我们放弃了T检验(DT君注:即t-test,是用t分布理论来推论差异发生的概率,从而比较两个平均数的差异是否显著)。这类传统参数测试,而改用了置换测试并且配合蒙特卡洛方法,在每次重复测试中都在男性和女性中做了4%的样本交换,并且验证了重复性假设。 数据分析:男性和女性技能相差不大,但女性被拒率更高 被拒率的差异: (图片说明:男女求职者的被拒比例) 男性和女性的被拒率分别为83.0%和88.6%,女性比男性高出5.6个百分点,这个偏差在统计上表现出显著性(p=0.03)。紧接着作者评估了各项客观因素在偏差显著性上起的作用。 技能总数量上的差异: (图片说明:男女求职者职业技能数量的分布) 女性求职者简历上平均罗列96项技能,男性求职者简历上平均罗列93项技能。根据上图所显示出来的情况,技能数量的平均数和中位数相差不大。 可以发现,尽管在技能平均数量上存在差异,但这种差异一方面小到不存在实际影响,另一方面在统计显著性上也不显著(p=0.38)。 技能体系上的差异: (图片说明:职业相关技能的分布) 为了查明技能体系上的差异,我们根据技能映射模型找出了34项核心技能,并把我们从简历里挖掘出来的技能进行比较。上图显示了一些技能在简历中呈现的比例,例如,不论男女,约80%的求职者都在简历中提到Java。 通过定性分析,我们可以看出技能分布在男女求职者上区别不大。 定量分析男女求职者在技能集合上的相似性,我们可以看出分布的标准差。 我们用 Aᵢ和Bᵢ分别表示掌握技能i的男女求职者比例,例如,A_java = 0.8并且B_java = 0.8。则n种技能的总平均偏差比例为: 这就意味着,平均来看,对于每一项技能,男性掌握该技能的比例都要高于女性掌握该技能的比例2.2个百分点,偏差并不大。 偏差的百分数看上去直观,但缺点是我们并不知道相对偏差。我们进一步利用平均数标准化偏差计算相对偏差: 在标准化之后,技能集合上男女求职者的偏差为5.3% —— 换句话说技能集合上94.7%都是一样的。 5.3%的偏差虽然小,但也可能影响巨大,尤其是如果这种差异体现在核心技能上时。 为了搞清楚这个问题,我们运用置换测试/蒙特卡洛法计算了男女求职者在特定技能掌握比例上的偏差。比如,如果50%男性和53%女性都会“hadoop”,我们就要计算这3%的差异是不是显著。 结果发现,在剩余的33项技能中,只有SQL和统计两项技能显示出性别差异性,而且这两项都是女性的掌握程度高于男性。 大体上,我们可以说在技能的大多数方面男女之间不存在差异,而SQL和统计上又是女性有显著的优势。 工作经验上的差异: 下表列出了男女求职者工作年限的平均数和中位数,值得注意的是职位要求并不包含工作年限。 我们发现工作年限上只有半年的差异,尽管在差异上表现出显著性,但在实际录用的层面上并没有什么实际意义,很少有公司会把半年经验的缺失作为拒绝的主要因素。 教育背景上的差异: 下表列出了求职者最高学历的分布情况(百分比),职位的要求是理工科本科或者硕士毕业生。 女性求职者比男性求职者在高学历中所占比例更高,82.7%的女性求职者拥有硕士及以上学历,只有69.9%的男性求职者拥有同等学历。这方面的差异非常显著。 结论 从上面的研究可以发现,女性求职者在被拒率上高出男性求职者5.6个百分点,尽管女性拥有高学历的比例更高、工作年限上和技能体系上也没有实际意义上的差异。 当然,如果仅仅根据上面的实验结果就得出“被拒率上的差异是因为有意或者无意的偏见”的结论,还缺乏充分的理由。但考虑到在实验中至少已经排除一些客观因素的影响,那么有理由相信这种差异更有可能是来自于主观因素的影响。 研究的局限性 当然,需要指出的是,本次实验还具有一些局限性: 1. 经验和教育背景的含金量 尽管工作经验和教育背景是简历审查的一个基准线,但其中的含金量却是极其关键的因素,甚至影响到能否通过简历审查。然而,这方面又太主观并且难以控制。 2. 技能不是纸上谈兵 我们仅仅根据技能一栏填写的情况来考虑,那么会造成一个熟练掌握该技能并有5年经验的求职者和一个刚会一点的菜鸟求职者没什么区别的情况。 3. 所有相关技能所占权重都一样 全部34项技能权重都一样,这在简历审查时肯定不现实,很明显一些职位对于一些核心技能的要求要高过其他技能,也就是权重更重。然而,这方面我们可以通过招聘官给出每项技能的权重来解决。 4. 之前做过的项目没有被考虑进去 求职者之前做过的项目或者写过的代码(比如github等)有时在简历审查时是会被调阅的,而这一点在本次实验中没有被考虑。 注:本文编译自Medium.com网站文章《A Framework to Assess Gender Inequity in Hiring using Data》
    就业
    2017年12月04日
  • 就业
    【奶兄微点评】从百度迁徙看招聘与就业 这个文章奶兄给大家交流分享一个非常有意思的话题,从百度迁徙看招聘与就业。   每年过年的春运就是一次人口大迁徙,人口流动的背后意味着各地劳动力的输入与输出(当然这当中还包括旅游、探亲访友、出差等情况,这里谈的是大的趋势,请勿较真),从百度迁徙的实时动态图来看,目前国内劳动力输入的十大城市是北京12.77%、上海10.73%、深圳5.63%、广州3.94%、东莞3.44%、重庆3.42%、天津3.20%、南京2.58%、杭州2.44%、成都1.78%,北上深广依然是排名前四的劳动力输入城市,这十个城市占了总迁徙人口的49.93%,也就是说近乎一半的劳动力输入输出发生在这十个城市及周边地区。 当然我们也要考虑这些因素,比如广深东莞等地的很多制造业工人没有多少假期不能回家,所以珠三角的数据略显偏低。   我们先来看看北京的情况,北京迁出的热省前十名是河北39.55%、山东9.68%、河南8.17%、山西4.90%、天津3.96%、辽宁3.94%、安徽3.12%、黑龙江3.01%、内蒙古2.78%、湖北2.75%;   从数据上来看北京的人口输入来源集中在中原地区、东北地区,基本上是长江以北的省份。 看看上海的情况,上海迁出的热省前十名是江苏30.48%、安徽20.60%、浙江12.17%、河南6.55%、江西4.94%、山东4.57%、湖北3.82%、福建2.34%、四川2.14%、湖南2.13%;   从数据上来看上海的人口输入来源集中在长三角地区、黄海东海沿海地区、长江流域中下游地区,基本上是以上海为中心辐射扇形区域省份。   再来看看深圳的情况,深圳迁出的热市前十名是玉林、吉安、邵阳、黄冈、重庆、荆州、襄阳、南阳、孝感、达州,分布在广西、江西、湖南、湖北、重庆、河南、四川等省市地区,集中分布在长江中上游地区、长江以南地区。   广州迁出的热市前十名是衡阳、赣州、贵港、重庆、荆州、黄冈、南充、武汉、驻马店、襄阳,基本和深圳相同集中分布在长江中上游地区、长江以南地区。   估计你看到这里会问奶兄,你这是扯得啥东西,在给我们温习地理知识是吧。各位不着急,奶兄看到今年的百度迁徙数据,第一反应就是劳动力的流动情况。从上面几组数据我们可以看出来,地域性是一个影响招聘与就业非常大的因素,我们不管是做HR的还是做招聘第三方的都需要考虑地域性与籍贯这个因素。HR角度,不管是社招还是校招,从长远来看员工的稳定性,要考虑地域与籍贯这个条件要素。   下面是几点观察百度迁徙数据的小结:   1、东北地区、中原地区、北京周边地区的人更加偏好在北京周边就业生活;   2、长三角及环黄海东海扇形地区的人更加偏好在长三角周边就业生活;   3、长江以南地区、长江中上游中下游地区的人更加偏好在广深及珠三角地区就业生活;   4、富士康对当地劳动力输出影响很大,从数据当中可以看出,劳动力大省四川和河南的输出人数不再是热点,富士康在成都郫县和河南郑州开设了新工厂,人数超过35万,还不包括富士康的下游供应链的厂家。   另外奶兄也关注过针对地域性与籍贯做的一些招聘与就业活动,比如楚才回家计划,“楚才回家”计划是由武汉政府发起、猎聘网携手科锐国际联合承办,为有意回归武汉谋求职业发展的精英搭建求职渠道,目前已经举行了两期。另外类似成都高新区管委会等部门也经常组织所在区域的企业到北上广深等地来抢人才。 这类招聘就业活动就是充分利用求职者的地域与籍贯情节来开展的,估计今后会有越来越多类似的项目出来,很多知名企业内迁与到内地开子公司分公司,高铁越来越快一小时生活圈两小时生活圈逐渐形成,内地很多二线城市工作与生活环境越来越好,北上广深房价与生活水平越来越高不再是白领蓝领们的首选。   欢迎各位关注奶兄新浪微博@打劫买奶粉,以及个人微信@kinwa2002  
    就业
    2015年02月25日
  • 12