作者: 自由奇客

  • 上海居住证新政:按积分区别对待 120分享受市民化待遇

    在实施了超过10年之后,上海的居住证制度即将迎来巨大改变。

    从7月1日起,上海开始实施居住证积分管理,但凡达到标准分值120分的外来人员,就可以享受包括同住子女参加高考等市民化待遇。而这种市民化待遇,区别于户籍人口之处,在于父母不能投靠、不能享受上海市低保待遇、不能申请购买共有产权房三项。

    shanghai residence card 2013

    6月19日,上海市政府发布了即将实施的《上海市居住证管理办法》(下称《管理办法》)。根据该《管理办法》,上海取消了人才居住证和一般居住证的差别,统一施行积分制,并根据不同的积分,为持证者提供梯度化的公共服务。

    境内来沪人员持有居住证后,可通过基础指标、加分指标、减分指标和一票否决指标组成的积分体系进行积分。总的来看,持证人越年轻、学历或职称越高、专业越紧缺、纳税或其他社会贡献越多,积分就越高

    与此同时,持证人虚报材料、有行政拘留记录和一般刑事犯罪记录将被扣分;如果违反计划生育政策或曾严重刑事犯罪,将被取消申请积分资格,即一票否决。

    详解积分制

    居住证制度在上海实施已超过10年,自2002年6月起,上海首先在引进人才中试行居住证制度,2004年又在来沪人员中扩大施行。居住证制度打破了不迁入户籍就不能在沪正规就业的传统模式,为各地来沪创业或就业的人才拓展了进沪渠道。

    现行的上海居住证分为A类、B类和C类,其中B类是国外引进人才居住证,A类是国内引进人才居住证,C类则是普通外来从业人员或投靠类居住证。其中,持A类居住证人员同住子女可以在上海参加中高考。

    自2009年起,上海的户籍政策开始从以往的“指标限定”转为“条件管理”,并出台了居住证满7年转户籍的政策。而此次,条件管理又转化为积分管理。

    华东师范大学中国现代城市研究中心主任宁越敏称,该政策的积极意义,就在于打通了积分体系,不再像以前一样强调学历等条件的门槛,使得普通劳动者有享受对应公共服务的可能。

    上海市人力资源社会保障局副局长毛大立则介绍说,上海市居住证总积分标准分值目前为120分。积分指标体系由基础指标、加分指标、减分指标和一票否决指标组成。

    其中,基础指标包括年龄、教育背景、专业技术职称和技能等级、在本市工作及缴纳职工社会保险年限等指标。

    年龄指标最高分值30分,具体来说,持证人年龄在56~60周岁,积5分;年龄每减少1岁,积分增加2分。

    教育背景指标最高分值为110分,大专学历、大学本科学历、大学本科学历和学士学位、研究生学历学位、博士研究生学历学位分别对应50分、60分、90分、100分、110分。

    在专业技术职称和技能等级方面,由国家职业资格一级或高级专业技术职务的最高分140分到国家职业资格五级的最低分15分之间递减。

    缴纳社保方面,持证人在上海市工作并按照国家和上海市相关规定按月缴纳职工社会保险费,每满1年积3分。

    加分指标则包括紧缺急需专业、投资纳税或带动本地就业、缴纳职工社会保险费基数、特定的公共服务领域、远郊重点区域、全日制应届毕业生、表彰奖励、配偶为本市户籍人员等指标。

    需要注意的是,基础指标中的“教育背景”、“专业技术职称和技能等级”两项指标,选择其中一项进行积分;加分指标中的“投资纳税”、“投资带动本地就业”两项指标,选择其中一项进行积分。

    减分指标中,提供虚假材料、行政拘留记录、一般刑事犯罪记录将被扣分,最高扣减150分。而持证人有违反国家及本市计划生育政策规定行为记录或严重刑事犯罪记录的,申请积分资格即被“一票否决”。

    外来务工者细算积分

    个体户刘丽(化名)得知上述新政后,和《第一财经日报》记者算起了自己目前的总积分。

    刘丽发现,只有高中学历的她不能获得教育背景指标的分数(最高110分)。“我打算让我丈夫去继续读,拿个大学学历,这样可以加分(60分,无学士学位)。”

    当得知在上海重点发展的远郊区域(目前为临港地区)工作并居住可以加分后,刘丽告诉记者,可以和丈夫商量去那边买房工作。

    根据积分办法,持证人在本市重点发展的远郊区域工作并居住,每满1年积2分,满5年后开始计入总积分,最高分值20分。

    刘丽的洗车店交定额税,一年大概不到2000元,而积分办法规定,最近连续3年平均每年纳税额在10万元及以上可积10分,最高100分。对此,刘丽称,自己愿意多纳税以获得积分。

    事实上,此次居住证积分制确实让一些像刘丽这样的外来务工人员看到了希望。

    高境一村的水果摊主顾女士告诉记者,她10年前从安徽来上海就办了居住证,并且和丈夫两人每年都会交城镇保险。这样做的主要目的也是为了正在高境第二小学读五年级的儿子在就学方面和当地孩子没有异样。

    在了解了居住证新政后,顾女士对积分标准颇有自信。“如果有评分标准,那我们家的标准应该都是够的。”在固定摊位经营水果店10年,每年都按时缴纳城镇保险和税金,申请居住证证件齐全,虽然没有买房,却有稳定租住的住所和工作,在她看来她的小家在上海并没有感受到不便。

    但有些外来务工人员仍感觉积分达不到标准分值120分。

    比如另一位摊主金女士,她现在租住在高境二村,住所并不算稳定,几年内搬了三次。但他们会定期交保险,这样正在高境第二小学上三年级的儿子就可以正常升学。由于一个摊位每月租金需上千元,所以租用两个摊位的金女士和丈夫每年只能赚4万多元。他们自觉仅凭小学学历,评分应该不够。

    新增高考人数待评估

    目前看来,到底会有多少达到标准分值的外来人口同住子女在沪参加高考,是社会关注的焦点。毛大立在回答本报记者提问时说,虽然做过一些模拟和预测,但具体有多少普通劳动者会达到120分,还需要进一步跟踪评估。

    毛大立称,其随迁子女参加中高考的人数也会相应有一定的增加,但明年符合在上海市参加高考的具体人数,还要根据政策的具体情况进行跟踪评估。“总体上来看新旧政策是平稳有序的。”

    上海从2002年开始实施人才引进居住制度,明确持有人才居住证人员的同住子女可以按照上海市的相关规定参加上海中考,完成高中学业的,可以参加上海高考。“从人数上来看,居住证积分达到标准分值的持证人数会比现有的持有人才居住证人数有所增加。”毛大立说。

    对于上海近千万外来人口而言,此次居住证新政为广大普通劳动者敞开了一条通过积分享受均等化公共服务、融入上海的通道。

    此次实施的《管理办法》,彻底取消了居住证的类别差异,实行统一的居住证,以及统一的积分政策。申办上海市居住证的条件为“两个合法稳定”:即合法稳定居住、合法稳定就业。

    “从条件管理转向积分管理,积分条件突出了产业的发展和社会和谐等因素,为长期合法稳定就业和合法稳定居住的人群建立透明稳定的预期,每个人都可以对照计算,对普通劳动者,也鼓励根据政策导向增加自己的积分。”毛大立对本报记者说。

    尽管根据客观情况,此次新政的导向仍旧偏向高学历、高收入人才,但不可否认的是,普通劳动者也有了自己的盼头。比如说,根据规定,在环卫领域工作的持证人可以加分,每满1年积4分,满5年后开始计入总积分。

    上海市发改委总经济师翁华健说,从长远来看,今后符合积分达到标准分值的人数会逐年增加,相应享受市民化待遇的公共财政的保障也会逐年增加。

  • 互联网各大网站编辑/主编薪资大曝光

    editor2013新浪新闻频道每个岗位的工资情况:

    新浪新闻频道人数多,底子大,工资待遇起点不低。目前,发钱的职位有:实习生、普通编辑、高级编辑、副主编、主编、总监。他们的每个岗位工资(平均)是:

    实习生 1500-2000元左右

    普通编辑 2500-4000元左右

    高级编辑 3500-4500元左右,补贴高一点

    副主编 4500-6000元左右

    主编 6000-10000元左右

    总监 按照年薪算二十万吧

    新浪新闻中心主编某月的工资:

    新浪新闻中心主编的8月基本工资是:5500元

    加班补贴:3800元

    职位补贴:2000元

    其他工资:1500元

    合计:12800元。

    中国主要新闻网站总编辑工资一览表:

    新华网 8万,明的。

    新浪 110万

    腾讯 60万

    搜狐 80万

    国际在线 10万,明的。

    中国广播网 8万,明的。

    红网 8万

    现任搜狐网总编辑的薪水情况属实,现任搜狐网总编辑于威的薪水如下:

    人民币40万元,5000股搜狐股票,按搜狐现在的价值算,税前大概是200万rmb,分四年执行完毕。因此可简单理解为其总编辑的年薪约100万rmb左右。

    中国互联网新闻中心一般编辑工资曝光:

    新闻专业毕业生进去还能解决北京户口,挺不错的。这种性质的网站福利错不了。刚入职的编辑基本工资大概在3000元左右。

    腾讯内部各级工资曝光:

    业务员推广:1500-2500 根据业绩来看不过基本工资在1200左右

    普通员工:在写字楼工作的2000-3500 (不算加班)

    中层管理:做办公室的2500-5000 根据科室和业务量的不同

    高层管理:主管经理等4500-12万 管理常务的不是很高但是电脑技术和营销经理的话工资非常高

    CEO 董事会工资每月也是在5万-30万之间

    以上是基本工资 都没有算加班和福利养老等!

    补充一下 以上是TX深圳公司的员工工资,其他城市的差幅也不算大在5%-15%左右!

    新华社的新华网网络新闻编辑每月月薪

    新华社的新华网网络新闻编辑每月3500元。

    其他编辑还会高些。不过北京花的也多,尤其是新华社,包括新华网总部大成大厦和中央**网等等这些新华社部门在宣武区宣武门西大街,租房子太贵,最普通的一室户每个月都要1500以上,加上上网,电费等等,每个月工资有一半就这么没了。

    1年半深圳新闻类编辑薪水:网络编辑薪水 3500RMB

    网易(163.com)高级编辑、责任编辑薪水

    网易不设副主编,主编下设高级编辑,再下是责任编辑,再下是编辑,再下是实习劳务编辑。高编月薪税后7000左右,几大门户中算低的。也有人说是网易高编也就5000块,普通编辑2000-3000元,欢迎网易前员工及在职朋友补充指正。

    各大网站频道编辑薪水

    广东21CN网站一般编辑月薪2000元

    硅谷动力 手机频道 编辑 3000+500奖金

    IT168 硬件频道 编辑 2500 无奖金

    硅谷动力 数字家庭频道 主编 5500

    新浪 试用期 4000+车马费

    TOM 回归社区 无经验的应届毕业生2000起

    sohu it频道 编辑 6000+车马费3000

    硅谷动力 笔记本数码群组 主编 5000-6000+车马费2000

    pcpop 营销中心 总监 8000 2000万期权 年底分红另算

    新浪 科技编辑 工资5000+车马费等大约10000

    网易 科技编辑 工资6000+车马费等大约12000

    搜狐 IT编辑 工资5000+车马费8000+若干数码相机,MP3等

    赛迪 资讯频道编辑 4000,车马费1000/月

    新浪 科技编辑 工资5000+车马费等大约10000。另加饭局无数、手机无数、数码无数。

    百度老员工(职员) 工资 7000(税后收入) +公积金4000(合理避税) +奖金800 期权每月固定额增配,收入 3万-4万 左右(根据股价表现)年终奖

    139.com 在深圳,刚毕业,每月2800元,无奖金,无车马费

    某门户 小流量频道,税前3K+定量报销

    zbox 设计 3500 其他收入无

    新浪 游戏频道 编辑月薪3000~5000 如果坚持每天给领导买早点,还能涨工资+分股票

    中国第一门户 普通编辑 工资3K/月+奖金补贴1K/月+期权10K/年

    猫扑 高级编辑 5000,车马费:350

    PCHOME 录入编辑 月薪1700 年终奖200

    频道责编 月薪4800 年终奖3000

    频道主编 月薪6000 年终奖6000

    总编 月薪9000 年终奖12000

    TOP sales 月薪5000 指标提成4%,超指标提成7%

    网易 体育 老编月薪5000,没有期权

    SINA,SOHU,163水平应该差不多,刚去的新员工,大多是在3K左右,其他可能会有一些补助。车马费之类的东西TOM稍点一点,刚去的基本工资比上面三家少一些。新员工工资普遍不高,但是,比较好混。没上面三家那么累。QQ就不知道了。没什么了解。 颐高 一个月4000元编辑收入

    某web2.0视频网站:视频编缉工作一年的员工,领导看着不顺眼的:2200 稍微顺眼点的:2600 办事效率高,看着又顺眼的:3000。无奖金,无加班费,年底奖金约等于一个月工资,车马费合理的情况下有多少报多少,公积金,保险,能扣的都扣了。

    东方热线 频道主编 工资:2500 车马费330/月

    xNet 编辑 入门级别1k8

    sina 研发部门工程师 月4K,没奖金没期权,年底没双薪年薪就是4K*12,还含税 (不会吧)

    郑州小门户 主编 什么都管 2K4 其他无

    百度的公积金是这样,可以按照20%交存,公司出20%,个人出20%,这样整体比例就是工资(税前)的40%,但是公司实际只支付10%,剩下的10%在年终奖里扣减。

    MOP梁、Sohu敖、TW祝的前东家 高级编辑 每月固定的收入八千,加班费和报销差不多一千五(以上含税)。算上出差补助、车马费、各项或多或少的奖金,一年下来10W+(税后)。

    中国数码在线 DC频道主编 刚毕业 2800+其它补助=3500

    中华英才网 高级编辑3K 中级 2K 初级 1.5K 网管 2K

    普通程序 2K-3K 高级程序5K-6K 普通设计师1.5K-3K 门户设计师 4K-5K

    首席运营官 8K 车马费有就报 不过不多。

    QQ 普通编辑每个月2-3K,不超过5K,其他收入不详

    焦点下载 编辑 3000+300奖金

    某网站频道主编工资5K5,没奖金,车马费全给手下。每月报销1K,手机,车旅,餐饮,大多是自己用掉的。每月虚报费用2K,谁叫公司从没奖金,多年不加薪,只好自己想办法。每月自己外面赚点外快,少则1万/月,多则2万/月,继续……(据说此人是ENET的)

    博客网 人力资源总监,月薪3万,比COO还高并且已经把很多工资不到他三分之一的人以控制成本为由裁掉。

    赛迪网 编辑每个月是3000元,其中包括70%基本工资(2100)+30%绩效工资(900)+220饭补+200元室内通费,其他的想都别想,赛迪网编辑的车马费比较多,每个月平均每人有5次以上。

    文章来源:互联网的一些事

  • 关于猎头悬赏商业模式 猎头悬赏模式是伪众包!

    在国外已经偃旗息鼓的全民猎头悬赏模式近年来在国内又死灰复燃,一些聪明人旧瓶装新酒,把这个过时的模式揉进众包、移动互联网和社会化招聘等时髦概念,包装成一个貌似创新的商业模式,从不明真相的投资者手中圈钱。

    headhunter_xuanshang

    为什么说全民猎头悬赏模式是“伪众包”? 众包是集中大家的力量完成一项工作,”众人拾柴火焰高“,大家的目标是一致的。维基百科、百度知道、知乎、Quora 等都是众包模式成功的典型例子。在众包模式的知识问答网站,参与者的目的基本一致,就是答疑解惑,增长知识,虽然有一条答案被提问者采纳,但其他的备选答案也列在下面,也有一定的参考价值。但是全民猎头悬赏模式并不是真正意义上的众包,因为参与者的利益是相互冲突的,是竞争关系。悬赏的结果是一人获得奖金(假定推荐的候选人被录用),其他所有人的工作全是无效的,大家的时间和精力被白白浪费了。

    在欧美就行不通

    全民猎头悬赏模式在欧美已经被证明是行不通。早在1995-1996年,就有人设计了一套全民推荐奖金分配算法并在美国专利局申请了专利。算法的大概思路是:假定有四个人( A、B、C、D),通过 A → B → C → D 的顺序依次传播招聘岗位信息,如果 D推荐的人选被录用,A、B、C和D四人可以平分奖金。猎头悬赏模式的创业公司当时有林林总总几十家,各有特色。最有特色的有三家:Zubka.com、H3.com 和 Dayak.com。

    Zubka.com是最典型的全民猎头悬赏模式,2007年2月获得 Benchmark Capital 约 390 万美元的投资,2008 年在英国红极一时,被评为最佳 Web 2.0 网站。H3.com则意识到全民猎头有很多局限性,比如普通人的朋友圈子有限,推荐几次就没有人选了,所以目标对象是千千万万的猎头群体,Hans 认为很多猎头手里有积累的简历,但没业务,所以会来H3.com 的平台上找活儿干,拿赏金。Dayak.com是一家2008年在硅谷成立的创业公司。和 H3.com 一样,Dayak 也是针对猎头群体,希望打造一个像 eBay 一样的猎头市场交易平台。

    但光阴似箭,欧美的猎头悬赏网站大都消失了,前面三家公司也光荣地成为了互联网烈士。H3.com 连网站域名也放弃了,现在成了一个卖汉堡的网站。

    全民猎头悬赏模式为什么会失败?

    我分析主要有几个原因:

    1. 悬赏模式会浪费大量的社会劳动,违背生产关系发展的客观规律。

    成功的互联网应用应该能够提高劳动生产率,或者提升资源利用率,比如AirBNB 的短租模式,有效释放了闲置资源。但是,全民猎头悬赏本质上是一种”一将功成万骨枯“的模式,不可避免地导致大量重复的无效劳动,违背生产关系发展的客观规律。

    2. 悬赏模式用钱作为主要激励,缺乏正确的价值观。

    全民猎头悬赏模式把钱作为主要激励手段,缺乏内在的持续力和正确的价值观。靠出卖朋友赚钱,很有趣吗?提醒各位,维基百科的成功,与钱无关。众包的力量源泉不是单纯的物质追求,而是对美好世界的更为本源的追求。众包就是要利用群体的智慧,创造出大家都受益的美好事物。悬赏模式靠金钱刺激驱动,不是真正意义上的众包。靠挣钱为目的吸引来的用户,基本上唯利是图,赚不到钱就会走人。

    3. 悬赏模式的隐含前提是否定猎头服务的专业性。

    猎头服务和律师、会计师一样,有其专业性,需要懂得一些心理学和行业知识。全民猎头的隐含前提是否定猎头服务的专业性,人人都可以当猎头。猎头推荐人才的流程(评估客户人才需求、岗位任职资格分析、搜索方案制定、候选人面试评估、薪酬谈判咨询等)被高度简化为推简历赚佣金。如果全民猎头的模式可行,那全民律师和全民会计师是否也可行呢?

    4. 悬赏模式导致的隐私控制问题。

    简历属于个人隐私,一些朋友把自己的身份证号码和生日等信息放在简历里。多数人不轻易把简历给别人,更不希望自己的简历被到处乱投。打开你的手机,查查你的通讯录,数数有多少人愿意把简历给你?另外,猎头网站上简历保留多长时间比较合适,3个月、6个月还是9个月?候选人是否有权利要求把自己的简历撤下来?隐私控制是一个大问题。

    5. 细节问题会导致悬赏模式的运营变得很复杂。

    悬赏模式在实际操作中,会出现各种各样的问题。比如多人同时推荐一个候选人,谁先谁后怎么确定,当然可以简单地用投递的时间来排序,但如果有人未经候选人允许,抢时间投递怎么办?…. 如果发布任务方存心不良,靠悬赏网站来收集简历,怎么办?这些问题虽然都貌似可以找到办法,但最终会导致悬赏网站的规则变得越来越复杂,运营会很困难。一旦伤害了用户的体验,人家以后就不来了。

    现在的繁荣都是虚假繁荣

    一个朋友问:有的猎头悬赏网站声称已经赚到钱了,怎么回事?这个不难,简单的办法是聘请/安排一些能干的猎头当托儿,这些推荐者都是自家人或者关系户。假定每人每年带来 80万的营业额,20个自家猎头就可以创造 1600 万元的收入。这些自家猎头也可以化身多个马甲,整出一些成功案例,制造出悬赏网站很有人气而且欣欣向荣的景象,诱惑普通人民群众来参与。但实际上,一般人如果推荐几次不成功,就会丧失兴趣,不再尝试。猎头悬赏网站对参与者缺乏持续的激励。现代社会中,大家生活工作都紧张忙碌,谁有空天天想着靠出卖手机中的朋友赚钱?悬赏网站的收费低于猎头的市场行情,利润更单薄,长期来看,也很难吸引优秀的猎头当托儿。

    又有朋友问:风险投资家都很聪明,他们已经投了钱,是否证明猎头悬赏这个模式可能有前途。错!VC 投资一个公司,并不能证明该公司的创业方向是正确的。VC 虽然都极其聪明,但他们是人不是神,都会犯错误。聪明人犯错误的原因有很多,其中有一个原因最常见:贪婪!

    美国的猎头行业很发达,2011年的行业销售额高达 112亿美元,美国的企业信用体系也比较完备。而中国的猎头行业还处于高速成长期,还有太多不成熟的地方。猎头行业属于服务业的一种。如果悬赏猎头模式在服务业非常发达的欧美都无法取得成功,又怎么可能在当今的中国成功?伪众包概念的全民猎头悬赏模式是死路一条。

    作者:张琦(@硅谷猎头TomZhang),硅谷资深HR及人才招聘专家,电动汽车公司Tesla Motors高级人才顾问,曾任腾讯美国招聘专家,之前在Google总部从事高级人才搜索。浙江大学博士,曾任教于美国加州圣荷西州立大学。
    联系方式:tom.qzhang@gmail.com
    新浪微博:http://www.weibo.com/youhire

  • 猎头能力素质结构化面试题大全之五:办事员(EA)的面试技巧

    有能力的办事员是公司的重要财富之一,他们对提高公司管理效率起着关键作用。通过承担大量的日常管理琐事和一些公文事务,办事员使老板们能把更多的精力集中到一些更加重要的事务上。工作安排是否成功的关键是看办事员(助手)和他们为之服务的管理人员是否有很好的性格搭配。如有很好的性格搭配,办事员和他们的老板们就能形成很好的伙伴关系。下面的问题能够看出办事人员的工作效果。

    interview3

    ©  你想和你的老板建立什么样的关系?

    ©  讲一下你曾经同时为多个老板服务的经历,这些老板都认为他们自己的工作重要,应该先为他们做事,你是怎样安排这些工作的?

    ©  请说说你是如何安排一天的工作的。你用了哪些方法和技巧?

    ©  用什么具体的方法来确定你的工作重点?为什么?

    ©  请讲一个你必须为一位高层主管完成一项重要任务的经历。有时,为了做好这个工作,你需要老板的参与,但是老板不在,你该怎么办?

    ©  就你的耐心而言,你认为什么样的人最讨厌?

    ©  请讲述一下你遇到的最好地老板。哪些方面使他成为你心目中最好的老板?

    ©  请说说你遇到的最糟糕的老板。为什么是最糟糕的?在这样的老板手下干活,你会采取什么样的方法来提高工作效率?

    ©  你以前的工作中,都干过哪些不属于你本职工作的活?我想知道你为什么会干那些活?

    ©  讲这样一个经历:老板让你加班,而你本人的计划安排要求你必须正点下班。你是怎样在不牺牲自己的计划的前提下满足老板的要求的?

  • 2013年《财富》美国500强榜单

    2013年《财富》美国500强榜单

    这次排行中,沃尔玛重回榜首、Facebook首次上榜、雅虎进入倒数阵营。美国500强公司总收入小幅上涨、总利润下降,显示美国经济陷入低增长。

    从IT方面来看

    • 去年上市的Facebook今年首次登上了美国500强排行榜,排名第482位。
    • 而去年陷入困境的雅虎此次排名仅列494位,可以说雅虎已经进入了美国500强的倒数阵营。
    • 产品依旧在全球热卖的苹果公司从去年的第17位跃升至第6位,排名大幅上升并首次跻身美国500强前10行列。
    • 悲催的HP惠普跌出前10. 陷入困境的PC巨头今年取代房利美成为了榜上亏损最严重的公司,亏损总额高达126.5亿美元。

    在最新的美国500强排行榜中,沃尔玛以4691.6亿美元的收入重回榜首,石油巨头埃克森美孚以4498.8亿美元的收入位居第二。去年上市的Facebook今年首次登上了美国500强排行榜,排名第482位。老牌互联网公司雅虎则进入倒数阵营,排名第494位。

    fortune500

    产品依旧在全球热卖的苹果公司排名持续上升,从第17位跃升至第6位。实现营业收入1565亿美元,较上一年增长了44.6%。利润大涨61%,达到417.3亿美元。

    但总体来看,美国经济在2012年步入了漫长的低增长阶段,榜上的500家公司总收入达到12.06万亿美元,较上一年仅增长了2.7%。员工总数增长了2.3%,达2640万人。但总利润反而下降了0.5%,共计8203亿美元。

    前10名的位次今年也发生了一系列引人瞩目的变化,石油巨头雪佛龙保住了第三名的宝座。美国最大的独立炼油商之一、去年刚从康菲石油拆分出来的Phillips 66今年以全新姿态上榜,排名第四。另一石油公司瓦莱罗能源公司今年挤入了前十。

    同时,得益于精准的投资,股神旗下的伯克希尔-哈撒韦公司排名升至第5位。通用汽车、福特汽车两家汽车公司的排名则略有下降,分别排在第7位和第10位。通用电气今年排名下降两位,位居第8。

    而去年的第8名房利美今年被挤出了前10。但受益于美国房地产市场的复兴,去年在美国500强中亏损最严重的房利美今年成功扭亏为盈,利润上升至172亿美元。同样被挤出前10的还有惠普,这位陷入困境的PC巨头今年取代房利美成为了榜上亏损最严重的公司,亏损总额高达126.5亿美元。

    从盈利能力来看,在所有上榜公司中,最赚钱的依然当属埃克森美孚,以448.8亿美元的利润傲视群雄。苹果紧随其后。

    与去年相比,今年共有24家新公司上榜。

    美国500强全榜单:[1-100] [101-200] [201-300] [301-400] [401-500]

    排名 公司名称 营业收入(百万美元) 利润(百万美元)
    1 沃尔玛(Wal-Mart Stores) 469162.0 16999.0
    2 埃克森美孚(Exxon Mobil) 449886.0 44880.0
    3 雪佛龙(Chevron) 233899.0 26179.0
    4 Phillips 66公司(Phillips 66) 169551.0 4124.0
    5 伯克希尔-哈撒韦公司(Berkshire Hathaway) 162463.0 14824.0
    6 苹果公司(Apple) 156508.0 41733.0
    7 通用汽车公司(General Motors) 152256.0 6188.0
    8 通用电气公司(General Electric) 146874.0 13641.0
    9 瓦莱罗能源公司(Valero Energy) 138286.0 2083.0
    10 福特汽车公司(Ford Motor) 134252.0 5665.0
    11 美国电话电报公司(AT&T) 127434.0 7264.0
    12 房利美(Fannie Mae) 127230.0 17220.0
    13 Cvs Caremark公司(CVS Caremark) 123133.0 3876.9
    14 麦克森公司(McKesson) 122734.0 1403.0
    15 惠普(Hewlett-Packard) 120357.0 -12650.0
    16 威瑞森电信(Verizon Communications) 115846.0 875.0
    17 联合健康集团(UnitedHealth Group) 110618.0 5526.0
    18 摩根大通(J.P. Morgan Chase & Co.) 108184.0 21284.0
    19 卡地纳健康(Cardinal Health) 107552.0 1069.0
    20 国际商业机器公司(International Business Machines) 104507.0 16604.0
    21 美国银行(Bank of America Corp.) 100078.0 4188.0
    22 好市多(Costco Wholesale) 99137.0 1709.0
    23 克罗格(Kroger) 96751.3 1496.5
    24 美国快捷药方公司(Express Scripts Holding) 94416.7 1312.9
    25 美国富国银行(Wells Fargo) 91247.0 18897.0
    26 花旗集团(Citigroup) 90769.0 7541.0
    27 ADM公司(Archer Daniels Midland) 89038.0 1223.0
    28 宝洁公司(Procter & Gamble) 85120.0 10756.0
    29 美国保德信金融集团(Prudential Financial) 84838.0 469.0
    30 波音(Boeing) 81698.0 3900.0
    31 房地美(Freddie Mac) 80635.0 10982.0
    32 美源伯根公司(AmerisourceBergen) 79720.5 719.0
    33 马拉松原油公司(Marathon Petroleum) 76783.0 3389.0
    34 家得宝(Home Depot) 74754.0 4535.0
    35 微软(Microsoft) 73723.0 16978.0
    36 塔吉特公司(Target) 73301.0 2999.0
    37 沃尔格林公司(Walgreen) 71633.0 2127.0
    38 美国国际集团(American International Group) 70143.0 3438.0
    39 国际资产控股公司(INTL FCStone) 69260.6 15.0
    40 大都会保险公司(MetLife) 68224.0 1324.0
    41 强生(Johnson & Johnson) 67224.0 10853.0
    42 卡特彼勒(Caterpillar) 65875.0 5681.0
    43 百事公司(PepsiCo) 65492.0 6178.0
    44 州立农业保险公司(State Farm Insurance Cos.) 65285.7 3159.2
    45 康菲石油公司(ConocoPhillips) 63373.0 8428.0
    46 美国康卡斯特电信公司(Comcast) 62570.0 6203.0
    47 Wellpoint公司(WellPoint) 61711.7 2655.5
    48 辉瑞制药有限公司(Pfizer) 61244.0 14570.0
    49 亚马逊(Amazon.com) 61093.0 -39.0
    50 联合技术公司(United Technologies) 59783.0 5130.0
    51 戴尔(Dell) 56940.0 2372.0
    52 陶氏化学(Dow Chemical) 56786.0 1182.0
    53 联合包裹速递服务公司(United Parcel Service) 54127.0 807.0
    54 英特尔公司(Intel) 53341.0 11005.0
    55 谷歌(Google) 52203.0 10737.0
    56 美国劳氏公司(Lowe’s) 50521.0 1959.0
    57 可口可乐公司(Coca-Cola) 48017.0 9019.0
    58 默克(Merck) 47267.0 6168.0
    59 洛克希德-马丁(Lockheed Martin) 47182.0 2745.0
    60 思科公司(Cisco Systems) 46061.0 8041.0
    61 百思买(Best Buy) 45087.0 -441.0
    62 美国西夫韦公司(Safeway) 44206.5 596.5
    63 联邦快递(FedEx) 42680.0 2032.0
    64 Enterprise Products Partners公司(Enterprise Products Partners) 42583.1 2419.9
    65 西斯科公司(Sysco) 42380.9 1121.6
    66 华特迪士尼公司(Walt Disney) 42278.0 5682.0
    67 江森自控有限公司(Johnson Controls) 41955.0 1226.0
    68 高盛(Goldman Sachs Group) 41664.0 7475.0
    69 CHS公司(CHS) 40599.3 1260.6
    70 雅培公司(Abbott Laboratories) 39873.9 5962.9
    71 西尔斯控股(Sears Holdings) 39854.0 -930.0
    72 杜邦公司(DuPont) 39528.0 2788.0
    73 哈门那公司(Humana) 39126.0 1222.0
    74 全球燃料服务公司(World Fuel Services) 38945.3 189.3
    75 美国阿美拉达赫斯公司(Hess) 38373.0 2025.0
    76 美国英格雷姆麦克罗公司(Ingram Micro) 37827.3 305.9
    77 Plains All American Pipeline公司(Plains All American Pipeline) 37797.0 1094.0
    78 霍尼韦尔国际公司(Honeywell International) 37665.0 2926.0
    79 联合大陆控股有限公司(United Continental Holdings) 37152.0 -723.0
    80 甲骨文公司(Oracle) 37121.0 9981.0
    81 美国利宝相互保险公司(Liberty Mutual Insurance Group) 36944.0 829.0
    82 HCA公司(HCA Holdings) 36783.0 1605.0
    83 达美航空(Delta Air Lines) 36670.0 1009.0
    84 安泰保险(Aetna) 36595.9 1657.9
    85 迪尔公司(Deere) 36157.1 3064.7
    86 美国超价商店公司(Supervalu) 36100.0 -1040.0
    87 斯普林特Nextel公司(Sprint Nextel) 35345.0 -4326.0
    88 Mondelēz International公司(Mondelēz International) 35015.0 3028.0
    89 美国纽约人寿保险公司(New York Life Insurance) 34308.6 1333.2
    90 美国运通公司(American Express) 33808.0 4482.0
    91 新闻集团(News Corp.) 33706.0 1179.0
    92 好事达(Allstate) 33315.0 2306.0
    93 泰森食品(Tyson Foods) 33278.0 583.0
    94 美国麻省人寿保险公司(Massachusetts Mutual Life Insurance) 32872.2 1114.6
    95 Tesoro公司(Tesoro) 32484.0 743.0
    96 摩根士丹利(Morgan Stanley) 32355.0 68.0
    97 美国教师退休基金会(TIAA-CREF) 32156.0 2060.0
    98 通用动力(General Dynamics) 31513.0 -332.0
    99 菲利普-莫里斯国际公司(Philip Morris International) 31377.0 8800.0
    100 全美互惠保险公司(Nationwide) 30356.3 748.5
  • 英特尔任命历史上第六任CEO Brian Krzanich

    这是一场赌博,一场英特尔式样的赌博。英特尔新任CEO终于出炉了,一如既往地是从内部提拔,而不是空降,这显示出了英特尔的传统,这也预示着英特尔未来走向。在抉择面前,英特尔表现出来的是传统优势与未来诱惑交织。

    最新消息,英特尔宣布,该公司董事会达成一致,推选Brian Krzanich为下一任CEO,接替欧德宁,这是英特尔历史上第六任CEO。另外,英特尔还宣布,软件业务负责人Renee James将担任英特尔总裁。此次任命将于5月16日的英特尔年度股东大会上宣布。

    Intel CEO Brian Krzanich
    图为英特尔新任CEO Brian Krzanich

    对于新任的CEO,有如下评论:

    一、 空降是一些业内人一厢情愿

    之前的版本有很多了,比如通过收购NviDIA,任命黄仁勋为公司CEO;另外桑尼•贾出任CEO的新闻也看起来有些想当然。英特尔历任CEO都是内部选拔,英特尔是一个非常有传承的公司,其一把手都是在英特尔工作多年的“老员工”,对英特尔非常了解,无论是他是以销售或者是以技术出身都是这样。此前,传出来的桑尼·贾和黄仁勋的消息,我想多是业内或者媒体人士一厢情愿。我认为,之前符合CEO标准的有这么几位:Renee James(尤其是IDF 2013年没有来北京,让人狐疑);Brian Krzanich(不显山不露水);浦大卫(英特尔首席产品官,但是技术范儿);施浩德(从当初负责数据中心部门转到负责PC部门,提升为副总裁,但是资历稍欠火候);杨叙(中国区总裁,当然资历也稍欠火候,但是中国式最大的PC和手机市场,未来不一定)。在CEO人选上,英特尔有自己的选择,似乎应了那句话“只有偏执狂可以生存”。对于新任的CEO,我有如下评论:

    二、 空降?九成江山咋办?

    为何从内部选,有数据才有说服力。当然你可以说我是事后诸葛亮,但是我们从英特尔业务来看,内部选拔是最合适不过的了。英特尔此前发布财报显示,其今年第一季度总营收125.8亿美元,同比下滑2.5%,符合今年1月份营收122亿-132亿美元预期,利润符合分析师预期;英特尔第一季度净利润20.5亿美元,其净利润同比下滑25%,每股收益40美分;去年同期净利润27.4亿美元,每股收益53美分。分析师对今年第一季度每股收益预期为41美分。英特尔核心PC业务营收同比下滑6%,至80亿美元;数据中心集团营收同比增长7.5%,至26亿美元。看出来了吗?80+26=106亿美元,英特尔的收入主要来源还是在PC和数据中心市场。这个理由上看,“老人”最了解英特尔,也是英特尔当今最稳妥的战略。

    三、英特尔不是要做手机,所以相信自己。

    在欧德宁任内,英特尔推出了超极本,意欲重新发明PC,而且英特尔还把未来寄托在手机、平板电脑市场。此前很多业内人士认为,英特尔应该借助外脑来实现在移动市场的突破。但是除了营收主体的原因之外,英特尔更相信自己人可以做好移动,做好手机。历史上,英特尔曾经有多次转折。比如英特尔进入服务器市场等。英特尔目前联手合作伙伴推出了10余款智能手机,是一个很好的开始。但是对于新任CEO而言,如何让英特尔手机快速地进驻主流市场是其最大课题。或许,英特尔可以赌博,找一位手机业界的高人,把英特尔改变成为一家手机芯片厂商,但是这现实吗?英特尔不可能抛弃90%多的营收而去做转型。

    四、有自知之明,优势在于制程和制造。

    英特尔的钟摆模式仍是其制胜的法宝,至少现阶段是。此前的那些被一些业内人士认为是包袱的芯片厂,变得越来越重要,也已经成为英特尔的核心优势之一。英特尔有着业内最具竞争力的制程工艺,这即将成为英特尔叱咤风云的杀手锏。但是这句话说出来还是有些早。目前而言,英特尔芯片的竞争力并未能和高通、三星等拉开绝对的差距。但是等到了14nm之后,英特尔的优势将彻底迸发。而且凭借着英特尔在全球的多间芯片厂的产能,其可以把那些没有自家工厂要看伙伴脸色的对手们一下子拉开空当。但问题是,英特尔眼下如何度过?新任CEO需要做到的是如何衔接PC形态多样化,来吸引更多消费者/企业级用户,同样他还需要做的是英特尔架构的手机/平板有哪些真正的特质和优势,放大并展现出来,并发展成为自己的优势。而且之于手机/移动市场,钟摆模式似乎也到了改变的时刻。

    五、 这场赌博,英特尔有几成把握?

    Brian Krzanich大多时候是一位在人们视野之外的人。他于1982年加入英特尔,接受任命前是英特尔公司的首席运营官(COO),负责英特尔的制造业务部门,并兼管产业链、人力资源和信息技术运营等部门的工作。整体而言,英特尔还是十分清楚自己的优势所在,而且英特尔也十分清楚他们不需要桑尼·贾和黄仁勋,是因为英特尔不是要去做手机,而是要做手机生态环境。确定了方向和自己的核心优势,当然选人时顺理成章的事儿。一定意义上来说,英特尔的选人是个赌博,新CEO要面对的PC市场14%甚至未来更低的负增长,如何把英特尔之前在PC市场的优势转换到手机市场,当然英特尔的数据中心市场战略算是不错,但是ARM带来的侵扰也越来越大。另外,新CEO还要做的是把英特尔和高科技领导厂商画上等号。

  • 猎头公司的困局 中国猎头公司组织形态的发展趋势

    猎头顾问应该是个快乐的职业,是吧?

    “过去几年,与大量猎头顾问、猎头公司打交道的过程中,我发现做猎头公司的老板可能是天下最苦逼的职业”
    知名招聘平台猎聘网公司的CEO戴科彬在一次猎头经营者论坛上这样说道。语出惊人,在座很多猎头公司老板们的自尊很受伤,但有很多的共鸣,于是大家继续认真听……

    就我个人对猎头行业多年的观察而言,这个说法很有见地。导致”猎头公司老板可能是天下最苦逼的职业”的核心原因在于两点:

    1. 猎头公司会不断分裂的内在动力

    2. 新创猎头公司的成长”魔咒”。

    猎头公司为何会不断地分裂?

    Boyden, Hedrick & Struggle, Spencer Stuart, Amrop International……这几间大名鼎鼎的公司据说都前后发源于Booze Allen Hamilton (一间顶级战略咨询公司);Ward Howell 从麦肯锡剥离;Egon Zehnder 曾经是Spencer Stuart的顾问;Korn/Ferry (光辉国际) 的创始人Lester Korn 和Richard Ferry 曾经就职于 KPMG的猎头部门;Russell Reynolds 曾经就职于PWC的猎头部门;Robert Walters 曾经就职于Michael Page……

    很多在中国市场上活跃的公司如伯乐、科锐、Mango等,包括FMC本身,其创始人以前都曾就职于其他的公司,而且曾在这些公司就职过的顾问,现在也有很多都在独立创业中。

    从国外到国内,从过去到现在,从高端到中低端,猎头公司在持续的裂变中发展。如无意外,将来也会如此。两个原因决定了猎头公司会持续地分裂:(1) 人类倾向于夸大在群体努力结果中自己贡献比例的天性; (2) 生意往往跟顾问(而非公司)走的猎头资源控制格局。

    想象这样一个测试,一个项目收费10万,公司里很多人都直接或间接地与这10万元的营业额有关,如:公司的创始人、区域总经理、行业团队负责人、该项目BD顾问、做单的顾问、人才寻访员、公司的人事、行政、财务、市场、IT、前台等支持部门……让所有人独立评估自己在这个10万元项目上的贡献比例及应分得金额,然后把所有的独立评估加起来,你应该会同意:总和的数字会大于10万元及100%的比例。超过100%,很显然有人高估了自己的贡献。你可以重复很多次类似的测试,相信每次加和的比例都会超过100%。

    这说明在群体贡献中,夸大自己贡献比例是人类的天性。这个论断其实是有很系统的心理学理论支持的。人的认知受限于自己内在的感受与从外部获得的信息。人对于自己为群体结果的付出,自己能够了解感受一切,而对他人为群体结果的付出则很难有个全面的了解与体会。

    猎头项目成功的核心因素在于:对于客户及候选人的知识与关系,以及搭配双方所需的技能。这些知识、关系、技能与顾问(而非公司)更紧密;生意自然也就跟顾问走,而非跟公司走。当有能力的顾问觉得在群体结果中,自己分到的部分吃亏了,而自己又能轻松带走客户与生意,出走创业就成了最自然的选择。

    好景难过3年;个人能力全面发展、单产/利润直线下降——新创猎头公司的成长”魔咒”

    新创猎头公司在第一年的日子通常都会很滋润,而且有足够的理由很滋润。大多数选择创业的顾问业务能力都较强,在原公司积累的客户与候选人资源很容易转移到新创公司,业绩往往不会因为转移平台而损失多少。有时因为更加努力,营业额可能会更高,而新创公司往往无需为支持系统、办公场所、人员配备有较大的投入就能获得这个业绩,所以创业的第一年通常效益不错。

    这样往往让人产生自己创业收益会更高的错觉,因为这里忽略了一个很重要的成本因素:创业顾问之所以能够积累相应的客户与候选人资源,是因为有原公司的平台,而建设这个平台,原公司需要付出较多的综合成本(资金、精力、心力等)。

    顾问自己创业时,可以完全带走并享用这些资源而不必为之支付成本,当然投入产出高。换一个角度看,新创猎头公司前期能赢利并不意味着公司的生存与发展能力有多强,因为这些利润往往是”偷来的”。

    对绝大多数新创公司来说,这样的好景不会持续太长,原因如下:

    1. 很多新创公司往往由几个对前公司分配不满的顾问组成,并非出于共同的价值与理想。创业初期大家容易团结,一旦度过生存阶段后,”自己吃亏了+生意跟顾问走”的行业规律也会在新公司发挥作用,新公司很快会面临核心成员间如何协调利益的问题,在这个问题上,他们未必比前东家高明多少。处理不好,新公司的核心成员未必能够走出”三年之痒”;
    2. 敢于创业的人,大多期望有所发展,初步成功之后,招兵买马和基础建设很快会吃掉看起来可观的利润
    3. 新公司在”招聘并留住有经验的猎头顾问”方面的能力往往比较弱,加上没有品牌及可信度基础,想要突破既有资源持续发展往往会面临很大的挑战;
    4. 从受雇的顾问到自己当老板,创业顾问的能力需要全面的发展。从单纯的业务能力扩展到公司经营的各个方面:招聘、人事、行政、财务、IT、公司策略、Marketing等等。但是,能力的全面发展很少能够转化为现实的公司业绩,相反,由于分散了关注的焦点,其结果往往是单产与利润逐步下降;
    5. 由于招到熟手顾问的难度较高,新公司往往倾向于(或被迫)培养新人。两年左右,新人成熟之时,往往又是离开之时;两三年后,可能除了老板,好的顾问几乎都没有留下;

    少数的新创公司,可能良性地发展过了这”三年之痒”;少数公司可能倒闭关门了;大部分新创猎头公司可能在关闭可惜、留住无味的尴尬中迷茫地前行。这似乎是猎头行业新公司发展的”魔咒”。

    不断分裂的业态与新创公司的成长”魔咒”使猎头公司老板们通常面临多个艰难的选项:

    1. 把客户及关键候选人资源牢牢控制在自己手里。控制能力强了,但丧失了成长的机会,最终是开了个公司让自己来当顾问,操着当老板的心,可能还赚不到做顾问的钱;
    2. 建设小公司的家庭气氛。个人情感上对下属顾问投入很多,期望以此长期留人,最后往往发现自己很受伤;
    3. 通过极高的提成比吸引并留住顾问。最后发现提高提成比的办法很快就用到了极限,即使老板自己不赚钱,受雇顾问还是会觉得自己吃亏了,老板再次受伤;
    4. 把顾问发展成为合伙人,大家一起做大。很好的想法,但并非很多老板都有与他人真正分享的心胸与智慧,同时合伙人多,协调不好反而更麻烦;
    5. 提升公司的品牌、系统、规模。让公司拥有小猎头公司无法拥有的能力,这样公司会面临投入过高的风险;
    6. 防止顾问复制公司数据,坚强顾问之间的相互制约,严格的竞业禁止协议,从机制上降低顾问离职对公司业务的影响。这样公司的气氛会比较紧张,工作幸福度会降低。

    在这么多两难的选项中纠结,虽说各个猎头公司老板的苦逼之处各有不同,但苦逼之感却是相似的。

    趋势

    痛苦是改变的动力。猎头老板们痛苦的源泉在于猎头公司易于分裂的天性与新创猎头公司的成长”魔咒”。基于这样的认识,我们有理由相信猎头公司未来的组织形态将按如下几个趋势发生变化:

    趋势一:做大

    “大”是提高顾问分裂公司的难度及降低分裂对公司业务冲击的最有效途径。”大”的要点在于提升公司品牌而降低客户获得的难度,以及提高公司吸引并留住顾问的能力。顾问从大公司出来能够带走自己熟悉的客户及候选人资源,但很难建立一个类似的品牌。大品牌猎头公司出来的创业顾问,需要适应在无公司品牌支持下如何开展业务与发展团队,而中小公司出来的创业顾问则很易适应。这客观上提高了从大公司分裂的难度,由于有品牌,即使人员离职,大公司也能迅速招到合适的顾问从而恢复元气。而中小公司的关键顾问独立创业,通常对原公司则是灾难性的冲击,因为中小公司很难吸引到合适的人才快速恢复。

    大的核心在于品牌,不是规模,不是资源,不是系统……通过系统来防止资源流失,通过竞业禁止协议来防止前员工不正当竞争,通过人员相互制约的分工来防止走一个顾问丢一块生意……这些都是实用的做”大”的办法,但过度依赖则可能误入歧途,因为除品牌之外的优势都很容易被复制。

    在未来的5-10年,中国市场上的格局可能是10间以下的综合性品牌大公司,加上30-50间定位精准的专注型品牌大公司。专注型的大公司人员不一定多,但在自己的细分定位市场上的品牌则很大。

    趋势二:做小

    “小”是解决公司分裂的最为彻底的办法。因为核心顾问就是老板(们),也就不存在分裂的问题。据说英国的招聘公司有超过16000间,其中人员超过50人招聘公司的数量很少。相信绝大多数的公司都不会超过3个人,多数的情况可能是招聘公司的顾问开了个公司来方便自己做单(英国开关一个公司比中国容易多了)。英国拥有全球最成熟的招聘市场,大量的微小招聘公司的存在,客观上说明了”小”的生命力。

    在中国,把公司”做大做强”可能社会价值普遍的追求。在这种浮躁的气氛下,做”小”大体上是因无法做大而被逼的选择,而非出于价值的认同。但我相信在综合因素的共同作用下,主动选择做”小”会逐步成为趋势,因为”苦逼”的生存状态谁也不想要,主动选择的”小”,往往离幸福生活更近。

    在未来的5-10年,中国市场上应该会出现1000家以上主动选择做”小”的招聘公司。这些小的招聘公司通常10人以下,通过对行业、职能、地域3个维度及既有客户与候选人资源因地制宜的组合,有自己独特的定位,老板自己就是公司最核心的一线顾问。如果能在内心价值上接受这种”小”,这些小公司们会健康快乐地活着。

    趋势三:不大不小的中型困局

    “我对中型猎头公司的定义与通常以人数分类的常识不同,中型猎头公司与小型猎头公司的关键区别在于:老板在实际业务操作中所占的比例。在小型的猎头公司中,核心客户/候选人资源由老板自己控制,同时大部分的业务由老板自己操作;而中型猎头公司主要客户及候选人资源及大部分业务操作由受雇的顾问来完成。所以同样是20个人的猎头公司,如果大部分业务操作由老板自己完成,其他人只起辅助性作用,这样的猎头公司虽然有一定的规模,但本质上只是人数较多的小型公司。中型猎头公司与大型猎头公司的核心区别在于品牌,大型公司(不一定人数多)在自己的业务定位领域至少位于前三名的品牌,中型公司没有这样的品牌效应。

    中型公司基本上只能是一种过渡状态:要么往前做大,要么退回”小”的状态,或者消失,很难较长时间(5年以上)保持中型的状态。因为中型猎头公司总体上无力长期应对”持续分裂与成长魔咒”的困扰。

    在未来5-10年,中国市场上可能会保持300-500间这样的中型猎头公司。这些公司的老板们会是最纠结的群体,会在激情、迷茫、希望与失望中不断交替。要么鼓起勇气让自己成为了大的公司,要么主动选择回归到健康的小公司状态。试图长期保持中型状态的猎头公司老板们,可能真的在从事天下最苦逼的职业。

    2013_headhunting market

    趋势四:平台与工具型公司 + 精益敏捷创业(Lean & Agile Startup)

    在招聘猎头公司蓬勃发展的过程中,必然催生出一批为招聘猎头公司服务的平台与工具型公司。这些公司提供的产品与服务将大体上包括如下几个方面:猎头系统软件、候选人来源、猎头顾问的招聘、猎头公司管理咨询、猎头技能培训、猎头业务拓展、猎头行业社交联谊、猎头公司的市场推广支持、猎头行业的投资以及其他可能出现的创新产品与服务。

    这类平台工具型的产品与服务一定有其市场空间,因为这与精益敏捷创业(Lean & Agile Startup)的趋势相符。精益意味着猎头公司老板无需”个人能力全面发展”,无需”麻雀虽小,五脏俱全”,需要什么产品与服务可以向平台工具型公司购买,比自己去做成本更低且服务更好;敏捷意味着猎头公司老板能够通过低成本的快速失败而找到合适自己的市场定位。敏捷必须以精益为基础,否则低成本失败无法达成。平台与工具型公司将会是猎头公司老板走出创业成长魔咒(好不过3年,个人能力全面发展,单产/利润直线下降)的捷径。这种平台支持下的精益敏捷创业模式,将使小公司保持长期持续稳定发展能力的可能性得到极大的提升。

    与欧美较为成熟的市场相比,猎头行业的平台与工具型公司在中国发展基本处于萌芽阶段。比如我个人所知的全球性猎头软件公司就超过30间,大部分知名的大猎头公司都是使用第三方软件,极少自己开发。猎头软件行业也有更细分的市场,有的公司专注职位发布,简历获取的前端平台,有些公司专注简历信息抓取技术,有些产品专注社交应用,有的产品专注流程与深入信息的后端平台,这些软件公司之间甚至相互购买使用对方的技术。而到目前为止,中国市场并未出现主流的猎头软件公司,因为知名的猎头公司要么自己开发,要么很勉强地使用国外的软件。最容易有生意机会的猎头软件都还处在这样早期的阶段,更不用说其他平台与工具的发展了。

    中国猎头市场上平台与工具型公司发展严重滞后,其核心原因有两点:真正懂行的人不愿(或不屑)做,而实际在做的人可能不太懂行。做好猎头行业的平台与工具,需要对猎头业务及行业有丰富的经验与见解,有这样的见解与经验的人大体上都能经营好猎头业务本身,让这样的一批人放下”既得利益”,去全力投入有较多不确定性的平台工具类业务很难。有些在猎头行业的成功人士,尝试既经营猎头公司,又做猎头平台与工具,这样的模式基本是个死局,因为既做裁判又做球员,大家就不愿用你平台与工具了。也有不少人意识到了猎头平台与工具的生意机会,并开始尝试,但由于对猎头业务与公司的运作本身缺乏经验与见解,暂时还没有把平台与工具做好。

    在未来的5-10年,将会有更多人加入到平台与工具型公司的创业中,事实上我所认识的很多猎头朋友已经在尝试。这个领域会有一定的机会,但需要摸索合适的模式。考虑到亚洲,尤其是中国的商业传统中不太愿意为软性的服务支付现金的传统,如请教朋友管理问题,大家可能更多是吃饭聊聊,而非正式付费。这样的文化背景下,做平台与工具型业务,不确定的因素就会更多。在这个领域,未来的5-10年,极有可能出现的情形是这样:很多先行者因为性急,不够有耐心,尝试失败之后,溃败退出;部分有耐心而没有摸对门道的先行者,在苦苦地挣扎中前行;为数不多的几间以猎头软件系统为基础的平台工具公司成长起来,并开始赢利并以此带动了其他平台业务的发展。

    趋势五:沿着降低苦逼指数的方向创新

    没有人能够真正预测未来,我们所做的预测本质上来说都是我们基于过去已知的经验对未来的猜测而已,预测的局限是留给创新的空间。

    并非像很多”专业”的顾问所宣称或一厢情愿地期望那样,猎头业务本质不在于咨询,尽管有咨询的成分。猎头业务本质在于资讯,尽管资讯看起来只是业务的原料。

    如果猎头业务的本质在于资讯,那迅猛发展的信息技术将会影响资讯的产生、收集、整理、使用的方方面面,我们有理由相信未来5年内,猎头行业应该有属于这个行业的创新。

    从组织形态的角度,创新一定会沿着降低猎头公司经营者苦逼指数的方向进行。这些创新将有助于解决如下的问题:

    • 如何让猎头公司不易分裂?
    • 如何降低分裂对猎头公司的破坏性冲击?
    • 如何分才能使猎头分裂得更有建设性?
    • 新创猎头公司如何走出成长魔咒?
    • 小公司如何避免船小易翻, 尽管人少,却能保持营业额/利润持续稳定地增长?

    “作为一个多年的猎头行业创业者,我期待:
    有一天,当猎头公司的老板,不再是天下最苦逼的职业。因为我始终认为,猎头应该是个快乐的职业!

  • 2013年初排名前50位的数据库

    数据来源: DB-Engines 发布的 4 月份最新的数据库排名。MySQL 上升迅速,目前已经超过微软的 SQL Server 排在第二位。

    rank

     

    统计排名的主要依据:

    1. Number of mentions of the system on websites, measured as number of results in search engines queries. At the moment, we use Google and Bing for this measurement. In order to count only relevant results, we are searching for “<system name> database”, e.g. “Oracle database”.
    2. General interest in the system. For this measurement, we use the frequency of searches in Google Trends.
    3. Frequency of technical discussions about the system. We use the number of related questions and the number of interested users on the well-known IT-related Q&A site Stack Overflow.
    4. Number of job offers, in which the system is mentioned. We use the number of offers on the leading job search engine Indeed.
    5. Number of profiles in professional networks, in which the system is mentioned. We use the internationally most popular professional network LinkedIn.

    以下是前 50 名详细的排名数据:

    Rank Last Month DBMS Database Model Score Changes
    1. 1. Oracle  Relational DBMS 1560.59 +27.20
    2. 3. MySQL  Relational DBMS 1342.45 +47.24
    3. 2. Microsoft SQL Server  Relational DBMS 1278.15 -40.21
    4. 4. PostgreSQL  Relational DBMS 174.09 -3.07
    5. 5. Microsoft Access  Relational DBMS 161.40 -8.77
    6. 6. DB2  Relational DBMS 155.02 -4.31
    7. 7. MongoDB  Document store 129.75 +5.52
    8. 9. SQLite  Relational DBMS 88.94 +5.68
    9. 8. Sybase  Relational DBMS 80.16 -5.25
    10. 10. Solr  Search engine 46.15 +2.99
    11. Teradata  Relational DBMS 44.93
    12. 11. Cassandra  Wide column store 38.57 +2.21
    13. 12. Redis  Key-value store 35.58 +3.15
    14. 13. Memcached  Key-value store 24.80 -0.17
    15. 14. Informix  Relational DBMS 24.00 +0.10
    16. 15. HBase  Wide column store 21.84 +1.40
    17. 16. CouchDB  Document store 18.72 +0.42
    18. 17. Firebird  Relational DBMS 12.24 -1.54
    19. Netezza  Relational DBMS 11.14
    20. 18. Sphinx  Search engine 9.55 +0.09
    21. 19. Neo4j  Graph DBMS 8.34 +0.90
    22. 21. Elasticsearch  Search engine 8.31 +1.56
    23. 22. Riak  Key-value store 7.20 +1.10
    24. 20. Vertica  Relational DBMS 6.98 -0.42
    25. Greenplum  Relational DBMS 6.29
    26. 26. Couchbase  Document store 5.33 +1.16
    27. SAP HANA  Relational DBMS 5.26
    28. 23. Ingres  Relational DBMS 4.85 -0.66
    29. 24. Interbase  Relational DBMS 4.57 -0.59
    30. 29. DynamoDB  Key-value store 4.48 +0.65
    31. 25. RavenDB  Document store 4.14 -0.09
    32. 28. MarkLogic  Native XML DBMS 4.10 +0.19
    33. 30. Jackrabbit  Content store 4.10 +0.29
    34. 27. Sybase IQ  Relational DBMS 3.66 -0.31
    35. 35. MariaDB  Relational DBMS 3.22 +0.58
    36. 32. Derby  Relational DBMS 3.13 -0.13
    37. 33. Berkeley DB  Key-value store 3.07 +0.13
    38. 31. SQL Anywhere  Relational DBMS 3.04 -0.48
    39. 34. Adabas  Multivalue DBMS 2.97 +0.18
    40. 36. SimpleDB  Key-value store 2.56 +0.09
    41. 37. mSQL  Relational DBMS 2.30 +0.31
    42. 38. H2  Relational DBMS 2.04 +0.14
    43. 39. Virtuoso  Relational DBMS 1.96 +0.12
    44. 40. MaxDB  Relational DBMS 1.95 +0.24
    45. 42. Caché  Object oriented DBMS 1.69 +0.19
    46. 41. TimesTen  Relational DBMS 1.69 +0.12
    47. 43. Db4o  Object oriented DBMS 1.42 +0.10
    48. Google Search Appliance  Search engine 1.27
    49. 46. HyperSQL  Relational DBMS 1.21 +0.10
    50. 45. Accumulo  Key-value store 1.16 -0.12
    51. 44. Versant Object Database  Object oriented DBMS 1.03 -0.26
    52. 47. IMS  Navigational DBMS 1.02 +0.05
    53. Infobright  Relational DBMS 1.01
    54. 52. Oracle NoSQL  Key-value store 0.96 +0.31
    55. 48. ObjectStore  Object oriented DBMS 0.91 +0.00
    56. 50. Tamino  Native XML DBMS 0.88 +0.08
    57. 49. Drizzle  Relational DBMS 0.84 -0.01
    58. ParAccel  Relational DBMS 0.78
    59. 55. IDMS  Navigational DBMS 0.76 +0.16
    60. 53. Sedna  Native XML DBMS 0.73 +0.10
    61. 54. Jena  RDF store 0.71 +0.09
    62. 51. Infinispan  Key-value store 0.63 -0.06
    63. 58. Sesame  RDF store 0.58 +0.10
    64. 56. Mnesia  Document store 0.57 +0.06
    65. 57. VoltDB  Relational DBMS 0.40 -0.10
    66. 60. solidDB  Relational DBMS 0.39 +0.00
    67. 61. GT.M  Key-value store 0.38 +0.02
    68. 62. Xapian  Search engine 0.38 +0.05
    69. 59. OrientDB  Graph DBMS 0.37 -0.04
    70. Kognitio  Relational DBMS 0.32
    71. 64. DEX  Graph DBMS 0.29 +0.01
    72. 67. Tokyo Cabinet  Key-value store 0.28 +0.02
    73. 68. Clustrix  Relational DBMS 0.27 +0.02
    74. 65. MonetDB  Relational DBMS 0.26 +0.00
    75. 66. Hypertable  Wide column store 0.26 -0.00
    76. 69. Pervasive PSQL  Relational DBMS 0.26 +0.02
    77. 72. InfiniDB  Relational DBMS 0.24 +0.03
    78. 71. BaseX  Native XML DBMS 0.24 +0.01
    79. 70. OpenBase  Relational DBMS 0.24 +0.00
    80. 73. VistaDB  Relational DBMS 0.23 +0.02
    81. 63. Compass  Search engine 0.21 -0.12
    82. 74. Cubrid  Relational DBMS 0.18 +0.01
    83. 75. NuoDB  Relational DBMS 0.17 +0.02
    84. 82. Hibari  Key-value store 0.17 +0.04
    85. 1010data  Relational DBMS 0.17
    86. 81. Perst  Object oriented DBMS 0.16 +0.03
    87. 79. Aerospike  Key-value store 0.16 +0.02
    88. 80. Project Voldemort  Key-value store 0.14 -0.00
    89. 77. AllegroGraph  RDF store 0.13 -0.01
    90. 78. Tokyo Tyrant  Key-value store 0.13 -0.01
    91. 87. Scalaris  Key-value store 0.12 +0.07
    92. 85. CloudSearch  Search engine 0.12 +0.02
    93. 83. Akiban  Relational DBMS 0.11 -0.00
    94. 84. LevelDB  Key-value store 0.11 -0.00
    95. 89. MemSQL  Relational DBMS 0.09 +0.06
    96. 76. Kdb+  Relational DBMS 0.07 -0.08
    97. 91. LucidDB  Relational DBMS 0.07 +0.05
    98. 86. eXtremeDB  Relational DBMS 0.06 +0.01
    99. 94. Exasol  Relational DBMS 0.05 +0.04
    100. 88. Meronymy  RDF store 0.04 +0.00
    101. 96. InfoGrid  Graph DBMS 0.03 +0.03
    102. 90. Stardog  RDF store 0.02 -0.00
    103. InfiniteGraph  Graph DBMS 0.01
    104. 93. Mulgara  RDF store 0.01 -0.01
    105. 92. 4store  RDF store 0.01 -0.01
    106. 95. ObjectDB  Object oriented DBMS 0.01 -0.01
    107. ScimoreDB  Relational DBMS 0.00

    The following database management systems could not be ranked, because their popularity is below the threshold of our ranking method.

    • ArangoDB  (Document store)
    • Bangdb  (Key-value store)
    • BrightstarDB  (RDF store)
    • CloudKit  (Document store)
    • Clusterpoint  (Document store)
    • CodernityDB  (Key-value store)
    • DensoDB  (Document store)
    • Djondb  (Document store)
    • Eloquera  (Object oriented DBMS)
    • eXist-db  (Native XML DBMS)
    • FlockDB  (Graph DBMS)
    • FoundationDB  (Key-value store)
    • GenieDB  (Relational DBMS)
    • GraphBase  (Graph DBMS)
    • Hamsterdb  (Key-value store)
    • HyperDex  (Key-value store)
    • HyperGraphDB  (Graph DBMS)
    • JustOneDB  (Relational DBMS)
    • Kyoto Cabinet  (Key-value store)
    • Kyoto Tycoon  (Key-value store)
    • ModeShape  (Content store)
    • OpenQM  (Multivalue DBMS)
    • RaptorDB  (Document store)
    • RethinkDB  (Document store)
    • SchemafreeDB  (Document store)
    • SearchBlox  (Search engine)
    • SisoDb  (Document store)
    • SmallSQL  (Relational DBMS)
    • Srch²  (Search engine)
    • Starcounter  (Relational DBMS)
    • Tarantool  (Key-value store)
    • Terrastore  (Document store)
    • TomP2P  (Key-value store)
  • 新浪微博上线微人脉 涉足职业SNS

    作为新浪“微字辈”新成员,微人脉(http://renmai.weibo.com)日前向所有新浪微博用户正式开放了。

    微人脉曾在公测之初的几天内便获得了主流科技博客的密集报道,并在新浪微博上引起了互联网和猎头行业人士的讨论。它的产品设计中处处体现着成为中国版LinkedIn的显著企图,和新浪微博这块已然生长出用户自发商务社交行为的土壤相结合,激荡出了辽阔的想象空间。

    weirenmai2013

     

    眼下的LinkedIn可谓炙手可热,其营收主要来自对招聘和求职需求的满足——招聘企业寻找合适的职位候选人、求职者接洽心仪的目标公司或机构。但LinkedIn的产品设计并未直接对招聘行为提供便利的基础设施,这家比Facebook更老牌的社交网络服务商更加倾向于让专业招聘者主动出击,它所提供的强大的搜索和推荐,以及和电子邮件无缝互联的站内信功能,足以让熟稔LinkedIn的职业人士和初来乍到的职场新手都感到称心如意。

    另外,LinkedIn不是一个专供猎头纵情驰骋的围猎场,它也很适合销售和商务拓展人员在其中寻找目标客户或合作伙伴,通过人脉(Connections)的推荐或付费发送站内信的方式取得联系。

    相比Facebook上市后长期的乏力表现,LinkedIn的股价表现非常抢眼(2012年11月中至2013年2月底上涨超过60%,市盈率超过800),互联网评论家们异口同声地对它给出了高度评价。与此同时,善于“山寨”的中国互联网市场上,却还没有出现成功的模仿者——只有一些勉强支撑的先驱或已经倒下的先烈。于是,谁能真正做成中国版LinkedIn、如何做好中国版LinkedIn的问题,被国内互联网圈内人士在各种场合屡屡提及。

    微人脉正式开放的时机不错:一来当下LinkedIn风光无限,国内任何一个建造水平尚可的商务社交网络都显得不容小觑;二来中华英才网这一著名传统招聘网站近期极具象征性的衰落,令业界对新形态的互联网招聘充满期待。

    微人脉生长在新浪微博之上,也不失为明智之举。与优仕、天际等职业社交网站需要白手起家从零开始吸引用户不同,新浪微博上业已聚集了令人人网、开心网等传统的以娱乐互动为主的社交网络服务商艳羡不已的大量的进行招聘、营销、行业互动的活跃用户,只要微人脉运营得当,获得大量优质的目标用户应该比较轻松。

    微人脉的口号是“拓展人脉,发现机遇”,潜台词即“把人找对,把事办妥”。这一产品取向和LinkedIn相差无几 – 以商务合作、招聘或求职为目的的关系拓展。

    微人脉和LinkedIn相同或类似的地方:

    • 吸引用户填写个人资料,包括教育经历和工作经历、技能、项目经验等。这一点除了页面表现和交互方式更加友好外,与传统招聘网站区别不算大;
    • 鼓励用户对他人进行总体或某项经历、经验进行评价,力求形成生动详实的针对每个用户的职业形象的社会化描述。这的确是社交网络时代个人资料的新型完善方式,但是,恐怕只有极少数人会给他人差评,尤其在中国特色的传统人情社会。当然被评价的次数和评价的具体内容仍然具有很可观的参考价值;
    • 搜索搜人、搜公司的功能;
    • 根据个人资料和共同认识的人,向用户推荐“可能感兴趣的人”。这已经成为社交网络和新型IM的标配了。

    微人脉和LinkedIn不同的地方:

    • 微人脉提供了“机遇”功能,允许用户直接发布“招聘”、“求职”、“项目合作”、“其他”信息。目前可见的机遇以招聘类为主,用户浏览机遇时,可以询问或投递简历。LinkedIn没有这项基础设施,可能的原因前面已经提到:LinkedIn并不希望自己的产品设计带有强烈的招聘属性。微人脉将招聘功能做实,避免了对LinkedIn可能给新用户的形象和功能上的模糊感,但也因此加重了“新型招聘网站”的痕迹;
    • 微人脉并未强调“二度人脉”、“三度人脉”,以及关系更远的用户的区别,只有人脉和非人脉之分,看上去不那么高科技。这可能是出于简洁或务实的考虑:在浏览非人脉时能看到或看不到共同人脉,就已经足以让人察觉与对方的关系远近了。
    • 微人脉没有群组(Groups)功能,取而代之的是“行业圈”。行业圈可被理解为每个行业是一个大群组(用户无法自行建立小群组),产品设计倾向于鼓励用户输入较长篇幅的文字,相信微人脉对此功能寄予厚望,希望用户在此进行高质量的UGC行为。鉴于LinkedIn存在大量死寂的群组,微人脉的行业圈的实际效果还有待观察;
    • 微人脉没有发布Update(类似发微博)的功能。这一点很容易理解,因为它生长在新浪微博上,显然没有必要在距离如此靠近的社区内重复制造发微博的功能。想要了解微人脉用户的最新动态很简单,访问他们的微博就是了;

    二者的页面设计处处不同,看得出微人脉团队有自己的想法,没有进行“虔诚拷贝”。

    除了自身功力,对于微人脉来说,脚下的新浪微博这条大船是否安稳也是影响成败的重要因素。近期关于新浪微博被微信夺去不少流量的言论甚嚣尘上,微信的朋友圈功能的确圈走了很多把微博当做QQ空间的用户,一些“大V”也平移到了微信公众账号上,但新浪微博仍是品牌塑造和自我展现的重要阵地。同时,微博也拥有微信无法企及的信息纵深。

    如何巧妙利用微博进行传播、吸引新浪微博用户,将是微人脉推广面临的主要课题。希望微人脉尽量避免“微字辈”家族惯用的肤浅骚扰进行推广,那样会适得其反。

    关于微人脉能否在新浪微博上为国人打造出真正媲美LinkedIn的商务社交平台,仍然有待验证,让我们拭目以待。

  • 转:本土猎头行业良莠不齐 “不专业”问题亟待解决

    春节长假过后,辞职竟成了一些人上班后的第一件事,微博上有位人力资源经理抱怨“一天收8封辞职信”。跳槽的人多了,猎头公司笑了。度过2012年的“寒冬”,不少猎头公司希望今年业绩能够有所起色。

    headhunter2013

    面对业绩下滑、行业发展缓慢的现状,南京一些本土猎头公司把责任归咎到行业内部无序竞争、企业用人需求量不足等外部环境上。记者调查发现,外部环境固然会对行业造成影响,但自身情况才是决定因素,面临困境的本土猎头公司需要尽快转型升级,提升服务的专业度,有了“硬功夫”才能啃下更多的“硬骨头”,从经济寒冬里突围。

    业绩下滑,“老猎头”坦言压力大

    猎头行业内的数字是:如果企业减少招聘50%,那么猎头公司会减少80%的业务量。

    南京领航猎头事业部总经理张艾芬接受记者采访时坦言“压力很大”,“原计划完成猎头服务收入300万元,到现在才200多万元……”南京翰韬人力资源管理有限公司业务部门经理王叙透露,他们公司IT领域业务量较往年下降了约30%。苏州工业园区人力资源开发有限公司猎头经理张铭也表示,目前高层次人才需求在收紧,不少高端岗位接到总部信息后,会突然冻结招聘。

    虽然不少猎头公司表示业绩下滑严重,但也有一些公司在经济大环境不景气的当下逆市而上,业绩出现上升。美国Kenexa苏州公司高级猎头顾问杨颖说,目前国内依赖出口的制造业企业人才需求下滑,但也有行业发展迅速,比如她所涉猎的机械行业,2012年来自外企的职位需求有30多个,反而增长三成。金色未来人力资源有限公司是一家本土猎头公司,2012年在整体行业不景气的状况下,靠近70人的猎头团队,公司做到1000万元的收入,成功推荐300多个职位,增长15%。

    “江苏的制造业和化工行业很发达,这两个行业内的人才流动频繁,对人才需求量还是很大的。”锐仕方达南京分公司运营总监高盟表示,企业裁员更多的是裁减底层员工,对于高层岗位影响较少,有的企业可能会通过更换高管来改善企业运营状况。

    良莠不齐,“不专业”难出好业绩

    提起目前国内猎头行业的情况,辉瑞制药上海分公司的人力资源经理蔡荣腾讲出了“不专业”三个字。他说,有的猎头根本没有面对候选人,直接就把名单发给客户,给他们的后续工作增加了诸多不便;还有猎头因为本身对行业了解不够,找到的候选人条件明显不对。

    一位南京本土猎头透露,数据库是一个猎头公司的重要资源,但是南京很多公司这一块做得很不好。仁人成功集团总裁刘武坦言,自己公司数据库很久没有更新,里面有些人的联系方式还是BP机号码。

    相比之下,外资猎头核心的优势在于服务更专业,从职位分析到搜寻、人才测评,每个环节都有严格的流程。美国Kenexa公司的人才测评全球知名,几百道测试题,由100多名专家开发。外资猎头还有很多“军规”,比如,在全国范围内不挖客户的人,严格保护候选人隐私等。他们的团队相对稳定,管理层85%自我培养。从市场信息搜集员起步,到助理顾问、猎头顾问、资深顾问、项目经理,逐级培养。

    “猎头在国外被称为‘银发职业’,很多猎头顾问都是上了年纪、有丰富阅历的人。”史塞克苏州医疗技术有限公司苏州分公司人力资源经理熊锋说,一个好的猎头必须要对自己所从事的行业有很深的理解,猎头挑选的更多是领导岗位,需要对一个人的领导力做出判断,“工作流程可以整个从国外照搬过来,但一些核心的东西还是需要时间培养。”

    自身“造血”,专业化才能谋发展

    “国外70%的中高端人才由猎头提供,而国内,恐怕这个比例不超过10%。不是没需求,而是本土猎头专业度不够,提供不了企业需求的服务。没有硬功夫,这样的骨头啃不下来。”金色未来人力资源有限公司总经理徐文杰说。

    “不能埋怨市场,你不能给用人单位及人才提供不可或缺的价值,他们怎么可能向你购买服务?”兰普机构总经理胡远星表示,做好猎头,不能只靠人脉、靠人才库,必须靠规范的流程,靠成熟的团队,靠完善的客户关系网络,要打造这些东西,本土猎头公司就需要进行专业化转型升级,学会自身“造血”。

    所谓“造血”首先是要不断发展有长期固定合作关系的企业客户,而不是在市场上四处寻找用人单位的需求,充当“人才中介”。高盟表示,目前锐仕方达已经与多家国内知名企业建立固定合作关系,进行一对一的人才服务。

    除了发展固定合作伙伴,还要能培养自己的猎头团队。“外企选择猎头,比的不是价格,是专业能力。”徐文杰说,好的猎头顾问极度匮乏,这个行业要求很高,要学习能力强、沟通能力出色、自我驱动力足、有解决困难的主动意识。

    如今,猎头行业所属的人力资源服务业已发展成为一个规模巨大的产业。省人力资源和社会保障厅人力资源市场处处长朱从明表示,去年我省出台《关于加快人力资源服务业发展的意见》,提出以专业化、信息化、产业化、国际化、高端化等“五化”引领人力资源服务业发展,其中专业化被放在了首位。

    转自:新华网江苏频道

奇客罗方公众号 奇客罗方小程序 奇客罗方客服

网站由ITGeeker技术奇客开发并管理;隶属于GeekerCloud奇客罗方智能科技
Site designed and developed by ITGeeker which is a sub-website of GeekerCloud
网站地图 XML | 沪ICP备2021031434号-3