top of page

人才表現變量化數據

Updated: Apr 28

忙中偷閒看了一場英超球賽:狼隊對曼聯。且不說比賽結果,旁述員提到狼隊的球員絕對不可能在比賽時鬆懈,因為他們都佩戴了感測器,教練會根據數據分析知道球員的狀態及努力程度,協助教練釋放球員的真正潛力。試想像,在90分鐘比賽中,球員的每一個動作都被記錄下來,不論是頭球、傳球還是斷球的次數,每一名球員及球員之間的表現都變成可量化的數據。球員們比賽時哪些方面表現欠佳,接下來將被加強訓練。

這場數據革命,不只確保出賽球員拚盡全力為球隊比賽,還有助衡量幾千萬英鎊重金羅致的球員如何發揮最佳水準。現已不缺乏數據分析工具讓球會使用,但大家不要以為這種方法只適用於足球賽事,據我所知有大型零售店打算使用視像錄影去分析店員的工作效率。我也曾為前公司的HR做過員工入職後的能力評估及核心員工離職預測模型,也試過研究如何更有效地物色優質科技人才。

如同很多傳統企業老闆一樣,大多數「老派」教練用質疑的眼光看待數據分析在足球產業的運用。大數據未必徹底改變球隊物色球員的方式,但可以肯定的是,球壇資深人士也承認,傳統方法漸難有理想效果。情況有點像獵頭公司苦於物色優秀的科技業高層,沒想到業界會議的出場名單若與LinkedIn的數據結合,便可輕易找到一些潛在人選,皆因沒打算主動找工作的人一般不太喜歡更新LinkedIn,卻未必會抗拒參加業界會議。

職業足球正在進行永久改變,很大程度上是因為大數據帶來的變化。歐洲多支球隊紛紛投資深度學習、預測分析和其他大數據模型,未來可提高足球的可觀性及市場價值。那麼大數據會否有一天觸發一場全新的員工管理變革?拭目以待!

Recent Posts

See All
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
智能代理編程戰 懂人機協作致勝

上周把兩個消息放在一起看,很有意思。 第一個,Anthropic宣布Claude Code推出Artifacts,讓軟件工程師在寫程式的過程中,業務主管能同時打開網頁儀表板,就能看到軟件即時更新及開發的狀態。 第二個,中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架,系統能自動提出假設、修改代碼,運行真實實驗並從結果中學習,自動優化解決問題。 過去一年大家比併的是模型

 
 
集結舊手機算力 媲美當今伺服器

你可曾想過,你抽屜裏那部4年前的舊手機,可能很有價值? 這個星期,Google Research聯同加州大學聖地牙哥分校(UCSD)公布一項創新計劃:運用2000部退役的Pixel手機,構建一個真實可用的雲端計算平台。這不僅是概念驗證,更是一個供數百名學者與研究人員實際操作的生產級環境。處理方式十分直接,將舊手機的熒幕、電池、外殼全部移除,僅保留主機板,透過Kubernetes技術組成叢集,直接轉

 
 
bottom of page