ZDNet至顶网软件频道消息:今年新加坡国立大学MBA项目的人力资源管理课程邀请了众多杰出的演讲嘉宾。其中,最令人期待的当属由谷歌亚太人力资源总监DN Prasad在该课程结束时所作的演讲。
他谈到了谷歌的人力资源理念,并分享了该理念如何与公司文化结合在一起。
在谷歌中代号为DNP的DN Prasad强调了创新作为谷歌企业文化基石的重要性。“谷歌的创新文化渗透到我们的各个项目当中,”他解释道。
“我们想对世界产生影响,使世界变得更加美好。这个陈述虽简单,但却充满了挑战。它督促我们扩大搜索服务,鞭策自己并拓展业务区域。”
Prasad说,这种思维自谷歌创建之初便存在。谷歌2004年上市时发表的创始人公开信中对此有专述。
他说:“如果你看一下谷歌的DNA,你会发现谷歌不是一家传统的公司。我们也不想成为传统的公司。因此我们始终寻求突破、挑战现状、永不满足、精益求精。”
该理念成就了谷歌。谷歌在加利福尼亚Menlo Park的一个车库起家,13年后(2013年)已发展成为一家几十亿美元的跨国企业,在57个国家拥有129个办事处。
不断创新
但取得这种成功也得益于谨慎。Prasad指出,如果谷歌在过去的13年里能够在技术市场创建破坏性的技术,世界上任何地方都可能会有大量公司异军突起,也许1年便会创建出破坏性技术。
他说,因此谷歌需要始终监测自身,关注市场并不断创新。这非常关键。
而创新和创造力已从谷歌的技术业务延伸到了人力资源理念。
在谷歌的人力资源实践中有一个由三个部分组成的模型,用以帮助员工提高创新和创造力。
Prasad首先介绍了谷歌的人力资源部员工的“典型”形象:良好的社交技巧、心理学的学术背景和良好的从业经验。
“对此我们加上了两个新的要素,”他说。“第一,能主动解决问题的管理或业务咨询师。第二,深谙统计学并能够阅读数据趋势的分析师,通常是博士。经实践证明,这种由传统的咨询能力强的员工和分析能力强的员工组成的团队,能够有力地推动人力资源实践提高创造力,并取得卓越的成就。”
数据背后的意义
收集有意义的和可以使用的数据是谷歌重视的另一个领域。
Prasad解释到,在测量数据之前,要经过大量讨论以确保观察到合适的要素。之后,提供的报告不仅包括员工人数、培训数据和招聘目标等的报告,而且包括数据背后的实际见解和意义。
没有意义的比率和趋势往往被认为是没用的。不然,“你的读者会变得麻木。”当得到数据背后的意义后,谷歌会利用该数据推动在公司内部开始行动。
Prasad详细描述了谷歌的人力资部门面临的长期挑战,或者他所说的“让我们晚上睡不着觉的事”。
他说,挑战之一是找到100%利用每个谷歌人(公司对工程师的内部称呼)的方法。谷歌目前正在寻找如何提高每个员工的生活能力的方法,使用分析工具和实验来观察员工,如果身体更健康会发生什么情况。
我们在当天早些时候对新加坡谷歌办公室的参观中看到很多“小厨房”。Prasad解释说,任何谷歌人在任何时间距离食物最远不会超过100米。这意味着,连续参加不同会议的员工可以在路过时迅速拿些食物。在他们的视线范围内,始终有更健康的食品存在。
公司的希望是,当员工习惯这种饮食方式时,原来的习惯会发生改变。
谷歌文化
当回答一个同学的提问时,Prasad承认谷歌的企业文化和各办事处的本地文化之间存在潜在的冲突。
比如,同全球其它地区的谷歌办事处一样,新加坡的谷歌办事处配有熔岩灯、桌球和小篮球游戏。但该办事处也有很多创新的地方,比如会议室的命名。其中一个会议室被命名为“小印度”。这样做是为了展现谷歌办事处所在地区的本地文化。
Prasad说,谷歌在创建每个地方办公室时承认并理解本地文化和谷歌的全球文化。
与此同时,谷歌尽力确保其公司文化在新的办事处扎根。为此,他们始终选择一个被视为“最谷歌的”员工担任本地办事处的领导。
最后,Prasad谈到了谷歌取得成功的秘方。
他说,公司的实力根源于“疯狂地关注员工”,同时谦虚地表示该公司并非无所不通。
为了说明这一点,他在演讲的最后一张幻灯片展示了一个标志(可能是从北美某个地方的教堂外面拍摄的)。这个标志上写到:“有些问题谷歌无法回答。”
(文/达伦•汉森,新加坡国立大学商学院管理与组织系的副教授。本文的英文版首先发表于新加坡国立大学商学院ThinkBusiness网站)
好文章,需要你的鼓励
Akamai的分布式边缘架构从设计之初就以韧性为核心,全球平台通过跨区域负载均衡和智能路由技术,确保即使某些节点出现故障,流量也能无缝切换至可用节点。
卡内基梅隆大学联合Adobe开发出革命性的NP-Edit技术,首次实现无需训练数据对的AI图像编辑。该技术通过视觉语言模型的语言反馈指导和分布匹配蒸馏的质量保障,让AI仅用4步就能完成传统50步的编辑任务,在保持高质量的同时大幅提升处理速度,为图像编辑技术的普及应用开辟了全新道路。
Turner & Townsend发布的2025年数据中心建设成本指数报告显示,AI工作负载激增正推动高密度液冷数据中心需求。四分之三的受访者已在从事AI数据中心项目,47%预计AI数据中心将在两年内占据一半以上工作负载。预计到2027年,AI优化设施可能占全球数据中心市场28%。53%受访者认为液冷技术将主导未来高密度项目。电力可用性成为开发商面临的首要约束,48%的受访者认为电网连接延迟是主要障碍。
复旦大学团队突破AI人脸生成"复制粘贴"痛点,开发WithAnyone模型解决传统AI要么完全复制参考图像、要么身份差异过大的问题。通过MultiID-2M大规模数据集和创新训练策略,实现保持身份一致性的同时允许自然变化,为AI图像生成技术树立新标杆。