ZDNet至顶网软件频道消息:碧生源控股有限公司(简称“碧控”)及其子公司(统称“碧生源”或“集团”)为中国保健功能茶产品的领先企业。公司成立以来, 碧生源以正派经营及务实管理为理念,事业发展迅速,营业规模持续壮大,获得保健品行业首批出口认证资格。作为一家集研发、生产、销售于一体,且专注于生产与经营中国保健功能茶的企业,碧生源也非常重视信息化的建设,已经上线了财务系统与oa系统,人力资源管理一直用传统的方法,生产中心独立进行管理。碧生源总部在北京,除了各个职能部门,还有工厂、品茶事业部和销售部,销售部在全国总共划分为13个片区。碧生源已经有一套HR系统,但是随着不断的发展,原有系统不适应集团管控。总部人力资源部在了解全公司本月同上月人力信息变化的时候都需要生产中心、各大区、集团总部各部门分别统计上来后再进行统计,往往要耗费一周的时间,不仅要耗费大量的人力,而且统计上来的数据也不是实时的,因此,借助一套能够进行集团管控的信息化工具进行人力资源管理的升级是碧生源立刻要落实的项目。

从前的系统中人员信息比较陈旧,而且没有统一的员工编号。但人员基本信息的精准是项目建设的基础,因此,项目建设伊始,首先要解决的就是人员统一编号问题。朗新根据碧生源不同大区、组织,设定不同的人员类别,并以此为依据进行员工编号,该编号是员工在系统中唯一编号。同时采用了二代身份证读卡器,员工入职时,读卡器直接读取身份证上的信息到系统中,避免了手工输入的错误机率。当人员进行了调整,无论是平级变动或是升迁,都可以在日志中通过历史回溯查到。

计算薪酬一直是碧生源每个月人力资源部最为耗时的一项工作。销售部门同职能部门不一样,每个月的奖金不与工资同时发放,而是单独计算。由于组织机构的特殊性,各职能部门及品茶、工厂及销售大区的绩效体系也各有差异。总部及职能部门是以公共指标,打分的形式进行绩效评估,由直属领导对下级进行打分;各销售大区负责商超、药店的销售,除了公共指标打分以外,还要计算业绩目标的完成率,通过将年度目标分解成半年度、季度、月度,将业绩与第一目标、第二目标比对计算完成率,按员工级别计算回款达成率从而计算奖金;品茶事业部主要进行线上网络的产品销售,按照线上打分和利润完成率计算奖金;工厂则以班组的工时、产量计算。各大区负责人以前通过excel填写相关信息后,然后email报送总部人力资源部,人力资源部薪酬绩效经理手工计算奖金,每次计算奖金都需要大概一周的时间,费事又费力。系统上线后,公共指标打分从系统中进行即可,各大区负责人登录系统,在系统中录入相关信息,提交后系统直接推送总部人力资源部,根据后台设定的目标数值系统自动进行比对计算,薪酬绩效经理只需简单校对,两天的时间就可以完成原来一周的工作,工作效率大大提升!
同时,eHR系统与OA系统进行了无缝链接,员工的请假、加班、公出等通过OA系统导入到eJR系统中,数据同步更新。员工通过自助平台可以进行考勤、工资、年假等个人信息的查询。
大区下属各人员在商场有驻店的促销人员,促销人员又分公司直属促销员和商场促销员,基础信息有变动时,只需通过系统及时进行修改,负责人审批通过以后,总部第一时间就可以获取。人力资源软件将总部与各大区、工厂紧密的结合在了一起,真正减掉了事务工作,减掉了繁琐的流程,节约了成本,实现了集团化管控!
好文章,需要你的鼓励
F5发布AI Guardrails和AI Red Team两款AI安全产品,以及面向Google Cloud的NGINXaaS服务。AI Guardrails作为代理层部署在用户与AI模型之间,拦截并分析提示词和输出内容,防范注入攻击和越狱技术。AI Red Team自动化对抗性测试,月增1万条攻击技术条目。NGINXaaS现已扩展至Google Cloud,提供负载均衡和安全可观测性功能。
复旦大学研究团队通过大规模实验发现,AI训练中最强的"老师"模型并不一定能教出最好的"学生"模型。他们提出了"排名惊讶比率"新指标,能精准匹配最适合的师生配对。该方法在多项测试中表现优异,预测准确性达0.86,为个性化AI训练和教育提供了科学依据。
思科作为企业网络设备的主导厂商,在CEO Chuck Robbins领导下持续推进变革。公司专注于AI基础设施建设,与BlackRock、微软、英伟达等巨头建立战略合作伙伴关系,投资AI数据中心和生态系统。思科将AI技术深度整合到安全产品中,推出Cisco Secure AI Factory等解决方案。同时,公司积极应对网络安全挑战,修复关键漏洞,推出新认证课程,并通过收购和技术创新强化其在AI时代的基础设施提供商地位。
斯坦福大学人工智能实验室2024年发布的这项研究深入探讨了大型语言模型的推理机制。研究团队通过创新的分析方法,首次系统性地揭示了AI模型在处理复杂推理任务时的内部工作方式,发现其信息处理模式与人类思维有相似之处,但本质上仍依赖统计学习。研究识别了AI推理的典型错误模式和局限性,为改进AI系统提供了科学依据,对AI技术的负责任发展具有重要意义。