CEO 是斯坦福计算机博士，Kanjoya用大数据来理解员工态度，情绪的变化； 客户付钱决策人主要是CEO，分析的对象是经理和员工，避免优秀人才离开公司； Kanjoya来自于日语，把人类行为进行解读，了解人类行为后面的意图
人类经常，说一套做一套，看起来工作努力，然后实际并不认真； 人在做决策的时候， 背后的逻辑很值得研究；人类除了，思想，理性，逻辑之外，还有情绪的影响；很可能首先的决策来自于情绪，然后在通过逻辑进行验证；Kanjoy做的就是对人类的情绪进行验证，通过软件分析，来了解人们如何做决策；
Kanjoya开发一个核心技术，让计算机来读懂人类情绪，未来可以广泛应用很多市场； 目前仅仅是来理解雇员的情绪，未来可以分析消费者的消费倾向； 个人的政治倾向等等 ；目前专注企业内部员工的情绪，工作是否敬业，如何保留人才，离职的原因分析， 通过这些回馈，公司做出反应，更好的让公司和员工进行互动
分析的数据包含结构和非结构的数据，社交媒体的数据，调查问卷的，绩效评估的数据， 来分析情绪和态度，帮助公司做决策来保留员工； 开发了很多量化的工具，现在技术很难对情绪进行量化分析，Kanjoya有了自主知识产权技术，也开发了态度分析指标， 这些技术是过去10年的开发结果，可以更好的了解人类行为和驱动因素；情绪扮演的重要的问题；人类交流过程通过什么语言来表达情绪， 女性和男性不同，夏天和冬天不同，不同城市，不同年龄都会有细微的差别， 公司用了6～7年做了这些积累，生成了重要的知识库，建立了匹配关系；在知识库基础上，超过1000万用户查看知识库的内容，过于8年通过互动，更好的了解；有了新的发现和学习，通过跟大学实验室建模和算法； 了解带有情绪的符号； 知识库也不断的迭代，研究了同一个情绪到底有多少表达方式和符号， 除了英语研究，也扩大了全球跨语言研究； 有很高的数量和质量，语言和情绪的精确匹配；大家都知道很重要，但是我们做了基础的数据库，数据的质量很高， 也积累了8年，现在开始使用twitter 累的数据，已经晚了； 很多大学也给了很多数据；
目前已经有两款产品面世，关于员工的数据挖掘，非机构数据分析挖掘，分析社交媒体的数据，目前的产品主要用于世界500强的用户，了解员工脑子里面在想什么；去年才商业化，团队有35人，20多个研发， 慢慢才打造sales 团队；目前就CEO一个sales，80% 来自斯坦福大学，心理学和计算机的博士为主；；
第一个prod，Data Engineer： 能够挖掘所有来源的数据，内部的问卷调查和外部的社交媒体，做挖掘和消化；第二个prod，分析引擎，愿不愿意干更长久，愿不愿意邀请朋友加入，预测；第三个application，分析是否有不开心，对工作是不是不爽；
A huge marketing: 目前销售运营都是靠数据支持，人员方面关于who you hire, who you promote,更多的是考直觉，没有数据支撑， people insight .base on data instead of base on rule , 例如提拔谁是副总， 过程不透明不直观， 不像做Facebook ad 一样，那么透明； 传统的人力资源管理软件也在转型通过数据来做绩效；
未来如何分析消费者？ coca cola买的不是饮料，卖的是快乐的情绪；所以更多喜欢消费者的情绪表达； 另外一个例子，酒店连锁，想知道客户体验，客户进入酒店，如果不满意了在社交媒体发帖，需要立刻知道； 另外一个做客户支持，希望通过分析更好的改善客户服务效果，消费者是否第一时间得到满意结果挫败到高兴； 从内部员工分析消费者客户分析； 首席数据分析师的demo：主要三个步骤：涉及问卷调查－做出分析－得出report；做一个smart／beauty 的survey， 先填敬业调查问卷，公司CEO想知道，那做得好那做得不好，report一下就能知道，分数不高的话， 那么下一步干什么，怎么提升员工积极性； 可以drill down to 具体员工；可能分析出时管理层的质量有问题；
report 可以分析员工离职的概率，通常表现不高的部门，离职可能性越高；report可以找出三个职场问题，导致了离职倾向：1. complaining about 招聘政策，新人进来就已经不太爽了； 2. employ 没有足够的resource 干事情； 3. 很多时候不是不相信CEO，而是在每天工作的细微的不爽导致的； 自然语言分析，所以有360度无死角的分析，还有对员工绩效评语的分析；
网友评论