越有才越吃香 未来5年人才价格走势


相等水平的人才价格不会提高
  -高级人才的价格将持续提高
  -普通人才保持低薪
  在赛思卓越猎头 公司的业务中有这样一个 案例:几年前,一家合资 公司请赛思帮助“猎”一批高级管理人才。最后这家合资 公司的人才配置是这样的:首席主管(即CEO)年薪80万元,中层主管年薪10万-20万元,工人月薪500元。无独有偶,离这家合资 公司不远有一家生产产品相近、规模相当的国有企业,这家国有企业的人才配置是这样的:厂长月薪3000元,中层管理人员月薪1000-2000元,工人月薪900-1000元。当时两个企业的效益都不错,国有企业的工人很看不起这家合资 公司的员工。但不到两年,这家国有企业便处于半停产状态,月薪500元在职工眼里已经是一个可望不可及的数字。
  分析看来,这两个企业的工资投入基本差不多,除了体制的因素之外,两个企业发展结局的不同源于不同的管理人员。赛思卓越猎头 公司总经理黄剑认为,人才市场已经告别物美价廉,一个好的管理人员能带出一个好的团队,这正是今天人才价格迥异的原因。
  那么未来五年人才的价格会有哪些变化呢?黄剑在接受时讯记者采访时说,随着人才流动的国际化,高级人才的价格将逐渐与世界薪酬同步,但普通人才因为国内庞大的人口基数,价格不会有大的提升,人才价格的差距将进一步拉大距离。
  相等水平的人才价格不会提高
  据了解,五年前,一个本科毕业的财务人才月薪在4000-5000元之间,这个薪酬当时算比较高的。今年,一个本科毕业的财务人才月薪平均在4000- 5000元之间。黄剑预测,五年后一个本科毕业的财务人才价格还将是这个数目,即使有提高也不会有太大的变化。出现这种现象,原因是这几年我们国家培养了大批财务人才,普通财务人才市场已经基本饱和,而源源不断的财会毕业生还在“生产”。黄剑介绍,财务人员缺的是高级人才,尤其是那些懂国际财务法则,会外语,有跨国 公司或大的会计事务所工作经历的人才。
  不仅仅在财务职业上有这种现象,其他领域也是如此。五年前研究生、海归(海外留学人员)还比较少,大量本科毕业生被委以重任,现在这些职位依然存在,但对从业人员水平要求提高了,过去可能是本科生,现在要研究生,要有工作经验的。黄剑认为,这种现象对未来的人才提出一个要求,人才的价格是根据水平决定的,不学习不上进,吃老本的人,价格不会提高,甚至有被淘汰的可能。比如目前火爆的商业教育,如MBA,以前执教的多是从传统公益教育中转行过来的教师,现在这部分人才被海归和名牌学校的教师代替,价格也就提高了,以前年薪6-7万元,现在是30-50万元。
  高级人才逐步与世界接轨
  “一个高层主管,比如‘总经理’这个职位,五年前比较低,月薪1万左右,1998年的时候,年薪10万还是一个十分诱人的数字,现在年薪20-30万元找一个好一点的总经理很困难,一般要开到30-50万元。”黄剑介绍说,“五年前一个走渠道销售的分销主管年薪在30-40万元,现在达到60-70万元。”
  黄剑分析,不久的将来,内地企业不管是在内地市场还是在国外市场,都将与跨国企业在同一个平台上展开竞争。与此相适应的,人才也会在这同一平台上流动。也就是说如果你真是一名高级人才,不论你在国内工作还是在法国、美国,你的薪酬是一样的。时讯记者在采访中发现,经常是在一家合资企业或外资企业,坐同样的位置,内地人的薪水往往比香港人或者外国人低。黄剑认为,这种现象不会维持太久。
  北京外企服务集团人力资源分 公司总经理王晓平告诉时讯记者,现在人才理念不再是本地化,而是全球化。无论是什么样的人才,不管你是哪里人,只要是人才,都一样使用。高级人才将来会更多地通过猎头 公司获取,而不是去人才招聘会招揽。随着人才市场的全球化发展,人才之间的地域差异将逐渐消失。人才的价格也将纳入同一个 标准体系中。
  人才价格差距逐步拉大
  黄剑认为,人才价格实际上反映了一个供求关系,符合价值规律。未来五年内,人才的价格将逐渐全球化,但这个全球化将仅仅局限于高级人才,普通人才与世界薪酬的差距将进一步拉大,不同人才之间的“贫富差距”加大将是未来中国人才价格的重要特点。
  他说,比如国内产值5000万元的一个企业,高级管理人才的年薪是30-40万,高级技术人员的价格也是30-40万,普通人才例如财务人才年薪5-6 万元;国外一家产值600万美元的企业,高级管理人才的年薪是7-8万美元,高级技术人才的年薪是9-10万美元,普通人才的年薪是4-5万美元。假设5 年内国外人才价格不变,国内这个产值5000万元企业的人才价格可能变为:高级管理人才70-80万元,高级技术人才年薪90-100万元,普通人才年薪将维持在6-7万元。这里高级人才的价格基本与国外相当,但普通人才价格增长不大。原因是高级人才哪里都缺,但普通人才肯定会过剩,因为人口基数太大了。
  人才价格的变化
  时讯记者在采访中了解到,人才价格在1992年到1996年变化最大,翻了10倍多,从几百元变成了几千元。1996年-1998年随着互联网等新型产业的兴起,带动了整个职场人才价格的提升。1998年-2000年是一个平稳期,目前随着国外电信业的不景气,像朗讯这样的企业都在大幅裁员,一大批海归人才回到国内,提升了国内人才的价格。
  1998、1999年互联网最红火的时候,一些网络 公司的人力资源部主管告诉黄剑,他们员工的工资每个月都必须提高,否则人才就有可能流失掉。当时网络 公司里做内容的人员大多是从传统媒体里出去的。现在随着传统媒体市场化的运做,大幅度地提高薪酬,而网络 公司不景气大量裁员,又使这部分人才开始回流到传统媒体中来。人才价格变化的一个重要因素是行业经济的发展变化。
  黄剑告诉时讯记者,根据他的分析,1997年证券业整体“牛市”,证券人才价格便提升很快,2000年后证券市场理性回归,从业人员的薪酬也逐渐下降。而软件行业5年来发展一直很快,虽然中间受互联网行业发展低蘼的影响,出现了一段平稳期,但随着国家对软件工业的投入加大,软件人才的价格还在上涨。
  用什么吸引人才
  凭借多年做猎头的经验,黄剑认为,吸引人才的第一要素还是薪酬,也有的人把企业文化、企业知名度排在首位,但进入一个更知名的企业,首先提升的是自己的 “含金量”,换一个角度来说就是让自己更值钱。所谓“人往高处走,水往低处流”,人才的柔性流动遵循的一个原则就是:怎么让自己变得更值钱。
  黄剑告诉记者,猎头 公司选择的人才首先是业务好、管理也好的复合人才。目前部门经理的月薪在1.5万-2万元,业务总监在2.5-3万元。其次是销售人员,目前一个大客户经理的年薪是30-50万元。而财务人才是越高越缺。黄剑说,如果一个高级财务人才辞职,一个月内肯定会接到几十家猎头 公司的电话。
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值