HR SaaS厂商,进入决赛圈

这篇具有很好参考价值的文章主要介绍了HR SaaS厂商,进入决赛圈。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

HR SaaS厂商,进入决赛圈,人工智能,大数据

在愈发需要降本增效的节点,数字化的价值也更在被越来越多的企业重新审视,这种重视不再是之前或有或无的可选项,而是基于真正人效比维度的必选项 

作者|斗斗 

编辑|皮爷

出品|产业家 

SaaS行业,正在发生一些微妙的变化。

以HR SaaS赛道为例,7月中旬,“钉钉推出新一代组织管理工具「钉钉HCM+」”一则消息,使得HR SaaS这个赛道再次引起关注。

有人入场,也有人退场。与钉钉入局同步发生的是,一部分HR SaaS垂直企业“紧衣缩食”,寻找自己新的商业模式。事实上,这种业态不仅存于HR SaaS行业,在今年诸多宏观因素下,这种状态和思考正在成为大部分SaaS企业的常态。

风浪越大,鱼越贵。

在愈发需要降本增效的节点,数字化的价值也更在被越来越多的企业重新审视,这种重视不再是之前或有或无的可选项,而是基于真正人效比维度的必选项。

HR在其中是一个足够鲜明的样本。2023,伴随着钉钉、飞书等企业的不断进入,HR对应的SaaS赛道在进行的恰是一轮新的淘汰赛,甚至从某种层面来看,它代表的不单纯是HR行业的变化,也更是整个中国SaaS行业的新航向。

一、决赛圈的信号

变化正在发生。

“目前在一些项目上,只剩下部分技术人员。”某HR SaaS厂商前员工告诉产业家。而与其他HR SaaS厂商内部人员的谈话了解到,如今HR SaaS企业的调整动作可谓是频频发生,这些调整也更包括部分融资轮次靠后的厂商。

但调整背后,新的增量动作也更在发生。

具体来看,首先钉钉发布「HCM+」产品,将产品锚点立于将数字化渗透到每个人,进入到组织内部,优化组织的工作。

从底层来看,钉钉「HCM+」产品背后,更多价值在于,加大数字化对人的渗透,这其实也十分符合钉钉平台化的定位与责任。而对于协同办公厂商而言,其平台本身属性就与HCM有着天然的融合度,优势较大。这样的布局,也将为其平台上的伙伴、自身带来更多营收。

一级市场中,作为“HR SaaS第一股”的北森,也更对外传递出面向新能源等垂直赛道的行业解决方案,在通用一体化之上,基于新能源、出行等垂直赛道进行精细运营。

其次,一些厂商开始更加积极的拥抱先进底层技术,打造自己的长板。

“未来10年,组织的竞争力取决于组织内‘人+AI’的结合深度,对于已经有产品、有客户、有场景的 SaaS 厂商来说,应该All in 这个方向。”

在产品力、服务力上,Moka将重心放到了AI技术上,同时打造了AI原生的HR SaaS产品Moka Eva。

这种改变不仅在于对新技术的拥抱,还体现在产品上。例如招聘起家的Moka为了进一步满足不同客户的深度需求,面向300到2000人规模的中型客户提供的一体化解决方案。对其而言,“无论是‘一体化’还是‘单模块’切入,都有独特价值。”

除此之外,Moka告诉产业家,“跨国企业、生物制药、智能制造等行业的客户需求还在不断增长。”

针对这一现象,肯耐珂萨也同样早早感知到。

“我们从去年开始,客户方向开始逐渐向芯片、半导体,还有造车以及和造车相关的新能源,包括目前生物医药这些行业转移。

肯耐珂萨高级副总裁William对产业家说,新崛起的这部分客户,冲掉了我们原本在房地产、互联网消费品等领域面临的增长放缓的困局。

目前,肯耐珂萨核心产品仍有50%的增长。

抛开大环境的因素,这种变化背后,隐藏的是HR SaaS多年发展过程中的桎梏。如今,降本增效已然关乎企业的生死存亡,此需求下,务实的企业正在将其一一铲除。

这似乎暗示着,2023年,HR SaaS赛道的头部效应或将愈发明显,已然进入决赛圈。

二、信号背后,企业不再听故事

“是不是数字化,不是企业最关心的,企业关心的是你有没有真正帮到他。”在William眼中,无法为企业带来价值的数字化,毫无用处

其实在过去,有相当一部分企业,做数字化转型,部署SaaS软件是为了完成相关指标。这一点从国内企业的数字化渗透率就可见一斑。数据显示,国内制造业数字化的渗透率仅为19.5%,低于发达国家33%的平均水平。

其次,对于企业而言,伴随着降本增效的新指标,市场招聘需求的开始降低,招聘产品的增长开始停滞。

“招聘、测评是今年的重灾区。”William表示。

加之以往HR SaaS的客户多来自于互联网、金融、消费、房地产等行业。然而这些行业在HR SaaS上的预算,已经逐渐达到上限。

目前来看,AI大模型产业落地逐渐火爆,人力资源管理与AI结合让企业看到了更加高效的解决方案。而新能源、半导体等行业的崛起,使得这些行业对人力资源管理的需求持续增高。

这也说明了为何北森最近不断增加自身新能源行业一体化产品;Moka积极投身AI,扩展产品线,为企业提供一体化的解决方案;肯耐珂萨的客户方向转向新能源、半导体等行业。

而与HR SaaS强绑定的协同办公厂商,也有其自身的考虑。

人力资源管理是企业提高营收、增加盈利的重要手段,过去大部分企业通过KPI体系,极大的推动了企业的增长。然而人口红利逐渐消失后,很多企业的增长普遍进入“平台期”,OKR作为一种新的激励体系成为一种解法。

然而OKR作为一个舶来品,目前在国内的情况仍然是“水土不服”。OKR的应用场景主要在业务庞大、繁杂的大型企业,其靠原本粗放化的管理模式,已经无法实现高增长。OKR为其提供了一个新的思路。但是国内大型企业对于OKR的认知或者认可度并不高。

其实,在国内飞书的OKR体系一直站在行业金字塔尖,深受中小型企业的青睐,尤其是互联网创业公司。但不能忽视的是,这种先进的管理方式较难渗透大型企业,飞书为此投入大量人力、财力。

这也是钉钉入局的原因。加之在钉钉的客户群中,大型客户OKR管理需求也在不断被提出,打造适合国内大型企业的OKR管理体系,逐渐变得“有市可依”。

企业降本增效的需求之下,数字化难以深层次渗透企业,人成为关键,钉钉想要打入企业内部,HR SaaS这步棋,已经到了落子的时间。

客观来看,钉钉、Moka、肯耐珂萨三者有着相似的共同点,即跟着客户需求跑。

值得注意的是, Moka CEO李国兴研究生毕业于斯坦福大学,主攻方向为AI。回国创建Moka后,便于2018年组建AI团队,持续研发AI在HR SaaS领域的落地和应用;而肯耐珂萨早在前几年,便已经渗透新能源、半导体等行业,有着较多的行业经验和数据积累;钉钉的HCM+产品,则是阿里巴巴多年组织管理经验下的产物。

总体来看,赢面较大的,依旧是那些有行业积累、积极拥抱新技术和商业模式的厂商。这不是HR SaaS厂商的选择,而是客户的选择,比拼的是HR SaaS厂商能否有能力接住这个选择。

在企业发展遇险的当下,讲故事已经成为过去时。

三、HR SaaS,奔向两极

在国内,大型企业由于企业规模大,业务繁多,组织管理往往较为规范,在信息化时代,往往都已经部署过人力资源管理系统,但更换系统的费用较高,所以很多大型企业通常会选择部署HR SaaS,补全某些模块。

标准的一体化产品很多时候,不是大型企业的第一选择。

反观中小型企业,资金有限、组织管理较为大型企业简单,更偏向于一体化的HR SaaS。

目前,HR SaaS领域,很多厂商的产品处于“既要也要”的形态。导致厂商发展重心不明确,被厂商的需求牵着走。

一个趋势是,在如今的业态下,将倒逼HR SaaS厂商的产品形态奔向两极,一个是为了留住客户,将产品的定制化进行到底;一个是为了减轻重交付下的巨额人力成本、资金成本,产品奔向行业标准化。

“有人认为一体化是行业的终极形态,但往往实际情况是没有一家服务商会把所有的产品都做到极致。”

对于Moka而言,企业首先要解决单一业务方向的一些痛点和问题,进而考虑更全盘的打通,从而实现更大价值的发挥。

对于肯耐珂萨而言,轻交付亦或是重交付,是一个没必要纠结的事情。

“人员规模超过1000人,标准化的难度会越来越高。超过3000人,无论厂商如何标榜,实质上很难做到轻量化交付。”William认为HR SaaS的产品形态,不是由企业复杂度决定的,而是取决于厂商的选择。

正如一个做标准化产品的厂商,非要去解决3000人员企业在组织管理上的问题,必然是要遭受“社会的毒打”。

从这点来看,很多HR SaaS厂商所认为的“被厂商的需求牵着走”,也是厂商选择的问题。

今年,越来越多的HR SaaS厂商正在意识到这一点。

不过,另外一个趋势是,随着国内企业降本增效需求加大,数字化逐渐渗透,企业(尤其是中小企业)也将愈发标准化,HR SaaS厂商也将坚持产品行业标准化这条路,成为一个“教育企业”的角色,这也正是钉钉和飞书等企业的机会。

其实,北森最近强调的行业一体化,便是在轻量定制的前提下,践行这一模式,这也是其频频获取KA客户的关键。

国内的企业差异化很大,例如金融和制造业。未来一个HR SaaS产品的行业版,将是HR SaaS标准化、轻量化的理想状态。

总体而言,当下HR SaaS赛道在面临挑战的同时,一个新的良性模型也更在成型。

 文章来源地址https://www.toymoban.com/news/detail-609826.html

到了这里,关于HR SaaS厂商,进入决赛圈的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【记录】终端如何 进入conda环境,如何退出 conda(base)环境,终端快速进入Jupyter notebook的方法 | 人工智能面试题:什么是聊天机器人(Chatbot)?列举一些常用的

      “一个人走向末路往往是因为不遗余力地寻找捷径。”     🎯作者主页: 追光者♂🔥          🌸个人简介:   💖[1] 计算机专业硕士研究生💖   🌿[2] 2023年城市之星领跑者TOP1(哈尔滨)🌿   🌟[3] 2022年度博客之星人工智能领域TOP4🌟   🏅[4] 阿里云社区特邀专家博

    2024年02月07日
    浏览(47)
  • Moka 发布行业首个 AI 原生 HR SaaS 产品 “Moka Eva”,全面布局 AGI 时代

    2023 年 6 月 28 日,Moka 在北京召开 2023 夏季新品发布会。Moka CEO 李国兴发布了 Moka 首个 AI 原生 HR SaaS 整体解决方案以及面向 AGI 时代的 AI HR 伙伴——Moka Eva,这是 Moka 全面拥抱 AI 战略布局的里程碑,也将重新定义 HR 数字化未来新趋势。Moka 也因此成为行业首家真正交付 AI 原生

    2024年02月11日
    浏览(43)
  • xhadmin多应用SaaS框架的怎么进入后台?

    xhadmin是什么? xhadmin 是一套基于最新技术的研发的多应用 Saas 框架,支持在线升级和安装模块及模板,拥有良好的开发框架、成熟稳定的技术解决方案、提供丰富的扩展功能。为开发者赋能,助力企业发展、国家富强,致力于打造最受欢迎的多应用 Saas 系统。 很多人不理解

    2024年02月06日
    浏览(30)
  • 什么是狭义人工智能、通用人工智能和超级人工智能?

    人工智能 (AI) 是一种机器智能,它模仿人类思维的解决问题和决策能力来执行各种任务。 。 人工智能使用机器学习和深度学习等算法和技术来学习、发展并在分配的任务中逐渐做得更好。根据人工智能可以复制的人类特征、现实世界的应用和心智理论的先决条件,人工智能

    2024年02月11日
    浏览(43)
  • 探索人工智能:深度学习、人工智能安全和人工智能编程(文末送书)

    人工智能知识对于当今的互联网技术人来说已经是刚需。但人工智能的概念、流派、技术纷繁复杂,选择哪本书入门最适合呢? 这部被誉为人工智能“百科全书”的《人工智能(第3版)》,可以作为每个技术人进入 AI 世界的第一本书。 购书链接,限时特惠5折 这本书是美国

    2024年02月03日
    浏览(82)
  • 【人工智能】人工智能和双曲几何

            作为人工智能技术的理论支撑,几何学是必不可少的;目前直接的几何技术有:计算几何--对集合体如点云处理有用;射影几何--对3d重构有用;双曲几何--在自然语言的词嵌入做基础数学模型,另外深度学习国外有双曲网络在应用。本文针对双曲几何进行探讨。

    2024年02月09日
    浏览(47)
  • 人工智能会取代人工翻译吗?

    当今社会正处于语言和技术高速发展的阶段,因此语言和技术的碰撞是不可避免的——甚至有些人说这种碰撞已经发生了,我们只是在等待尘埃落定。数字化、物联网、人工智能和机器学习,以及更进一步——智能手机、语音识别,以及互联网和社交媒体的引入;所有这些技

    2023年04月08日
    浏览(30)
  • 什么是生成式人工智能?人工智能创造

    原文地址:什么是生成式人工智能?人工智能创造  生成式人工智能模型可以进行对话、回答问题、编写故事、生成源代码以及创建几乎任何描述的图像和视频。以下是生成式人工智能的工作原理、使用方式以及其局限性比您想象的要大的原因。 生成式人工智能是一种人工智

    2024年02月03日
    浏览(39)
  • 【人工智能业务概述】—人工智能的技术框架

    人工智能的技术框架按照产业生态通常可以划分为基础层、技术层、应用层三大板块。其中,基础层提供了支撑人工智能应用的基础设施和技术,包括存储和处理大规模数据的能力,以及高性能的计算和通信基础设施;技术层提供了各种人工智能技术和算法,用于处理和分析

    2024年02月02日
    浏览(37)
  • 人工智能学习框架—飞桨Paddle人工智能

    机器学习的三要素:模型、学习策略、优化算法。 当我们用机器学习来解决一些模式识别任务时,一般的流程包含以下几个步骤: 浅层学习 (Shallow Learning):不涉及特征学习,其特征主要靠人工经验或特征转换方法来抽取。 底层特征VS高层语义:人们对文本、图像的理解无法

    2024年02月12日
    浏览(37)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包