產品經理與行銷分享平台

這篇文是摘自台灣資料科學同好交流區中，
我對文章所做的回覆，分享給大家。
因為Google超級用人學實在是一本太好的書了，
所以也想用這篇文章帶出一些重點。

文章內容

"
https://medium.com/data-science-canvas/how-to-interview-data-scientist-967a765456b1#.4ujv2v1oo

from 吳沛燊 （Pei-shen Wu）:

我想這些不只適用在data scientist，而是interview本應如此
- 需要雇用人, 是因為有問題需要被解決, 若無, 則不需要雇用人
- 必須要檢驗candidates對於真實存在的問題怎麼反應
面試是一個溝通過程, 不是單方向—公司選人, 人也選公司
--
面試的三個原則
1. 保持真實性 (Keep it real)—你該問些真正會遭遇到的問題

2. 不要想辦法考倒candidates (No Gotchas)
- Interview比較像是在交換彼此價值的時刻,
應該要讓過程變得有趣—即便最後某個candidate沒有被錄取,
但他卻有”真希望我能進來一起跟這群人工作”的想法
- 要評估一個team是否適合你, 可以從”你是否想變成面試你的主管的樣子

3. 避免模糊地決定是否要錄取該candidate
- 兩個人說no, 或一個strong no, 都是no. 或者, 每個人都說maybe yes, 也代表no
- 如果衡量程序不那麼保守, 繁複, 以及每個人都有意識的話,
等到該candidate進來三個月後fire他, 才是真正更殘酷的事
- 現場面試的錄取率應該維持在50% 不應作為視訊面試無法抉擇的替代品
- 讓team member參與面試衡量3C(Culture, Curiosity, Communication) "

我的回應

"
十分贊同，特別是關於第二點，
因最近剛好看了Google人資長所寫的書，想做一些補充。

我們常常聽到有一些企業會問一些很特別的問題，像是
你覺得台北市的馬桶蓋有幾個、
拿一把30cm長的尺放在你的每根手指頂端，當手指都聚攏在一起時會發生什麼？

但其實這些問題Google研究後發現，其實跟之後的表現並沒有太大關係。
充其量只是一種腦筋急轉彎，或是你在驗證你的偏見－
"對!我在車上我也會這樣想，果然是英雄所見略同"

所以書中提到了幾個我個人也蠻認同的做法。像是
1. 工作樣本測試：給予類似日後工作的情境，
請他們實際演練，藉此評估他們的表現

2. 一般認知能力的檢核：這是個有標準答案的實際測試。

3. 結構化面試：向應徵者提問一套固定問題，且有明確的評估標準。
如果是行為型，則請應徵者描述之前成就，
進而評估能否符合目前職位所需，像是＂請你講一下之前＂

如果是 情境型則提出工作相關的假設題，
像是＂如果發生這個情況，妳會怎麼做＂

僱用人時，則要記得
1.公司資源有限，所以人資預算應以招募為優先，
而不是祈禱之後的教育訓練可以有什麼作用。

2.遵守寧缺勿濫，
只用最好人才的原則，找到比你優秀的人。

3.切記錄取權不要下放給用人單位的主管，
因為他們心慌慌可能會不斷下放標準，並自圓其說。

面試只是一個溝通或聊天，我覺得跟每個人溝通時，
都可以學習到很多東西，像是我就從這篇文章學到了很多，感謝分享!  "