
简历消亡的大数据招聘时代,这6个特质让你脱颖而出
招聘一直以来是作为一门艺术存在的,但是它正逐渐转变成一门科学。如今大部分工作与工作产品基本上都是数字化的,有时你甚至不需要简历。公司可以轻易地通过互联网搜索到应聘者职业生涯的潜在数据,将大数据技术应用到多年的员工调查和测试中,甚至从专门设计的游戏中获取新数据。
“关于某个人是谁,做什么工作等信息其实早已存储在他们的硬盘、Evernote、box.net账号或者Dropbox云账号中了。”人才搜索企业Talentbin的首席执行官Peter Kazanjy说。
简历正在消亡。与此同时,大学排名和成绩也已不再那么重要。2013年,谷歌人员分析部门的副总Prasad Setty就曾表示,谷歌长期筛选应聘人员的两项指标——美国学术能力测试(SAT)成绩和大学平均绩点——已经无法评估一个人的成就了,而且“不会再被当作重要的招聘标准”。Knack公司的CEO Guy Halfteck也认为,学校排名和个人平均绩点对于人本身以及潜力而言并不是很有意义,以此来量化成功是不具有影响力的。
为了找出成功和创新员工有哪些特征,Knack将先进的数据分析工具和游戏结合在了一起,通过一系列游戏实时观察目标对象的实际行为和表现。由于计算机可以从用户参与游戏的每一个瞬间获得有用的数据,15分钟游戏就足以创造100万字节的数据。因此领导者最终获取到的不只是完美的简历,更有应聘者的社交能力、适应力、情商等多方面信息。
在大数据面前,应聘者无处可藏。而以下这6个特质,或许可以助你脱颖而出。
适应力
对于每份工作来说,“学习敏捷”都是一种重要品质,这是指迅速学习并主动采取行动的能力。“公司想要的是一个能快速适应新环境、在挑战中蓬勃发展、愿意学习新东西的人。” 在德勤咨询公司创始人乔希·贝辛看来,那些表现最好的人不是需要被告知需要做什么的人,而是那些喜欢挑战的人,他们自己寻找资讯,并快速适应环境。遵循指令的人是可以被取代的,只有那些能投入新环境里并茁壮成长的人才真正有价值。
心理韧性
Kenexa公司首席营销官Tim Geisert说:“在大多数人心目中,一个好的销售人员必须是一个外向的人,拥有良好的人际关系和友好态度。这只说对了一部分。我们从数据中发现,实际上还有一种比其他特质都重要的潜在特质,那就是所谓的‘情感勇气’。”拥有“情感勇气”的人心理韧性强,他们能够以积极,乐观的态度来迎接生活中的挑战,更容易拥有幸福和满足的生活。
社交能力和情商
每一份工作中,社交能力都是成功的主要因素之一。如果你提出一个有创意的想法,但是你没有办法说服别人,它可能就无法实现,而这并不是创造力的问题。
“我们所做的每件事,以及公司计划,都需要与他人互动。”Halfteck认为,无论你是创新者、医生、老师、零售商,或者销售人员,你的社交能力都能让你巧妙地管理各种社会状况,回应他人,理智地厘清社会情况及其背后原因。“社交能力可以将表现更好的人从群体中区分出来。”
不同的文化背景
据乔希·贝辛介绍,一家石油公司对石油生产领域里突围并获得成功的人进行分析后,得到了令人惊讶的结果:大部分成功者都是在一个聚集不同类型的人的环境中长大,他们的父母都拥有多元文化或者国际经验。而当这家石油公司以传统方式找到的那些拥有石油学位、良好学术资历的应聘者,却未能从中发现成功者。
态度友好
与乔希·贝辛合作的一家影院尝试通过训练来提高每个员工的服务水平,但6到9个月的培训并没有产生效果。最终,人力资源部门负责人发现,关键不在培训,而在于人本身。随后,该公司的招聘标准从以往成绩、学历和学位调整为快乐个性、友好的态度,喜欢服务他人。这个改变给他们带来的回报是数百万美元。
专业度
越来越多的雇主开始寻找所谓的被动应聘者。他们相信那个没有主动找工作的人,或许就是最佳人选。当然,如果你专业度不够,也很难被找到。招聘人员越来越依赖数据、技能和资格来决定谁来面试,并找到合适的人选,而不再是费神地筛选几百份简历。因此简历写得再漂亮,还不如提高自己的专业水平。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23