京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07