AICon 深圳站聚焦 Agent 技术、应用与生态,大咖分享实战干货 了解详情
写点什么

CTO 如何快速招聘人才?

  • 2020-08-31
  • 本文字数:6198 字

    阅读完需:约 20 分钟

CTO 如何快速招聘人才?

乔布斯一生面试超过 5000 名工程师,在他看来“一名优秀的工程师顶 50 个普通的工程师。”人才,决定了企业的根本竞争力,助力企业不断地挑战外部环境,最终走向成功。人才如此重要,CTO 们该如何从茫茫求职者中,慧眼识英才呢?

7 月 9 日,德锐咨询高级合伙人、荷兰马斯特里赫特管理学院工商管理硕士,南京大学 EMBA,南工大 MBA 校外导师、多家上市公司管理顾问刘玖锋来到了「鲲鹏说」的直播现场,他以方法 + 案例的方式讲解了 CTO 如何快速完成目标人才招聘 ,并在“云上”邀约,期待与更多技术管理者进行深入交流。以下为直播整理稿,Enjoy~

前言

各位 TGO 鲲鹏会会员,大家晚上好,我是刘玖锋。很荣幸能够接受 TGO 鲲鹏会的邀请,在接下来的一个小时里,我会给大家分享如何快速完成目标人才招聘。


选人,决定企业的根本竞争力贝佐斯在写给亚马逊股东的公开信中写道:“在互联网这种活力四射的环境中,没有杰出的人才是不可能做出成果来的……在人员雇佣上我们设置了一道很高的门槛,这一点无论是过去还是将来,始终都是亚马逊成功的唯一要素。”


亚马逊作为全球市值较高的互联网型公司,成功的要素很多,而优秀的人才则是亚马逊成功的最底层逻辑和最底层要素。亚马逊通过招募优秀人才,来不断地挑战外部环境,确立自己的商业模式最终走向成功。


事实上,人才招聘在各行各业都至关重要,包括在竞技体育中。


在美国,职业棒球比赛已经举办了一百多场。纽约洋基队参加了其中的 40 场,有 27 次获得冠军。同样,波士顿红袜队也拥有超高胜率。那么,究竟是什么原因,决定了这两支队伍超高胜率?无非是教练、战术以及球员。其中优秀的球员,更是他们成功的根本。


通过这个案例,我们可以总结出:人才招聘是绩效空间的决定因素,人才激励和人才培养是绩效空间的影响因素。选人,决定了一个企业的根本竞争力。


乔布斯一生面试超过 5000 名工程师,他认为:“一名优秀的工程师顶 50 个普通的工程师。”

雷军在谈小米成功原因的时候,也曾提到:“小米团队是小米成功的核心原因。当初我决定组建超强的团队,前半年花了至少 80% 时间找人,幸运地找到了 7 个超牛合伙人。”

阿里巴巴的张勇也曾公开表示:“作为集团 CEO ,我每年问自己两个问题,第一,今年我为集团找了哪几个人,记住关键词是“找”,不是“招”;第二,今年我为集团养了哪几个新业务,或者说开辟了哪几个新赛道。”


可见,优秀的企业都在人才招聘上下足了功夫。而有些企业却背道而驰,把希望寄托于激励和培养上。但受限于应聘者本身的能力,这样做的结果往往是事倍功半。


既然人才招聘如此重要,那么招聘者应该如何快速完成目标人才招聘呢?我会从以下三个方面为大家展开。


第一,基于业务需求,精准制定人才画像;


第二,基于人才地图,快速找到目标人才;


第三,基于人才画像,有效评估人才。

一、如何制定精准人才画像

对于科技型公司,应该如何基于业务需求,精准制定人才画像?又该如何通过精准画像进行人才选择?我们首先看一下这个案例。


字节跳动招聘 PM 的 JD (工作说明)有一条写的是:有五年以上互联网产品经验,具有日活千万量级以上的产品规划和产品迭代实施经验。

张一鸣跟 HR 说,“按照这个要求,陈林(现任今日头条 CEO)、张楠(现任抖音总裁),我们公司一大批 PM,一个都进不来,连我自己都进不来。别说千万 DAU 产品了,他们加入前,连百万,甚至十万 DAU 的产品也没做过。”


通过这个案例,我们可以发现,如果人才画像不准确的话,你会错过很多优秀人才。所以,制定精准人才画像是人才招聘的第一步。


很多优秀的公司,都在试图探寻人才具备的基本素养与特质条件,以精准触达适合自己的核心人才。谷歌的人力资源分析师卡莱尔在 2005 年的时候曾经做过一个实验:他列出了一个包含了 300 多个因素的人才的清单。清单内容覆盖了谷歌所有员工,包括每个人的考试成绩、学历,毕业的院校,兴趣爱好等等。


卡莱尔试图通过分析这些因素与谷歌员工在职表现之间的关系,以找到影响绩效的关键因素,却发现根本就找不到对谷歌大多数的工作岗位都起作用的单一变量


人才选择应当遵循“锯齿原则”,应聘者单方面的出众并不代表其每一个方面都足够优秀。因此,谷歌在人才选择上,放宽了眼界。他们不再把学术成绩认定为衡量应聘者的唯一标准,而是更多关注应聘者的其他特征。


2007 年,人力运营部主管拉兹洛·博克夸口道:“上个星期,我们聘用了 6 名 GPA 低于 3.0 的员工。”

拉里·佩奇曾说:“我们真的会主动出击,招聘略有不同的人。”

卡莱尔认为,自己的任务就是“寻找我们通常会忽视的人”。


由此可见,人才画像制定的关键在于“放宽冰山上,坚守冰山下”。


因为冰山上面包含内容——知识、经验、技能,只是门槛性的人才能力,将会与不会区分出来,真正决定应聘者能否胜任的关键,更在于冰山下面包含的内容——素质(能力、个性)与动机(价值观、兴趣、品德)。


很多企业在招聘的时候,往往只考虑冰山上面的内容,而忽视冰山下面的内容。这就导致入职的员工往往达不到最初的期望。于是很多招聘者选择在冰山上面加入更多内容,这就导致招人的范围越来越小,难度越来越大,却收效甚微。


所以招聘者应当“放宽冰山上,坚守冰山下”,因为门槛性的能力可以通过培养获取,人才的素质与动机却只能通过招聘来筛选。


招聘者可以参考世界招聘领域一流专家布拉德福德的《顶级评级法速查手册》,来制定招聘的标准。其中,绿色代表经过培训、辅导和经验后可以改变和提升的能力;黄色代表很难,但仍然可以改变的能力;红色代表难以改变的能力。



这就要求员工在制定人才画像的时候,需要结合能力可以转化的程度,尽可能去挖掘影响员工绩效更深远的因素。


这里,我举一个例子。我曾经为一家行业领先的公司,制作过一张自动化运维专家画像卡,这个画像包括岗位使命、冰山上与冰山下的要求。



通常,我们冰山上的要求,不要超过三项。因为硬性条件越多,符合要求的人才范围就越小。但冰山下的要求一定要尽可能地去满足招聘者对岗位应聘者能力的预期。这样画像形成后,才能帮你寻找目标人才。


当然,人才画像不等于岗位说明书,也不代表招聘的时候,招聘者需要全面使用这些内容选择人才。招聘者在制定人才画像的时候,需要将影响这个岗位的所有因素罗列出来,包括知识、能力、素质等等,然后对这些因素进行筛选,筛选维度就是这些因素与绩效的关联程度以及这些能力的可培养性。


招聘者可以选择将这些因素放在下面这四个象限中:



  • 可培养性高与绩效关联程度低的因素可以定义为加分项;

  • 与绩效关联程度高而可培养性低的因素应当定义为冰山下素质,这是需要应聘者具备的重要标准;

  • 与绩效关联程度高且可培养性高的因素则是冰山上因素,但这里需要注意的是,招聘者在考察可培养性要素的时候,需要将培养成本考虑在内。可培养性很高,但成本过大的因素,应当作为招聘时的门槛标准。

二、人才地图,按图索“骥”

定制了精准画像,或者说人才地图,招聘者应该如何触达自己的目标人才?


首先我们先来计算一道人才招聘的概率题:


假设你想聘用排在 10% 的高潜力高匹配性的候选人,并且你的人才评估的准确率是 90%,那么你能选到素质潜力排名 10% 的人才成功率是多少呢?



通过上面的公式,我们可以得出结论为 50% 。


由此可见,事例中的招聘者,只有一半的几率可以招聘到目标人才。这样的结果,相信是所有公司都不能接受的。


那么,招聘者应该如何提高招聘精确度呢?方法有二:


  1. 精准地找到你的目标人才 ;

  2. 精准地评估人才。


2016 年华为总裁办发出了一份文件:要求公司变“招人”为“找人”。



因为在中国,高素质人才本身稀少,而且较少通过人才市场等传统渠道找寻工作。


《 2016 年中国人才趋势报告》中,有这样一组数据:我国有 95% 的职场人士有关注新工作机会的想法,但只有 22% 的人会主动找工作,73% 的人属于被动求职者。


因此,企业如果只是被动接收简历的话,招聘效率是比较低的。因为传统的招聘模式,属于漏斗模式。


举例来说,50 个应聘者,简历筛选后可能只有 10 个符合要求——这 10 个人经过测评之后,只有 4 人通过——剩下的 4 个人经过面试模拟测试只剩下两个人——最后接受 offer 的可能就只有一个人了。

结果最后录用的这个人,能力可能都比不上第一轮被淘汰的人。



这就导致招聘周期被拉长。谷歌的研究报告也显示,人才市场收到的简历,最多只有 10 % 是符合招聘者预期的。这样的招聘效率,对于企业而言是极低的。


为了提升招聘效率,招聘者必须变被动招人为主动找人。


这里,我设计了一个创新的招聘模式。



这个模式很简单:第一找到你的目标人才,第二吸引与沟通,第三成功。这就节省了大量中间环节,极大提升了效率。


这种创新的模式基于社交招聘,按“图”去找人。就好比探险者寻找宝藏,有寻宝图的时候会更加容易。反之,若是没有人才地图,即使招聘者有人才画像,也很难找到目标人才。


如何获取人才地图,熟人推荐就是最低本高效的方式。


这里有一份调查:



调查数据来自:费罗迪著《关键人才决策》。通过数据,我们可以很明显地看到熟人推荐的有效性是远远高于陌生寻访的。


以谷歌为例:其每年招聘中,有大概 50% 的录用者来源于内部推荐。腾讯和阿里这样的巨头企业,内部推荐的比例也接近 40%。


关于通过人才地图,找到目标人才的方法,我再分享三个实战案例。


  • 如何在 CBD 中心招聘到产品经理?

  • 如何在新进入的城市招聘 IT 工程师?

  • 如何快速招聘到董事会秘书?


案例一:某公司的招聘者 A 希望在 CBD 中心招聘到产品经理。于是他在 CBD 中心找了一家好吃的餐厅,通过公司的层面与餐厅合作——只要是产品经理到这家餐厅吃饭都可以凭借名片打折。通过这样的方式,他很快触达到很多产品经理,并最终找到目标人才。


案例二:某互联网公司要求 招聘者 B 去新的城市组建二级团队。他一方面通过简历的方式广撒网,另一方面,去了解和接触当地的互联网公司,通过那些公司内部的员工去链接相关行业的人才。最终非常高效地组建了团队。


案例三:某公司需要快速招聘董事会秘书,因为董事会秘书本身就有一个固定的圈子,于是招聘者 C 联系了他熟悉的董事会秘书,通过他为自己链接更多的董秘人才。也在短期内找到了合适的人选。

三、 结构化提问流程,深度挖掘人才素质

找到了目标人才,还需要对人才进行评估。


现在的大部分公司,都缺失像“采购产品”一样的招聘流程。相较于流程规范的慢招人,他们更喜欢选择“快招聘”,强调快速补缺。


下面我们通过表格中的内容对比,来判断一下两种方式对招聘结果的影响:



特别强调,这里提到的“慢”,并非指刻意慢下节奏,而是指更加严谨地评估与判断。


比如说谷歌。谷歌在给录用者发 offer 之后,需要创始人最终审批;

再比如说阿里巴巴, HR 面试之后,对应聘者除简历之外的评价都要写几百字。


另外,结构化面试非常重要。否则,面试官会因为标准不统一、尺度不统一、眼光不统一,导致面试结果不统一,从而影响对人才的评估结果。


而构建结构化面试的核心,则基于素质模型。即通过把握人才的基准画像,加上挖掘到真实匹配者的信息进行面试。这就要求面试官正确、精准地发问与深度地追问。


如果要设计结构化提问流程,那么面试官需要为应试者设置 6 道关。因为时间关系,我给大家分享最主要的两关。


第一关:精准提问关于精准提问,有一个 OBER 法则。


O-open,多问开放式问题,少问封闭式问题:


比如面试官问:你是怎么样分派任务的?是分配给已经表现出有能力完成任务的人,还是分配给有兴趣完成任务的人或者是分级分配?这样封闭式的问题,会给面试者提供一部分答案与发挥空间。


所以正确的提问方式应该是更开放的:请描述一下你是怎样分配任务的。


B-behavior,多问行为事例,少问想法 / 决心 / 意愿:


“你的前任主管是一个严厉的人还是随和的人?”很多面试官希望通过这样的问题,来判断面试者团队沟通能力。这样提问,面试者会从自己的想法入手,规避掉很多你希望获取的信息。


所以正确的提问方式应该是:“你以前是如何与团队进行沟通的?”通过他之前的行为,判断他是否具备团队沟通能力。


关于多问行为势力,还需要强调一点,就是减少假设性问题。比如:“如果我们加班比较多,你可以接受吗?”因为假设性的问题得到的答案一定是假设性的答案,一定会与实际情况有差异。


E-easy,问题要尽量简洁、确保容易理解:


面试者应当尽可能避免问抽象的问题,确保问题的简洁性以增加面试的效率。


R-related,问的问题要和所考察的素质项高度相关:


这就要求,面试官应该为每一个自己想要考察的素质设置题库。比如“学习探索”是公司需要考察的素质,面试官可以建立这样的题库:



第二关:深度追问原华为副总裁兼人力资源总监吴建国曾说过:“作为一个管理者,准确识人是一项基本功。那么,怎样才能快速提高人才辨识能力呢?华为从 1998 年开始采用 STAR( S-Situation 情景、T-task 任务、A-action 怎样行动、R-result 结果,对过去关键行为的描述有助于我们准确判定应聘者的素质和技能),STAR 是一种结构化的行为面试方法,经过反复锤炼,面试官掌握这套技能之后,可以有效杜绝大部分人为拍脑袋的因素,让一般企业的人才识别率提升到 60% 以上。”


吴建国提到的 STAR 就是深度追问的方法。从开始提问再到追问模式,直到让面试官考察到自己想要考察的素质。通过情景——任务——怎样行动——结果这样的逻辑顺序,层层递进,直到面试官收集到足够关于面试者的信息。


那么这个给大家看一个案例——某公司对工业用车售后服务工程师的客户导向能力的追问:













可见,这是一个开放式的问题,设计思路是判断面试者客户导向的能力,通过不断地追问,去全方位地了解面试者,避免认识盲区,挖掘到面试者的真实素质。


这种方式虽然高效,但实际操作难度还是比较高的,需要面试者反复练习。所以在这里,再给大家分享一个比较好的方法——直觉验证十问。



通过直觉验证的这些问题,你可以对面试者是否适合岗位,有一个更精准的判断。

四、中小型企业的选人之道

刚刚讲了一些优秀企业在招聘人才时的做法,那对于中小规模的企业,该如何招到心仪的人才?


谷歌公司曾表示:公司从第一天开始,就只招最优秀的人。因为只有企业招聘到优秀的人才才能发展,而不是发展壮大之后再去招聘人才


在这里,我总结了中小企业招聘人才的 6 种方法:


方法一:善用降级招聘——招聘高潜力低一级的人,然后培养成你希望招聘的人;


比如你要招聘一个总监,你不妨找能力出众,经验老到的人才,让他在自己公司晋升为总监。


方法二:从人力资源部招聘到全员招聘;


方法三:不要过多的关注经历,多关注潜力;


方法四:在二流学校招聘一流学生,不要在一流学校招聘二流学生;


阿里前期从来不去清华北大招人。


方法五:不要总是在规模比自己大的企业去找人,要在规模比所在企业小的企业找人;


因为大企业个人业绩很大程度上受平台影响,所以大公司的人进入小公司,他的绩效往往是降低的;反之,小公司的人进入大公司,他的绩效是在提高的。


方法六:要创始人亲自去面试,用足企业家魅力吸引人才。


换句话说,当你时间精力有限的时候,你要优先把精力投入到人才招聘中;当公司的预算是有限的时候,你要优先把预算放在人才的招聘,而不是人才的培养。这也是谷歌的最佳做法。


因为时间的关系,我讲得比较快。如果大家感兴趣的话,可以看看《精准选人》这本书。书里面不仅有方法论与工具,还有很多案例。


最后再次感谢 TGO 鲲鹏会的邀请。也非常开心自己可以加入这样一个组织,与知名的大咖、优秀企业的 CTO 同行。同时,也期待更多志同道合的朋友加入 TGO 鲲鹏会,与我们更深入地了解、沟通


2020-08-31 18:455607

评论 2 条评论

发布
用户头像
学习了 👍
2020-09-08 17:16
回复
用户头像
👍写的太好了,受益良多。
2020-09-01 14:14
回复
没有更多了
发现更多内容

基于华为开发者空间远程直连云开发环境,实现文件上传下载

华为云开发者联盟

SSH 云主机 xshell 华为开发者空间

翻译:2025年值得关注的数字化转型趋势

优秀

数字化转型 数字化管理

F5携手NVIDIA全面增强AI时代的性能、多租户与安全能力

科技热闻

The History of Big Data

数新网络官方账号

数据库 大数据

破局电机制造四大痛点:MES与AI视觉的协同智造实践

万界星空科技

制造业 mes 电机行业 电机MES AI视觉检测

告别能源浪费:ISO 50002 标准指导下的审计全流程与 MyEMS 智能管理方案

开源能源管理系统

开源 能源管理 开源能源管理系统

大模型时代,数据标注产业面临的挑战

数据堂

人工智能 AI 数据标注 大模型 标注员

高级文本编辑器 UltraEdit Mac中文版

Rose

Steinberg Cubase Pro 14 :mac多种音频处理工具,如均衡器、压缩器、混响器

Rose

反向海淘新篇!Superbuy同款系统来袭

tbapi

淘宝代购系统 反向海淘系统

基于华为开发者空间,远程直连云开发环境部署指导手册

华为云开发者联盟

SSH 云主机 xshell 华为开发者空间

在AI技术唾手可得的时代,挖掘真实需求才是创新的核心

qife122

开源项目 ai框架

通知!引迈低代码上线企业微信应用市场

引迈信息

最高3000万!全球科技闪亮苏州,“赢在苏州”2025第二届全球创新创业大赛圆满落幕!

科技热闻

MyEMS优势详解

开源能源管理系统

开源 能源管理 开源能源管理系统 MyEMS

开源之夏2025 | Karmada 社区中选学生名单公布!

华为云原生团队

云计算 容器 云原生

基于YOLOv8的100种中药分类识别项目|完整源码数据集+PyQt5界面+完整训练流程+开箱即用!

申公豹

yolo

等保测评周期

等保测评

AlphaGPT助力华商(柳州)所落地法律AI本地化,引领广西法律行业智能化新时代

科技汇

Flink Forward Asia 2025 主旨演讲精彩回顾

阿里云大数据AI技术

人工智能 云计算 flink 阿里云 数据库 大数据

MyEMS 开源能源管理系统在生产中的核心作用与应用价值

开源能源管理系统

开源 能源管理 开源能源管理系统

纯血鸿蒙NEXT即时通讯/IM系统:RinbowTalk正式发布,全源码、纯ArkTS编写

JackJiang

网络编程 即时通讯 IM

修改域名解析记录,多久生效?

国科云

让AI在企业真能用、真落地 飞书发布业界首个AI应用成熟度模型

ToB行业头条

AI 飞书

这几个 Vibe Coding 经验,真的建议学!

Immerse

​​智能体开发革命:用LangChain打造下一代AI应用工作流

聚客AI学院

人工智能 向量数据库 langchain AI 智能体 rag实战

热烈祝贺 Flink 2.0 存算分离入选 VLDB 2025

Apache Flink

大数据 flink 流计算 VLDB

eBPF 助力 NAS 分钟级别 Pod 实例溯源|得物技术

得物技术

ebpf

“2025京东方投资者日”在沪举办 资本战略转型开启价值创造新阶段

科技热闻

Apache Cloudberry 向量化实践(二):如何识别和定位向量化系统的性能瓶颈?

酷克数据HashData

Prompt-Driven编码与领域驱动建模的融合研究

申公豹

AI

CTO 如何快速招聘人才?_技术管理_刘玖锋_InfoQ精选文章