狼心独怆的图书主页-查字典图书网

2015-12-16

                                                1.面试失败是能力问题吗？
        来北京这么多年，也经历过大大小小很多次面试，有成功的有失败的。做一下个人总结的话，那就是：先面试后笔试的，百分百被淘汰；先笔试后面试的，有一定的机会幸存。痛定思痛，排除掉本人打死都不认同的长相问题以外，那被淘汰的最大可能就是：面试技巧太差。
        第一印象基本上决定了我们面试成绩。托莱多大学的弗兰克•伯尼瑞研究认为，一次面试的前10秒钟里做出的判断可以预测整个面试的结果。而面试官剩下的99.4%的时间都是在验证自己的看法。——注意，是“验证”，是在不断暗示自己“我看人的眼光不会错的”的偏见。
然而，这种预测没有任何意义。它的准确率有多少？这个不好回答，不过我可以告诉你样例测试的准确率绝对比这个高，它的准确率是29%，而且这几乎是最好的测试方式了。所谓样例测试，就是要求应聘者完成一项在未来的岗位上要做的工作。应聘者的能力在样例测试中可以一目了然，但是这样的测试准确率竟然也如此之低，令人意外。
                                                2.谷歌如何面试？
        谷歌连续多年被多个国家评为“最佳雇主”。在这个问题上，《重新定义团队》一书的作者，谷歌的首席人力运营官拉斯洛•博克显然最有发言权。就在此书中，他分享了谷歌的招聘秘密。
        我们不妨先放下这个话题，聊一下谷歌的公司结构。这个公司的结构很有趣，不光是招聘，在其他方面如升职、加薪等，都会组一个临时的团队，然后由这个团队来管理这项工作。
        谷歌除了应用技术方面的问题外，还会考查四个方面的特性来预测某个人是否可以在谷歌获得成功。1.一般认知能力。谷歌是个喜欢招聘聪明人的公司，主要看的是学习能力和适应能力。2.领导力。谷歌寻找的是某种类型的领导能力，与头衔无关。谷歌期望在建立一个团队的时候更多人站上领到的位置，做出贡献，过后退回团队成员的位置。3.“似谷歌人一般的”。这个没有明确的概念，谷歌想招聘那些可以在这里蓬勃发展的人。4.职务相关的知识。
        谷歌每次面试不会针对所有特性提出反馈意见，但是每一个特性都有至少两名面试官做出独立的评估。谷歌要求书面反馈意见中包括对特性的评估、所问的问题、应聘者给出的答案以及面试官对答案的评估。这个方法实用价值很高。
        谷歌的招聘十分严苛，它的录取率仅仅是哈佛、耶鲁、普林斯顿等大学的1/25。因为他们秉持一个原则：慢工招人才。如果没有合适的人，宁可让职位空着也绝不将就。
                                               3.谷歌公平但不平等的薪酬
        一般来说，我们认为员工的水平是符合正态分布的，即平均水平的员工数量最多，最优秀的和最差的员工数量较少。可事实上，员工的水平分布更接近幂律分布。平均值以下的员工占大多数——这个好解释，最差的员工或者被淘汰了，或者根本就不会进入这个行业，而是进入了他自己更擅长的领域。

        通常来说，公司会允许薪水与市场水平存在20%左右的浮动。平均员工每年可能加薪2%~3%，特别优秀的员工可能加薪5%~10%。这样做带来了十分不良的后果，特别优秀的员工经过几次大幅涨薪之后，涨幅会越来越慢，直到达到薪酬上限，便停止涨薪。当然，作为一名理智的员工，此时的最佳选择是辞职——优秀员工就是这样流失的。
        谷歌在此提出了一个观点：薪酬与贡献相匹配才能算得上公平。因此，个人的薪资水平应该有巨大的差异。
        并非大批平均水平的员工通过数量优势做出主要贡献，而是由少数精英员工通过强大的表现做出主要贡献。这是谷歌不公平薪酬的依据。

爆款就是最好的部分，当然要做到极致

2016-03-13

我们所熟悉的一切：员工对公司的贡献、电影的票房收入、明星获奖次数、NBA最好的球员得分数，等等，都是符合幂律分布的，而不是高斯分布。也就是20/80原则。

高斯分布和幂律分布示意图

心得：大数据其实是厚数据

2016-04-11

一、问对问题，才能找到方向
一个小家电品牌的营销人，抱怨销售门店回传的顾客数据总是慢半拍，而且数据参差不齐。他直觉判断——注意，是“直觉”——一定是缺乏门店奖励方案，让门店服务人员对此毫无兴趣。于是，接下来的半年他不断地修正奖励办法，但就是没法改善顾客数据的完整度和实时性。
有一天他正好经过一个门店，一时兴起就走了进去。看着他们的热卖商品让柜台人员忙到不可开交，他心里嘀咕着：这么大的客流量，但是每天回传的顾客数据却少得可怜，正想找店长兴师问罪的时候，突然，旁边正在留顾客数据的消费者没好气地跟门店服务人员说：“你们的顾客数据表太复杂，解释得也不清楚，我下次有空再来填。”说完，就提着刚结完账的商品扬长而去。
这就是一个没有问对问题的例子，如果开始没有弄明白问题在哪，处理起来难免南辕北辙，缘木求鱼。

二、大数据虽大，不如精准的厚数据
大家可以试试，在网上随便搜索一个平时根本不用的东西，然后就会发现，再打开网页，网页上的广告推荐的都是你搜索过的商品。这个“数据”大是大了，但是大得毫无用处，一点精准度都没有。
更好笑的是买手机或者书等短期内不会重复购买的商品，即使你购买了手机或者书，打开网页的时候会发现，你搜索过的手机或者书，还会出现在广告位——客户还有一点购买的可能吗？如果广告商再将数据精准化一点，比如经查询，这位客户买了一部手机，得到这个信息之后，就应该给他推荐耳机、手机贴膜、手机套等周边产品，而不是傻乎乎地继续推销手机。

三、电脑的归电脑，人类的归人类
要学会降维思考。大叔据时代的数据，随便一算，动辄1000张报表就出来了。而人类的心力是有限的，不可能记得住如此多的数据，这是电脑应该做的工作，人类所要做的，就是让电脑把这些数据汇总、计算、分类后，降维到人类可以接受的程度。如经济景气指标，降维后就是红、黄、绿、浅蓝、蓝五个指标，人类一看就能懂，然后可以根据结论做出判断。也就是说，人的任务是做决定，人要首先把自己从数据中解放出来，居高临下地俯视数据。