云展網(wǎng)，中國最好的閱讀體驗平臺和數(shù)字出版平臺，請馬上進行體驗吧！
本文節(jié)選自《職場法則：學習 Google 如何工作》，主要講述了 Google 在人才招聘方面特有的方式，例如結構化的面試問題、下屬面試上司等方式。
「第一印象的形成永遠沒有第二次機會」——這句話是 80 年代一個洗發(fā)水的廣告詞，碰巧描繪出了面試的場景。很多人強調，面試的「前五分鐘」非常重要，面試官會在最短的時間內建立起對你的第一印象，隨后的時間都是在驗證自己的判斷：如果喜歡你，他們會發(fā)現(xiàn)更多的優(yōu)點更喜歡你；如果最初的握手或自我介紹很糟糕不喜歡你，那么面試就結束了，剩下的時間他們只是在尋找得當?shù)睦碛删芙^你。
Tricia Prickett 和 Neha Gada-Jain 是來自托萊多大學心理學系的兩名學生，于 2000 年發(fā)布了一份研究報告：面試官根據(jù)前十秒的判斷就已經(jīng)得出面試的結果了。
但問題是，十秒鐘得出來的結果對面試者未來的工作情況是沒有預測作用的。
換句話說，大多數(shù)面試都是在浪費時間，99.4% 的時間都是在驗證面試官前十秒形成的第一印象?！附榻B下你自己。」「你最大的缺點是什么？」「你最大的優(yōu)點是什么？」問再多問題都沒用。
很多公司采用案例面試、智力題（腦筋急轉彎）等面試方式，其實也沒什么用。比如「假設你的客戶是一家造紙廠，他們在考慮建一個分廠，該怎么做呢？」或者「估算下曼哈頓有多少加油站?！棺顭┤说氖恰敢患懿ㄒ?747 能裝進多少高爾夫球？」
這類問題最多考察到一些離散技能，這完全可以在實踐中得到改善和提高，對評估面試候選人的潛力沒什么效果。更糟糕的是，這些問題答得好僅僅取決于面試者瑣碎的知識儲備，卻會讓面試官以為對方很聰明——實際上與未來工作中的能力表現(xiàn)沒有任何相關。
據(jù) Google 人力資源高級副總裁說，某些公司常用的面試問題十分令人無語。Google 的高管在每次面試候選人時都會盡可能避免類似問題。
被埋沒的結構化面試
1998 年，F(xiàn)rank Schmidt 和 John Hunter 出版了一本過去 85 年的研究匯總集，分析了如何更好地預測一個人的工作表現(xiàn)。他們考察了 19 種不同的評估方式后發(fā)現(xiàn)，象征性的、非結構化的面試方式在預測員工未來表現(xiàn)時的效度十分有限。
非結構化面試的相關系數(shù) r2 為 0.14，即這種方式只能解釋 14% 的面試者的表現(xiàn)，比背景調查（只能解釋 7% 的表現(xiàn)）、工作經(jīng)驗年數(shù)（3%）要好一些。
最好的預測方式是工作實例測試（29%）。這種方法需要給出一個與未來工作相似的實例，然后評估候選人在其中的表現(xiàn)。Google 所有的技術崗招聘，不管工程師還是產(chǎn)品經(jīng)理，面試中都要通過工作實例測試解決實際問題。不過即使這樣的做法也未必能準確預測，實際工作中往往還取決于很多其他技能，例如合作、適應、應變、學習等。更糟糕的是，很多崗位并沒有合適的實例可以用于面試。對于電話客服或一些任務導向的崗位，可以給候選人單件工作實例，而有些崗位涉及很多不可控因素，很難找到有代表性的實例。
排名第二的預測方式是整體認知能力測試（26%）。這種方法與案例分析或腦筋急轉彎不同，所有題目答案都有絕對的對錯之分，類似 IQ 測試。預測效果好是因為整體認知能力包括學習能力，以及大部分工種所需要的對原始情報進行加工計算的能力。缺點是標準的測試對有色人種及女性測試者存在歧視（至少在美國是這樣）。在 SAT 中，女性和有色人種在大學里的表現(xiàn)預測向來都會被低估。原因包括測試形式（例如采用問答題而非選擇題的跳級測試在形式上沒有區(qū)分性別）；測試得分（男性碰到不會做的題就猜從而提高了分數(shù)）；以及問題內容。
排名第三的是結構化面試（26%），即用一組有清晰評判標準的問題評估候選人的反應能力。結構化面試分為兩類：表現(xiàn)類和情境類。表現(xiàn)類要求面試者描述之前工作中取得的成就并與當前工作所需能力進行匹配（例如，「講一個你過去……的例子。」）。情境類是展示一個與工作相關的假設場景（例如，「如果……你會怎么做？」）。一個明智的面試官會認真評估面試者回答的真實程度，以及背后反映出的思考過程。
面試的目標是預測面試者加入團隊后的表現(xiàn)。為了實現(xiàn)這個目標，Google 的做法是綜合使用表現(xiàn)類、情境類結構化面試與認知能力、意識傾向、領導力評估等多種面試方法。為此，Google 開發(fā)了一個內部工具，叫做 qDroid，面試官根據(jù)待招的工作崗位，挑選出所需要考察的屬性，然后會收到一封面試引導郵件，有設計好的關于該崗位的問題，這樣很快就找到了合適的面試問題。面試官也可以在 OA 系統(tǒng)中與別人分享關于面試情況的記錄文件，可以多人合作，從多個角度評估面試者。
這個工具的好處是，面試官可以采用這些已經(jīng)通過驗證的問題，更準確地表達出想問的問題，使面試更可靠。
面試問題舉例如下：
講一個你的行為對團隊有正面影響的例子。（接下來：你最初的目標是什么？為什么？最終反應如何？接下來計劃如何？）
講一個高效管理團隊實現(xiàn)目標的例子，以及你是如何處理的。（接下來：你的目標是什么？作為個人或團隊分別如何實現(xiàn)？如何將自己的領導力施予不同的個人？這次情境下的關鍵問題是什么？）
講一個和一個很難相處的人（可能是同事、同學、客戶）合作的例子。（接下來：解決這個問題需要哪些步驟？結果怎樣？如果不這樣做還可以怎樣？）
一樣的問題，不一樣的答案
有的讀者可能會想，「這些問題千篇一律，沒有什么亮點?！拐f得沒錯，這些問題都平淡無奇。對 Google 來說重要的是答案。這些問題給予面試官一個標準、可靠的參考線，篩選出少有的優(yōu)秀人才，因為合適的候選人會講出很多很好的例子，他們做決策的理由更有說服力。平凡和優(yōu)秀之間的分界線十分清晰。
相比之下，如果面試被問到「哪首歌最容易概括你的工作道德？」「你在車里一個人的時候會想些什么？」——都是其他公司真實用過的面試問題——會很搞笑。面試的目的是找到最適合崗位的人，而不是通過提問去確認自己的偏見（天哪，跟我在車里一個人的時候想的一模一樣?。?/span>
接下來是用統(tǒng)一的標準給面試打分。Google 使用的整體認知能力打分系統(tǒng)有五個部分構成。每個部分，面試官對候選人的表現(xiàn)評價都是清晰明確的。面試官需要準確記錄下候選人如何展示出自己的整體認知能力，這樣隨后的復查人員可以根據(jù)面試記錄做出自己的評判。
對于 Google 的面試問題和分數(shù)表，有些懷疑論者會認為是「陳詞濫調」。但是想想有些公司，針對同一個崗位的五個面試者，給出的問題是一樣的嗎？能測試到他們的方方面面嗎？確定對每個人的標準是一致的嗎？面試官有沒有因為自己的疲憊、暴躁而對某一個人更嚴格？有沒有詳細的記錄讓后續(xù)面試官了解情況？
要記住面試不只是評估候選人，還要讓他們愛上這家公司。要讓他們有好的體驗，解答他們的困惑，讓他們感覺度過了生命中最美好的一天。面試是首次見面的兩個人在進行一次至關重要的談話，而面試者明顯處于弱勢，那么確保他們的體驗良好十分必要，因為他們會把體驗告訴別人——這也是正確的待人之道。
過去，硅谷人人都有過面試 Google 時的悲慘故事；而現(xiàn)在，80% 面試被拒的人都會推薦他們的朋友來面試——這種轉變相當了不起。
面試不僅是上司的事
去別的公司面試，我們經(jīng)常會見到未來的老板或同級的同事，但幾乎沒見過下屬。Google 完全顛覆了這種做法：你可能會見到未來的經(jīng)理和同事，但更重要的是見一兩個未來的下屬。某種程度上來說，下屬的評判比別人更重要——畢竟他們要和面試者一起工作。面試者能強烈感受到 Google 的平等與公平，同時也有助于避免經(jīng)理在組建新的團隊時依舊雇傭自己的老伙計。Google 認為，最優(yōu)秀的面試者會讓下屬感受到啟發(fā)，愿意向他們學習。
Google 還增加了一個「橫向面試官」，一個職能上跟面試崗位沒有聯(lián)系的人。比如，讓一個法務組或廣告組（特指廣告產(chǎn)品背景的字體設計）的人來面試一個銷售崗位。這是為了保證公正評估：來自不相關崗位的同事應該沒有太多利益關系，只是對招聘質量自發(fā)的責任心。比起其他面試官，他們與面試者沒那么多共同點，因此對無關緊要的細節(jié)差錯也不會太敏感。
綜上，如何打造自己的人才儲備隊伍呢？
1. 設置高標準。招聘開始之前，決定好需要考察面試者哪些屬性，以及怎樣才算是優(yōu)秀的面試者。最好的方法是只招比自己好的人。永遠不要妥協(xié)。
2. 主動搜尋候選人。LinkedIn，Google+，校友數(shù)據(jù)庫，以及專業(yè)的組織都可以利用起來。
3. 客觀評價。所有面試官，包括下屬和同事，一定要記筆記，并做出無偏見的招聘決策。定期對比這些筆記與新員工的表現(xiàn)，有助于提高評估水平。
4. 給候選人一個加入的理由。明確為什么這份工作很重要，讓候選人體驗到他即將加入的環(huán)境的不凡之處。
說起來容易做起來難。經(jīng)理們都想招自己熟悉的人，面試官們無法堅定地按照固定模式完成面試，數(shù)據(jù)如果違背了直覺人們會認定是規(guī)則的錯……想招到最優(yōu)秀的人才就不要向這些壓力低頭，加油！
文章來源：TECH2IPO / 創(chuàng)見 二因斯坦
聯(lián)系客服
