求职手册 第5章

第5章|清晰认知与自信:简历和面试 · 第一部分

先判断问题,再决定改哪里

本页要点

  • 面试少和拿不到 offer 是两种问题。改任何东西之前,先简单记下每份申请停在了哪一步。
  • 把看到的现象,对到最该先查的地方:fit 和资格、某一类技术题、行为面回答,还是终面。
  • 从自己是谁出发。五到八个真正有内容的故事,通常比给三十道题各写一篇答案更管用。
  • 很多表达问题在英语之前就出现了:不知道什么值得说。我把表达能力拆成四件事:判断、价值翻译、受众意识和信息压缩。

有学生投了一百份简历,拿到五个面试,却没有 offer,来找我时第一句话还是:“是不是我的简历不够好,要不要重写?”

我会先让她把申请和面试的情况讲清楚。既然已经有公司愿意面试,就不能把所有时间继续放在简历上。在哪一轮结束,问了什么,自己怎么回答,有没有收到反馈,这些更值得复盘。

同样,面试少也不一定只由简历造成。投的岗位是否匹配、公司是否还在招、毕业年份和工作授权要求是否符合、申请是否过晚,都可能影响结果。

我说的清晰认知,就是尽量准确地知道自己卡在哪里。自信则是,在了解要求、做过准备以后,敢于申请,敢于把自己会的东西讲出来。两者要一起建立:只说“相信自己”,却不去弄清问题,帮助有限;明明具备相关能力,却一直不敢争取,也很可惜。

这一章分成三部分。第一部分先诊断问题,第二部分讲简历怎样把事实变成证据,第三部分讲面试怎样把证据讲成一个别人听得懂、记得住的判断。

把近期的申请简单记下来:公司、岗位、投递日期、使用的简历版本、申请渠道、收到的反馈,以及面试停在哪一步。信息不用记得特别复杂,但要能看出你实际上经历了什么。

你看到的情况优先检查可以采取的下一步
基本没有面试邀请岗位匹配、基本资格、申请时间、渠道,以及简历能否体现相关经历选几份具体 JD 与简历一起,请了解这个方向的人判断;不要只递一张简历问“写得好吗”
能过初筛,但某类技术题反复卡住相关知识、解题过程、表达和限时表现分别如何找出具体不会的题型,练习解释思路,再做同类题检验
技术部分尚可,但经历或行为面讲不清楚是否听懂题目、例子是否合适、自己的行动与判断是否具体回到真实经历补细节,重新组织,再请别人追问
多次走到后期仍未录用岗位匹配、回答中的反复问题,以及招聘本身的变化争取反馈,比较多次表现;不要凭一次拒绝就推翻全部准备

比如两份申请都没有回复,一份是你明显不符合毕业年份的项目,一份是符合条件的岗位,它们对修改简历的参考价值就不同。再比如连续几次面试都在“解释这个项目为什么这样做”时卡住,这才是值得集中处理的重复问题。

被拒以后,可以礼貌询问 HR 或面试官是否愿意提供反馈。你可以问得具体一点:“为了以后更好地准备,您觉得我在哪方面还需要加强?”对方未必能回答,但先问,比直接假设一定没有反馈更有用。没有得到答复,就结合自己的复盘继续调整,不必反复追着一个人要结论。

先弄清自己是谁,再去找岗位的 fit

很多人的准备顺序是:看到一个 JD,研究它要什么,再努力把自己塑造成符合要求的人。每换一个岗位,就重新生成一套自我介绍、Why 和行为面答案。最后每个答案单独听都完整,放在同一个人身上却互相割裂。

我更习惯从人开始。先把过去的重要经历过一遍:你做过什么,为什么这样做,当时怎样判断,遇到什么问题,最后推动了什么。再看这些经历里反复出现的特点和选择,最后才问,面对这个岗位应该把自己的哪一面拿出来。

我有个学生同时准备 Capital One 的 Strategy Analyst 和一家保险公司的 Product Manager。回答前一个岗位时,她说自己喜欢既能参与分析,又能推动产品、看到想法落地。第二天准备 PM 面试,她却又开始从零寻找一套动机。我问她:昨天那句为什么今天消失了?在乎一件事能不能落地,本来就是她自己的职业偏好,可以连接两个不同岗位,不需要每场面试都重新创造一个人。

Behavioral 也一样。对不少 entry-level 学生来说,先整理五到八个真正有内容的故事,通常比给二三十道题各写一篇答案更有用。事实和核心判断保持一致,再根据 challenge、teamwork、leadership 或具体行业调整重点。

表达能力不只是英语

我现在会把表达能力拆成四件事:判断、价值翻译、受众意识和信息压缩。

能力需要回答的问题
判断这段经历里,什么真正有含金量,什么改变了结果,哪部分是我的贡献?
价值翻译我做的技术、分析或协调,最终帮助谁解决了什么问题?
受众意识面对 engineer、hiring manager、客户或投资人,什么信息对她最重要?
信息压缩如果面试官最后只记得一件事,我希望她记住什么?

很多学生把表达问题理解成英文不够好,其实她用中文也不知道什么最重要。另一些人做了很复杂的研究,却觉得“实验室里大家不都这么做吗”;或者只会说模型 accuracy 提高了多少,却没说它减少了什么错误、节省了谁的时间、支持了什么决定。语言可以继续练,但先要知道什么值得讲。