標籤: 面談

一般人認為, 績效面談是困難的, 因為要說別人的好話容易, 說別人的缺點, 反正別人是不愛聽的, 講了也很難收效. 屬下若是人人都能反躬自省, 那就天下太平了; 不過通常都沒有這麼好的事. 基於這樣的理由, 連主管也不喜歡做績效面談這件工作. 更別說上頭如果規定 5% 要給丙等, 更是得要削足適履~~~

上了這門課之後, 我的想法得到一些啟發. 整理如下, 以便時時自我提醒:

1. 績效面談是績效考核的一部分, 面談只是確認的過程. 因此重點在於績效考核目標的設定.

2. 績效考核制度雖然重要, 但是績效考核的目標設定更是重要. 比方說, 公司的制式面談表格可能是從公司未上櫃的時候就開始用的, 經過了十多年, 已經發揮不出作用. 前一 (半) 年設定的目標, 也不是下一次考核時要檢查的項目,…等等. 所以與其等待公司改進制度, 不如實質上做好目標設定.

3. 目標設定必須符合 smart 的原則, 這句話都已經有點老生常談了. 但是基本上只有做 presentation 的時候會用到它, 平常大家是絕不理會的. 『顧客現在就要』 這句話就可以打死一切, 所以目標訂了也不見得管用, 更別說還有原則了.

不過咧, 如果只有隨機應變, 那麼人人都成了 FAE, 好像也不是件好事情 (嗯, 這樣好像是在講小 m 公司). 在可能的範圍之內, 我們還是得設定每個人該做多少事? 使得工作量大致上與工作能力平衡.  目標訂好了, 就有 review 的依據. 主管和員工算出來的目標達成率就是一樣的, 這樣面談就變得容易達成共識.

4. 評估績效的工具相當多, 多到可以組合成一個金字塔. 但不論評估工具是哪一種? 重點在於可以量化. 在我們這樣的行業, 我想軟體設計工程師可以把 code size, MHz, 開發完成時間, 認證通過時間, 後續 bug 發生的嚴重性與數目列為查核的目標.

簡易版金字塔

公司級指標 – 針對財務, 顧客, 內部流程, 學習成長	BSC KPI
部門級指標	KPI MBO
個人級指標	MBO PI JD

 

當然這裡有一個困難, 那就是合理的完成時間究竟是多少? 如果沒有一個類似的例子作為參考, 很容易淪為各說各話. 我記得多年以前, 我們還在做 OCR (optical character recognition) 的時候, 就曾經發生過手寫辨識和印刷辨識的 performance 要如何評比的問題, 究竟誰做得比較好? 老實說也真是不容易衡量.

不要講得太偏科技業, 就算是棒球選手的投手和野手的薪資要怎麼平衡, 其實都是一種藝術. 我們只能依據市場價值來決定不同工作內容的人, 各自應該擁有怎麼樣的身價？先發投手, 中繼投手, 和救援投手的價值不同, 比較起來也困難一點. 但是對於同樣是先發投手, 要評比起來就容易了. 這也就是小 leader, 或是三級主管要做的事. 工作內容差距愈大, 就愈需要高層來判斷.

5. 考核成績可能起起落落, 一時考核結果不理想沒有關係. 只要能夠讓主管和部屬充分溝通, 難用的人也可能會變得好用. 新任主管可能覺得每個人都很難用, 但是只要正確地引導, 經過一段時間, 或許可以讓原本要砍掉的人變成好用的部屬.

上課的講師提到一個觀念讓我印象深刻, 大概人資做久了, 真的會把人力當作資源, 哈! 他說, 如果新主管覺得下面的人難用, 想要全部砍掉重練他都沒有意見, 只要該位主管同意:

a. 所有的人都自己訓練, 不要動用其他人力資源來協助.

b. 整體的 performance 不能低於過去. 比方說本來的人雖然難用, 但是還有 70 分的水準, 但是砍掉重練的過程中, 分數不得低於 70 分.

難用的定義也不限於屬下能力不好, 比方說新任主管是從一般員工中提拔的, 過去的同事變成了部屬, 這些老同事如果要挑戰主管的行為, 就符合砍掉的條件. 我記得前幾期 Cheers 雜誌說, 日本人在這方面是自助式的, 如果兩個人競爭同一個職位,  A 升官了, B 就會自動請辭. 在杜拉拉升職記裡面也有這樣的橋段, 不過結果是搗蛋的 B 被慰留, 但是調到別的單位去了.

6. 如果新任主管難以適應主管的工作, 講師的建議是想辦法讓他 (她) 撐過去, 不會考慮讓對方降回原職, 這樣對於提拔該主管的高層, 以及升官的新主管都比較好. 對於團隊來說, 或許也沒有比較壞, 因為主管和部屬有時候利益是對立的, 換了誰去做壞人, 其實差不了多少. 重點是這些被升任的人, 至少要有足夠的條件與歷練. 否則就會連誰好誰差都看不出來~~~

—

這門課的學員裡面有一大部分都是人資, 我很納悶別的公司是如何打考績的? 人資要怎麼樣評比大家專業的高下啊? 如果她們 (大多是女性) 不是來學如何打考績? 或許是在學如何改善公司的考核制度吧? 我以前在工研院, 考核是依據先前訂下的年度目標, 聽說 Google 的考核是看 KPI. 螃蟹公司的考核嘛, 其實只有做到談薪水和獎金, 應該還有改進的空間. 我想可以把沒啥意義的工作能力/態度/ 績效等第表拿掉, 把工作目標的達成率放在考核表的第一頁.

 

最近有同仁要去大陸招募新人, 我又可以把我的陳年舊檔拿出來轉寄分享啦! 拿掉一些主觀的看法後, 應該可以提供給一般人參考.

[看履歷表心得]

學生身份
1	定向, 不定向, 委培	這個牽涉到學生的程度, 同樣一個校系的同學程度差別很大. 一般當然是不定向比較好. 參考網址: http://kaoyan.sooxue.com/kychsh/200607/27509.html
2	民族	少數民族也有加分. 參考網址: http://www.szed.com/szsb/20060315/ca2221433.htm
3	省籍	本省人考本省的學校, 錄取分數較低. 如果從外地考上清大, 那應該就是很厲害了.
高考成績
1	錄取線 (分數線)	超過錄取線才能上榜, 等於是最低錄取分數 省有省的錄取線, 校有校的錄取線, 系有系的錄取線. 有些系的錄取線較高, 就是熱門科系. 低於錄取線也有可能被錄取, 他們會收在另外一班, 以賺錢為目的.
2	資優班	許多大學設有資優班, 資優班每年淘汰一些人, 他們就必須要選系. 若是可以在資優班撐下去, 好像到大三才需要選系.
在校成績
1	獎學金	有獎學金的當然比較厲害. 一般來說有特等獎, 一等獎, 二等獎, 三等獎. 特等獎等於我們的書卷獎, 一等獎大概前 5 名, 二等獎大概前 10 名, 三等獎大概前 20 名.
2	稱號	如果看到優秀畢業生稱號, 那表示成績不錯. (學) 院優秀畢業生稱號就是全學院成績較高的, 依以類推.
3	三好學生	三好表示思想好, 學習好、身體好. 思想好大概都是共青團團員. 一般成績好才能入黨.
4	單項獎學金	包括各種名目的獎學金, 進步獎, 優秀幹部獎等等.
5	假學歷	因為假學歷也很多, 可以稍微驗證一下他的同學有那些? 當然, 實際問幾個問題是最準的.

這個演算法的故事背景聽起來就比推銷員演算法 (traveling salesman) 有趣多了. 傻傻的推銷員只會走來走去, 秘書演算法卻可以讓大家過老闆的癮呢! 可惜我以前念書的時候, 只有推銷員問題, 老師或書本上都沒有祕書問題. 上次看到有位小朋友研究這個問題得了獎, 因此我才有機會試著了解一下! (這位小朋友研究的是: 有競爭者的時候, 應該錄取第幾位秘書.)

假設有一個大老闆在挑選秘書, 又有很多的準秘書來應徵, 老闆如何在最短的時間內, 挑到最好的人才呢? 這就是秘書演算法討論的問題. 如果真的把每一位秘書都 interview 過一輪, 而且大家都願意等 offer (這是 off-line algorithm), 我們當然 100% 會挑到最好的, 但若是時間有限, 好秘書不等人, 我們怎樣在 95% 信心度之下, 挑出最好的那一位, 又不用面試完所有的人呢? (這樣好像在解計量考題…)

只選一位秘書的狀況下, 假使我們從 n 位應徵者中, 隨機面談了 k 位,  k = 1,2,3…, 每面談一位, 老闆就要決定是否發 offer. 此時大家應該可以感受, 發 offer 與不發都需要智慧. 因為 offer 發出去就沒有了, 一不小心就錯過了最好的那位候選人 (這是 on-line algorithm).

on-line performance 對 off-line performance 的比值叫做 competitive ratio, 用來評估演算法好不好.有個 1/3 – competitive ratio 的演算法可以改進上面的狀況. 我們先從 n 位應徵者中面談一半的人, 然後挑出裡面最好的那一個, 假設他 (她) 的面談分數是 max v 分. 然後呢, 對於後一半的應徵者, 只要分數高過於 max v 分, 馬上就錄取他 (她), 後面的人就完全不用考慮了.

如果有 k 個 offer 要發, 我們優化的目標就變成有多樣選擇: (1) 在最少的面談次數找到最佳候選人, (2) 最小化 k 個錄取者的排名總和, (3) 最大化 k 個錄取者的評分總和. 因為要挑到最好的人的機率 (probability), 以及選擇最少的面談次數, 兩者是互斥的.

要從 n 個應徵者當中挑出 k 個人進公司時, 可以從 n 當中隨機挑出約一半的 m 個人, 並且發出 k 個名額當中約一半的 l 個 offer. 因此, n 選 k 的問題就縮減成了 m 選 l 的問題.

由第 m+1 個人開始, 如果這個人比我們已經發出 offer 的人都還要高分, 我們就錄取他/她. 不知道理解得對不對, 這個演算法是 divide and conquer. 據說這個演算法的 competitive ratio 為 1-O((1/k)^1/2). 

1966 年, Chow 等人證明在應徵者無限多, 只發一個 offer 時, 理論上選第 3.8695 的人最好, 也就是錄取第四個人吧! (我理解錯了的話, 還請網友糾正, 謝謝!)

我以前的老闆跟我說: “你面談的時候, 至少要談 3 個人才能能發 offer." 所以經驗法則和上面的證明也差不了多少. 事實上, 如果是以前熱門的國防役, 大概要談 10 個人才會錄取一個人. 2004 年, 我手上有 4 個國防役名額的時候, 就花了好多的時間在面談. 後來更是發了幾十個 offer 給軟體和韌體工程師, 一整年幾乎都荒廢了.

附帶一提, 數學上講究的是最佳化, 也就是談最少的人, 達到最滿意的結果. 然而, 在現實生活中, 考慮的層面就不是這麼單純, 我們不需要最佳化面談的時間, 因為人才是公司最重要的資產. 如果只是為了省主管的時間,  而找到次佳的人進來, 若他/她已經落入不佳的等級, 可能是公司莫大的災難.

K 個 offer (choice) 這個題目好像很多人都做過研究了, 我覺得考慮競爭者 (別的公司也在面談) 和錄取者彼此互補性都是很有趣的題目. 比方說, 過去的研究都是假設每個人只有一分數, 但若是錄取 A,B,C 3 人, A 的表現會受 B,C 的影響, 那麼這樣會更加地有趣.

在 “小職員週記" 這套漫畫裡提到, 其實公司會交替地錄用聰明的人, 踏實的人等等. 因為新人進來一陣子之後就會看到他/她們的缺點, 因此會想要找一點不同的人來彌補那些缺點. 所以這個命題也並非無的放矢, 我們在真實世界的面談分數也是隨者資深者已經有幾人, 無經驗者可以有幾人而變動的.

 [Ref] http://paul.rutgers.edu/~mangesh/cs514/notes/pres8.pdf