前言
组织的核心是人才, 任何一个组织发展都离不开对人才的渴求, 作为一个组织的领导者, 一个团队 TL, 如何去识别和发现人才在有些人眼里可能是一种玄学, 但在我看来, 识人之明是有迹可循的, 是一种客观评价加主观直觉的综合判断.
所谓识人即要看清楚一个人的当下与未来的可能性, 就是通常说的能力与潜力.
正文
数值化识人优劣
小时候玩<<三国霸王大陆>>, 里面每个武将, 每个谋士都是数据化的, 比如诸葛亮智力 99, 吕布武力 99, 我记得那时候和几个同学一起玩, 大家上来就抢荆州等着 194年诸葛亮出世, (知道这个游戏的, 你就暴露年龄了😀), 这一幕是不是特别熟悉?
当我们拿到简历, 学历, 大厂背景, 开源项目, 影响力, 技术能力, 工程能力, 专业能力, 编程...从筛选到面试, 其实我们何尝不是在数值化一个人, 记得 2年前, 我还特意写了一篇文章讲如何在面试过程中将候选人模型化. 这种数值化识人的方式可以说是大势所趋, 是主流方法, 并且相对误差较小, 就好比我只要招到诸葛亮, 招到吕布然后组个团队, 在和其他武将谋士组成的团队 PK, 胜算就要大很多. 但现实毕竟不是游戏, 因为游戏是相对公平的, 但现实不是.
数值化识人的方法对于拥有绝对资源的大型企业来说是高效率快速招揽和收拢人才的不二法门. 在这方面, 中小型企业很难形成竞争优势, 如果你是一个大厂的 TL, 你自然不担心没有好的简历, 你只会为简历太多, 不知道如何挑更好的而发愁.
但现实最魔幻的一点不仅在于资源差距导致的不公平, 更在于没有什么事情是绝对的, 如果没有刘备三顾茅庐, 诸葛亮如何证明自己智力 99? 没有董卓对吕布的偏爱, 吕奉先又如何证明自己武力 99, 要知道在他们出世之前其实名气并不大. 如果说数值化识人是正法, 是主流, 是用人的基本原则. 但这种方法对于缺乏资源的中小型企业来说很难招揽到优秀的人才, 大概率也只能挑剩下的.
但有时候剩下的未必没有好的.
识人当不拘一格
事实上, 在杭州这样的城市, 无论是面试官, 招聘者嘴上时长都会冒出这么一个词, 对标阿里 p几, 这种对标其实就是一种低成本的数值化识人方法, 但是就像创业一样, 如果你抄大公司的模式, 你肯定迟早得玩完, 识人用人也是同理, 除了常规操作, 有时候就得不拘一格, 和大型企业不同, 中小型企业的团队规模通常有限, 就那前端来说可能就 5个左右, 甚至更少, 如果你是个接受过专业培训, 脑子里已经建好模型数值的 TL, 在杭州这样的地方你会发现招人很难, 甚至根本招不到人, 因为你拿不出任何有吸引力的条件去吸引那些有机会去大厂的候选人.
这时候你可以尝试不拘一格, 何为不拘一格? 就是好比有个候选人, 聊完都不错, 然后就是学历不行或者没有大厂背景之类, 又或者没有和当前业务相匹配的经验. 比如你们是搞 React 的 他只懂 Vue, 又或者从来没用过 Webpack, 没用过 git, 所有这些知道与不知道, 做过与没做过, 待过与没待过的条件都是 "格"
我们通过 "格" 可以客观的将一个人的能力数值化, 比如 React, 熟练 25, 精通 50, 专家级 75, 权威 99. 其他诸如此类. 不拘一格就是不拘泥于任何一个 "格"
如果你这么做了, 你会发现简历变成了白纸, 你将看不到任何能够数值化或者评价候选人能力的东西, 可能有人会说, 那不是全靠拍脑袋, 面试不成了玄学了么?
打破静态的 "格", 动态的看待一个人
诸葛亮也不是生下来智力 99, 他的能力也是通过不断的实践成长起来的, 同样吕布的武力也是练出来的, 我们现在所做的数值化, 所设置的格, 本质都是一个人的当下, 是静态的, 这种基于静态的识人方法简单有效, 但我认为这种方法并不是一个团队领导者应该修炼的能力, 因为通过大数据, 通过一个人的过往经历, 通过他给出的问题的答案都可以用来数值化一个人, 我相信未来会有 AI 代替你去做这件事, 而且做得会比你更好, 更准确.
那应该如何动态的去看待一个人, 或者说如何识别那些有潜力但是当下却没有表现出来的候选人?
一个人的思维深度
一棵树要长得高, 根就要扎得深, 要长得广, 从树苗到参天大树, 这是一个持续稳定的过程, 我们经常说十年树木百年树人, 话虽如此但人与树的差别却又是极大, 一篇森林里的参天大树可能数不尽数, 但是一群人里的那个参天大树却少之又少, 这是为什么?
因为树从来不会迷茫, 从种子到参天大树的过程是非常稳定的, 只要不受外力干扰, 它就能越长越高, 越长越大, 树与树之间因为彼此对阳光的竞争更加剧了这一个过程, 但结果依然是良性的, 整个森林都变高了.
而人呢? 七情六欲, 大城市的灯红酒绿纸醉金迷, 每个人的性格喜好成长环境, 周围人的选择构成了一张极其复杂的因果关系网, 在这样一张网里, 人很容易迷失自己, 这种迷失就好像一棵树不知道该怎么输送养分, 往哪输送, 类比到我们这一行, 就像我们常说的全栈, 技术广度, 在浩瀚的前端知识里, 初学者非常容易迷失, 这也觉得好, 那也觉得好, 一会 React 一会 Vue, 一会 Webpack , 一会 Snowpack, babel 看看 node 玩玩, 搞搞微服务, 弄弄 k8s, 顺手再翻一番 <<http 权威指南>>, 不知不觉一年两年就过去了, 长成参天大树了么? 并没有, 大多数人在前端领域的知识迷途中把自己搞成了一颗 灌木丛 分叉多的数不清, 却没有一根分叉是粗壮的, 高大的, 因为无法争夺阳光资源, 只好把自己的根也弄得细细小小, 免得因为缺水而亡.
所以树有森林, 人没有人林, 现实是大多数人变成了灌木丛, 而少数人成了参天大树. 替这些灌木丛遮风挡雨, 遮挡烈日的同时也把养分吸走了.
那些成为参天大树的人和变成灌木丛的人有什么不同?
其实并没什么不同, 既没有智力差异也没有情商区别, 唯一的不同就是他们有自己的 主干, 而那些灌木丛没有.
这个 主干 就是一个人的思维深度. 如果你切开树的主干, 会发现一圈一圈的年轮, 年轮越往里越小, 越往外越大, 就好像我们程序员, 学的那些计算机基础课程, 操作系统, 数据结构和算法等等.. 都是几十年不变的知识, 其实范围很小, 就像最核心的年轮, 而我们作为前端工程师接触到的东西, React Vue, Webpack, Nodejs 等等各种技术栈就是最外圈的年轮, 内容繁杂, 而 ECMAScript 规范, W3C 规范, V8, 浏览器运行环境, Babel 编译器等等就像是中间的年轮, 相对稳定且复杂.
然后你会发现, 灌木丛 们的特征是, 这些东西他也都学过, 也都知道, 但还是分叉了, 在他们的概念里, Nodejs 就是 Nodejs 和数据结构有啥关系? 和操作系统的联系是什么? React 就是 React, 所有的学过的只是, 了解过的概念在脑子里都是孤立的, 没有任何联系的存在
就像你们最爱看的面经一样, 每一条都不长, 连起来就是记不住 😀
所以参天大树和灌木丛本质的区别其实就一条, 也是非常核心的一条
参天大树知道自己的主干, 他们会持续的稳定的将学习过来的知识, 实践得到的经验在不同的年轮中建立联系, 让自己的主干生长, 以强壮的主干去争夺那顶上的太阳
所以不拘一格的发现人才, 其实就是要在这个人还是树苗的时候, 看出他有成为参天大树的潜质, 因为主干的生长需要巨量的养分, 不是刷一刷题, 看看面经就能速成的, 这种思维深度的提升, 是需要日积月累的持续稳定的思考和实践才能得到的.
通常这种不拘一格往往都是针对那些转行的人, 没有经验的人, 学历不咋地的人, 当我们不去关注他的年龄, 他的背景, 我们眼里就不会有各种条条框框, 你只需要看一点.
他有没有将学过的知识和过往经验之间建立联系的能力, 有没有持续稳定输出的能力, 而这种能力就是一个人成长为参天大树的潜力.
后话
这里附上一个提问的技巧来帮助发掘这种能力, 一个是必须有核心年轮的认知, 即计算机基础学科的认知, 不然就是空心树了, 脆得很, 其次他你可以问一些问题, 或者引导他让他思考常规的那些前端人人都知道的东西和核心年轮知识之间到底有什么联系
比如我经常会问这个问题
- const var let 声明方式的区别 (最外层年轮, 是否用过, 了解语法)
- 有了 var 为什么 es6 规范要增加 const 和 let(中间年轮, 从使用联系到语法规范的理解)
- babel 如何处理这些关键字, 编译的流程是这样的(考察是否了解 AST)
- AST 是什么数据结构, 这种数据结构有哪些基本特征, 如何遍历(考察 树的基本了解)
- 通常在前端开发工作中有什么场景能使用树解决问题? 通常是什么类型的问题(反向考察使用数据结构解决实际业务问题的能力)
这种提问方式其实就是个套路, 无论候选人擅长什么我总能问到核心年轮上去, 因为这是我考察一个前端工程师潜力的方式.
对于一个组织来说, 需要有"格"的人解决当下的问题, 但更需要有潜力的人, 因为他们才是这个组织的未来. 也因为他们, 这个组织才会有更多的可能性.
