80% 的公司在招聘时都忽略的一个细节

本文分享了作者在面试过程中的亲身经历及感悟,强调了给予应聘者明确反馈的重要性,不仅体现了对面试者的尊重,也是企业良好形象的体现。

阅读本文大概需要 2.33 分钟。

新的一年开始了,估计很多人开始蠢蠢欲动了,不少人想着换工作,每年春节过后也是跳槽的高峰期,然而在应聘的过程中,总会有这么一个场景:

你通过层层简历的筛选,得到去感兴趣的公司的面试机会,经过几轮笔试、面试之后,最后结束的时候 HR 告诉你这么一句话:我们会综合评估下,请先回去等通知。然后等你回去之后就没有然后了,再也没有任何下文了。

我自己在刚毕业那会有亲身经历,我在找工作的时候去面试,面试了好多公司,关键是有好几家自我感觉很好,面试过程中很顺利,我甚至一度以为可以拿到 offer,然后结束的时候 HR 同样的话语,说让我回去等通知。那个时候很单纯,回去之后天天盼着反馈消息,清楚的记得有一家大公司说一周之内会有答复,我真的傻傻的等了一周,在那一周的时间没有投递任何简历,然而,结果如大家所知,最后都杳无音信,没有任何回复,那种感觉真的糟透了。

如果说我的简历没有被筛选上,投递的简历杳无音信都还可以接受,关键是我经过一系列的面试,最后连个明确的回复都没有,我真的无法理解,哪怕是真的不合适,明确的拒绝总比没有任何消息要好很多。可能很多企业认为不给回复,就是默认拒绝了,但是我认为这种体验太特么差了,对面试者也是极大的不尊重,甚至有损一个企业的形象。

可惜的是,如今,这个现象依然存在,依然有不少公司同样的流程,丝毫没有认识到这个细节的重要性。

有人可能认为不就是一封邮件么?不回复不就是代表拒绝了么。

然而就是这么一个细节,很可能就会改变一个人对这家企业的看法,如果面试成功还好,面试失败了企业再也记不住这位应聘者了,但是应聘者会牢牢记住这家企业。出于种种原因,比如当时可能经验不足,或者能力不够,面试失败不代表应聘者不是人才,现在不行也不代表以后不行,很可能三年之后这位应聘者就需要企业花大价钱才能挖过来的人才,但是连花两分钟的时间,给个简单的答复都不肯,任谁都会对这家企业的好感度下降。

是的,以我的经验,面试一个人很可能花费几个小时,甚至几天,但是一封答复邮件最多只需要两分钟,这绝对不是忙不过来,这根本就是态度问题。

我这几年大大小小也面试了有几百人,正是因为有自己的亲身感受,所以我在面试的每位同学都要求我们 HR 一定要给出明确反馈,不管录用与否,而且一定要尽快,基本上都会在第二天就会给出答复。不仅如此,在面试的过程中如果可以当场给出结论的,都会当场直接沟通,当场发放 offer 还好,如果已经判断不合适了,通常也会当场给出结论,这就是一次坦诚的沟通,令我惊讶的是,即使是当场拒绝,很多人都欣然接受,没有任何不愉快,拒绝的时候我顺便还会说明一些原因,让应聘者也能清楚意识到自身的不足,如果可以还会给出点建设性的意见,我想这对于他下次面试会有不少好处的。

如果碰到合适的时间,比如不打扰其他同事工作的时候,我还会顺便邀请应聘者来公司转一圈,了解下我们的工作环境与氛围,是的,即使明确拒绝了,只要方便,依然会邀请参观下,当然一定是应聘者自己愿意的前提。因为我觉得大老远面试一次不容易,即使现在成不了同事,依然可以成为朋友,而且以后很可能还有机会成为同事。我公号读者中应该有不少来我司面试过的,有些还不止来面试过一次,以上这些细节我想都有体会到。

其实有时候,别人对一家企业有好感,并不是这家企业做的多么优秀,可能只是别人做的太差了而已。

最后,我写这篇文章的目的,是想在这里呼吁下,如果你是一家公司的面试官,或者是一家公司有话语权的员工,麻烦告知下你们的 HR,对于每一位来公司的应聘者,请务必明确给出面试回复,越快越好,哪怕是回复的邮件是拒绝,也比杳无音信让面试者苦苦等待好的多的多,这是对面试者最起码的尊重,同时也是企业形象最好的宣传!



推荐阅读:

这个项目碉堡了

2017 年的第一课「如何提高自己的阅读能力?」

我的 2016


「其实,我在扯淡。」

640?

0


公号赞助商:

优秀人才不缺工作机会,只缺适合自己的好机会。但是他们往往没有精力从海量机会中找到最适合的那个。

100offer 会对平台上的人才和企业进行严格筛选,让「最好的人才」和「最好的公司」相遇。

扫描下方二维码,注册 100offer,谈谈你对下一份工作的期待。一周内,收到 5-10 个满足你要求的好机会!


0?wx_fmt=png

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值