笔记:猎头如何在一周之内“摸清”一个行业

文章目录

    • 猎头告诉你:如何在一周内摸清一个行业?
      • 1. 圈定对应行业,或拓展至相关行业
      • 2.确定行业内 TOP5 或 TOP10 企业名单,并关注名单排序的标准,及近几年排名变化。
      • 3.锁定所列企业组织架构中的对应岗位的目标人选,通过各种渠道接触到目标人选

猎头告诉你:如何在一周内摸清一个行业?

原文链接 2017-09-18 17:56

通常,从猎头接到一个新的职位委托到推荐第一批匹配人选给客户所需时间为 7 - 10 天,这就要求做单的猎头顾问,在一周之内摸清一个或两三个行业,挖掘客户需要的人才并对其进行综合评价。

每个行业都包含了多个维度的内容:如行业历史、现状及未来、市场容量、消费规模、与经济、政治的相互影响方式和程度、行业内企业的生存状况、行业人才的分布及动态等等。

当我们需要短期内摸清某一行业时,都是基于当前工作的实际需求来进行的。因此,下文主要是从一个猎头的角度来说明如何做到一周内摸清一个行业。

猎头的工作流程一般如下:

客户提出招聘需求 -> 猎头进行职位分析 -> 确定匹配人才来源(行业/企业) -> 设定人才搜寻计划(即如何接触到目标人选) -> 评估潜在人选 -> 推荐匹配人选面试 -> … -> 合格人选入职

对于今天这个话题,我们只要讨论到猎头工作的“与目标人选沟通”这一环节就可以了,其实现的整体思路和操作可简述如下:

1. 圈定对应行业,或拓展至相关行业

  • 客户提供行业基本信息,如竞争对手
  • 咨询相关行业内朋友
  • 通过互联网、行业杂志、产业报告等,了解行业上下游企业的产品/服务/业务模式等

2.确定行业内 TOP5 或 TOP10 企业名单,并关注名单排序的标准,及近几年排名变化。

  • 咨询行业内朋友
  • 参考每年的 Fortune Top 500
  • 可适当拓展了解近 3 - 5 年排名变化情况
  • 通过互联网、行业协会、上市公司信息披露等渠道查询企业排名(如销售额、增长率、零售终端数等),同时关注企业的战略调整、市场布局、新产品发布、收并购信息等
  • 查阅 PE/VC、证券等金融机构的行业/企业分析、案例分析、产品分析、行业预测等报告

3.锁定所列企业组织架构中的对应岗位的目标人选,通过各种渠道接触到目标人选

  • 联系/咨询行业/企业内的朋友,或朋友的朋友;(人脉资源)
  • 搜索猎头公司自身数据库人才资源
  • 第三方人才库资源(如 linkedin、微博等)
  • Cold Call (陌生电话)

重点

  1. 联系到的每一个人,都详细沟通,最大限度地通过这些人挖掘其所属企业、竞争对手的具体岗位/员工/业务/产品/服务等的数据和信息;

  2. 及时转化吸收所得信息,并用于此后所联系到的人,同时相互印证这些信息的准确度、可靠性。

当做到第 2 点的时候,其实已经可以了解到一个行业的 70 - 80% (笔者凭经验估计)甚至更多,而大多数人可能会觉得第 3 点的实现有些困难,其实情况并没有你想象得糟。

因为你有很多的朋友,而你的朋友又有很多朋友,更别说“六度分割理论”带给你的无限人脉资源,只要你想挖掘,你现有的人脉资源带给你的信息就能使你在已有的 70 - 80% 的基础上增加 10 - 20% ,保守地说,这个时候你已经是这个行业的半个专家了。
(以下略去…)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/480752.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

深入解析GBDT二分类算法(附代码实现)

目录: GBDT分类算法简介 GBDT二分类算法 2.1 逻辑回归的对数损失函数 2.2 GBDT二分类原理 GBDT二分类算法实例 手撕GBDT二分类算法 4.1 用Python3实现GBDT二分类算法 4.2 用sklearn实现GBDT二分类算法 GBDT分类任务常见的损失函数 总结 Reference 本文的主要…

论文浅尝 | 动态词嵌入

Citation: Bamler R, Mandt S. Dynamic word embeddings.InInternational Conference on Machine Learning 2017 Jul 17 (pp. 380-389).URL:http://proceedings.mlr.press/v70/bamler17a/bamler17a.pdf动机语言随着时间在不断演化,词语的意思也由于文化的…

滴滴 KDD 2018 论文详解:基于强化学习技术的智能派单模型

国际数据挖掘领域的顶级会议 KDD 2018 在伦敦举行,今年 KDD 吸引了全球范围内共 1480 篇论文投递,共收录 293 篇,录取率不足 20%。其中滴滴共有四篇论文入选 KDD 2018,涵盖 ETA 预测 (预估到达时间) 、智能派单、大规模车流管理等…

Keyword-BERT——问答系统中语义匹配的杀手锏

引子 问&答 是人和人之间非常重要的沟通方式,其关键在于:我们要理解对方的问题,并给出他想要的答案。设想这样一个场景,当你的女朋友or老婆大人在七夕前一晚,含情脉脉地跟你说 亲爱的,七夕快到了&…

阿里P8架构师谈:Docker简介、组成架构、使用步骤、以及生态产品

Docker简介 Docker是DotCloud开源的、可以将任何应用包装在Linux container中运行的工具。 Docker基于Go语言开发,代码托管在Github上,目前超过10000次commit。 基于Docker的沙箱环境可以实现轻型隔离,多个容器间不会相互影响;D…

翻译:Docker方式安装redmine

原文见: https://docs.docker.com/samples/library/redmine/ 简单翻译整理。 文章目录1. 用SQLite3运行Redmine2. 使用数据库容器运行Redmine2.1. 启动数据库容器2.2. 启动redmine3. 通过docker stack deploy或docker-compose方式运行4. 访问应用程序4.1. 存储数据的…

研讨会 | 知识图谱前沿技术课程暨学术研讨会(武汉大学站)

知识图谱作为大数据时代重要的知识表示方式之一,已经成为人工智能领域的一个重要支撑。4月28日,“武汉大学信息集成与应用实验室”与“复旦大学知识工场实验室”联合举办“知识图谱前沿技术课程暨学术研讨会”,将结合知识图谱学界研究与业界应…

LayerNorm是Transformer的最优解吗?

本文转载自公众号“夕小瑶的卖萌屋”,专业带逛互联网算法圈的神操作 -----》我是传送门 关注后,回复以下口令: 回复【789】 :领取深度学习全栈手册(含NLP、CV海量综述、必刷论文解读) 回复【入群】&#xf…

观点 | 滴滴 AI Labs 负责人叶杰平教授:深度强化学习在滴滴的探索与实践+关于滴滴智能调度的分析和思考+滴滴派单和Uber派单对比

AI 科技评论按:7 月 29 日,YOCSEF TDS《深度强化学习的理论、算法与应用》专题探索报告会于中科院自动化所成功举办,本文为报告会第一场演讲,讲者为滴滴副总裁、AI Labs 负责人叶杰平教授,演讲题为「深度强化学习在滴滴…

笔记:企业内部因素评价

目录企业内部因素评价方法:IFE矩阵IFE矩阵介绍分析评价步骤影响企业关键内部因素选择企业内部控制应用指引列出的控制方面参考企业内部因素评价方法:IFE矩阵 对内部因素进行分析的工具,是内部因素评价矩阵(Internal Factor Evalu…

消息中间件系列(二):Kafka的原理、基础架构、以及使用场景

一:Kafka简介 Apache Kafka是分布式发布-订阅消息系统,在 kafka官网上对 kafka 的定义:一个分布式发布-订阅消息传递系统。 它最初由LinkedIn公司开发,Linkedin于2010年贡献给了Apache基金会并成为顶级开源项目。Kafka是一种快速、…

丁力 | cnSchema:中⽂知识图谱的普通话

本文转载自公众号:大数据创新学习中心。3月10日下午,复旦大学知识工场联手北京理工大学大数据创新学习中心举办的“知识图谱前沿技术课程暨学术研讨会”上,OpenKG联合发起⼈、海知智能CTO丁力博士分享了以“cnSchema:中⽂知识图谱…

详解ERNIE-Baidu进化史及应用场景

一只小狐狸带你解锁 炼丹术&NLP 秘籍Ernie 1.0ERNIE: Enhanced Representation through Knowledge Integration 是百度在2019年4月的时候,基于BERT模型,做的进一步的优化,在中文的NLP任务上得到了state-of-the-art的结果。它主要的改进是…

解读 | 滴滴主题研究计划:机器学习专题+

解读 | 滴滴主题研究计划:机器学习专题(上篇) 解读 | 滴滴主题研究计划:机器学习专题(上篇) 2018年7月31日 管理员 微信分享 复制页面地址复制成功滴滴主题研究计划 滴滴希望通过开放业务场景,与…

笔记:seafile 7.x 安装和部署摘要

文章目录1. 安装1.1. 注意事项1.2. 企业微信集成并支持自建第三方应用配置1.3. 内置 Office 文件预览配置1.3.1. 安装 Libreoffice 和 UNO 库2. 主要功能2.1. 服务器个性化配置2.2. 管理员面板2.3. seafile 命令行使用教程2.3.1. ubuntu安装2.3.2. init 初始化seafile配置文件夹…

文章合集

Hi 大家好,我是陈睿|mikechen,这是优知学院的所有文章集合,专门整理这个页面,希望会对大家在浏览感兴趣文章的时候,能有更好的帮助! 这些文章的呈现,并不是按照时间轴来排序,无论是新旧文章&…

领域应用 | 阿里发布藏经阁计划,打造 AI 落地最强知识引擎

如果没有知识引擎,人工智能将会怎样?知识引擎可以把数据加工成信息,信息和现有的知识通过推理能够获得新的知识,从而形成庞大的知识网络,像大脑一样支持各种决策。你与智能音箱进行对话,背后就是基于知识引…

ACL2020 | FastBERT:放飞BERT的推理速度

FastBERT 自从BERT问世以来,大多数NLP任务的效果都有了一次质的飞跃。BERT Large在GLUE test上甚至提升了7个点之多。但BERT同时也开启了模型的“做大做深”之路,普通玩家根本训不起,高端玩家虽然训得起但也不一定用得起。 所以BERT之后的发展…

笔记:awesome-chatops摘要

英文原文见awesome-chatops ChatOps是一种协作模型,促进将人员、流程、工具和自动化软件连接到透明的工作流程(会话驱动的开发)中。它允许任务自动化和协作,促使团队保持透明,以更好、更便宜和更快的方式工作。 相关…

2017年双十一最全面的大数据分析报告在此!+2018年双十一已经开始,厚昌竞价托管教你如何应对流量流失?+2019年双十一大战一触即发:阿里、京东都有哪些套路和玩法

首先说一个众所周知的数据:2017年双十一天猫成交额1682亿。 所以今天,从三个角度带你一起去探索1682亿背后的秘密: 1、全网热度分析:双十一活动在全网的热度变化趋势、关注来源、媒体来源以及关联词分析。 2、各平台对比分析&…