当我写
一本关于机器学习领域面试的书时，我经常从一个空缺的申请人那里听到一个问题：个人面试与求职人数之间的比率是多少，也就是说，最终被邀请参加办公室面试的人员中有多少人被要求在公司工作。 引起求职者和人员强烈兴趣的另一个指标是对要约的响应程度，即收到邀请在特定公司工作的人中有多少人接受了要约。
无疑，招聘专家会在每个特定的公司中记录这些统计信息，但是据我所知，没有公司在公共领域提供此类信息。 我决定根据我所知道的最大的采访采访数据集-Glassdoor粗略计算这些数字。 作为一项资源，由于以下原因，该服务远非理想：
- 没有多少人在网上发表评论
- 那些发表评论的人通常会获得极大的成功或非常消极的经历而受到鼓舞。
- 那些收到工作机会的人比没有收到工作的人更有可能留下反馈
- 接受报价的人比不接受报价的人更有可能留下评论
- 与高年级候选人相比，初中候选人更可能留下评论
不过，我希望分析的大量数据能在一定程度上弥补这些不平衡。 此外，如果所有评论都同样受到上述扭曲的影响，这将不会阻止他们了解公司之间的差异。
本文包含六个部分：
- 数据-数据集说明
- 面试结果-个人面试次数与提案数量的比率，以及对要约的回应百分比
- 选择申请人的方法-候选人以什么方式在办公室接受面试。 这些方法包括：在校园内搜索候选人，通过在线平台接受申请，根据建议进行招聘，与职业介绍所合作以及使用内部人力资源。
- 面试经验-哪些公司给求职者留下最好和最差的印象。
- 面试的难度级别是哪些公司的任务最困难。
- 关于公司的候选意见
资料
我只考虑了与编程相关的职位空缺，例如软件开发人员和数据科学家，这些职位空缺适用于老年人和大三学生（尽管后者占了大部分）。 从每个评论中提取了以下信息：
- 面试结果：无工作机会/接受工作机会/拒绝工作机会
- 难度：简易面试/中级面试/困难面试
- 经验等级：负面/中立/正面
- 描述：包括申请过程，选择过程，面试中给出的任务
如果某些评论没有提供必要的信息，我没有考虑它们。 我设法收集了与27家大公司相关的15897条评论，严格来说，与编程相关的职位每个职位的空缺数量至少为100。严格来说，候选人可以在选择的任何阶段留下反馈，但对数据的审查表明，大多数评论是在个人会议之后写的，因此在分析中，我将前提是所有评论都是如此。
下面，我根据与相关公司的访谈给出了评论总数。 显然，它与每个人雇用的程序员数量成正比。 可以预见的是，程序员最多的工作是Google，Amazon，Facebook和Microsoft。 与FAANG集团的其他代表相比，Apple和Netflix上的评论数量相对较少，原因如下：
- 苹果不是软件公司。
- Netflix实际上不是一个大公司（约有6,000名员工-相比之下，Facebook有40,000名员工）
我在这里给出了每个公司特定职位的职位审查细目。
当您查看数据集时，引起您注意的第一件事是，即使在同一家公司内，面试的评分也因职位而异。 例如，在Facebook上担任数据科学家职位的候选人中，只有25.4％的人认为采访很难，但是在那些自称是高级软件开发人员的人中，这个数字上升到36.4％。 同样，在接受高级软件开发人员职位采访的受访者中，只有51％的受访者认为该体验总体上是积极的，而在潜在的数据工程师中，有61％的受访者喜欢这一过程。
在Facebook上的各种帖子中具有积极经验并声称具有高度复杂性的申请人的百分比这些差异的原因是，不同职位的the选过程结构不同。 因此，人力资源干事通常会受到老年人的邀请，带有“冷”电子邮件，并且会与大学校园内的大三学生建立联系。 期望水平和面试过程也有所不同。 在某些公司中，为雇用任何员工制定了相同的计划-注册后将新移民分配到特定的团队。 但是在大多数情况下，允许团队自行决定如何寻找新人员，这导致了同一公司内部的广泛传播。
在继续进行下一段之前，我认为有必要警告：考虑到审核并不总是客观的，而且很杂乱。 我的结论并没有划清界限，而只是引起了对话。
面试结果
我想知道的第一件事是个人面试次数与录取人数的比率（采访的百分比，然后是工作机会，图表上的蓝色列），以及对提议的回应程度（申请人接受的工作机会的百分比，图表上的橙色列） ）：
从图中可以看出，被邀请参加Google面试的申请人中有18.83％被邀请参加工作，而被邀请者中有70％同意了。 考虑到我一开始提到的失真，应该假设实数要低得多。 通过与熟悉的招聘专业人士的对话以及一些在线资源的交流，我知道，此处给出的面试次数与要约数量的比率比实际价值要高百分之几。 例如，您可以提出
一些 指控 ，对于Google来说，它实际上占了10％到20％，对于亚马逊，它却占了20％（尽管我们不能忘记此信息的来源是Internet上的匿名信息）。 同样，90％的响应水平是完全闻所未闻的。 根据人事官员的说法，如果您已达到至少80％的申请人接受您的报价，那么您就拥有了巧克力中的一切。
互联网访问巨头（Yelp，Google，Facebook，Airbnb，Amazon等）中，采访次数与要约数量的比率最小的十家公司。 而且，他们所有人都以挑剔的雇主而闻名。 但这并不意味着高利率的公司会让所有人感到恐惧。 也许他们在选拔的初期更加严格，只邀请那些已经知道或印象深刻的人。 办公室的面试非常昂贵，因此一次面试的报价越多，人员配备的流程就越流畅。
采访数量与要约数量的比率与响应水平之间有非常强的相关性。 如果我们考虑所有27家公司，则为0.81；如果我们仅选择评论超过300条的公司（苹果，优步，亚马逊，谷歌，微软，甲骨文，Yelp，思科，IBM，Facebook），则相关性仍然更高-0.89。 通过相关性，我的意思是，随着对要约的采访百分比的增加，答复的水平也增加了。 这是合乎逻辑的：如果申请人能够闯入要求很高的公司，例如Google或Facebook，那么他们很可能还有其他诱人的选择。 如您所知，挑剔的公司还提供了有利条件-申请人可以借此加强自己在与其他对他们更具吸引力的雇主进行谈判中的地位。
选拔方法
接下来令我感兴趣的是公司从何处获得候选人。 我与之交谈的人事官员毫无例外地告诉我，这些建议非常重要。 但是它们的重要性程度因工作和公司而异。 对于高年级学生，他们决定案件的频率要比初中生高得多。 这有几个原因。 首先，初学者通常由新手开发人员推荐，他们缺乏经验可能会干扰客观评估其朋友的能力。 其次，要求老年人执行更多的组织任务，以使个人素质和适应公司文化的能力脱颖而出。
对于大三学生，应邀面试推荐的申请者比例为10％至20％； 优步在这方面领先于其他人-他们的这一数字几乎达到30％。 如果我们谈论老年人，则百分比上升。 每个公司中，Salesforce，Uber和Cisco约占30％。 如果我们认为来自建议的申请者总数明显少于其他申请者，那么很明显，公司员工的支持大大增加了机会。
公司如何找到初级求职者（建议-人力资源-代理商-在线）
公司如何找到高级候选人（建议-人员-代理机构-在线）对于初级职位，大学是招聘的主要来源。 微软和甲骨文在大学活动（招聘会和有关IT主题的演讲）中找到了一半以上的受访者。 拥有强大Internet组件的公司（Google，Facebook，Airbnb）对这种方法的依赖较少，但仍然使他们占个人访谈的20％至30％。 这意味着大型IT公司将大量的招募工作吸引来吸引一小部分受欢迎的技术大学（也称为常春藤技术联盟）的学生：斯坦福大学，加州大学伯克利分校，麻省理工学院，加州理工学院，卡内基大学，多伦多大学，滑铁卢大学）。 后来，这些大学的学生（在其中一家公司定居）将他们的同学推荐给他们的雇主，而他们的雇主又推荐其他同学。 因此，运动在一个恶性循环中继续进行，这将大型IT公司变成了常春藤技术联盟的毕业生会议。
当然，人员集中精力去寻找最有希望的资源是很合理的，但是从统计的角度来看，这极大地掩盖了那些没有从著名的技术大学毕业或者根本没有从大学毕业的申请人的前景。 如果您是其中的一员，我可以建议我自己整理一份在线投资组合，以使聘用专业人员根本无法忽略，而要等到他们开始着急为止。 在您的博客或科学文章上撰写有关技术主题的深思熟虑的帖子，参加黑客马拉松，报名参加编程竞赛，最重要的是，发布您的工作成果，以便每个人都可以了解您的表现。 人力资源管理人员从15％到25％的大三学生中手动找到，对于老年人，这个数字翻了一番。 如果您有足够的经验，但没有必要的技能/能力来吸引人事官员或可以帮您说句话的朋友的注意，则您的事情很糟糕。
作为最后的选择，请发送您的简历，并希望能取得最好的成绩。 Twitter，Amazon和Airbnb最适合尝试通过Internet与他们联系。 他们大约有一半是通过在线个人资料招募的候选人。 对于那些最有可能告诉充满希望的在线竞标者的人：“谢谢，接下来”，他们是Facebook，Microsoft和Oracle。
面试经验
每个人都抱怨选择过程存在严重缺陷。 这并不是完全正确的，至少在您认为已经收到面试邀请的申请人的情况下。 其中60％的人报告积极的经历。
采访数量与提案数量的比率（蓝色框）和正面评论的百分比（橙色列）作为一家因其销售解决方案而闻名的公司，Salesforce似乎在使价格成为申请人眼中的表现非常出色。 参加过Salesforce办公室个人会议的申请人最有可能感到满意。 在该指标中排名第一的其他公司是英特尔，Adobe和SAP。 两家公司都表示不愿意取悦他们的候选人的公司是Netflix和Snap：就他们而言，只有三分之一的申请人给出了积极的反馈。 但是，它们在评论总数中也占据了最后的位置-可能是由于采样偏差所致。
采访数量与提案数量的比率（蓝色栏）和正面评论的百分比（橙色栏）采访数量与提案数量之间的比例与积极回应的比例之间存在明显的相关性（0.75）。 如果提供工作，相对于整个过程，您更有可能感到温暖。 负面评价的百分比与对工作机会的回应程度之间也存在负相关关系。
接受报价的百分比（蓝色列）和负面评论的百分比（橙色列）申请人在面试中感觉越差，他同意为公司工作的可能性就越小。 如果提供工作的申请人将面试作为积极的经历，那么他将以高达87.5％的概率接受该提议。 如果经验是负面的，则回应率仅为33.8％。
接受正面，中性和负面反馈的提案所占的百分比。一般而言，年长者比年长者更难取悦。 老年人通常自己有进行面试的经验，因此，在这方面，雇主期望更多。 这可以解释为什么Netflix如此严重地失败。 Netflix不像其他公司那样，将团队中高级人才的数量限制在三分之一甚至更少，而Netflix只雇用他们。 他们没有实习生，甚至不考虑应届毕业生。
初级（蓝色栏）和老年人（橙色栏）的正面反馈百分比困难面试
首先，我采用了由Glassdoor系统计算出的访谈的初始复杂程度。 根据这些指标，申请人认为Google和Airbnb的面试是最困难的，而IBM的面试被认为是最简单的。
建立真正的复杂性要困难得多。 被拒绝的申请人更有可能认为接受该职位的面试很困难。 面试出价指标的比率与发现难以面试的申请人比例之间的相关性是-0.49。
采访数量与提案数量的比率（蓝色列）和将访问评分为难的评论百分比（橙色列）关于公司的候选意见
在我看来，根据所有评论为每个公司创建标签云会很有趣。 以前，我从文本中删除了名称和地理名称。 猜猜哪个词描述了哪个公司？ 这四个云属于Google，Netflix，Microsoft，Amazon（随机排列）。 答案在最后。
--
--
--
- 亚马孙
- 奈飞
- 谷歌
- 微软公司