国企、私企选人标准的不同点

有软件技术领域的问题,欢迎私信交流!

有个同学是西南某省人,双非学校硕士毕业,老家经济发展一般,虽然想回老家,但找工作时却基本没报希望,没想到眼瞅着春招都快结束了,却收到了家乡省会的一家城商行的金融科技岗,跟手里那些中小型私企软件开发的岗位相比简直是意外之喜。他打听了一下,今年单位只招几十个应届生,自己能排在里面非常意外。

他担心有什么坑,来找我聊,我就给他解释了一番国企选人的标准,才让他把心放回肚子里。

过去一年我碰到过几个这样的例子,样本量不大,但也有很强的说明性,学校学历、实践能力方面相比其它学生没有竞争优势的情况下,拿到了不错的国企offer。

这里有一个很重要的原因就是,国企选人看的维度比较多,除了专业能力之外,学校学历、是否本省或本地人、沟通能力、自信心、形象气质等都会看。

这也为什么我会建议那些专业能力普通但学校学历不错的同学,更容易利用自己专业能力以外的优势来拿到offer。

很多国企在招聘时只指明是软件方向的信息科技岗,对于更具体的岗位并不做说明,进入单位之后也是先培训,介绍下各部门,再根据应届生的表现进行双选,对专业技能的要求没有私企那么执着。

说到底,对大部分国企来说,软件类岗位只存在于后台支撑部门,不像业务部门那样去卷营收,也不像私企那样拼命干活,尤其垄断企业躺在牌照上面赚钱,最多卷一卷形式主义的面子工程。

比如像银行、运营这两类接收信息科技岗最多的单位,它们的省分、市分的信息科技部门连研发团队都没有,员工平时的工作只是调研需求、立项、招投标、项目管理、写汇报材料,都是在搞管理工作,沟通、协同、汇报、写材料、理解领导想法、协调各部门做事,对专业能力的需求当然没有那么高。

相比之下,私企就是“以岗定人”,死卷专业能力了。

启动校招之前,私企都会先统计各部门对每个岗位的预算HC,多少Java、多少前端、多少算法、多少数据,然后分门别类地写JD,发布到各个招聘渠道中。学生投简历地时候也是要选择明确地方向。

等到面试时,除了基本的八股、综合素质的考察之外,那些由一线技术骨干组成的面试官们也会重点考察应届生的实践能力,比如,有没有做过大型项目,做项目时对技术原理是否关注,一些细节问题有没有注意到,常见的工程方法是否了解等等。

过去几年大厂基本都设置了比较高的招聘门槛,比如,只要TopN学校的毕业生、硕士起步等,主要是因为市场上供给远大于需求,收到的简历太多,如果全部面试需要花费大量的面试成本,设置门槛也仅是做一轮筛选减少面试官的投入量而已。私企真正在乎的永远是能不能干活、人是否聪明等因素,最好进入公司之后不用培训就立马能干项目,潜力特别高,一年一晋升那种,部门老板才会特别有面子。

换句话说,如果一个人的实践能力特别优秀,是能弥补学校学历等其它方面的劣势的,我就见过几个性格特别闷,坐在那里一天没有几句话的人,但干活时手速很快,出活效率高,绩效也很不错,是大家眼里那种“能解决问题的人”。至于是哪里人、长得是否磕碜,这些都不重要,只要别吓到合作方就行了。

说到底,私企招聘软件技术人员进去是要干活做项目的,战斗力必然是放在第一位的,招进来一个干活拉跨的员工,团队里面每个人都会不爽,这个人也是生存不下去的。

以上是逻辑推演,但世上没有放之四海皆准的道理,跟事实肯定会有差距。比如:

有的同学实践能力很优秀,实习过好几家第二梯队的互联网公司,但秋招就是进不了一线大厂,无他,学校学历弱,被终面一票否决了。

有同学靠着不错的学校学历卷进了某大行的市分行,但一毕业面临被调岗去柜台或者营销岗的风险,无他,其它人虽然没有学校学历优势,但有人脉优势,而一个优质单位的基层分支机构,往往是从管理层到基层可能都被几伙人把持着,特点是:共生、共存、排外。

要问我有没有一条跟自己完全匹配的,清晰而明确的发展路线,那必须是没有,我只会依靠经验做逻辑推演,然后带着大家去赌一赌。人在社会混,赌赢赌输要看命,不管哪种后果大家自己承担。

#我的求职思考##23届找工作求助阵地#
建议收藏系列 文章被收录于专栏

该系列文章都是作者花费大量业余时间整理、分享出来的,建议软件技术方向的同学收藏、阅读。

全部评论

相关推荐

点赞 评论 收藏
分享
业务场景1:AI美食推荐系统(临时饮食需求响应不足)美团某AI美食推荐系统对“临时饮食需求”响应不足,如用户突然想吃“低卡减脂餐”“适合儿童的软食”,推荐结果仍以历史偏好(如重口味川菜)为主。问题1:如何让AI美食推荐系统更精准捕捉用户的“临时饮食需求”?追问1:你会设计哪些“临时需求标签”入口(如快捷按钮、语音指令)?标签体系如何分类?追问2:临时需求与历史偏好冲突时(如平时吃辣突然要清淡),推荐权重应如何调整?追问3:如何判断用户的“临时需求”是一次性还是长期变更?依据哪些行为数据?业务场景2:AI骑手调度系统(恶劣天气+高峰订单积压)美团某AI骑手调度系统在“恶劣天气+用餐高峰”时,常出现“部分区域订单积压”“骑手抢单冲突”等问题,导致配送延迟率上升50%。问题2:如何优化AI骑手调度系统在“恶劣天气+高峰”场景下的效率?追问1:你会如何调整骑手派单优先级?需考虑哪些因素(如骑手位置、负载量、天气适应能力)?追问2:针对订单积压区域,是否需要动态调整配送费激励?调整幅度如何计算?追问3:如何让系统提前预测“恶劣天气下的订单峰值”?需纳入哪些预测因子?业务场景3:AI生鲜质量检测系统(肉类新鲜度判断不准)美团某AI生鲜质量检测系统(通过拍照识别)对“肉类新鲜度”判断准确率低,常将“轻微变质肉”误判为合格,导致用户投诉。问题3:如何提升AI生鲜质量检测系统对“肉类新鲜度”的判断准确率?追问1:你会让模型重点识别肉类的哪些新鲜度特征(如色泽、纹理、脂肪分布)?如何获取标准样本?追问2:检测时是否需要结合“环境因素”(如拍摄光线、角度)进行校正?如何实现?追问3:当检测结果存疑时,应如何提示用户和商家(如建议“进一步检测”“谨慎购买”)?
点赞 评论 收藏
分享
评论
24
32
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务