创业公司的产品与数据岗位招聘，从岗位定义开始
在创业公司，“产品经理”可能指决定产品方向的人，也可能是安排发布节奏的人，或者两者兼任。“数据分析师”可能是做报表的人，是用数据回答业务问题的人，也可能同时还要搭建数据管道。岗位说明如果不讲清这一点，就会吸引到不合适的投递者，也会让 HR 对简历产生误判。
本文属于更广泛的科技公司招聘指南的一部分，聚焦在创业公司里最容易混淆的三类岗位。你会看到如何写出具体的标准，初轮面试应该问什么，以及如何评估决策能力，而不仅仅是看用过哪些工具的清单。
挑战
不同公司的职位头衔并不统一
在一家公司顶着产品经理头衔的候选人，可能只是管理排期，在另一家公司则负责制定战略。只凭职位头衔筛选，会造成许多误解。提问时必须挖掘他们实际做了什么。
期望一个人包办很多事情
创业公司常常想找能同时做用户研究、写需求文档并读懂数据的人。这种期望需要在岗位说明里明确写出来，因为来自大公司的候选人可能已经习惯了分工很窄的专业化工作。
以决策为成果的工作，很难从简历判断
产品经理和数据分析师很少有像代码那样可以直接看到的成果。评估取决于候选人如何讲述决策、决策的理由，以及从事后证明错误的决策中学到了什么。
从成堆的简历到候选人短名单
流程示意:简历进入,按标准筛选,只有最相关的候选人进入下一阶段。
传统做法
- “产品与数据”的岗位说明里职责混杂，简历又是按职位头衔筛选的。
- 通过的候选人拿到与其他岗位一样的通用问题，没有深入追问决策或工具。
- 创始人或产品负责人重新阅读所有简历并逐个面试，花掉大量时间。
使用 TalentRank
- 在 Custom Hiring Criteria 中分别设立产品经理、数据分析师和数据工程师的标准，每个标准要求不同的证据。
- 把简历上传到 CV Screening AI，按所申请岗位的标准为每位候选人排名。
- 用 AI Interview 提出关于决策的问题和轻量的案例分析，再用 WhatsApp Prescreening 确认到岗时间和期望。
- 创始人或产品负责人查看排名靠前候选人的摘要和评分。最终决定仍由 HR 团队和管理层做出。
创业公司产品与数据岗位招聘的简历筛选标准
既然职位头衔靠不住，标准就应当针对每个岗位寻找具体的证据。下面五条标准可以作为起步框架，并根据你所处的创业阶段调整。
| 标准 | 优先级 | 简历中的好信号 | 需要追问 |
|---|---|---|---|
| 做过的产品决策及其理由 | 高 | 经历描述里提到具体的决策，例如砍掉某个功能或调整优先级，并说明理由来自数据或用户反馈。 | 描述只列出已上线的功能清单，没有写候选人在决策中的角色，也没有背后的理由。 |
| 在真实工作中使用的数据工具和语言 | 高 | 写明为解决特定问题用了什么工具：用查询语句做分析，用可视化工具做报表，或用数据处理工具搭建管道，并附带上下文。 | 工具清单很长，却没有一个从头到尾完成的分析或管道的例子。 |
| 数据工作类型是否清晰 | 高 | 简历能看出经验是在分析与报表、搭建数据链路，还是建模，这样才能与岗位需求对上号。 | 所有数据工作都一概而论，而开放的岗位需要特定的专长，例如从零搭建数据管道。 |
| 在早期或模糊环境中的经验 | 中 | 曾在小团队工作，承担多项职责，或从零开始建立一个尚不存在的职能，并有关于学到了什么的叙述。 | 全部经验都在流程固定的大型组织里，没有迹象表明曾亲自建立过工作结构。 |
| 跨职能沟通能力 | 中 | 提到与工程、设计和业务协作，并有向非技术人员解释数据或产品规划的证据。 | 工作被描述成完全是个人行为，而在创业公司，这类岗位几乎总是要跨团队工作。 |
做过的产品决策及其理由
高简历中的好信号: 经历描述里提到具体的决策，例如砍掉某个功能或调整优先级，并说明理由来自数据或用户反馈。
需要追问: 描述只列出已上线的功能清单，没有写候选人在决策中的角色，也没有背后的理由。
在真实工作中使用的数据工具和语言
高简历中的好信号: 写明为解决特定问题用了什么工具：用查询语句做分析，用可视化工具做报表，或用数据处理工具搭建管道，并附带上下文。
需要追问: 工具清单很长，却没有一个从头到尾完成的分析或管道的例子。
数据工作类型是否清晰
高简历中的好信号: 简历能看出经验是在分析与报表、搭建数据链路，还是建模，这样才能与岗位需求对上号。
需要追问: 所有数据工作都一概而论，而开放的岗位需要特定的专长，例如从零搭建数据管道。
在早期或模糊环境中的经验
中简历中的好信号: 曾在小团队工作，承担多项职责，或从零开始建立一个尚不存在的职能，并有关于学到了什么的叙述。
需要追问: 全部经验都在流程固定的大型组织里，没有迹象表明曾亲自建立过工作结构。
跨职能沟通能力
中简历中的好信号: 提到与工程、设计和业务协作，并有向非技术人员解释数据或产品规划的证据。
需要追问: 工作被描述成完全是个人行为，而在创业公司，这类岗位几乎总是要跨团队工作。
创业公司产品经理与数据岗位的面试问题
产品和数据的需求不同，所以问题分开列出。这些问题都是为 HR 在初轮面试中使用而设计的：目的是挖掘决策和真实经验，而不是考察教科书上的理论。
产品经理
1.请讲一个你决定不做的功能。原因是什么？
好的回答: 好的产品经理敢于说不。回答能体现确定优先级的方式，以及在资源有限时如何权衡。
2.功能上线后，你怎么知道它成功了？
好的回答: 看出候选人是否习惯在开发之前而不是之后设定成功的衡量标准。
3.请讲一次工程师拒绝了你要求的排期。你是怎么做的？
好的回答: 考察与技术团队协商的方式，以及在不强求的前提下理解限制。
数据分析师与数据工程师
4.请讲一个你用数据回答的业务问题，从最初的问题讲到最后的建议。
好的回答: 展示分析师的完整工作流程：理解问题、处理数据，并给出可用的结果。
5.发现数据不一致或缺失时，你会怎么做？
好的回答: 创业公司的数据通常还不规整。候选人如何处理脏数据，比掌握哪些工具更重要。
6.你怎样向不懂统计的人解释分析结果？
好的回答: 分析结果只有被决策者理解才有用，所以讲解能力和分析能力同样重要。
常见误区
- 01
把数据分析师和数据工程师混为一谈
分析师根据现有数据回答业务问题，数据工程师则搭建并维护数据管道。把两者混在一起的岗位说明，会吸引到不合适的投递者。先确定最迫切的需求，再写出具体的岗位说明。
- 02
凭口才评价产品经理
擅长讲故事的产品经理，不一定能做出好的决策。要求给出真实决策的例子、理由和结果，包括做错的决策。具体的细节很难编造。
- 03
给出过大的案例分析
要求提交完整的分析或完整的产品文档作为测试，既占用候选人的时间，也常常变成免费劳动。选一个小案例，在短时间内足以展示思考方式即可。
- 04
不如实说明数据和产品的现状
优秀的数据候选人会问公司的数据有多规整。诚实的回答可以筛掉期待现成数据的人。掩盖真实情况，只会导致候选人入职后离开。
场景
公司
一家早期的数字服务创业公司，刚开始组建产品和数据职能，产品决策仍由创始人掌握。
情境
公司开放一个产品经理岗位和一个数据分析师岗位。创始人没有时间阅读所有简历，第一份岗位说明收到了大量投递，而职位头衔很难相互比较。
预期结果
创始人只把时间花在已经展示出真实决策证据的候选人身上，HR 也有了书面依据，可以解释为什么选择这些候选人。
- 1HR 在 Custom Hiring Criteria 中重写了岗位说明和评分标准，加入决策证据和期望看到的分析案例。
- 2CV Screening AI 按评分标准，分别为两个岗位的投递者排名。
- 3入选的候选人回答 WhatsApp Prescreening，并完成使用统一决策问题的 AI Interview。
- 4创始人查看摘要和评分，然后当面面试排名靠前的几位候选人。
您将获得
- 按产品与数据岗位分别生成的候选人排名
- 含决策或分析案例的简历摘要
- AI Interview 的回答与评分
- 每位候选人的 WhatsApp 预筛选回答
