大資料招聘，我就這樣被演算法選中

傑德·多明格斯今年26歲，從未上過大學，被鍍金公司的演算法判定為程式設計高手，而後被這家新創公司招聘為程式師。

去年夏天，26歲的傑德·多明格斯（Jade Domingues）收到一封突如其來的郵件，三藩市一家初創公司請他去面試程式師。 多明格斯那個時候住在加利福利亞州帕薩迪納市一間租來的屋子裡，靠信用卡賒帳度日，他正在自學程式設計。 多明格斯在高中表現中等，也沒想過要上大學。 但是，在雲端的某處有那麼一個人，他認為多明格斯有可能是個天才，再不濟也是塊未經打磨的原石。

「招人時使用的傳統指標可能有錯，大大的錯了，」鍍金公司的首席科學家薇薇安·明這樣評論。

鍍金公司的創始人盧卡·邦馬薩和希爾羅德·德賽希望讓發現優秀程式師的過程實現自動化。

那個人就是盧卡·邦馬薩（Luca Bonmassar），他通過一種技術發現了多明格斯，這一技術將對企業如何招聘，以及優秀的人才是否在此過程中被遺漏提出重要的問題。 新的理念讓人把目光從傳統的人才指標上移開來一點，比如招募者一般都很關心的麻省理工大學的學位、谷歌公司供職的經歷、同事或友人的推薦等等，同時投入更多注意力在一些簡單的概念上面：這個人的表現如何？ 這個人能夠做什麼？ 能不能量化分析它？

這項技術是鍍金公司（Gild）的產品，這是一家成立不到兩年的初創企業，邦馬薩是聯合創始人之一。 類似鍍金公司這樣的一小批新公司正奔著這樣一個目標努力，那就是讓發現有才華的程式師——有著巨大的市場需求量的一個群體——實現自動化。 他們的工作屬於大資料的範疇，大資料就是利用電腦來收集和分析各種各樣的資訊，執行許許多多的任務，不管是推薦圖書、在網站上投放有針對性的廣告，還是預測治療效果或股票價格。

讓演算法幫你，發現那些未被人發現的人才

近來，越來越多的學者和企業家將大資料應用在人力資源管理和人才搜尋的過程中，創建了一個叫做工作力科學的新領域。 鍍金公司在做的，便是看看這些技術是否也可以用來預測一個程式師在工作中的表現。 鍍金公司在互聯網上搜刮線索：他或她寫的代碼得到其他程式師的好評嗎？ 這些代碼是否被重用？ 這個程式師如何交流想法？ 他或她在社交網站上如何與人相處？

鍍金公司的方法在很大程度上還僅僅處於初始的階段，成效如何還有待檢驗。 目前，關於使用大資料來進行招聘的想法有存在很多建設性的爭議，同樣存在的還有興奮，尤其是在那些很難找到優秀人才的產業。

鍍金公司預期今年的收益大約有200萬到300萬美元，並且公司已經籌得了1000萬美元左右的融資，其中包括LinkedIn的早期投資人、風險資本家馬克?卡凡（Mark Kvamme）的一大筆錢。 測試或使用鍍金公司的技術進行招募的不乏大牌客戶，包括Facebook、亞馬遜、沃爾瑪、谷歌和Twitter。

企業用鍍金公司的技術來發掘新的候選人，同時也評估他們已經在考慮雇傭的人選。 鍍金公司自己也使用這項技術——他們急需能幹的程式設計人員，可開出的薪資又抵不過大一些的技術公司，所以才找到了傑德。 演算法判定傑德的程式設計分數是整個南加州最高的，是幾乎無人能敵的100分。

傑德是誰？ 他能説明鍍金公司嗎？ 他的故事又告訴了我們關於現今招聘制度和任人唯賢的什麼？

能力決定一切嗎？

矽谷的人大多認同一些特定的想法，比如發展、效率和速度是好的。 技術能夠解決大部分的事情。 變化是難免的；動盪沒什麼好害怕。 或許矽谷人最最相信的一條，就是能力決定一切。

但是，薇薇安?明（Vivienne Ming）卻說她認為矽谷並不像人們想的那樣任人唯賢。 薇薇安?明從2012年年底開始擔任鍍金公司的首席科學家，她認為有才華的人被忽視、錯判或漏選是常有的事。 她這樣想部分是由於她自己就有過這樣的經歷。

明博士生下來是男性，名叫埃文?坎貝爾?史密斯（Evan Campbell Smith）。 他是一個好學生，還是一名出色的運動員，保持著高中田徑三級跳遠和撐杆跳遠的校級記錄。 但他總覺得與自己的身體有著某種脫離。 高中畢業後，埃文經歷了一次身份危機的全面爆發。 他的大學以失敗告終，在工作之間換來換去，想過自殺，跌到了所謂的人生最低谷。 不過，他並沒有卡在那裡，而是再一次彈了起來。 在27歲那一年，他回到學校，獲得了加州大學聖地牙哥分校的認知神經科學的本科學位，此後又先後獲得了卡耐基梅隆大學的心理學和計算神經科學的博士學位。

在斯坦福大學讀博士後期間，他開始進行性別轉變，並在2008年徹底成為薇薇安?明博士。

作為一個女人，明博士開始注意到人們對待她的不同。 有些是看起來無傷大雅的小事，像是男性為她開門。 也有讓她煩心的事情，比如學生來問她數學題的次數比她還是男性時要少了，男性同事和工作上的連絡人請她參加社交活動（比如一場棒球賽）的次數也變少了。

偏見往往以人們意識不到的形式體現出來。 明博士援引了一項耶魯大學研究人員取得的發現，研究型大學的教師成員在描述應聘經理職位的女性求職者時，認為其能力相比具有同樣資格的男性要遜色得多。 美國國家經濟研究局公佈的另一項研究發現，簡歷上名字「聽起來像黑人」的求職者收到雇主回電的幾率要比簡歷上有一個「聽起來像白人」的名字的求職者難上很多。

基本上每個人都同意，性別、長相或者名字的讀音不應該影響聘用決定。 但明博士把任人唯賢的概念更進一步。 她提出，那些用來篩選人才的公認標準，比如在哪裡上的大學、之前在哪裡工作過，同樣也會遺漏人才，並最終成為雇主的損失。

「招人時使用的傳統指標可能有錯，大大的錯了，」她說。

對於她所說的「這麼多被浪費掉的人才」，明博士的應對方法是，製造機器來盡可能地消除人為偏見。 這並不是說傳統意義上的那些資格應該被忽略，而是加上她認為更複雜的措施予以均衡。 總體而言，鍍金公司的演算法分析一個人時要處理三百來個主要變數：常逛的網站；描述各種技術時使用的語言類型，積極還是消極；在LinkedIn上的技能自述；參與過哪些專案，都幹了多久；還有——沒錯——在哪裡上的學、學的什麼專業， 這所學校當年在《美國新聞與世界報導》上排名是多少。

在資料中找淘金

鍍金公司並不是唯一在資訊中淘金的公司。 另一家三藩市的初創公司「人才回收站」（TalentBin），也在互聯網上搜索有才華的程式師，根據該公司的網站介紹，TalentBin在程式師聚集的網站網路人才，收集「資料廢氣」，為雇主創建潛在的招聘名單。 另外一家競爭對手是「絕妙招聘」（RemarkableHire），這家公司評估個人能力的方式是看他或她在網上的成果被人評分如何。

還有ENTELO，這家公司試圖找出有可能在找工作的人，甚至在這些人自己開始找工作之前就把他們找出來。 據其網站介紹，ENETLO使用超過70個變數來找出職業變化的跡象，比如一個人在社交網站上展示自己的方式。 該網站寫道：「我們處理資料，節省你的精力。 」

英國資料分析公司Altimeter Group的負責資料和分析產業的分析師蘇珊?艾特琳（Susan Etlinger）表示，這樣在招聘時應用大資料「絕對值得一試」。 不過她對演算法是否改進了雇主已經在做的事情，比如收集簡歷或推薦信、使用傳統上與成功相關的指標等等提出了疑問。

「缺乏實際結果，」她說：「說概率就等於現實還不能說服我。 」

大資料公司QUID的共同創始人和首席技術官肖恩?古爾利（Sean Gourley）表示，篩查資料可以為招聘提供資訊，但前提是使用時要瞭解資料不能揭露的資訊。 「大資料有大資料的偏見，」他說。 「你衡量你能測量的」，同時「你低估了測量不了的東西，像是直覺和感召力」。

古爾利補充說：「當你把人從複雜決策裡面排除掉以後，你可以把演算法優化成神，但代價又是什麼呢？ 」

明博士沒有說要消除人的判斷，但她確實認為招聘該由電腦做主，就像一個自動人才吸收和篩檢器一樣。 鍍金公司已經積累了一個有700萬程式師資料的資料庫，並根據所謂的鍍金公司得分對他們進行了排名，該公司表示，鍍金公司得分是一種衡量一個人可以做什麼的方法。 最終的目標，明博士希望能拓寬演算法，使其可以用於搜索和評估各種類型的工作力，比如網站設計師、金融分析師，甚至零售店的銷售人員。

「我們自己內部也挖到了一座金礦，」明博士說：「我們發現了在洛杉磯這個搗鼓電腦的孩子。 」

她說的是傑德。

一個被演算法發現的人

多明格斯在洛杉磯長大，在五個孩子中排行第三。 媽媽是家庭主婦，爸爸是電信設備的安裝工，是一個注重教育的藍領。

傑德的成長軌跡卻很叛逆。 高中讀了一半，之前一直是全優生的小多明格斯開始思考，上學到底是為了達標還是為了真正的學習。 「價值主張（value proposition）上學是為了找個好工作，」他對我說。 「但冷靜想，你上學難道不該是為了學習嗎？ 」傑德的成績大幅下降，他給我說他從阿罕布拉高中畢業時平均分還不到3.0。

他不但不想上大學，還想證明他不上大學也一樣能超級成功。 他閱讀了大量的創業書籍，開了一家在T恤印刷定制圖案的公司，先是在家裡幹，後來搬到了一間租來的將近100平米的倉庫裡。 他認為他還需要一個網站，於是自學起了程式設計。

「我當時拼命用我自己的優點證明自己，」他說。 他承認自己可能做得有點兒太過了。 「為了證明人們錯了而去做事情是不太成熟的表現。 」

他的胳膊上有一個紋身，是花體寫的「相信」（Believe）。 現在他覺得這有些可笑，不過仍舊認為自己能做到他想做的事情。 在說到電腦語言的時候，他說：「代碼最棒的一點在於，很大程度上是靠能力驅動的。 不看你學過什麼，只看你學到了什麼。 」

當鍍金公司開始招人時，它假定三藩市和矽谷地區的人才都已經被挑揀乾淨了。 於是，公司讓其演算法跑了一遍南加州的資訊，得出了一系列的程式師。 排在頭一個就是多明格斯，他GitHub網站上有一個非常堅實的聲譽，GitHub 網站是軟體發展人員聚集的地方，他們在這裡共用代碼、交流思想，建立名望。 鍍金公司就在GitHub以及BitBucket、Google Code等其他少數幾個網站上梳理資訊，尋找幹這行的聰明人。

多明格斯的成績斐然。 他為一個Jekyll-Bootstrap寫的代碼，建網站時會用到的一個功能，得到了1267位其他網站開發人員的重用，給人留下了很深刻的印象。 他的語言和習慣顯示出對產品研發的熱情和對多種程式設計工具的酷愛，比如Rails和JavaScript，這都是鍍金公司有用的。 他的博客和Twitter上的發言表明他固執己見，正是鍍金公司希望其初創成員所具備的一點。

鍍金公司的招聘人員給他發出了電子郵件，讓他來三藩市面試。 公司的兩位創始人見到了一個富有魅力、充滿自信的年輕人——舉止從容、善於表達、有想法、笑容很親切，比其他來面試的應聘者多些棱角，鍍金公司的另一位聯合創始人兼首席執行官希爾羅伊?德賽（Sheeroy Desai）說。

多明格斯穿了一件亮綠色的帽衫去面試。 他問了一些尖銳的問題，比如公司在這些工程師不知情的情況下給他們打分，是否擔心這會被視為侵犯隱私？ （鍍金公司不這麼認為，多明格斯也不相信。 鍍金公司稱，它使用的都是公開的資訊。 ）

他們也問了他一些很針對但也很溫和的問題，比如能否在有組織的環境中工作。 他說他能。 公司當即就簽下了多明格斯，而他得到了一份年薪在11.5萬美元左右的工作。

「他是一個典型的腦袋靈光、積極性很高的人，但不管出於什麼樣的原因，在高中時沒調動起來，沒看見大學的價值，」德賽說。

德賽先生倒是上了大學，讀的是麻省理工大學，極受用人單位推崇的院校之一。 德賽說，他是在那裡學會了如何應對壓力，與才華橫溢的人共事，時不時的自歎不如。 雖然在學校裡學的東西都很重要，但他說，「這並不是事情的全部」。 雖然擁有電腦科學的學位，但他很肯定地說：「我是個很爛的開發人員。 」

大資料招聘，有多靠譜？

人力資源管理方面的專家、加州大學洛杉磯分校的教授大衛?列文（David Lewin）說，問一個人能做到什麼是一個重要的問題，而問他能不能和其他人一起完成也同樣重要。 列文博士說，預測一個人在一個組織中有何表現，最可靠的方法便是讓已經在那裡工作的人進行推薦。 現任員工瞭解公司文化，而且推薦不好他們自己的名聲和工作環境也會受牽連。 耶魯大學管理學院最近利用大資料進行的一項研究細化了現有認識，員工推薦是招到好員工一個好方法，但這種方法往往在推薦人本身工作效率很高的情況下效果顯著。

在列文博士看來，他很懷疑演算法能徹底取代一名可靠雇員的恰當推薦。

鍍金公司的客戶裡有一家叫Square的公司的業務是做移動支付系統。 像其他許多高科技企業一樣，Square也在大肆招人，該公司的人力資源總監布萊恩?鮑爾（Bryan Power）在矽谷打拼多年，根據他的說法，現在對於優秀人才的競爭跟dot.com熱潮那會兒一樣激烈。

「斯坦福出來的或在谷歌工作過是一個極好的指標」，鮑爾說。 「他們有名是有道理的。 」但這些種子人選有的選項很多，他們不一定選擇Square。 「我們需要在更大的池子裡撒網，」他說：「而這就是鍍金公司在做的事情。 」

鍍金公司的技術為Square找出了一些候選人，但目前還沒有簽下來的。 鮑爾先生說鍍金公司的演算法給出的是一個泛化的程式設計分數，與Square要來填補職位空缺的要求不是那麼具體。 「鍍金公司對誰有能力有它的看法，但事情並不是那麼簡單，」他說，同時表示Square正在和鍍金公司洽談優化模型。

儘管目前來說用處有限，但鮑爾表示，鍍金公司在做事情是一個大事件的開始。 如今，年輕的工程師更多地在網上發佈他們的工作成果，參與開放源碼工作，提供更多可用來挖掘原石的資料。 「這全都是為了發掘未被發現的人才，」他說。

德賽說，多明格斯在鍍金公司工作了8個月，已經證明了他是一個有才華的程式師。 但他也表示，多明格斯「有時候要竭力才能在一個結構化的環境中工作」。 當他坐在電腦前，同事都儘量不去打擾他。

在會議上，多明格斯會踴躍發言。 他比以前更快活，他說，「只要我能在搭建系統的過程中有發言權」，要不然就又成了一個他只能遵從的系統。 他還小小地抱怨了公司的擴張，在過去6個月中鍍金公司已經從10個人擴大到40人，添加了管理層和官樣文章。

「事實是，我的性格就是要按照自己的方式做事，最終我難免要自己開公司，」多明格斯說。 不過，他又立即補充說：「我很感激和敬重公司給我的機會，我很清楚他們因為我的能力雇傭了我。 對此我將永遠心懷感激。 」

明博士說，多明格斯這個年輕人是一個偉大的發現，同時也是一個未知數。 當然，他只是一個例子，既不能用於支援也不能拿來反駁這種新的方法。

「他總是帶著那種獨行狼的作風，」明博士說。 「初期還好，但後來可能會變得很難說。 」

演算法在測量它可以測量的東西上面表現出色。 它算准了多明格斯與電腦打交道的能力。 還不確定的，是從長遠看，他將如何使用他的天賦與人一起工作。

編譯自：《紐約時報》，How Big Data Is Playing Recruiter for Specialized Workers

文章圖片：nytimes.com

(責任編輯：蒙遺善)