京公网安备 11010802034615号
经营许可证编号:京B2-20210330
如何用贝叶斯算法甄选优质PD和程序员?
今天中午和同事聚餐的时候讨论一个有趣的话题:我们经常用朴素贝叶斯来过滤垃圾邮件,可以用朴素贝叶斯算法来挑选靠谱的小伙伴、过滤掉不靠谱的求职者吗?
正方观点招聘的时候我们一直在使用贝叶斯。挑选100个优秀的员工,100个表现差的员工,对他们的个性进行分词(tokenization),然后统计各种特性在两个群体中的词频,和概率。(样本训练)
对求职者的个性、技能进行分词,然后根据朴素贝叶斯算法计算出这个人是优秀人才的概率。(计算后验概率)
反方观点履历好、高学历可能是人渣,辍学生也有可能是优质人才。我们不该带着有色眼镜去看待别人。
酒足饭饱后,大家的话题也转移到妹子、过年回家的计划等等,就不再继续讨论了。
我却觉得很有趣,故写下此文。
在招聘新人时,哪些特性(token、tag、filter)是敏感度高、特异度高的过滤器呢?
以下是我整理的「特性」列表,如果你恰好符合,说明咱俩是一丘之貉;如果你不符合,也无大碍,咱俩求同存异。
三观 过滤器
| 和 | 不和 |
|---|---|
| 反星座 | 吃饭必谈星座 |
| 反中医 | 爱中医、爱国粹 |
和:谈得拢
不和:话不投机
对待中医
一个没有学习过现代医学、医学统计学、药理学,很难对中医有理性思考。尤其是文科生,对中医文化情有独钟。
|
1
|
<span class="pun">若不从事医学行业,对中医的无知都是可以原谅的。大不了只坑害自己,不会坑害别人。</span>
|
星座关于星座,没什么好说的。判断力正常又迷恋星座的有两类人:
|
1
2
|
<span class="pun">*</span> <span class="pun">销售人员:</span> <span class="pun">通过谈论星座套你生日,随手把你录入自己的</span><span class="pln"> CRM </span><span class="pun">系统,定期给你送生日礼物,维护客户关系。</span>
<span class="pun">*</span> <span class="pun">「女性产品」的产品经理,比如大姨妈,西柚,薄荷。</span>
|
产品经理的过滤器
1. 书单
| 和 | 不和 |
|---|---|
| 设计心理学 | 不读书 |
| Rework |
|
| Dont’t make me think |
|
| 黑客与画家 |
|
| 精益创业 |
|
如果一个产品经理工作一年,这几本书都没读过,就可以过滤掉了。
2. 手机
| 和 | 不和 |
|---|---|
| 多部手机,覆盖 Android/iOS/Windows |
|
| 安装了很多App (>100) |
|
| 各种平板设备 |
|
对互联网有感觉的产品经理会尝试各种新奇的、好玩的、有趣的事情,他的手机里会不自觉的安装各种App。
所以,一个产品经理的手机里若只有寥寥几个App,我觉得也可以过滤掉。
3. 口头禅
| 和 | 不和 |
|---|---|
| 用户反馈、文案、细分、DAU、PV、UV、转化率、A/B test 、打开率、EDM | 战略、布局、市场、模式、平台、虎嗅、小米模式、O2O |
根据口头禅也可以过滤产品经理?
听上去很扯,其实我是有理由的。
有一次李宁面试人人网出来的一个产品经理,聊了20分钟,此人满嘴都是战略,听上去一副怀才不遇,即将大展拳脚的样子。深入细问:你打算怎么做呢?对方顿时语塞。
经常见一些产品经理整天探讨小米模式、苹果成功的秘密、互联网的未来、《三体》揭露的互联网未来的启示录,热衷于预测趋势,分析战略。却写不好文案、不会看数据、不会分析数据、不回复客服反馈,不会用户访谈,我招你有什么用呢?
相反,我认识的几个优秀的的产品经理既都是非常务实的,** 他们的口头禅都是「可执行的」。**
二爷:Google Analytic 用到了极致,从来都是用数据说话,不凭感觉。他的口头禅是 细分 / UV / PV。
李宁:喜欢回复用户反馈,根据反馈迭代。他的口头禅是 整理数据 / 原型图 / 用户反馈 / 会议记录。
李作刚的口头禅是 文案 / 用户心理 / EDM 。
张进:丁香园CEO,曾经的产品总监,执行力很强的一个人。口头禅是 Due date / 论坛用户反馈。
冯大辉的口头禅是 错别字 / 圆角 / 字体 / 像素 / 响应式 / 流量。
相反,整天满嘴跑火车,把战略和模式挂在嘴边的都是不靠谱的「互联网分析大师」。
4. 工作习惯
| 和 | 不和 |
|---|---|
| Fuck meeting | Love meeting |
| Work async(发邮件,写文档) | Love IM chatting |
| Chase user | Chase boss/vc |
| Utilize calendar and tasks to the max. |
|
| GTD(或其他时间管理方式) |
|
用工作习惯这个过滤器可以筛掉工作效率低的产品经理。
日历、邮件、GTD重度用户一般都是时间管理高手
不愿整天扯犊子的一般都是沟通高手
喜欢写邮件的都喜欢一次性陈述完毕,do it once. 喜欢IM 工具的产品经理一般啰哩啰嗦,需要反复沟通。
5. 工具
| 和 | 不和 |
|---|---|
| Axure / Omni Graffle |
|
| Evernote/为知/有道笔记 |
|
| 友盟 |
|
| Google Analytic |
|
| Things/Omni Focus/ Do.it |
|
| Gmail |
|
| Markdown |
|
以上是我总结的产品经理过滤器的五个大方面。
三 程序员过滤器
对待技术小伙伴,我的个人好恶只有一条:
| 和 | 不和 |
|---|---|
| love coding | coding is just a job.(养家糊口型) |
在 Github 上有(或参与)开源项目。如果满足此项,说明此人已经熟悉 Git,熟悉 Github work flow。
Vim党。打磨农具很花时间,优秀的程序员不一定喜欢打磨农具,但痴迷于 Vim 这个农具的的程序员一般都比较优秀。(丁香园的明城、薄荷的zgm 都是样本)
开发环境在 Linux/Mac。
Blogger,热爱分享技术。
会翻墙
有 Side Project。说明他热爱 codiing
2. 养家糊口型程序员的过滤器
我用来筛选此类程序员的一个特别敏感的过滤器:业余时间的分配。
他们在闲暇的时间一般不看技术书籍、不看技术博客、不优化代码。
结束语
题图是贝叶斯,一个牧师,业余数学家,创建了一个数学流派。贝叶斯算法是其代表作品。
本文的讨论总结下来就是在计算两个先验概率:
如果优秀的产品经理(程序员)都有A这项特质,那么一个含有A这项特质的人,有多大的概率是个优秀的产品经理(程序员)?
如果 Garbage PD (programmer) 都有B这项特质,那么一个含有B 特质的人,有多大概率是个 Garbage PD(programmer)?
你在面试别人时有没有灵敏度高、特意度高的过滤器?你如何预见求职者一年后的样子?
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14