本篇首发于2021年12月07日。
今天看到有个人评论了一句话：
对的时间遇到对的人，着急的话人差点儿也没关系。
把我看笑了，以至于念念不忘。
那就分享一下吧。首尾改去了一点点文字，其余未改。
……
看到个不错的简历，组里还有不少HC，就约了个人聊聊。
对方资历是很不错的，本硕985，工作5年，2年大行，3年消金机构。学历背景和工作背景肯定是达标的。
另外，两三年的司龄，在互联网行业来看，算很稳定了。工作稳定性上非常达标。
毕竟互联网大厂员工的司龄中位数估计就一年多，平均数被吃红利的少数老人拉上去按统计说是不到三年。
在这样的情况下，有些公司还有什么三五原则，也就是五年三换的不要，以及什么上一家司龄必须满一年等等这种原则，真的是瞎搞。
总之呢，这样的人要好好面面。
一
社招有相关工作背景的，我就不喜欢面算法、python、sql了，我一般会就着对方的履历说。面算法、python、sql，不是说有问题，而是说，那容易让人委屈。
首先呢，工龄长、有多年项目经历的，是来做项目的，做项目是不太需要做什么反转链表，也不关注xgb与gbdt的区别。不去关注那些体现思考和见识的项目逻辑，考这些算法干什么。
其次呢，那些算法知识，很多老员工的确是不会写了。不会写是一回事，如果招人来并不是写那些开发工具，也不是要复现新面世的算法，何必呢？
委屈了呢，对方大概率就不会来了。大家要的是一个双方合适，而不是一味的我挑你你挑我。
就像，老手找对象，看的是三观匹不匹配，能不能一起成长，而不是找个花瓶给自己添堵。
所以说，面什么类型的题，在拿到对方简历的时候就可以有判断了，不应该对所有人都来同一套。
不是说我会考虑对方的情绪，就面试的比较随便。
简历列的项目我是会深度去问的，我知道很多工程项目做法很简单，一些更深层次的问题不需要去考虑。但不需要做是一回事，有没有思考是另一回事，如果背后存在问题，你都没想过，我是不会有好感的。
另外，我还会问对方，觉得我们的场景下模型应该怎么做。
这其实就类似system design，基于之前的经验和认识，对一个新的问题设计一套解决方案。
这类问题，我发现很多人都答得不好，因为绝大多数人都看不到全貌。
二
我根据大家的背景，也发现，绝大多数做风控的同学，都是过去几年搞起来的。他们都做过很多项目，但这些项目本身都很简单，因为这个场景就很简单。
小的放贷机构，往往就只有贷前申请要做模型，也就是A卡。数据呢，自然都是第三方的，一个人查一次，数据的匹配和调用流程，往往非常明确。
即使有些大银行、持牌机构，因为很少有自有的场景，数据挖掘这部分的工作就是很少。
也结合着我的经历，我发现真的很多人，只能做确定的sample、确定的X、确定的y下的工作。好像工作比Kaggle还简单，后者还需要好好做特征工程呢。
把AI领域里的最新算法套一遍，除了慰藉了自己的算法工程师这个title，往往真的起不到什么作用。常常只是自嗨。
投资领域的行研都在说，科技公司需要经历角色演变，从曾经的“颠覆者”，到后来的“赋能者”，再到如今要变成“同行者”。
