Google人資副總~Big Data分析面試應用,在校成績多無用
Google人資副總~Big Data分析面試應用,在校成績多無用
2013.06.22 | 創業

Google應是全世界看過最多「數據資料」的公司,若是將這些巨量資料(Big Data)運用在領導(leadership)和管理(management)領域呢?Google人資資深副總博克(Laszlo Bock)接受《紐約時報》訪問表示,巨量資料影響層面越來越廣,不過要運用在領導層面還是相當困難的,部分挑戰來自於:多數情況下領導是由直覺驅動,而且糟糕的是許多人認為自己的領導能力很不錯,事實上只有少數人擁有好的領導能力。

數年前Google進行一項研究,想知道Google是否特別擅長挖掘優秀人才;在上萬次面試中,請面試官為求職者評分,然後再觀察每個人的工作表現,發現這兩者之間的關連性「零相關」,而且還是「隨機」結果,其中只有一位面試官預測準確,原因是他只面試了一個人,這是非常專業的領域,而這位面試官正是全球在這個領域當中最厲害的專家。

此外,還發現了「腦力激盪」其實只是浪費時間,例如:一架飛機可以塞入幾顆高爾夫球?紐約曼哈頓有多少間加油站?除了浪費時間之外,這些問題無法預測任何事情,只是讓面試官覺得自己很聰明而已。

相較之下,行為面試(Behavioral interview)通常是比較有用的,例如詢問求職者:如何解決困難問題?當求職者分享個人經驗,面試官再繼續探究其作法,可以得到兩種資訊,一是該求職者和真實世界的互動情況,再者,更有意義的就是可得知求職者認為什麼事情是「困難」的。

另外還從中發現,對領導者來說,最重要的是讓部屬知道進行任何決策都是「一致」且「公平」的,部屬做起事來也比較自由,原因正是他們瞭解要依循的準則為何,只要在準則之下,就可以做自己想做的事。

Google每年會進行兩次的經理人評量,稱為向上回饋(upward feedback)調查,只要是有主管的員工,都要參加這項評量,詢問12~18項不同因素,再將結果和主管分享,進而追蹤是否改善;結果是:過去三年Google因此大幅提升了主管素質。

如果向某位主管闡述對他並不是那麼好的調查結果,可能會落入以下對話,「我覺得我做得比這個結果好」、「可是這是你的感覺,事實上這是大家回報的結果」。其實不用說那麼多,對大多數人來說,只要讓他們知道「資訊」為何,然後進行修正即可;巨量資料其中一項應用層面即是帶來「事實」,讓人們明白所做的決策並不完美,接下來就會調整自己的行為。

若是將巨量資料運用在Google員工身上呢?目前觀察到的是:在校成績(GPA分數)在面試過程中是毫無參考價值的,除非是剛畢業的社會新鮮人,因為沒有其它可以參考的指標,才會稍微參考在校成績;過去Google面試過程一定會問在校成績,現在也不這麼做了,因為這並不能預測任何事情。有趣的是,隨著這樣的決定,目前14%的Google員工並未上過大學。有的Google團隊中,甚至有14%的成員都沒有上過大學。

特別是在Google工作2~3年的員工,其工作表現和大學表現就完全無關,因為兩者所需的技能是完全不同的;事實上,經過工作洗禮,也成為了完全不同的人。另外的原因是,博克認為大學的學術環境是非常人為的環境,人們經過精細訓練之後可以取得成功,但也習慣在這樣的環境下成功,而Laszlo Bock在大學遇到挫折的原因,就是因為教授總是在等待學生們回答特定答案,但更有趣的應該是解決沒有特定答案的問題。

註:畫線部分為原翻譯錯誤部分,已做出修正

出自NYTimes、BusinessInsider

關鍵字: #Google #大數據
往下滑看下一篇文章
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?

走進蔬果加工廠,同樣是100公斤高麗菜,最後能做出多少成品?答案不見得相同。氣候、產地與品質影響原料條件,客戶要求的切法、重量與交期也各不相同。對曾任科技業研發主管十多年的宜展科技農業執行長林佑澤而言,這是與科技製造截然不同的世界。

「農業部分全部都不一致。」林佑澤以青江菜為例,即使機械手臂已經訓練好辨識特徵,面對形狀各異的蔬菜,仍難以判斷該從哪裡抓取。農產品的天然變數,卻得面對學校團膳、連鎖餐飲、航空空廚等企業客戶對品質與交期的要求。如何讓加工流程穩定運作,成為宜展投入數位轉型的起點。

從紙本、LINE到數據,先把現場經驗留下來

目前宜展一年處理數千噸蔬果、服務超過120家企業客戶,業務涵蓋採購、截切、清洗、包裝與配送。林佑澤觀察,農產加工的關鍵經驗往往掌握在資深員工手中:該買多少菜、原料損耗多少、訂單增加又該安排多少人力,都仰賴現場判斷。

「主要就是把人的經驗變成數據。」林佑澤說。過去客戶透過LINE或紙本下單,現場靠人工整理訂單、對照不同客戶的加工規格;如今宜展利用AI辨識訂單內容並匯入ERP,再依客戶、品項與規格進行標籤化派工。製程則透過QR Code記錄原料投入量與成品產出量,逐步掌握各環節的加工損耗。

接下來是整理現場的判斷依據。林佑澤透過與資深員工對談,了解採購、派工與品管的作業方式,再利用AI協助找出規則、建立SOP。AI整理出的流程仍須由現場人員逐項確認、修正,才能實際執行。

品質管理也在持續改善。傳統金屬檢測器難以辨識菜蟲、橡皮筋等非金屬異物,宜展正與技術夥伴規劃導入AI影像辨識,輔助產線末端檢查。林佑澤表示,每批農產品品質不同,比起單看良率,他更重視客訴是否減少。隨著訂單與製程資訊逐步累積,宜展也希望進一步建立需求預測、採購建議與生產排程模型,減少營運對資深員工個人經驗的依賴。

不只把菜切好,乾燥加工尋找第二成長曲線

除了改善截切本業,宜展也開始發展乾燥加工。學校團膳在寒暑假面臨需求波動,生鮮蔬果則有保存期限短、價格易受產季影響等限制。林佑澤希望藉由乾燥技術延長農產品保存期限,開拓附加價值更高的加工業務。

不過,乾燥同樣有依賴經驗的問題。傳統做法是太乾就降低溫度、縮短時間,不夠乾就反向調整。每批原料的水分與成熟度不同,反覆試做不僅增加成本,也難以維持品質一致。「品質目標沒有設定的話,前面的製程參數就不知道怎麼調整。」林佑澤將過去研發車用面板的思維帶進農產加工:先決定產品希望達到的口感、含水率與水活性,再回頭檢視原料成熟度、截切厚度及乾燥參數等條件。

團隊進一步結合不同乾燥技術、自行改造設備,並接洽桃園的設備業者合作。林佑澤曾比較其他地區的設備,最後選擇設備構造、乾燥均勻度與可靠度較符合需求的桃園業者。宜展也持續累積製程參數,希望未來透過AI找出適合不同原料的乾燥曲線,減少反覆試做。

「我們主要還是要做代工,想要做一個功能性的原料平台。」林佑澤說,果乾目前更像是展示技術能力的產品,未來希望將服務延伸至辛香料、中藥材、太空食品、超級蔬菜及寵物食品等領域。現階段宜展主要營收仍來自蔬果截切本業,乾燥事業尚未形成主要收入。未來若能建立穩定的乾燥製程與代工能力,宜展便有機會從既有蔬果供應鏈,切入附加價值更高的食品原料市場。

從彰化走向桃園,驗證營運方法能否跨區複製

隨著加工流程逐步數位化,宜展也開始思考,這套管理方法能否帶到彰化以外的場域。

參與桃園市政府青年事務局天際線加速器及Meet桃園+後,宜展擴大與桃園產業生態系的連結。林佑澤提到,天際線協助邀集不同局處了解團隊需求,並提供資源媒合機會。宜展也開始與桃園市農會及在地農民合作,增加北部原料來源。這項合作不只拓展了供應來源,更成為宜展因應極端天候、穩定供貨的重要助力。林佑澤回憶,先前中南部連日降雨,蔬菜供應受到影響,宜展便從北部調度蔬菜,以不同產區互相支援,降低天候對供貨的衝擊。此外,團隊也透過天際線資源,獲得參與日本國際伴手禮設計競賽的輔導,並成功榮獲金賞獎肯定,除了展現產品的創新與設計實力,也為宜展拓展海外市場、提升國際能見度創造更多機會。

下一步,宜展規劃以桃園大溪作為第二個驗證場域,將彰化累積的資料、SOP與加工管理經驗,轉化為可複製、可優化的營運管理模式,帶到不同產地、供應鏈及人員條件下驗證。林佑澤指出,未來若要跨區域擴張,不可能每到一個新地方,就把原有團隊整批搬過去。因此,宜展希望將資深員工的實務經驗,轉化為標準化流程與數據模型,結合AI進行生產排程、資源配置及營運決策,讓新場域能依據當地條件快速調整,降低對特定人員經驗的依賴。

從彰化到桃園,宜展接下來要驗證的,是這套從傳統農產加工現場整理出來的管理方法,是能夠跨區域複製、快速部署並持續優化的農產加工營運系統。 長期目標是降低新場域的建置成本與管理複雜度,提升擴張效率,讓傳統農產加工業具備規模化發展的能力。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓