В теории вероятностей существует классическая задача, известная под разными названиями: задача разборчивой невесты, задача привередливого жениха или задача остановки выбора. С учетом специфики портала Executive.ru назовем ее задачей выбора лучшего кандидата на работу, потому что именно ее каждый день решает HR-менеджер в своей компании.
Условия задачи
- HR-менеджеру необходимо подобрать сотрудника на вакансию.
- На эту должность имеется N кандидатов, и значение N известно.
- Кандидаты проходят собеседование последовательно в случайном порядке, и каждого кандидата можно однозначно оценить по общей для них всех шкале ранжирования, скажем от 0 до 1.
- Решение о приеме или отклонении кандидата основано только на рангах кандидатов, прошедших собеседование к данному моменту времени.
- Сразу после собеседования прошедший его кандидат либо безвозвратно отклоняется, либо принимается на вакансию, и это решение является окончательным. В случае принятия положительного решения по кандидату – собеседование кандидатов останавливается.
- Нужно найти общее решение, состоящее в выработке оптимальной стратегии, гарантирующей выбор лучшего кандидата из всей группы N с наибольшей вероятностью. Другими словами – стратегия должна максимизировать ожидаемый выигрыш.
HR-менеджер выигрывает, когда принимает лучшего кандидата из N.
Впервые эта задача была опубликована Мартином Гарднером в журнале Scientific American за февраль 1960 года. Хотя до того ей уже уделялось большое внимание в научных кругах. На тему ее решения написаны целые тома. В том числе – по различным модификациям этой задачи, например, когда заранее неизвестно общее количество кандидатов N.
Примечательно, что в докторской диссертации Бориса Березовского, известного бизнесмена и политического деятеля, впоследствии члена-корреспондента РАН, на соискание ученой степени доктора наук «Разработка теоретических основ алгоритмизации принятия предпроектных решений и их применения», защищенной в 1983 году, рассматривается обобщение нашей задачи о разборчивой невесте.
Решение
Для решения этой задачи можно применять различные подходы. В силу их сложности и громоздкости приводить здесь я их не буду – при желании подробности можно найти в сети. Не вдаваясь в математические выкладки и доказательства, приведу сразу решение этой замечательной задачи.
Оптимальная стратегия найма выглядит так: отсобеседовать N/e первых кандидатов, где e=2,71828 – число Эйлера или основание натурального логарифма, а затем выбрать из оставшихся первого, который окажется лучше всех предыдущих.
Предположим, что HR-менеджер отобрал 8 резюме кандидатов, которые по его мнению соответствуют вакансии и требованиям компании. Следовательно, N в нашей формуле = 8.
Далее HR-менеджер:
- Провел собесдеования с первыми N/e = 8/2,71828... = 2,9430... ≈ 3 кандидатами, пока не принимая никаких решений.
- Зафиксировал для себя максимальный ранг среди отсобеседованных кандидатов. Предположим, первые 3 кандидата имели ранги 0,4; 0,25; 0,6. И тогда максимальным рангом будет 0,6.
- Продолжает собеседовать кандидатов далее до момента, пока не попадется кандидат с рангом больше 0,6. Именно этому кандидату сделать предложение о работе, а дальнейшие собеседования не проводить.
Описанное выше решение подходит для стратегии выбора лучшего кандидата. С увеличением числа кандидатов N вероятность выбора лучшего кандидата стремится к 1/e = 36,8...%. Не густо?
Расширим условия задачи
Предположим, что HR-менеджер руководствуется менее строгим выбором: согласен выбрать одного из двух лучших кандидатов. В этом случае:
- Рекрутер должен провести собеседования приблизительно у 34,7% первых кандидатов, не принимая решений, лишь фиксируя их ранги, определив лучшего.
- Из следующих приблизительно 32% кандидатов (вплоть до 66,7% от всех) выбрать того соискателя, который окажется лучше всех предыдущих.
- Из оставшихся 33,3% претендентов соглашаться на выбор и второго по качеству среди уже всех отсобеседованных.
При данном подходе с увеличением числа кандидатов N вероятность выбора одного из двух лучших кандидатов стремится к 57,4%, что уже заметно выше.
Можно было бы пойти дальше и расширить выбор, например, один из трех лучших кандидатов, но не будем усложнять. Во-первых, в реальной жизни HR не принимает решений о найме самостоятельно, а лишь предлагает лучших кандидатов руководителю. Во-вторых, обычно двух лучших кандидатов бывает вполне достаточно для руководителя, чтобы он принял окончательное решение, кого из них принять на работу.
Вывод
После выбора рекрутером лучшего кандидата или одного из двух лучших кандидатов из N отобранных резюме с применением вышеописанных подходов достаточно будет пригласить на финальное собеседование с руководителем именно его и любого другого среди тех, кто прошел собеседование, но минимально уступает «лучшему», если он еще будет находиться в поиске работы к тому моменту и готов будет пройти финальное собеседование с руководителем.
Благодаря такому системному подходу:
- Шансы заполучить на работу в компанию лучшего кандидата будут чрезвычайно высоки.
- Руководитель получит на выбор двух заведомо лучших кандидатов от HR-менеджера.
- Затраты времени HR-менеджера на закрытие вакансии будут существенно снижены, чем при бессистемном интуитивном подборе.
- Риски потерять лучшего кандидата будут минимальными.
Читайте также:
Пришла мысль.
Эта методтика вполне может подойти к найму на государственные или бюджетные должности. Там как раз не хватает критериев справедливости. Конкурсы проводят для соблюдения формальности, а кандидаты от своих уже давно ждут подписания контракта.
Я как-то участвовал в таком конурсе. Тщательный подбор документов, написание своего видения, потом несколько тестов, включая знание Worda и Excel, знание законодательства. Я прошёл всё замечательно. Но отказ. Когда забирал свои документы добрая женщина, с которой мы прониклись какой-то симпатией, сказала мне "по- секрету", что, мол зря я ввязался, кандидат уже был.
Проза жизни)
Подходит везде, где есть поток объектов, образующих линейный ранговый порядок -- асимметричный, транзитивный и любые два сравнимы.
Где число объектов в потоке заведомо известно = N.
Отвергнутый объект безвозвратно теряется.
И нужно максимизировать вероятность выбора лучшего или одного из двух лучших объектов из N.
Не надо пожалуйста ничего городить.
Стратегия будет работать для всего, что подходит под эти условия.
Хоть лавка антикварная, хоть ВПП для самолета, хоть соискатели на вакансию.
Тот факт, что в реальности кандидат теряется не сразу, а спустя какое время и к нему можно вернуться, если не отпускать его надолго -- не ухудшает работу стратегии, а дает дополнительные преимущества HRу в случае проигрыша и поднимает вероятность выигрыша еще выше.
36,8% и 57,4% -- это в случае самого жесткача, когда упушенный кандидат безвозвратно теряется. Если можно отмотать назад в случае проигрыша, то они будут близки 100%.
Тут важно понимать суть задачи -- если вы не выбираете объект, то шансы вернуться к нему потом либо равны 0 (условия задачи, идельное ограничение), либо существенно падают со временем.
То есть, вы платите за свою жадность поймать в небе журавля пожирнее потерей синицы, которая уже сидит в ваших руках.
И решение задачи -- это методика (или алгоритм, если угодно), который гарантирует с вероятностями 36,8% и 57,4% выбрать лучшего из N или одного из двух лучших из N, не просматривая весь список до конца и прямо в моменте, когда эта синица уже в ваших руках.
Но нет предела совершенству.
Есть и обобщение задачи, когда N заведомо неизвестно. Она имеет другое решение.
И есть обобщение, когда кандидат теряется безвозвратно с вероятностью p(t), в зависимости от времени, которое прошло с собеседования.
Это очень сложная задача, она больше тянет на серьезную научную работу, чем публикацию на портале.
Я понимаю с чем связаны недоумения 99% участников здесь.
С непониманием что такое вероятность. Ее нельзя пощупать и пронаблюдать.
Пронаблюдать можно частоту.
А вероятность -- это предел, к которому стремится частота наблюдаемого явления в ансамбле экспериментов, число которых в нем стремится к бесконечности.
Или -- к которому стремится частота наблюдаемого явления в эксперименте, время котрого стремится к бесконечности (для эргодических процессов).
Чтобы это осознать, осмыслить и принять не достаточно трех классов церковно-приходской сельской школы или какого-то там годового MBA, а требуется глубокое понимание предмета Теории Веорятности и долгая практика работы со стохастическими процессами, величинами и событиями в науке или бизнесе.
Гарантирует?
У Вас одна попытка. Вероятности придумали не для таких случаев.
Интересно, кто-то в реальном бизнесе играет с 4 шансами из 10, если может их повысить до 10 из 10?
А как быть, если есть проблема с правильной оценкой объекта. Разборчивой невесте встретился принц, но она не знает и не узнает, что брак с принцем возможен только по законам Шариата со всеми вытекающими последствиями. Она пошла искать дальше, но решила, что она достойна принца.
А если в антикварной лавке оказался единичный объект, и никто вокруг не знает его реальной цености (какие-то копатели принесли).
Разбирающиеся в этом люди могут сделать состояние.
То есть должен быть инструмент для правильной оценки.
Это вам ваша бабушка сказала? :)
Если вам нужно выбрать из N лучшего один раз -- то просмотрите всех, отранжируйте их. И выберите кандидата с максимальным рангом.
Конечно, если он еще будет к этому моменту в поиске.
Иначе проигрыш. И шансы на проигрыш у вас будут тем выше, чем быстрее исчезает кандидат после собеседования из поля вашего потенциального выбора. И так или иначе жизнь начнет вам подсказывать, что нужно нащупать некоторый уровень Q выше которого кандидата нужно хватать за жабры сразу.
Стратегия, которую я изложил дает метод определения этого Q.
На самом деле сколько у вас попоыток -- не играет роли.
Чем больше заданий на подбор кандидатов вы как HR получите, тем больше экспериментов в ансамбле будет. И тем ближе частота ваших выгрышей будет к данным 36,8% и 57,4%, которые я привел выше.
Примерно 90% всех HRов смотрят всех отобранных. Это затягивается скажем на 2 недели. Потом оказывается, что лучший уже неделю как вышел на другую работу. Ок, обращаются к следующему. Он уехал, вернется через нелею. Переходят к следуюбщему, но он совсем хреновенький. И HR начинает поиск с самого начала. И это превращается в бесконечное болото.
А HRу похрен -- солдат спит, служба идет.
Примерно так и работают все HRы поэтому иногда закрытие даже несложной вакансии может занимать месяцы.
Вот если бы мотивация HR была привязана к числу закрытых вакансий, а сам HR был ориентирован на результат -- то интуитивно он бы пришел плюс/минус к стратегии, которую я изложил.
Я рад за полет вашей фантазии. Но я немного про другое, а именно то, что четко сформулировано в условиях.
Отличный вопрос! Вы были с ней знакомы?
Нет, это азы теории. И немного о том, чем идеальная монета или игральная кость отличается от реальной. Проверьте еще раз в решении задачи, при каких условиях можно говорить о вероятности.
Браво! Но не это ли уже предлагалось выше?
Это похоже на гипотезу. Сможете проверить?
С этим тяжело. Аналитического решения не существует.
Именно для этого и проводят несколько раундов интервью, не считая тестирования, испытательного срока и прочих упражнений. Зависит от должности и компании. И всё равно гарантии нет.
Сувенирный бизнес ориентирован на работу с неединичными предметами. Для него Ваша модель подходит.
Антикварный бизнес ориентирован на работу с единичными предметами, поэтому я и предложил его исключить из Вашей модели.
Конечно, если он еще будет к этому моменту в поиске. Попросите бабушку прогарантировать это :)
Иначе проигрыш. И шансы на проигрыш у вас будут тем выше, чем быстрее исчезает кандидат после собеседования из поля вашего потенциального выбора. И так или иначе жизнь начнет вам подсказывать, что нужно нащупать некоторый уровень Q выше которого кандидата нужно хватать за жабры сразу.
Стратегия, которую я изложил дает метод определения этого Q.
Причем для самых жестких условий, когда отвергнутый кандидат исчезает сразу.
Мне кажется -- мы уже ходим по кругу.
Я уже давно все проверил, так как занят в менеджменте 15+ лет.
Мои HRы все сидят на таких кипиаях. И эмирически уже давно вывели все Q, которые максимизируют их бонус. Ну а те, кто мяли си..ьки вместо работы -- ушли сами искать работу.