когда я вырасту

Чуть-чуть обновленный план 9-недельного курса по поиску работы

Update: курс закрыт

Блок 1: Разбираемся, что вы вообще хотите

Неделя 1. Устанавливаем точку А: какой у вас сейчас опыт, что вы ищите, какие ожидания от работы.

Неделя 2. Проанализируем текущий опыт. Я вышлю аудио урок и домашнее задание, по которому нужно будет подготовить документ о предыдущих проектах.

Неделя 3. Обсудим ваши карьерные (и не только планы): долгосрочное планирование на 5 лет, и конкретные мини цели на год.

Блок 2: приводим в порядок все документы и инструменты

Неделя 4. Эту неделю посвятим резюме, чтобы у вас был документ, который можно будет по ходу курса рассылать на попадающиеся интересные вакансии.

Неделя 5. Составим карту поиска. По гайду или аудио-урокам нужно будет привести в порядок таблицу с тем, какие вакансии и компании рассматриваете.

Неделя 6. Это будет неделя, посвященная нетворкингу. Проанализируем, какие контакты уже есть, приведем их в порядок, добавим в карту поиска;

Неделя 7. На этой неделе дополнительно поработаем над сопроводительным письмом и адаптацией резюме.

Блок 3: Готовимся к интервью

Неделя 8. Выберем, про ЧТО в вашем опыте интереснее и полезнее всего рассказывать. Обсудим ответы на часто встречающиеся вопросы

Неделя 9: По понятной структуре научимся КАК рассказывать эти ответы.

Движение НеМолчиKZ ищут специалисток в разныз сферах на волонтерской основе
- маркетолог:иню (в том числе для продвижения на англ аудиторию)
- проджект менеджер:ки для продвижения и органозации продаж книги и мерча
- инвестор:ок и донор:ок
- арт-менеджер:ку для помощи Дине с ее арт-проектами
- грантмейкер:ка (❗️) - наверное одна из важных позиций. Люди с опытом, рассмотрите пожалуйста, эту опцию волонтерства!

То, что автор:ки статьи назвали алгоритмической монокультурой упрощено можно понять вот как: если раньше кандидат:ка могла получить отказ в одной компании, но иметь шансы в другой, потому что решения принимали разные люди, сейчас из-за того, что многие работодатели используют схожие алгоритмы, одна и та же кандидат:ка может систематически получать одинаковый результат (например, отказ) сразу во многих компаниях, даже если эти компании никак не связаны между собой.

Например, алгоритмы компании HireVue используют 60% компаний из списка Fortune 100. При этом при сливании или выкупе конкурентов, сливаются и их данные, создавай еще меньше независимости:
- например HireVue выкупили в 2023 году Modern Hire’s, при этом в пресс релизе утверждали, что их клиентура практически не пересекается (меньше 2%): то есть теперь 450 компаний-клиентов Modern Hire и 700 у HireVue теперь один алгоритм
- pymetrics также был выкуплен harver в 2022 году, то есть все то, что мы обсуждали выше так или иначе теперь влияет и на найм более 100 млн кандидат:ок и более 1300 компаний-коиентов Harver

и да, хоть исследование выше обсуждало данные американских компаний по американскому найму, pymetrics пишут, что их тесты использовались в 100+ странах, на 30 языках. так что очень вероятно, что вы их проходили

В исследование проанализировали данные конкретной компании - pymetrics, а именно 4,2 млн откликов на 1,746 вакансий (3,37 млн кандидат:ок)

- данные за 2019-2022 года (позже порассуждаем, что могло поменяться с тех пор, кроме очевидного AI бума)
- 156 работодателей, которые преимущественно нанимали в сша/Канаде (annual revenues of at least $5 billion), 87% позиций - white-collar - офисные и квалифицированные должности
- по каждому работодателю в среднем проанализировано 11,2 вакансий, каждая из которых в среднем получала по 2,404 отклика (две факинг тысячи откликов, и это еще в 2019 году!)

Pymetrics разработала 16 онлайн-игр для "оценки когнитивных и поведенческих особенностей кандидатов", например склонность к риску скорость обработки информации, доверие к другим людям, альтруизм, способность планировать, и др.

Что конкретно pymetrics делали?

- обещали использовать отдельную модель машинного обучения для каждой компании-клиента. компания-клиент выбирала 50+ нынешних сотрудников, которые уже "успешно работают на данной должности" - результаты их игр использовались как положительные примеры («такие люди подходят для этой работы»). в качестве отрицательных примеров берутся случайные профили из базы данных Pymetrics. алгоритм учится различать эти две группы и затем оценивал новых кандидат:ок по тому, насколько они похожи на "успешных сотрудников".

Важно! pymetrics не определяли по факту ваши способности, они просто искали людей, похожих на сотрудников, которых работодатель заранее назвал успешными. поэтому если среди этих сотрудников есть какие-то систематические особенности или перекосы (догадайтесь какие???), алгоритм воспроизводил эти же перекосы их и при отборе новых кандидатов. Конечно же исследование обнаружило и расисткий перекос не в пользу черных и азиатских кандидат:ок.

Среди компаний, которые пользовались pymetrics есть JP Morgan, PwC, BCG, Accenture, Uniliver, Linkedin, EY, MasterCard

Коротко об исследовании:

Пока кандидатки думают, что каждый отдельный отклик рассматривается индивидуально, компании делегируют отбор одним и тем же подрядчикам, которые используют данные о всей вашей истории откликов к их клиентам. Так один отказ создает заведомый байас при подаче на все следующие вакансии, и значительно увеличивает вероятность и последующих отказов.

Ниже поговорим подробнее 👇

ставим много лайков и я разберу вам это исследование о том, как конкретно из-за алгоритмов платформы pymetrics возможно и вы получали отказы при подаче на работу в северной америке

- решила к вам обратиться, потому что раньше никогда не занималась прям поиском работы, не знаю, как это делается
- а как же вы выходили на новые места?
- не знаю, как-то так получалось, что всегда меня либо приглашали, или кто-то рекомендовал

фишка в том, что большинство работ так и находится (зачастую это и есть самый эффективный способ поиска работы). и чем выше ваша должность, или чем уникальнее/нишевее ваша желаемая организация/сфера, тем больше работает это правило.

в век год, когда все с помощью ai адаптируют резюме под каждую вакансию автоматически и откликаются на 1000 вакансий (нужных и не нужных), когда на стороне рекрутеров эту огромную кучу тоже так или иначе сортирует какой-то алгоритм, нетворкинг, рекомендации, и настоящий человеческий контакт становятся еще важнее (хоть даже и раньше это было самым эффективным способом искать находить работу)

всем настоятельно рекомендую переслушать все аудио на тему #нетворкинг в этом канале!

В этом отчете от Triodos банка вы можете посмотреть, как разные индустрии могут развиваться в postgrowth экономике. Мы об этом частично говорили на вебинаре о работе в эпоху климатического кризиса (все еще можете приобрести доступ к записи этого вебинара, пишите мне @sh_aigerim_c)

Вакансии в Triodos Bank, Нидерланды/Бельгия/Британия

Triodos Bank - ведущий европейский банк в сфере устойчивого развития, который финансируют проекты по переходу на пост-growth экономику, в частности food, resource, energy transision и т д; вот здесь можно посмотреть примеры проектов, которые они поддержали (и вдохновиться некоторыми из них). Вот здесь можно прочитать о их позициях по нефти-газу (они не финансируют этот сектор) и другим климат-аспектам.

Сейчас открыто 22 вакансии, дедлайн по многим на днях, поэтому не откладывайте просмотр.

#подборкакомпаний