最近接触了很多猎头，发现太多不靠谱的猎头，我自己做了一下换位思考，如果我是猎头，我应该怎么做？
首先我是互联网的一名数据工作者，所以我的身份就变换为一名定位为互联网行业的猎头，并且正在寻找数据相关的人才。
接到了这个工作，我首先思考的问题，应该是我的背的KPI是什么，这跟我的绩效工资有关系嘛，假设我的KPI有3个，1是候选人最终offer的月薪（假设我会抽成1个月 月薪），2是完成了多少个成功拿到offer且入职的候选人（当然实际可能复杂一些，比如还会看候选人得待3-6个月等等），3是服务指标吧。我要做的就是如何实施策略，最大化我的KPI。
在开始制定策略之前，我需要深入的了解这个命题下的“业务”。第1，数据这个行当到底是一个什么东西，上游到下游，每个都对应了什么工种，数据仓库工程师是干嘛的，数据分析师是干嘛的，数据产品是干嘛的，数据挖掘工程师又是干嘛的等等；第2，了解了每个工种的工作内容之后，还需要了解每个工种的技能树是什么，不同工种，不同级别，对技能树的每一个技能的要求高低也是不一样的；第3，了解招人的企业，对这个职位的定位是什么，最好是了解这个职位所在部门的组织架构，了解了什么部门什么架构，了解了汇报上下级等等，你也大体能猜出这个职位大体是干嘛的了，第4，当然职位的职级，薪酬，公司状况等等，也需要记录的。
了解完业务之后，我开工了：
首先，我需要把候选人的信息，推的企业的职位信息整理出来，简单有简单的整法，复杂有复杂的整法。例如，通过猎聘网，获取候选人的信息，作为原始层的一张底层表；通过linkedin，抓取了一部分候选人的信息，又建立了一张底层表......企业的信息，也建一个底层表记录下来。然后我们做上一层的汇总表，把各个渠道的候选人信息汇总起来，定义好需要的字段。
然后，我们通过整理的信息，给候选人和企业职位打上各种标签。例如职位抽象出的标签是：数据分析师，公司平台好，稳定，薪资与市场平均持平，数据分析，SQL，R语言，Excel，分析报告，业务理解等，候选人也根据信息库，抽出他的技能标签，抽出他的职位标签，等等，我们可以建一个两者的匹配度模型，最简单的可以计算两者的相似度。将匹配度由高到低进行排序，然后我一个一个挨着电话。
每次访问之前，我都会根据希望添加的数据字段标签，构建电话话术，访问之后，对候选人加入新的标签信息，例如候选人希望创业，希望有高的职级，希望做的事情是产品相关，而非分析，等等。对于从候选人pickup，一直到候选人愿意投递简历，候选人面试，候选人拿到offer，到候选人成功入职，整个流程，我们会定义好这个pipeline。每个电话过的候选人都会标记到了哪个阶段。
在第一轮电话，了解了候选人之后，我会定义每个候选人的对职位意愿的等级，例如 非常愿意（直接把简历发过来，还问这问那的），中等（说考虑考虑），不愿意（暂时不考虑换工作），直接挂掉电话等。我根据阅读简历，以及跟候选人的了解，初步给他定一个水平的等级（这个等级会结合职位的要求职级进行重新匹配度计算）。根据候选人的意愿等级，和匹配度，我们再重新排序，这个就是我最终的候选人的优先级。
以上就是我对猎头行业的一点想法，也算是作为数据分析师，可以怎么帮到这个行业的一个思考。如果见解太浅薄，请望谅解。
附：
整理信息，对数据加工的时候，分原始层，汇总层等等，这是比较流行的数据仓库的思路，当然我介绍的是最简单的状态。在实际当中，考虑的因素会非常多：汇总表的字段怎么选取定义，表结构怎么设计，统计的口径等等。
为什么要考虑优先级排序：候选人的数量是海量的，猎头的精力是有限的，如果你不做工作的priority，那你会被海量的信息所淹没，当然，如果候选人数量不多，也就十几个，那好说了，一个一个打电话过去挨个弄就行了。
给候选人打标签：说的高大上一点，就是用户画像，说白了，就是对这个人总结一些能概括出这个人职业特点的关键词，每一个关键词都反应了这个人的某一个侧面。
为什么要做pipeline：每一个项目都会有这个流水线管理，做好pipeline的监控，你会更好的了解你手里把控的情况如何，项目进展到哪一步了，pipeline的监控；还可以做成漏斗分析，去监控每一个环节的转化率，如果项目推进的不好，也比较容易找到原因，到底哪个环节出了问题。在很多外企里，都会使用Salesforce这种CRM软件去做类似的管理。
猎头公司就找乾坤猎头，咨询热线： 4006222973
简历在线投递请登录：www.qiankunlt.com
高端交流群：310325624，高端交流，人才共享
更多猎头资讯，请关注乾坤猎头公司微信平台：qiankunlt
