嘴上说要认真面试身体却在偷懒这样好么

　　你是如何去应对面试？将写好的简历再重复一遍，或是精心准备好面试话术和面试官来一场套路的比拼？其实这些都不是面试的正确姿势！
　　面试不是背简历！
　　这个话题来自这个月经历的咨询案例以及公司里参与的面试。我发现，在如何＂售卖自己＂这件事上，许多人只是在观念上觉得很重要，然而在行动上却做得非常不到位——甚至根本没有意识到自己做的多差劲。工作这件事本身，带给个人的不仅是工作年限，更多的是能力的增长、环境的影响甚至是工作观的塑造，当然还有最重要的薪水。对于这么重要的一件事，很多人在每次转换跑道时都要考量好久，却在面试这件事上给人留下不认真的印象，实在是太可惜了。
　　我相信这时候会有人反驳：＂我明明非常认真在准备面试！＂然而努力不一定有效用，今天就聊一聊最常见的一个面试通病：把面试当做背简历。
　　我之前以为在校生出现这个问题比较多，后来发现即使是七年工作经验的老鸟也会犯这种初级错误。造成这个错误一般有两种心态：
　　我简历上写的很全了，让我毫无保留的告诉你；
　　我简历写的很漂亮，是最佳描述范本，让我用精心准备的话术告诉你。
　　的确，背简历非常省事，并且都是对你最有利的话术，然而背简历会遇见一个非常严重的问题：如果面试官深挖一个层面提问，立刻不知道如何回答，面试气氛立刻凝固，被打断后再一紧张造成忘词，那这个面试就算完了。
　　知道为啥要面试吗？
　　如果面试的时候背简历就可以了，那么面试官看看简历就可以做决定了，为毛还要耽误时间去和你面试？
　　现在我们常用的面试方法都是行为面试，即以行为依据和目标导向进行人才甄选，其假设前提是一个人过去的行为会预示他以后的行为。
　　面试的目的无非以下三种：
　　确认简历的真实性；
　　挖掘面试者经历背后的能力；
　　确认面试者是否能和现有团队融入
　　而背简历这种行为，既不能证明简历真实性本身，也不能凸显简历背后的个人能力，更是忽视了面试的互动性，无法营造融洽的面试气氛——面试气氛即未来的工作气氛。
　　面试的整个过程中，面试官是在挑选希望共事的未来伙伴，你是在展现自己的个人形象（整体形象，不是外貌层面的），要实现双方的目的那就必须有互动，双方要有来有往、有问有答。单纯的背简历，是硬生生放弃了这种互动，失去了进一步让面试官了解自己的机会，更严重的是接到问题以后大脑一片空白，不能好好回答问题，也忘记了之前背的简历，给面试官留下了一个单调刻板、不够灵活的印象。
　　对策：面试=STAR*5W1H
　　想象自己是一座冰山，那么简历所展现的只是冰山一角，随着面试的进行，你要展示出的是冰山本身。面对真正想要得到的工作，那么从行动上重视面试的正确方法是：简历上每一个项目都要拓展成STAR*5W1H，穷尽所有面试官提问的可能性。
　　STAR是简历撰写的基本法则，指的是你经历的每一个项目都需要使用情景(Situation)、任务(Task)、行动(Action)、Result(结果)这四个要素进行描述。具体如下：
　　Situation: 事情是在什么情况下发生
　　Task: 你是如何明确你的任务的
　　Action: 针对这样的情况分析，你采用了什么行动方式
　　Result: 结果怎样，在这样的情况下你学习到了什么
　　5W1H又叫六合分析法，是对选定的项目、工序或操作，都要从原因（何因Why）、对象（何事What）、地点（何地Where）、时间（何时When）、人员（何人Who）、方法（何法How）等六个方面提出问题进行思考。
　　如果你之前看过我关于写简历的文章或课程，那么你简历上的项目应该已经是按照STAR法则表述了。STAR法则的好处是准确概述你的项目，而为了应对面试官的提问，你需要将STAR的每一个要素都问一遍5W1H，并准备好该问题的答案。具体操作如下图所示：
　　这坨密密麻麻的线，就是面试官猜不透的心~
　　举个栗子
　　假设你是一名要跳槽的产品经理，在之前的工作中设计搭建了一个数据平台，在简历上是这样写的：
　　DAU突破50万导致数据量激增，为了提高数据分析效率，规划设计网页版数据分析平台，可用于图表化展示用户活跃数据、分层数据并支持输出个性化数据日报，将原有数据分析效率提高了10倍。
　　这里面的STAR：
　　S：DAU突破50万导致数据量激增
　　T：提高数据分析效率
　　A：规划设计网页版数据分析平台
　　R：可用于图表化展示用户活跃数据、分层数据并支持输出个性化数据日报，将原有数据分析效率提高了10倍
　　将这4个要素分别组合5W1H，完成Q&A，以下拿T举个栗子：
　　T*WHAT：提高什么数据分析效率？——两个维度的数据：一是用户本身的数据收集及分析，如性别、年龄、开启频率、登录频率、主要功能参与程度等；二是每日产品数据收集及分析，如每天的PV、UV、登录设备数、用户留存、主要功能参与数据等。
　　T*WHERE：提高哪里的数据分析效率？——APP产品本身的数据（基本是个无意义问题，可忽略）
　　T*WHEN：提高什么时间的数据分析效率？——分长期和短期：短期主要是每天都要看的数据日报，其中包括最核心的数据项；长期是指每周、每月甚至更长时间的数据手机及分析，这就要求平台在设计上要考量时间输出方式及常用时间段。
　　T*WHO：提高对谁的数据分析效率？——现有活跃用户、现有普通用户、潜在可转化的用户。
　　T*WHY：为什么要提高数据分析效率？——一方面是由于短期内日活激增，导致数据量成倍增长，团队急切需要更规范、更专业的方式，对数据进行统一管理和分析；另一方面，数据量激增导致现有团队成员效率降低、重复性工作增多，不利于团队成员效益最大化。
　　T*HOW：如何提高数据分析效率？
　　要对需收集的数据进行分类梳理；
　　访谈使用方对数据需求的优先级；
　　选择数据的输出方式和呈现样式，力求准确、直观、便于操作；
　　对于不便于标准化输出的数据，提供个性化表单生成功能。
　　到此，T这个元素与5W1H组合的Q&A已经穷尽，之后同样，将S、A、R等元素也用同样方式组合延伸，穷尽有可能出现的问题并准备好回答。需注意的是，在穷尽的过程中，可能有些组合会重复或者出现毫无意义的问题，那么就直接跳过，无需纠结。
　　该案例纯属我杜撰，只是为了展示下什么叫STAR*5W1H，如果是你真实经历的项目，应该比我上述撰写的更具体、更细节才对。而我身上真实的案例是：在我当年校招找工作的时候，简历上的每一个项目，背后都有整整一张A4纸的Q&A，字号不大于小五，而这叠4A纸上的每一段话都已经在面试前演练过多次了……