猎头视角7 分钟2024-11-28
猎头视角：EEG/fNIRS 方向的人才画像与招聘难点
神经影像方向的人才招聘有其独特挑战——候选人往往横跨多个学科，技能组合非标准化，传统的 JD 描述方式很难精准触达。
在神经科学方向的猎头项目中，EEG（脑电图）和 fNIRS（功能性近红外光谱）方向的人才招聘是最具挑战性的品类之一。
人才画像
一个典型的 EEG/fNIRS 方向候选人通常具备以下技能组合：
核心技能
神经信号采集与预处理（伪迹去除、滤波、ICA）
时频分析（ERP、ERS/ERD、相干性分析）
统计建模（集群统计、排列检验、贝叶斯方法）
至少熟悉一种分析框架：EEGLAB、FieldTrip、MNE-Python、Homer3
加分技能
机器学习分类器（SVM、LDA、深度学习）
脑机接口系统搭建
源定位分析（sLORETA、beamforming）
多模态融合（EEG-fMRI、EEG-fNIRS）
招聘难点
1. 非标准化的职业路径
这类候选人可能来自生物医学工程、心理学、神经科学、物理学甚至临床医学。他们的简历上可能没有"计算机"或"AI"相关经历，但实际技能可能非常匹配。
2. 学术思维 vs 工程思维
很多候选人在学术训练中养成了"追求完美数据"的习惯，但在产业环境中，需要在有限数据和不完美条件下做出决策。这种思维转换需要引导。
3. 薪酬预期校准
学术背景的候选人往往对市场薪酬缺乏认知。有些人低估自己（因为觉得自己"只会做实验"），有些人高估自己（因为觉得"这个领域人少"）。精准的价值校准是猎头在这类招聘中的核心价值。
我们的方法论
不只看简历关键词，而是理解候选人的实际项目经验和问题解决能力
帮助企业重新定义 JD，用"能力需求"替代"学历/专业要求"
在候选人和企业之间做双向预期管理，确保匹配质量