前幾篇有提到過（幾乎）沒有完美吻合的工作。但這樣是否代表所有工作都可以投遞呢？如何知道哪些工作值得投遞，哪些應該放棄？這篇文章的主題就是分享如何透過「差異分析」來策略性地選擇你的投遞對象，幫助你在求職過程中更精準地瞄準合適的目標。

差異分析

「差異分析」是另一個關鍵技法，目的是找出你與職缺需求之間的差距，然後通過優化履歷來彌補這些差距。這是一種有策略的篩選方法，特別是當我們無法完全符合所有要求時，這個技法能幫助你聚焦於你的優勢，並補充不足之處，讓你提高投遞的成功率。

為什麼這麼做？

差異分析的目標是像一名棒球打者：不一定要每一球都打全壘打，而是要知道何時要瞄準直球擊出強勁一擊，何時面對擦邊球時稍作調整，甚至對於那些你無法應對的界外球，學會避免揮棒失誤。這個過程幫助你更有策略地強化履歷中的某些部分，讓你的優勢最大化，即使在某些領域無法完全符合要求，也能通過突出其他的優勢來平衡這些差距。

實作步驟（簡單評估）

1. 列出 JD 要求：首先，將 JD 的條件分成「基本條件」和「偏好條件」。這就像是棒球比賽中的直球和變速球——直球是招募方最在意的部分，你必須能夠應對，而變速球則是加分項，打好這部分能讓你脫穎而出。同樣用這份 JD 作為舉例：

* 基本條件：4 年以上 API 開發經驗、熟悉 GCP（直球）
* 偏好條件：有 Containers（如 Kubernetes）經驗、熟悉 Real-Time API 開發（變速球）

2. 自我評估：檢視你自己與這些條件的匹配程度，並使用紅綠燈系統來標示：

• 綠燈（完全符合）：這些是你具備的技能。例如「4 年 API 開發經驗」。
• 黃燈（部分符合）：這些是你可能具備部分經驗，但不完全符合的部分。雖然不完全符合，但你有相關經驗，可以找出相似的技能來補充。例如「有一些 GCP 經驗，但不熟悉 Kubernetes」。
• 紅燈（不符合）：這些是你完全不具備的技能，可以視為界外球。這些條件不應成為你履歷的焦點，但可以通過強調其他優勢來抵消影響。例如可能你「完全沒有 Containers 經驗」。

3. 針對差異進行調整：根據紅黃綠燈的標示來優化你的履歷。

• 針對綠燈條件，應該將其放在最顯眼的地方，並用具體數據強調成果，就像在射箭比賽中強調命中紅心的表現。
• 針對黃燈條件，找到你過去經歷中與之相關的部分來補充。例如，如果你沒有 Kubernetes 經驗，但有 Docker 經驗，則可以強調你在容器技術上的技能，這樣有助於降低招聘方的疑慮。
• 補強紅燈區域：如果 JD 的某些基本條件是紅燈，且你無法立即補足，建議不要隱瞞，而是強調其他優勢來彌補差距。例如，如果你缺乏 Containers 的經驗，可以強調你在 API 開發上的強項，或表現出你快速學習新技術的能力。

差異分析（簡單評估）實例

假設你申請的是一份 Senior Software Engineer 的職位，JD 要求 4 年以上 API 開發經驗，熟悉 GCP 和 Kubernetes。以下是差異分析的操作步驟：

1. JD 複製：先將 JD 複製到文件中，標記出關鍵詞，如「4 年 API 開發」、「熟悉 GCP」和「Kubernetes 經驗」。

2. 自我評估：假設你有 4 年 API 開發經驗（綠燈），在 GCP 上有基礎操作經驗（黃燈），但沒有 Kubernetes 經驗（紅燈）。

3. 調整履歷：

   • API 經驗：強調你在過去公司中負責的 API 專案，並量化成果，例如「在 XYZ 公司中負責設計並實現 10+ 個 API，每月處理 50 萬次請求」。
   • GCP 經驗：雖然你對 GCP 只有基礎經驗，但可以強調你過去是如何快速學習這些技術，並列出你在 GCP 上的具體操作經歷。
   • Kubernetes（紅燈區）：無法直接補足時，可以強調其他相關經驗，如「負責 Docker 容器管理，具備基本容器化技術理解」，表明你在容器技術上的學習能力。

進階分析：深入解析職缺需求，找出你的短板

當你在求職中使用「差異分析」進行初步篩選和調整後，進一步的進階分析可以幫助你更全面地了解自己的優勢與短板，從而更有效地優化你的履歷和求職策略。進階分析的重點在於將多個職缺進行交叉比較，找出反覆出現的關鍵技能需求，並系統化地補足自身的短板。

進階分析部分就不只考慮「回應率」了，更考慮的是「面試率」。所以在進階分析中，要考量哪些技能是要花時間補足的，思考的是面試怎麼考。如果可能考實作，那學習時的強度就要加強且重實作；如果更多考概念，那至少相關概念要能說清。

為什麼要進行進階分析？

如果說「差異分析」是單場比賽中的精準揮棒，那麼「進階分析」則像是賽季中的全面數據分析，通過深入觀察整體趨勢，找出哪些技能是當前市場上最常見的需求、哪些是你反覆欠缺的部分。這樣的進階分析可以讓你——

• 精準補強短板：在分析多份 JD 後，找出你屢次在不同職缺中遇到的「紅燈」技能。這些技能就是你的短板，需要你優先進行學習和補強，才能讓你在下一次投遞中脫穎而出。

• 發現市場趨勢：當你多次分析類似職位的 JD 時，可以發現市場上特定職位的趨勢。這些趨勢可以幫助你更好地理解行業需求，調整自己的技能學習路徑。

• 提升競爭力：進階分析不僅能讓你了解自己與單一職缺的匹配度，更能從求職市場的整體需求中找出共通的技能要求，幫助你優化履歷，提升競爭力。

• （潛在）生出模板： 當投遞履歷量到一定程度，就會知道哪類型的職缺可以用哪份履歷迅速迭代。在多份差異分析做完後，你可以更迅速反應每個 JD 對應的你那幾個履歷模板。

差異分析進階步驟

1. 收集多份 JD

首先，選取多個你感興趣且符合你背景的職缺，將其 JD 進行彙總。這個步驟的重點是覆蓋同一領域或類似職位（如不同公司中的 Senior Backend Engineer），這樣你能夠分析多份 JD 中反覆出現的技能需求。

2. 提取共同關鍵詞

將收集到的多份 JD 進行比較，提取出反覆出現的關鍵詞和需求條件。例如，對於十個 Target Job 的後端工程師職位，你可能會發現以下技能是普遍需求：

• API 開發：出現十次
• 雲端技術（如 AWS、GCP）：出現九次
• Container 技術（如 Docker、Kubernetes）：出現八次
• 資料庫管理（如 MongoDB、PostgreSQL）：出現六次

將這些關鍵技能整理成表格，並註明它們在不同 JD 中的出現頻率。就像大聯盟中的「打擊率分析」，找到最常遇到的直球、變速球等，讓你能精準準備應對。寫文時大谷翔平剛好破歷史紀錄的 51 - 51，大恭喜。大谷很厲害，不過我們每個人都有屬於自己的打擊率與賽場，可以欣賞與學習，但可以將精力集中在眼前屬於你的賽道。

3. 檢視自身匹配度，找出短板

接下來，針對每一個常見技能進行自我評估，分析你與這些技能的匹配度。這時可以再次使用「紅黃綠燈」系統：

• 綠燈（完全符合）：已經熟練掌握的技能，並能在履歷中明確展示的部分。
• 黃燈（部分符合）：有一些相關經驗，但不夠深入的部分，或者學習過但未能在實際工作中應用。
• 紅燈（不符合）：完全不具備或經驗非常有限的技能。

這個過程有點像是對打者的打擊曲線進行檢視，找出哪類型的投球你常常揮空，這些正是你需要進行補強的「短板」。

4. 制定補強計劃

根據你的短板，制定具體的補強計劃。其中有一個「可證明性」表示在面試中被問到時的回應能力，這可能包括：

• 參與專案：如果對一個自己確定是長期想補強且要走的方向，可以選擇去參與專案。這邊推薦 Github 上找 Repo、社團揪團外，可以到像是 g0v（零時政府）那邊找坑。這最花時間，但對應可證明性與學習性也最高。

• 進修課程：如果你發現 Kubernetes 或是 Docker 是多數 JD 中重點強調的技術，而你恰好欠缺這部分，那麼參加相關的線上課程或獲取認證，會是非常有針對性的行動。這個普通花時間，但可證明性不錯，學習性看狀況。

• 個人專案：假設你沒有實際使用某些技術的工作經驗，你可以自己設計一些個人專案來補強這些短板。例如，如果 JD 多次要求雲端技術，你可以嘗試將你之前的專案部署到 AWS 或 GCP 上，並展示你對這些平台的實際應用。這個花的時間不一定，可證明性低，學習性看狀況。

• 口頭學習：在你找到短板後，學習新技能的關鍵詞並找到你的故事中。這個是最臨時抱佛腳的做法，真要面試前才推薦用，花的時間低，可證明性低，學習性也低。

5. 定期回顧與更新

進階分析不是一次性的，而是一個持續的過程。當你持續投遞並獲取市場反饋後，應定期檢視新出現的 JD，更新你的技能需求分析，並持續補強不足之處。這就像是賽季中，球隊會不斷更新數據分析，根據不同對手的情況進行策略調整。

進階分析是讓你進入職場「聯盟」中的必備策略，透過多角度的分析和自我補強，才讓你在職場競爭中站穩一席之地。透過這個過程，你能夠系統性地找到自己的短板，並精準制定補強策略，最終實現精準命中目標。

小結

「差異分析」與「進階差異分析」是求職過程中不可或缺的兩大方式。差異分析幫助你快速評估自己與職缺的匹配度，通過優化履歷中的關鍵點來彌補短板，如同棒球選手應對直球、變速球時的靈活揮棒。而進階差異分析則是進一步深入，透過多份 JD 的交叉比較，系統化地找出市場上的共通需求，並補強自身不足，像是對賽季中的數據進行精準的戰術分析，讓你更有針對性地提長期高競爭力。

這兩種分析法結合使用，既能幫助你在單次投遞中最大化你的優勢，又能讓你長期累積實力，從而在職場競爭中保持領先。

如果您有興趣在職場中持續保持領先，歡迎關注系列文，或進入 Facebook 交流群。
https://www.facebook.com/groups/data.driven.oversea.career
通關密語：量化求職