［絶非廣告］天地良心，寫廣告寫成咁，一定畀客或者公關黑名單。本人一般係好識撈的。

1. TLDR：星州唔炒輪，唔通炒米？正如馬克吐溫唔吐溫，唔通吐痰？山口素弘唔素弘，唔通掃黃？（呢個句式明顯抄林振強，但我已唔記得佢原文係用乜嘢例子）

＝＝＝＝＝＝＝＝＝＝＝＝＝＝
一週年！比別人知得多。subscribe now（https://bityl.co/4Y0h）。Ivan Patreon，港美市場評點，專題號外，每日一圖，好文推介。每星期6篇，月費100，已經1900人訂！ 畀年費仲有85折，20/40年費VIP 送本人著作一本。
＝＝＝＝＝＝＝＝＝＝＝＝＝＝

2. 香港嘅新輪商，登登，就係我舊東家（唏一夜夫妻都百二蚊，何況我做咗年幾，拎咗好多個百二蚊），星展銀行。這不是愚人節

3. 個重點唔係 星展咁XX 都學人出輪—大把更加XX 嘅公司都出輪啦，星展喎大佬，好長時間係東南亞最大市值公司（唔肯定而家仲係咪，視乎SEA你當唔當東南亞公司），好失禮你？

4. 咁你咩Macquarie都出做輪商啦（死咗未？我對上一隻買嘅輪就係Macquarie，十幾年前嘅事），「我知Macquarie在澳洲好大」（其實都唔係，迫科CBA NAB ANZ WestPac後都未到佢，有冇話你知我係睇銀行股的？），但，we talking about 新渣坡 ok？新加坡LP（＊）咁大嘅地方，600萬人，又唔似香港咁有大陸公司上市（坡國上嘅大陸公司就算鳩數啦），但股市市值好長時間係東南亞最大—大佬你印尼講緊3億人呀！（其實印尼GDP係坡國4倍，see？坡國係金融中心呀）

5. 同朋友講起呢，個重點當然唔係「星展都學人出輪」，而係「而家先出」？

6. 的確，星展當然夠資格出輪有突，樓上都講咗。反而你可以奇怪係，做乜而家先出？朋友話頭，「個個炒美股啦仲有人炒香港窩輪牛熊證？」

7. 不過朋友此言我又唔係完全同意，首先，why not both？炒美股都可以照炒港股。況且，窩輪牛熊證可以買跌嘛，咁覺得騰訊爆煲嘅，咪瞓身家put 咯（Just saying，而星展出嘅正係騰訊輪，有call有put，可以幫襯下）。

8. 況且你睇港股每日嘅輪證成交，當然仲有大把人炒輪炒牛熊證。可能因為覺得自己眼光好準，可能唔想捱夜（但，邊個話買美股要捱夜？好多人以為買股票要日日望住佢，但你見我有時瞓到四點港股收市先起身），可能係覺得美股交易費貴（其實唔貴），或者覺得升咗好多，或者覺得「唔熟美股」（你以為自己好熟港股？）。Whatever．總之，睇多次呢段第一句。

9. 而另一方面，過去十幾廿年，最大嘅轉變係：發輪已經成為commodity business．呢個亦係商業社會嘅殘忍，或者進步。最初你就「認股證認法興」，後來就「買得準里昂輪」（行家戲稱「買得準你戇卵」，後來里昂都冇埋，變咗「買得準匯里輪」），仲有遠近馳名嘅「波法比餅店」（自己google）

10. 講過了，多數係歐洲嘢。里昂法興比聯（KBC，好多人都唔知點解係K，行家俗稱Kredit Bank），歐洲公司。最初就係請晒啲巴黎第X大學嘅數學家，法國出名多數學勁人，真的。

11. 但後來，人人有得抄啦，你識請法國佬我唔識？況且後來亦都有大陸仔印度仔嘅quant，一樣識講法文（嗰時匯理個quant頭同我舊老細相熟，係個踢拖但一口流利法文嘅大陸佬），點做pricing，用乜software，點行銷，點搞講座上電視，人人都識抄。波法比甚麼，只能搵第一輪水。

12. 任你講乜都好，呢啲鬥到最後係commodity business，你唔會因為A行輪后對波大啲就幫襯（我唔會啦下，我鍾意細胸），散戶都係睇貼唔貼市，多唔多成交，睇引伸波幅（＊＊）

13. 鬥到最後，咁鬥乜？就鬥funding cost，銀牙！呢啲就係歐洲行唔夠鬥嘅地方啦。眾所周知（你唔知嘅我話你知），波法比等等，在香港邊有deposit base？咁你出輪當然要有貨打底，錢從何來？歐洲行就只能靠問匯豐中銀之類日日借，當時我做蕉行都拆唔少出去。（有啲戇鳩仔真係以為輪商要同你對賭，錯，人地食硬你，使撚同你對賭睇好定睇淡騰訊）

14. 但星展，就係個funding cost夠低，見唔見張相寫撚住亞洲最安全銀行？信貨評級好多的說。況且，quasi 國企啦。我都話我去坡國，淡馬錫都肯見我聽我鳩up—何晶識我老鼠咩（當然我亦唔會見到佢），畀面星展之嘛

15. 你見到嘅係，之前N年好多歐洲行都收晒皮，開始少人競爭，亦都有返啲肉食，所以可能而家想入場咯。

16. 仲有一樣嘢，睇嘢不能咁狹窄啦。你出輪之餘，又掃埋正股做對沖，但你又可以出埋產品畀private bank嘛。成套咁睇的。得罪講句，你KBC啲private bank，同星展點比？我唔止淨係賣香港喎，坡國馬國仲有大把……客。

17. 以上種種，只係我猜測，冇任何內幕，冇問過任何做星展嘅人。但星展啲嘢，OK架，可以幫襯下。

18. 話時話，做quant我就冇料啦，星展搵唔搵人做廣告post？Inbox我，一場舊相好，畀個特價你，保證唔講粗口。

19. 正文講完，但，當然後記仲好睇。

=============================================

20. 首先講個好簡單嘅故事：話說我在星展嘅年代，真係有次有間PR公司搵我，叫我宣傳某銀行嘅產品，問得幾問，原來係星展。成件事好似你上Tinder Match返自己老婆咁。PR問我介唔介意，我梗係唔介意，但我話你去問下你個客aka星展介唔介意，當然成件事就冇咗下文。但，我真係覺得something is wrong，星展肯畀錢街外人，然後街外人搵我喎。

21. 不過講返，我對星展真係無仇無恨，固然佢有大公司嘅老味嘢，但亦有大公司嘅好嘢。人工高（還好啦，陣間講）福利好（廿鳩幾日假，仲有士大夫供樓，搞到我幾乎買咗太古城）。你見我同啲星展舊同事都仲有食飯（你估我好得閒？），同啲舊客都仲有傾計，星展as a company 係OK的，「我係同我舊老細唔妥之嘛」

22. 遲下再寫個故事，但聽啲小朋友見工，話HR「壓佢價」，come on，C朗都減人工啦，supply and demand，老細當然係壓價，兩萬八請到嘅人點解要畀三萬？正如你想叫高人工，甚至有人吹大上一份工嘅人工（我從來唔會），咪又係昆鳩人賺到盡。哦，唔同，人地係仆街資本主義巨獸—咁你就米撚去做啦。

23. 我想講，我去星展嗰時，我開嘅人工，佢冇壓價之餘，仲加多咗啲畀我。「多五百都係多丫」（唔止五百嘅）。呢啲先係做大事嘛。其實我請人都係咁，一般你叫幾多我再畀高你，「又唔係我啲錢」。

24. 當然，入到去我冇加過人工，就係後話，一個仙都冇，雖然都只係年半。食得鹹魚抵得渴啦，喂但你條鹹魚越食越渴喎。咁你可以話我辦事不力廢撚柴，你做星展年年都加好人工，的確好多人係咁。但我又話你知，我去第間公司都係年年加人工，即使康宏咁XX都仲有加我人工（託我老細洪福，多謝）—結論？都係八字唔夾，早走早著。

25. 真的，唔夾咪分手，唔通我仲要去「好，我要好努力，證明畀你睇係你睇錯」，仲十八廿二咩，我使撚靠你「證明」咩，我去搵過份工咪最好嘅證明。

26. 其實唔應該講，但最後我都係忍唔住講。到我當時轉去星展呢，我啲朋友就叫我delete 晒以前啲Facebook Post，我話咩回事？佢地話，「你成日話人地係「保險箱都掉撚埋你嘅亞州最安全銀行嘛」」

27. 心諗，係喎，雖然我覺得我冇「成日」講（但今日又講多次），但，即係好似啲球員轉會咁，「咁轉去利物浦就梗係delete咗之前係咁串人嘅ig post」

28. 不過還是要講，「保險箱」呢單嘢真係太經典，開埠以嚟第一次喎！威唔威？更要留意，當時（2004年尾）我剛由教書轉去做銀行（蕉行嘛），真係深深震憾我心靈。我仲記得當日係標哥睇睇下報紙，自己在個位度講，「哈，啲坡佬咁撚樣都得喎」（原文照錄），當然仲要係有女同事在場。咁留意，當時我只係返工個幾月，試用期都未過，當然唔敢回佢「點撚樣呢？」。但以佢性格，當然自己主動講畀我地知。

29. 不過呢，諗深一層，扯，人地講「亞州最安全銀行」，講個credit rating嘛，講借錢存錢畀佢好安全之嘛，nothing to do with 保險箱喎。況且，to be fair，班友個個都拎一大舊錢和解啦，幾大舊冇人知，non-disclosure 嘛，但，肯定好大舊掩口費啦。Fair enough 啦。

30. 拿，有呢段，你可以肯定唔係廣告post啦。

（＊）這很經典 — https://bityl.co/8SED

（＊＊）我成日都話，香港地呢，屯門街市師奶都識講引伸波幅，金融普及程度肯定全球首位，啲咩學者話香港人金融知識不足都戇鳩。Try me，你去紐約去倫敦街市，試下問人咩叫縮vol？

＝＝＝＝＝＝＝＝＝＝＝＝＝＝
一週年！比別人知得多。subscribe now（https://bityl.co/4Y0h）。Ivan Patreon，港美市場評點，專題號外，每日一圖，好文推介。每星期6篇，月費100，已經1900人訂！ 畀年費仲有85折，20/40年費VIP 送本人著作一本。
＝＝＝＝＝＝＝＝＝＝＝＝＝＝

銀行如何提供超級個人化服務？百人數據團隊靠AI打造中信腦

為了顧及全產品、全客群、全通路、全覆蓋，中國信託採取的對策是走入AI與大數據，更為發展AI應用訂下3大KPI，來掌握研發資源的最適化；今年，中信更成立數據治理委員會，希望將數據治理走向更全行化的關鍵議題

文/李靜宜 | 2021-06-10發表

「透過科技力，來創造競爭力。」中國信託銀行數據暨科技研發處處長王俊權，用一句話點出中國信託大力發展AI與大數據的戰略核心。

3年多前，中國信託定調以AI與大數據作為主要發展方向，並成立了數據研發中心，要用AI來加值業務場景的服務與產品。設立初期僅有一人，到現在已擴大為百人團隊，更在2020年初正式提升為數據暨科技研發處。王俊權正是該團隊的一號員工，更是中國信託內部大力推動AI與大數據的關鍵人物。

中國信託的經營策略是，顧及全產品、全客群、全通路、全覆蓋。而為了守住既有的優勢，中信採取的對策是走入AI與大數據，來作為轉型的利器。不只要轉型，王俊權表示，中信更希望透過AI與大數據，孵化出不同於以往的經營模式。

「CTBC+AI」是中國信託發展AI的大方向，在各業務線上，都能將既有的經營方法加上AI，來提升效率與效能，更要以這樣的科技力創造競爭力。更以優化、平臺、全面、轉型、顛覆這5大階段任務，往下推動AI。

王俊權解釋，中信的策略是，從最小且最有把握的項目開始，所以，透過AI來優化既有的經營方式，是中信切入AI的第一項任務。運用AI優化的專案成功後，下一步，中信就能將AI技術進一步平臺化；有了平臺之後，就能將AI技術全面導入到銀行。

走過了優化階段、平臺階段到全面發展階段，AI已經落地到中信的金融場景，也陸續有了一些階段性成果。王俊權表示，中信現在聚焦「轉型」與「顛覆」，希望透過AI幫助組織轉型，最終期待是要用AI提出顛覆的想法，創造新的經營模式，他透露，目前已有幾個專案正在進行中。

依循著CTBC+AI這項大主軸，中國信託打造了「中信腦」，定調3條研發路線： 電腦視覺、自然語言處理（NLP）、機器思考，也成立了3大實驗室，聚焦研發6大AI應用核心，包括了精準行銷、市場預測引擎、文字與文件辨識應用、人臉與物件辨識應用、機器閱讀到機器對話。從應用場景來看，則鎖定營銷經營、流程優化、風險控管這3項。累計至今，中信在業務單位落地的AI專案超過了20個。

第一類應用場景的AI，中信稱為「營銷經營+AI」，囊括個人化推薦、需求預測，目的是協助增加收益，並提升客戶滿意度、客戶資產、新申購產品數等。王俊權提到，像是推薦引擎專案，中信金控整體客戶數有1,100多萬戶，產品與通路又多，需要透過AI推薦引擎來實現精準行銷，預測顧客未來的金融需求，才能進一步推薦。中信也將這類預測技術，應用到金融商品的預測，比如房價預測、股市預測、匯率預測等。

「流程優化+AI」則是中信第二大類應用場景，包含法金作業流程、客戶申請流程、線上作業流程，希望用來協助內部提升作業效率，來減少作業成本，最終目的也同樣要能夠提升客戶滿意度。 目前，中信內部有多項端對端的流程數位化專案，像是個金、法金、AML（反洗錢）、HR等業務，都有導入AI來優化既有流程。

最後一類場景的應用是「風險控管+AI」，則應用在AML作業、偽冒偵測、稽核，來改善內部作業效率，減少風險的損失。比如，王俊權提到，前年底，中信銀行上線了一套用自然語言處理技術分析負面新聞的平臺，這個AI反洗錢專案的成果，後來更從臺灣擴大應用到7個國家的海外分行。

王俊權表示，3大實驗室所負責的6大AI核心，就是沿著這3大類應用分頭進行，其中，因為銀行面對數位化的壓力較大，所以，又以銀行為應用主力，再逐漸將AI技術擴大到金控旗下子公司，如投信、台灣人壽、中國信託資融等。

自行培養AI研發能力，更訂定3大AI管理KPI

AI發展策略上，中國信託除了自主研發，也會與廠商協作。不過，這兩種策略該如何拿捏，中信內部也走過一段辯論的路。王俊權表示，最後的判斷依據是，「金融業需要的核心能力，中信會投入有限的研發資源。若不是中信認為的核心能力，則盡可能用市場上的解決方案，來加快回應市場的時間。」

舉例來說，銀行業使用分析模型並非新鮮事，AI技術與傳統統計回歸最大的不同是，能夠處理大量非結構數據，像是人臉、電文等資料，可是，這些數據機敏性較高，如果銀行不能自行掌握技術，而需委外，王俊權認為，第一個問題就是，銀行創新的保密性較弱，再者，廠商進入銀行接觸到如此多的機密性資料，有時也有法遵問題。

尤其，金融業對個資的管制嚴格，非結構化資料很難離開金融業，但是，在臺灣，許多AI技術原廠來自海外，對於銀行來說，整體應用或導入的彈性都相對較低，這些都是中國信託選擇培養自家AI研發能量的關鍵因素。

中信在AI應用發展策略，更訂出3大關鍵績效指摽（KPI），作為研發資源最適化的參考。王俊權表示：「對資源有限，需求無限的單位而言，研發的管理是一大關鍵。」首先，中信不會輕易增加AI生產線，因每開一條生產線就會涉及維運與資源分散的議題。所以，「AI生產線的管理」是第一項KPI。

「AI研發資源調度的管理」是第二項KPI。王俊權提到，資源有限狀況下，應該分配多少資源，投入短期的落地變現，還是長期的亮點顛覆，「是一種決策的藝術。」過去，中信希望AI可以迅速擴大到各單位，所以，王俊權採取80／20法則，將80%的資源用在短期落地變現，讓大家有感，保留20%在真正創新的研發。不過，他表示，這個比例每年或每季會進行調整，要讓研發資源投入到需要的地方。

第三項KPI則是「核心複用的比率」，也就是同一項核心技術盡可能重複利用的比率。王俊權要求研發團隊，每條AI生產線至少要有3個落地應用。目前，中國信託共有6條AI生產線，以及20幾個AI落地應用的專案，他提到：「平均每條AI生產線，有3～4個核心複用。」未來，更希望將每個AI核心，擴大到金控內各個應用，所以，要盡可能提升核心的複用，他對團隊的期待是，能提高到兩位數的複用率。

他進一步舉例，3年前，中信導入工研院智能文審技術，來辨識客戶申辦信用卡、貸款所需檢附的財力證明，像是存摺、扣繳憑單等金融常用的固定格式文件。去年，中信將文字辨識應用，複用到分行的場景，上線AI票券辨識服務，在審票機中加入AI、OCR技術來辨識支票，來減少櫃員人工審票與顧客等待的時間，及提升作業人員登打的產能。

目前，中信已做到一張支票上的7個要件，包括到期日、抬頭人、金額、禁止背書轉、發票章讓章或手寫、背書、帳號，都能夠用AI辨識。王俊權提到，中信將自行研發的印刷體的文字辨識核心、手寫英數的AI辨識核心、文印鑑辨識技術，通通導入支票辨識上，「這就是一種AI核心的複用」。此外，為了持續優化辨識正確率，中信更導入AI反饋機制，內部自己發展出標記功能，來改善標記效率，長期目標是達到9成的辨識正確率。今年，中信預計將該AI應用擴大到22家分行。

中信還有另一項AI核心應用是人臉與物件辨識應用，王俊權坦言：「人臉辨識技術，對於組織的轉型與顛覆是亮點有餘，可是力道不足。」不過，若能結合防偽能力及數位流程，可能會創造出藍海的新應用。中信正在思考，如何運用人臉辨識、活體辨識、微表情辨識、情緒辨識等AI核心，交錯組合來打造遠端核身相關應用。

金融業需緊跟科技的腳步，轉變為自身的競爭力，才能在指數型成長的趨勢下，站上領先地位。AI與大數據，正是下一波競爭力的最大利器。─── 中國信託銀行數據暨科技研發處處長　王俊權

推動超級個人化服務，中信靠大數據建立5大行銷策略

「中信銀行每個月有1.5億筆的金融數據，1.9億筆的非金融數據。更可觀的是，疫情期間，顧客更加喜歡使用數位服務，每月高達2億筆的顧客數位數據。」王俊權首度揭露了中信內部統計的海量數據。不只如此，中信銀行1年與顧客會有20億次的行銷溝通，顧客造訪行動銀行、網路銀行或到行銷網頁觀望的次數，更是高達16億次。

「中國信託的數據含金量很高，因此，全都要採集起來，作為銀行KYC的關鍵第一步。」他提到，光在2017年到2018年這段期間，中信內部就採集了大量數據，來建立360度客戶全景標籤。即便，當時各個單位已有自己的全景標籤，中信仍認為要有一個可以全行共用的主數據庫。

有數據來了解顧客，銀行就能出手，中信的策略是以數據掌握顧客人生不同階段需求，提供超級個人化服務。王俊權表示，中信策略是運用AI與大數據，透過個人化溝通方式，來提升顧客的成交機會。中信更先將這種作法，落地到銀行的「艱困區」，若在艱困區測試後有成效，再轉移到「黃金區」主戰場。「一方面不會影響到既有的業務動能，另一方面團隊也會比較有信心。」

在推動超級個人化服務，中信採取了5大行銷策略，並各自搭配合適的AI技術。第一項策略是使用最適合的通路對不同顧客溝通；第二項是尋找顧客有興趣的話題來互動，王俊權透露，今年底將從人工轉為全自動化，用AI生成銀行與顧客行銷的文案。

選擇對的時間，則是第三項策略，比如，當外幣跌到一定數值時，跟該名顧客歷史申購外幣的成本有競爭性，就能在此時發送推薦資訊給顧客。

第四項策略則是打造貼合顧客需求的產品，他提到，中信已有不同產品的預測模型，能預測未來3個月或1周後，該名顧客可能需要的產品。可供業務單位、EDM數位行銷，來聚焦其中高成交率的顧客。最後一項策略是對的活動，即便是賣同一項產品，不同活動的優惠或行銷設計都要不一樣。

王俊權認為，不僅不要過度叨擾顧客，更希望提供一次就能擊中顧客的服務。甚至，目標是做到自動化行銷，他透露，目前正在建置平臺的階段，除了要能自動採集數據，更要自動反應顧客下一步的預測，讓銀行出手可以更快，或盡可能減少PM或行銷出手時會遇上的人工斷點，甚至，讓每次出手後的反饋可以更為即時，來推動多波段行銷。

成立數據治理委員會，優先梳理2類數據

「數據治理是比下水道還要更下水道的底層工程。」特別對於大型金融機構來說，海量的數據勢必要有與過往不同的梳理方式，王俊權如此說著。

因此，今年中信銀行成立了數據治理委員會，由總經理親自主持，各個業務單位主管都參與，「希望將數據治理走向更全行化的關鍵議題。」他坦言，今年是試行階段，但中信已經注意到這個趨勢，而且必須往這方向走。

中信在數據治理特別強調「以用為治」，去年，更研究了全世界數據治理做得較好的企業，比如，數據治理發展超過20年的華為。王俊權坦言：「對中信而言，數據治理既然是一場長期抗戰，就必須明確為何而戰。」

由於資源有限，中信在數據治理的戰略，優先從兩類業務來推動，第一類是不能犯的錯，這類資料的處理一旦犯錯，銀行容忍度很低，如監理報送這類數據就需要優先梳理。另外一類是業務效益較大者，王俊權表示，若沒有好的數據治理標準，業務效益很難有長期的呈現。這是中信今年訂下數據治理的方向，也希望從小開始，慢慢擴大到全行。

經理人小檔案

王俊權

中國信託銀行數據暨科技研發處處長

學歷：臺灣大學國際企業研究所商學碩士

經歷：早年在美國矽谷的科技公司做美股分析，回臺後陸續待過4家銀行，主要負責風險管理；2005年加入中國信託銀行擔任全球個金風險管理處處長，2018年兼任數據研發中心最高主管；現為中信銀行數據暨科技研發處處長，兼任中信金控數據主管

附圖：中國信託銀行數據暨科技研發處處長 王俊權　（攝影／洪政偉）

資料來源：https://www.ithome.com.tw/people/144842?fbclid=IwAR0XaBPczoiqTWTEQH8qHfNDbmyyTpA43Akd2gYWhsBbh0oIbWsBNWdF4Fk

多年來所見的 candidate 搵工時永遠都有一個疑惑：點解我的 CV 永遠都石沉大海，在 online application 後一直都沒有回音 － 直至有一天終於收到了來自該公司的 Email － 原來是由系統自動發出的 Rejection Email。

在 Online Application 盛行的今天，HR 每天所收到的 CV 簡直是海量。你又知唔知究竟在 Click Submission 後你的 CV 會經過甚麼程序？

在一些大企業/有招聘系統的公司中，所有 Online Application 都會由一個 ATS 系統處理。ATS 的全名是 Applicant Tracking System，常見的系統包括 Taleo、Workday、SAP SuccessFactors 或者 in-house develop 的 ATS。

ATS 是 HR 招聘是不可或缺的工具，ATS 會儲存、處理所有 candidate 的申請，由篩選、安排面試到出 offer 的所有 status change 都會透過 ATS 進行。以 Oracle 的 ATS - Taleo 為例，成功得到 offer 的 candidate 資料會直接 feed 到人力資源系統 Peoplesoft 中，作為公司內部 HRIS 的 data source。HR 亦會透過 ATS 進行招聘分析 (Recruiting Analysis) ，以提高其招聘效率。在部份監管嚴謹的公司 (如：銀行) 中，亦有 Internal Control 的嚴格要求所有求職者的資料都要經過 ATS 進行篩選並存取，以確保公平性和一致性。所有非經 ATS 的 Application 都不會被視為正式的 candidate。

第一步，HR 會對不同的職位定下相應的篩選準則，例如學歷上的要求 (Master Degree)、專業資格上的要求 (CPA/CFA/PMP)、技能上的要求(Python/C++/Java) 等等。ATS 便會自動進行篩選 (First Screening)，通常已經會篩走大約 40-50% 的不相關 (irrelevant) CV。

第二步便會由 HR 在 ATS 中定下與職位相關的關鍵字 (keywords)，例如在聘請 Accountant 時會加入 「US GAAP」的 字眼，在聘請 Digital Marketer 時會加入「SEO」的字眼，系統會再對 pool 內的 CV 進行二次過濾，再度篩走不符合的 CV。

傳統上，第三步便會終於落入 HR / Talent Acquisition Specialist 的手中 Review。但近年由於人工智能 (AI) 的發明，部份公司已經開始在 ATS 中加入機器學習（Machine Learning)，透過對現有公司內同事/Teammates 的分析而斷定該 CV 是否一份值得 Review 的 CV。例如，ATS 中的 AI 會分析團隊中 8名同事的學歷、工作經驗、年資、專業資格，並對比 candidate 的 CV 去作出評分，令 HR 在肉眼審視前已經大概對每份 CV 有所排名。

這種就是在招聘世界中的遊戲規則，懂得規則的能使你的 CV 命中 HR 所想要的。其實亦解釋了為何市場上部份高質素的 candidate 會被 DQ，反而平平無奇但懂得提高 CV 命中率的 candidate 卻經常 hit 中心儀的工作。

唔想被DQ？下集將會與大家分享一些在 ATS 取勝的技巧，如何 beat the system 命中 HR。