流动率大的组一定有问题

我们组，偏cloud/infra，也是oncall很重。之前有经验的老人都走了，也没招到有经验的新人，导致连个l4都没有！只能找来我们一群l3，所以我这种组就是坑？

我现在组就是lz说的后面那种 人全走光了 也没internal的人想transfer来

谢谢LZ分享，小弟学习了！

去过一个流动率非常大的组，老板抢不到项目，组里没有有用的项目。项目初始就是要扔掉的。心腹就跟黑社会一样，能力一点没有就喜欢威胁恐吓制造谣言和挑拨离间。都是很没水准的方法。不帮助老板胡作非为的人就直接layoff。手段简单粗暴。

这种组是不是都daily standup

匿名用户 发表于 2022-9-1 09:25
Code 5分钟，testing 好几天。。

笑死，这句话太真实了。
code 5分钟，配置+运行+测试时间 一个下午就没了，甚至一天就没了。

acheirs 发表于 2022-9-1 14:30
我最近也想过要不要慢慢接触 sde data 这个领域，护城河确实强，不像 backend/ frontend 换个公司就换个  ...

Data infra，要么大公司，要么以data为主题的公司。
不过hive，mapreduce，spark，这一套hadoop ecosystem摸的透彻的话，可以混的很好。

acheirs 发表于 2022-9-1 14:30
我最近也想过要不要慢慢接触 sde data 这个领域，护城河确实强，不像 backend/ frontend 换个公司就换个  ...

在过去 4 年一直在 SDE data  的领域，可以说一下好处和坏处

好处:
- transferable knowledge, 基本上你在一个公司学的东西，换到另一个公司 85%-90% 的积累，可以直接照搬，因为，就是 spark, airflow, eventing, schema, data quality , monitoring 这些东西。 所以跳槽不太难.
- 一般节奏不会太紧，毕竟是product infra 组 (或者有的是纯 infra 组)
- 跟 DDIA 有很多 overlap, 实践工作中，和以后面试吹牛还是蛮多可以吹的

. 1point 3acres 坏处
- 不论是 data pipeline 组还是 data platform 组，本质上都是 support 性质的，很多 impact 很难直接用赚了多少钱来衡量，只能用省了多少钱，提高了多少效率，跟某个产品组合作enable 他们产品上线，间接赚了多少钱
- 技术深度的部分，会一点点被 abstract / encapsulate 掉，导致门槛会越来越降低，比如从 MapReduct 到 Spark API 再到 Spark SQL 这个难度已经下降了非常非常多
- 一般系统做出来了，就比较稳定，所以经常会被放到硬度组去维护，但是由于上一条，导致的门槛降低， 导致既然都是写 sql 不如用更廉价的成本。（某🍌厂就是这种情况）


.. 觉得信息有用还请不吝赐米，感兴趣也可以私信我一起讨论

LittleFishBall 发表于 2022-9-2 13:16
在过去 4 年一直在 SDE data  的领域，可以说一下好处和坏处

好处:

已加米，那请教下就你观察的来说， data eng track 走 m 路线容易么。小 m 到 大 vp。按你说的来说impact不够显著，毕竟不是赚钱组，应该相对而言难不少吧。

acheirs 发表于 2022-9-2 18:38
已加米，那请教下就你观察的来说， data eng track 走 m 路线容易么。小 m 到 大 vp。按你说的来说impact ...

走 m 路线怎说呢，从 IC 升 m 感觉 bar 不是很高，苟且排队排到你就行，我见过的亚麻 的几个 data eng 组的 L5 转 mgr 就是这样。但是从另一个角度说，也有可能就是这种组的 mgr 坑位其实不是那么多，毕竟是个 infra+product 都沾，但是又不直接产生 revenue 的组。

从小 m 到 大 VP， 我看的到几个 data point， 就必须走 data platform / infra 这种比较偏 ops 而不是 data pipeline 码逻辑的组了，毕竟data platform / infra  虽然做的东西比较无聊，跟 DDIA 比较远，但是容易出 impact , 毕竟大家都在用你写的automation and tools 东西。