技术驱动与工程师发展

简介: 技术驱动与工程师发展

今天被群友问如何看待工程师自嘲是码农和搬运工,当时我的回答是:

不是所有的财务同学都能成为财务总监、CFO

不是所有的HR都是能成为人力总监、VP

世界的人才/精英结构永远都是金字塔型的,这是普世规律。我们做的是努力上升到更高层次。

那么由这个热议引发,我想谈谈技术驱动和工程师的发展路径问题。

1生产力

首先人人类历史上关于生产力认识的三次里程碑:

第一里程碑:生产力是征服和改造自然的能力。出自《马克思恩格斯全集》。
    第二里程碑:科学技术是第一生产力。出自邓小平著作的《邓小平文选》。
    第三里程碑:生产力是创造财富的能力;资本是第一生产力。出自刘德著作的《资本财富论》。
    第一个是在《马克思恩格斯全集》里对生产力的定义,即:征服和改造自然的能力叫做生产力 ,但只从自然科学的角度定义。比如工具制造和使用、部落/国家体制建设、农耕和农业发展等。
    第二个是邓小平在《邓小平文选》里对生产力的间接定义,即:科学技术是第一生产力。比如生产要素的变化、技术设施的发展、技术工艺的突破、科研力量的提升。
    第三个是刘德的《资本财富论》对生产力的定义通俗的讲就是能够创造财富,或者参与创造财富,或者为创造财富提供了条件的要素都是生产力。比如财富积累与转移流、资本本质、经济发展规律等。
• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8

综合而言:不同生产力要素的发展,对社会进步的影响点不同、杠杆效应也不同。近些年来,人们越来越意识到生产力革新后的创新作用和杠杆效果对经济走势和商业运作的影响。

2技术驱动

回归技术驱动的主题中,这里有2层含义,我认为都算是驱动:

科技能力、技术要素的发展与革新。

技术手段的社会应用与大规模普及。

第一点:比如汽车产业与关键技术的发展,航天科技、高铁、5G、制药工艺、互联网、云计算、分布式等等等都算是,局部技术的创新使得各产业直接获得效率提供和成本降低、或者为此提供可能。

第二点:使用技术科技手段,作用到社会环境中,提升效率和降低成本、或者提升生活幸福感(比如智能手机的普及带来整体性变化)。从这个角度而言,大部分的互联网公司处于这个维度。

一方面采用互联网、大数据、分布式等技术作为落地技术,一方面在民生、企运等领域找到作用点尝试大规模运作。当然了,这期间有的公司也做技术科研,提升竞争壁垒和提升效率。

所以互联网企业本质在创新、业务与技术之间寻求融合,进而大规模高效服务用户与客户。

那么此类企业内的同学,就需要对业务、技术有所见解,甚至对业务运营过程、单边增长、双边增长等都有理解才能个人发展的更好。

互联网企业0到1,1到10到N经营业务的过程中,是寻找实际的可应用场景与解决方案,逐层推演,再与技术结合来落地,所以造成的直观感受是业务驱动技术,实则不然,其实是双向驱动过程:

图片图片

业务经营是由市场+产品+技术构成,还要加运营。所以产品团队也不严格算是业务的驱动方。

3业务理解

很多同学会把产品团队的产品规划、产品流程、产品方案当作是业务本身,这个其实不严谨,固然这些事非常重要。对于业务理解需要长期保持个人思考,这里先不展开,抛几个问题大家思考:

比如10块钱牛奶因为用户是新客,8块钱销售, 和 10块钱牛奶要过期8块钱销售,是不是一个意思?

比如线上在搞促销和各种活动,线下仓储不一定知道,会不会爆仓?售罄?无法妥投?

比如线下仓储到货,但是部分货品已经提前预售掉了,仓储会不会整体上架销售?

业务规模化过程中,所有指标、双端匹配率等是否一定线性良性?

产品设计和系统架构时,到底要考虑哪些问题?整体与局部的推演和论证如何进行?

4工程师成长

那么此环境中工程师的成长经历,按我的理解分我5个阶段,如下图:

技术实现:基础工作,是方案设计落地的实现渠道。专注编程能力,代码阅读性、健壮性、扩展性等。

技术设计:在业务既定逻辑的基础上,结合技术特点、存量技术状态等进行思考,给出合理的设计方案,进而指导代码实现。

技术架构:既定业务结构和逻辑情况下,专注寻求设计中的要点、原则、逻辑、推论关系、宏观协同方案等,希望获得中长期有复利价值的架构方案。

技术规划:专注中长期收益和杠杆,围绕技术治理、架构质量、业务态势的中长期发展,做到以终为始、平衡组织能力、业务与架构联动等。

技术布局:具有广泛的技术视野与格局,进行部门/公司层面的技术操盘,结合业务矩阵、技术生产力的发展,有效识别且与公司的商业业务结合和布局。从财务视角、业务视角、商用视角等进行判断、决策和可行性、必要性思考。

工程师成长还需要软性素质、思维模型等的建立,今天先不展开

相关文章
|
9月前
|
传感器 人工智能 大数据
高科技生命体征探测器、情绪感受器以及传感器背后的大数据平台在健康监测、生命体征检测领域的设想与系统构建
本系统由健康传感器、大数据云平台和脑机接口设备组成。传感器内置生命体征感应器、全球无线定位、人脸识别摄像头等,搜集超出现有科学认知的生命体征信息。云平台整合大数据、云计算与AI,处理并传输数据至接收者大脑芯片,实现实时健康监测。脑机接口设备通过先进通讯技术,实现对健康信息的实时感知与反馈,确保身份验证与数据安全。
|
负载均衡 算法 Linux
在Linux中,如何实现负载均衡?
在Linux中,如何实现负载均衡?
|
数据采集 数据安全/隐私保护 开发者
|
10月前
|
机器学习/深度学习 人工智能 自然语言处理
AI在自然语言处理中的突破:从理论到应用
AI在自然语言处理中的突破:从理论到应用
409 17
|
11月前
|
存储 弹性计算 分布式计算
云计算在大数据处理中的优势与挑战
云计算在大数据处理中的优势与挑战
|
11月前
|
机器学习/深度学习 算法 API
量子计算编程语言:面向未来的开发工具
量子计算编程语言是面向未来的开发工具,基于量子力学原理,能够突破经典计算的瓶颈。本文介绍了量子计算编程语言的发展历程、主要特点、应用前景及学习方法,涵盖了QCL、Q#、Quipper等代表性语言,以及Qiskit、ProjectQ等主流工具,为开发者提供了全面的学习路径。
|
机器学习/深度学习 PyTorch 算法框架/工具
图像数据增强库综述:10个强大图像增强工具对比与分析
在深度学习和计算机视觉领域,数据增强是提升模型性能和泛化能力的关键技术。本文全面介绍了10个广泛使用的图像数据增强库,分析其特点和适用场景,帮助研究人员和开发者选择最适合需求的工具。这些库包括高性能的GPU加速解决方案(如Nvidia DALI)、灵活多功能的Albumentations和Imgaug,以及专注于特定框架的Kornia和Torchvision Transforms。通过详细比较各库的功能、特点和适用场景,本文为不同需求的用户提供丰富的选择,助力深度学习项目取得更好的效果。选择合适的数据增强库需考虑性能需求、任务类型、框架兼容性及易用性等因素。
1786 10
|
缓存 运维 监控
|
监控 供应链 数据可视化
团队高效流程管理必备:方法与实用软件推荐
在当前激烈的商业竞争环境中,高效的业务流程管理对企业成功至关重要。本文介绍了业务流程管理的方法,包括流程梳理、优化、监控与评估及员工培训与参与,并推荐了几款实用的业务流程管理系统(BPMS)。BPMS能自动化、可视化业务流程,提升效率。具体推荐包括板栗看板、Trello和Wrike,它们分别在任务管理、团队协作及项目管理方面有各自的优势。选择合适的BPMS有助于提高工作效率、增强流程透明度、提升团队协作能力,规范管理并降低风险,从而增强企业竞争力。
285 0
|
SQL DataWorks 安全
DataWorks产品使用合集之如何进行私有化部署
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。
425 1