技术人自己的KPI

简介: 在业务技术团队,有一个不好的趋势,就是团队越来越业务,越来越没有技术味道。每个人都在谈业务,技术大会上在谈业务,周会上在聊业务,周报里写的是业务项目......

作者:张建飞
文章来源:微信公众号"从码农到工匠"


为什么需要技术KPI

在业务技术团队,有一个不好的趋势,就是团队越来越业务,越来越没有技术味道。每个人都在谈业务,技术大会上在谈业务,周会上在聊业务,周报里写的是业务项目......
唯独少被谈及的是技术本身。此处并不是说业务不重要,而是说理解业务和把控业务需求是技术人员的base,而不是全部。

将就的代价

这种技术味道的缺失对技术团队来说是非常可惜的,也不利于技术人员的成长和发展。因为很难想象一个没有技术追求的团队能开发出一个健壮的、可维护性好、可扩展性好的系统。相反,这种业务代码的堆砌,从短期看也许是“较快”实现了业务需求,但是从长远来看,这种烂系统的增加会极大的阻碍业务的发展,形成一个个的黑洞应用(吃人不吐骨头),而工程师被裹挟在业务需求和烂系统之间,疲于应对,心力交瘁。

image.png

这种将就将导致系统腐化堕落,技术债越垒越高,丑陋的代码疯狂滋长,像肿瘤一样消耗你所有的能量。就像Robert C. Martin说的“不管你们有多敬业,加多少班,在面对烂系统时,你任然会寸步难行,因为你大部分的精力不是在开发需求,还是在应对混乱。”

作为技术人员,我们不能忘记我们技术人的首要技术使命是治理软件复杂度。

技术Leader的失职

造成这种局面,我们的技术管理者,我们的TL要负有主要责任。说的重一点,是工作上的失职,这种失职主要体现在两个方面,一个是技术不作为,另一个是业务不思考。

技术不作为

现在很多的技术同学,一旦晋升到TL岗位,就开始脱离技术工作,俨然一副道法自然的模样。试想一下,如果一个TL从来不关注技术,从来不写code,对技术没有热情也不学习,甚至其本身技术就很烂,那么又怎么能指望在此TL领导下的团队能有技术味道呢?!

所以当阿里技术副总裁玄难提出要看P8的代码开发量(此处应该给玄难的务实点个赞)的时候,虽然很简单粗暴,但某种程度上的确可以反应出很多TL脱离技术工作的现实。也是在明确传达一个信号——即我们要回归技术本身,因为我们不需要这么多“高高在上”,“指点江山”的技术Manager,而是需要能真正深入到系统里面,深入到代码细节,给团队带来实实在在改变的技术Leader。
image.png

业务不思考

现在很多的TL每天都混迹在各种会议上,很忙,做着各种沟(扯)通(JI)协(BA)调(淡)的事情,可是我们真的需要这么多的会议、这么多的沟通吗?

不是说沟通不重要,只是我们现在的会议太多了,就我个人的经验来说,很多的会议都是低效无意义的。所以TL需要更多的独立思考,而不是人云亦云。

雷军说过:“永远不要试图用战术上的勤奋,去掩盖你战略上的懒惰。”,这句话用在形容大部分的PD(产品经理)是再贴切不过了,所以,我宁愿PD们“无为”,总比到处乱抓,搞出很多无价值的产品要好。因为很多系统上的复杂性都是因为这些乱七八糟无意义的需求造成的。

所以给PD同学的意见是,请一定要深入理解业务,一定要深度思考,不要退化成一个PPT Designer和业务需求的传话筒,不要只停留在写PRD、画Demo,要用系统化的思维来规划产品、来解决业务问题,从而赢得技术人员的尊重。

技术人员的疲于奔命,内因上是由于上面分析的团队技术味道的缺失,外因上主要是PD的乱作为。

所以我们的TL也必须要深入思考业务,严格把控PD YY出来的“客户需求”,把这些伪需求,无价值需求挡在门外,防止它们侵占团队本来就很有限的技术资源。从而,才有更多的精力投入到系统优化和复杂度治理上去。

技术KPI的量化

玄难说:“人的本性都是自私的,趋利的”,所以提升技术氛围,打造工程师文化不能仅停留在口头上,需要一定的强制手段,比如和技术人员的利益进行绑定,这种绑定就需要我们能对技术贡献进行一个相对公平的分解和量化。做过晋升评委的同学应该都知道,今年在同学的Profile里面多了一个ATA文章的参考,这也是对技术影响力量化的一种尝试。

技术KPI

基于此,我将技术人员的KPI分解为业务贡献,技术贡献和团队贡献三个大的部分,其详细内容如下。

业务贡献:包括需求把控,业务项目和业务创新。

技术贡献:包括设计重构、技术影响力、Code Review、创新提效和代码质量。

团队贡献:包括招聘、新人培养和团队氛围。

那么技术贡献中的这几个维度要怎么理解呢,解释我就不多说了,就用我们工作中的一些案例来描述一下吧。

F2DA7078-A87E-4b21-92A9-91D430366F6E.png

关于技术KPI的答疑

对于上面的KPI大部分的技术同学是表示认可的,当然质疑的声音也很多,我这里挑一些典型的回答一下。

Q: 技术KPI的提出,会不会导致技术同学只关注技术不做业务项目了?

A: 关于绩效,肯定是综合看业务贡献,技术贡献和团队贡献。但是作为一个重要参考和风向标,技术KPI是有积极意义的。

Q: 你这个设计重构怎么量化?

A: 这个很难用系统标准化,更多的还是要依赖TL的专业能力进行评分,但即使是这样,也比以前什么都没有完全黑盒要强。至少在传达一个信息,我们鼓励好的设计,鼓励不断的重构优化。

Q: 我们现在的业务需求已经在堆积,一线同学根本没有时间去做重构优化

A: 这个问题开篇其实已经说过了,你是要不断的裹挟在业务需求和烂代码里面呢,还是花时间improve,然后更快的支持业务。这个权衡应该不难做,关键是要看决心和能力。对于一些成熟的业务来说,我没有看到推迟几天上线就会影响业务格局的业务场景,所以作为技术团队,我们就应该在User Story之外,加上我们的Technical Story,把完成业务需求和系统重构都当成我们的核心任务。

作者简介:张建飞,阿里巴巴高级技术专家,2007年云南大学计算机应用工程硕士,12年软件设计和应用架构经验。热衷于复杂业务分析和代码复杂度治理,在外企工作6年,阿里工作5年。


目录
相关文章
|
分布式计算 安全 Hadoop
HBase启动时有进程webUI不显示HRegionServer各种情况解决方案
HBase启动时有进程webUI不显示HRegionServer各种情况解决方案
714 0
|
11月前
|
移动开发 JavaScript 前端开发
精通服务器推送事件(SSE)与 Python 和 Go 实现实时数据流 🚀
服务器推送事件(SSE)是HTML5规范的一部分,允许服务器通过HTTP向客户端实时推送更新。相比WebSocket,SSE更轻量、简单,适合单向通信场景,如实时股票更新或聊天消息。它基于HTTP协议,使用`EventSource` API实现客户端监听,支持自动重连和事件追踪。虽然存在单向通信与连接数限制,但其高效性使其成为许多轻量级实时应用的理想选择。文中提供了Python和Go语言的服务器实现示例,以及HTML/JavaScript的客户端代码,帮助开发者快速集成SSE功能,提升用户体验。
|
SQL XML Java
excel转sql小工具
该工具用于将Excel数据转换为SQL INSERT语句,便于历史数据迁移到新数据库。通过配置文件定义Excel表头与数据库字段的映射关系,并支持默认值设置及spEL表达式。主要依赖包括EasyExcel读取Excel,以及Lombok、Hutool等辅助工具。项目包含`Excel2SqlUtils.java`和`Excel2SqlListener.java`两个核心类,前者负责加载配置文件,后者实现数据读取与SQL语句生成。配置文件`model.yml`定义了具体的映射规则。
591 1
|
存储 机器学习/深度学习 数据可视化
解析exe文件
如何使用`objdump`工具解析exe文件,包括exe文件的组成、`objdump`的用法以及如何查看exe文件的节头信息和完整内容。
762 0
解析exe文件
|
存储 缓存 负载均衡
图解一致性哈希算法,看这一篇就够了!
近段时间一直在总结分布式系统架构常见的算法。前面我们介绍过布隆过滤器算法。接下来介绍一个非常重要、也非常实用的算法:一致性哈希算法。通过介绍一致性哈希算法的原理并给出了一种实现和实际运用的案例,带大家真正理解一致性哈希算法。
27891 66
图解一致性哈希算法,看这一篇就够了!
|
Web App开发 JavaScript 前端开发
Javascript判断页面刷新或关闭的方法(转)
onbeforeunload与onunload事件 Onunload,onbeforeunload都是在刷新或关闭时调用,可以在脚本中通过window.onunload来指定或者在里指定。区别在于onbeforeunload在onunload之前执行,它还可以阻止onunload的执行。
2302 0
|
人工智能 Shell 语音技术
极速进化,光速转录,C++版本人工智能实时语音转文字(字幕/语音识别)Whisper.cpp实践
业界良心OpenAI开源的[Whisper模型](https://v3u.cn/a_id_272)是开源语音转文字领域的执牛耳者,白璧微瑕之处在于无法通过苹果M芯片优化转录效率,Whisper.cpp 则是 Whisper 模型的 C/C++ 移植版本,它具有无依赖项、内存使用量低等特点,重要的是增加了 Core ML 支持,完美适配苹果M系列芯片。 Whisper.cpp的张量运算符针对苹果M芯片的 CPU 进行了大量优化,根据计算大小,使用 Arm Neon SIMD instrisics 或 CBLAS Accelerate 框架例程,后者对于更大的尺寸特别有效,因为 Accele
|
Docker 容器
Docker(五) 共享自定义镜像
Docker(五) 共享自定义镜像
310 0
|
存储 缓存 API
案例23-服务出现频繁掉线情况
服务出现频繁掉线情况
399 0