在ebay做大数据的第一年,我离职了。

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 在ebay做大数据的第一年,我离职了。

本文的主人公是学习群的一个小伙伴,一年前他从小公司通过猎头进去ebay做外包,薪资涨了5K。一年后他离职了,通过跳槽薪资又涨了10K,目前27K。一起听听他的经历。


在ebay呆了1年,因个人职业发展、团队氛围觉得日渐背离自己的期望,所以决定离开,现在回首一下这一年在ebay的工作收获以及我在里面的工作感受,给有需要的小伙伴一些借鉴参考;


01 加入ebay


我当初找工作的时候,刚从小公司出来,因此简历和项目经验不太丰富,当时也处于疫情期间,印象中拿了神策的offer,但岗位跟我不匹配,想让我做交付工程师,后面也找了几家,综合对比了下,选择了ebay。


我当初面ebay首先是面了内勤,被刷掉了;大概过了半个月,又有猎头打电话来说给我推荐,但是是外编,而且面的是另外的组,我当时也觉得是个机会,就去面了,现场面共面了4次;前2面是项目经验的,还有1面是主要考察算法的,最后一面是团队leader面,最后我面过了;


虽然是外包的身份,但感觉冲着这个大平台进去了,我有猎头朋友也建议我去,让我去里面刷刷项目经验,以后有大厂的工作背景也好出来跳槽,综合考虑了下,就进去了。


02 我为什么离开ebay?


进去之初,觉得还行,ebay毕竟是外企,工作强度不大,而且每周五有下午茶,可能是点心、水果、饮料等等。每个月月底还有蛋糕,早上去早还可以吃早饭,福利看着是挺不错,还有班车。


但是后续随着对工作的熟悉,慢慢发现团队的壁垒还蛮高的,一方面是团队与团队之间,沟通成本啊还有跨时区的跨语言的交流,前面适应了2-3个月吧,差不多渐渐磨合了熟悉了;


开始着手独立做一些小任务上线,因为壁垒太高,在发布生产的时候有时一不小心就会发觉对别人造成影响,而我不自知,大多数只能靠口口相传或者团队leader拉组里老员工救火,把我也搞得几次精疲力尽,加班到凌晨才回去,虽然leader也事后说多做多错,规范下流程之类的;


后面我发觉文化也不对劲了,一方面是觉得外包的员工在团队得不到重视吧,leader对你的定位也就是一个打杂的,扪心自问,我在ebay的每周周报都有坚持汇报,常常额外加1-2h班才走。


但是,你会慢慢地从言语中得到一些领导对你的不在意甚至是故意找茬(ps:这一部分我自己有反思,可能的确存在我的个人偏见,但这篇文章就是写个人真实感受,所以我就这么表述了,不冠冕堂皇了),有时团队汇报的时候或者路过的时候,我的气场估计有点不符合身份,导致某些误会,but我是一个敢于说真话的人,某些时候我说貌似发现某个地方不好,leader阴阳怪气地反着说或者强行反问,让我看到了leader的格局,好像挺害怕我抢他风头。


还有有一次明明我去得很早,上班时间满了,有事得准点走,感觉那表情就很微妙,我是一个十分尊重工作及自己时间的人,感觉可能是诸如此类的原因,让leader一次次觉得我不好控制吧,貌似也听他侧面吐槽过不好控制员工。


另外,在ebay里面上班,内勤的人很多都是经济实力还不错的,还有些做了10多年的,ebay本身工作环境也相对比较宽松,所以很多时候旁边的一些人一直在拉家常,拉一个下午或者拉一天,人家觉得没影响,但其实干扰能力还蛮强的;


另外,也有各种秀,会让一个外包的目前没什么地位的人很有压力,秀家里的房产车子股票投资又经常去美国日本等等旅游等等,可能是由于年龄原因吧,所以越来越觉得更周围格格不入。


还有发觉,太有想法的人会让别人不安,会产生鄙视链,可能就会打心眼里觉得:你不就是个外包么?还好意思对我“不尊重”,还有资格质疑我的权威,没他们有钱之类的...

总之,你应该能想象那种场面,你在那里几乎可以一天不说话,因为周围都是跟你不一样阶层不一样观念及年龄层的人,严重地影响我的人生观与正常的与人交往的能力。真的是很无助,为此,我自卑无助压抑抑郁过整整一个多月,觉得别人瞧不起自己。事实上有的内编的人就是,我看一个新来的内编男的很嚣张,言语之间都透露出不屑,有时撞上还会做些鄙视的表情,让我很无语,呵呵,以为自己真了不起了,不也就是个打工的么,至于么;


总之,在那里工作上几乎就是工具人化,没有学到什么技能,更多的是了解了ebay的各个平台工具的使用,而且还有很多是自研或者半自研的,这就表明只在在这个公司有用,所以我自己也很有危机感,常常会抽时间学习一些通用的知识,防止自己被低能化;


另外,这里的氛围远不是大家想的外企就很open和谐的,其实,外企里也是中国人,那些人甚至会因为自己家里条件或者内编或自己是leader会更有优越感,不会平等地尊重你的观点或者行为,会有比较隐性的鄙视链(表面上和气,其实各自心里都有小九九呢,指导的人不愿意跟你指导透彻,不知道是真不知道还是不愿意,总之,你问的问题,本质的原因可能是得不到的,掐断了),他们各自也有比较心里吧,谁谁谁家有几套房,孩子上了什么高等的培训班之类的;


03  对职业的思考


准备离开之后,我也开始各种海投简历,每天也很精力十足地准备面试,这是我人生的第二次跳槽,感觉也有种偏不认命的劲在,准备的也比较充分,面了好多中大型互联网公司,也拿到了offer。


印象中面growingio(offer拿到了,但个人原因后面没去)面试官给我的面试反馈:他觉得我这一年在ebay的工作经历没有相关技术和项目经验的提升,更多的是我上一家公司积累的工作能力;


他或许是为了凸显说去他们这类型的公司个人成长会比较快,但我客观上来说很同意他的这个对我的看法,的确,感觉自己就是在啃老本,而且,我也的的确确真实地感受到,在这里没有任何技术的学习涉及,简单的一些sql折腾而已,硬要说的话,就是英文可能提高了点点,但这也是由于我个人平时抽时间练习加考证的缘故,从大数据技能上及对个人身心健康方面来说,这里的确很不适合我。


所以我后面找工作也十分谨慎,索性,期间我面试了一些公司做了一些记录:


1)找一圈,倒是拿到了一些offer:商涌,GrowingIO,数策;面了叮咚买菜和商汤,前者感觉面试官要死不活的样子,一脸技术人的不耐心,天天忙着搬砖,没有时间放松吧,突然想到一句话:人活着的意义是什么?我说一句话就开始否定我,让我也挺不爽的;---情商太低了;


2)今天面试顺丰,感觉体验还蛮好,了解到了他们的业务内容,主要偏to B,传统的供应链企业,会更多嗯用到数据库~然后后面问我的个人的学习情况,对技术的看法,后面听面试官反馈觉得我是一个觉悟蛮高的人~


3)感觉携程面试很鸡贼,让我去那等了很久,结果跟面试官了解一轮,后面就让我回了,原先说的是合适的话全流程走完,看是不是我被刷了,后续如果联系我,我会说能不能尽量线上~


4)面了唯品会,3面面试通过,最后一面是大组leader电话面的,快1个小时,面了我关于数仓架构及一些增量数据同步的处理策略,我答得还不错,过了,但薪资没有我手上拿到的高,跟hr协商,表示加1000,但还是不够,而且考虑到他们的电商经常会做活动,比较忙,所以,综合考虑,我还是拒绝了;


image.png


最后,在拿到的10+offer中,选择了目前一家金融公司,团队氛围和技术调研等方面都很不错,觉得值得好好沉淀技术,在这里面人也很自在团队相处也很愉快和谐真诚,总结一下,你要选择工作时,可以从一下几个方面考虑:


1)该公司的业务方向及技术栈;

2)目前团队的规模;

3)薪资待遇及福利;

4)工作时间(这个需要间接自己去了解,通过猎头或者网上的公开数据,以及你对行业及从业的经验)

5)跟猎头搞好关系,全面搜集年薪福利及团队发展等信息;


最后祝愿大家都能找到一份能让自己开心愉快又有所成长的工作,谢谢~


--end--

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
数据采集 机器学习/深度学习 算法
大数据分析案例-基于决策树算法构建员工离职预测模型
大数据分析案例-基于决策树算法构建员工离职预测模型
3802 0
大数据分析案例-基于决策树算法构建员工离职预测模型
|
1月前
|
存储 机器学习/深度学习 分布式计算
大数据技术——解锁数据的力量,引领未来趋势
【10月更文挑战第5天】大数据技术——解锁数据的力量,引领未来趋势
|
4天前
|
存储 分布式计算 数据挖掘
数据架构 ODPS 是什么?
数据架构 ODPS 是什么?
50 7
|
4天前
|
存储 分布式计算 大数据
大数据 优化数据读取
【11月更文挑战第4天】
15 2
|
17天前
|
数据采集 监控 数据管理
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第26天】随着信息技术的发展,数据成为企业核心资源。本文探讨大数据平台的搭建与数据质量管理,包括选择合适架构、数据处理与分析能力、数据质量标准与监控机制、数据清洗与校验及元数据管理,为企业数据治理提供参考。
58 1
|
1月前
|
分布式计算 关系型数据库 MySQL
大数据-88 Spark 集群 案例学习 Spark Scala 案例 SuperWordCount 计算结果数据写入MySQL
大数据-88 Spark 集群 案例学习 Spark Scala 案例 SuperWordCount 计算结果数据写入MySQL
49 3
|
11天前
|
存储 大数据 定位技术
大数据 数据索引技术
【10月更文挑战第26天】
28 3
|
11天前
|
存储 大数据 OLAP
大数据数据分区技术
【10月更文挑战第26天】
42 2
|
14天前
|
消息中间件 分布式计算 大数据
数据为王:大数据处理与分析技术在企业决策中的力量
【10月更文挑战第29天】在信息爆炸的时代,大数据处理与分析技术为企业提供了前所未有的洞察力和决策支持。本文探讨了大数据技术在企业决策中的重要性和实际应用,包括数据的力量、实时分析、数据驱动的决策以及数据安全与隐私保护。通过这些技术,企业能够从海量数据中提取有价值的信息,预测市场趋势,优化业务流程,从而在竞争中占据优势。
47 2
|
16天前
|
数据采集 分布式计算 大数据
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第27天】在数字化时代,数据治理对于确保数据资产的保值增值至关重要。本文探讨了大数据平台的搭建和数据质量管理的重要性及实践方法。大数据平台应包括数据存储、处理、分析和展示等功能,常用工具如Hadoop、Apache Spark和Flink。数据质量管理则涉及数据的准确性、一致性和完整性,通过建立数据质量评估和监控体系,确保数据分析结果的可靠性。企业应设立数据治理委员会,投资相关工具和技术,提升数据治理的效率和效果。
49 2