
如果你是一名软件工程师,在一家数据公司找工作,我会告诉你一个公开的秘密--大数据的爆炸性增长意味着世界是你的。作为一名招聘经理,我可以告诉你,大多数工作在薪酬、头衔、福利和额外津贴方面都并驾齐驱。
令人遗憾的是,工程文化被忽视了。
我不是在说“有趣”的表面迹象。我指的是一个公司有意组织自己为客户创造最大价值的指标--即使这意味着以一种非正统的方式管理它的组织。
根据我作为一名工程团队领导的经验,我将分享表明一家公司是为了创新和忍耐而建立的五大标志。请放心,无论你去哪里,你都会得到丰厚的报酬。但是,如果你进入这个领域是为了满足一个真诚的目标,建立一些有价值的东西,在下次面试时扭转局面,评估一家公司的工程文化,选择值得你的团队。
对于那些轻视通才、认为通才不如专家有价值的人,请三思而后行。
全栈工程师是一个全面的球员,不依赖任何人来完成他们的工作。它们可以单独为您的组织提供价值。
简而言之,他们很棒。
本周,我请我们出色的全栈开发人员Ilan Techenak开发一个服务,该服务在我们的部署中运行,监视Google的BigQuery数据仓库,并允许用户从我们的Databand应用程序中与之集成。
让我们花一点时间来承认完成这项任务所涉及的子任务所需的知识和专长的广度:
一个全栈工程师需要拥有大量的技能集才能完成这一系列的任务。但更重要的是,它们首先围绕着如何实现业务目标,以及如何为客户(从而为公司)创造影响和价值。全堆栈工程师会处理一个大问题,例如“我们想要监视BigQuery”,并将其分解为不同学科、不同代码语言、不同技术和不同专业知识中的多个子任务。在他们的核心,他们是专家问题解决者,他们根据给出的任何问题自己找出解决方案。
就像我说的,他们很棒。
一个重视跨学科能力的公司通常包含新的想法、看待事物的新方法和解决问题的新方法。倾向于创新的公司不能不以更有创造性的方式运作。
尽管如此,当全栈工程师得到专家和基础设施团队的支持时,他们会茁壮成长,这些团队专注于基础设施的健全性,并在风险开始增加时发出警告。
看看Jonny Barda吧--一个顶尖的后端工程师,一个代码哲学的粉丝,一个纯粹主义者,一个真正复杂的工程问题的爱好者。一个全栈工程师需要像Barda这样的人来帮助设置参数,以确保我们支付技术债务,并在设计规划和审查期间提升架构问题。
说实话,巴尔达在我们队里是不可或缺的。他为我们的进步提供保证,因为他确保我们的系统不会经常崩溃,也不会变得几乎无法维护。
除了我们团队中的专家,我们还有一个基础设施团队,由全公司的人物组成,他们帮助导航船只。我们的架构师确保我们所有的服务都处于良好的状态,帮助工程师解决最大的设计问题,并领导基础设施团队。我们的前端技术领导拥有我们的UI架构,并能够选择正确的技术栈,以确保我们有正确的测试和共享组件的基础。
最后,我们有DevOps管理员负责所有的部署、监控和CI/CD。
正如您所看到的,系统的任何部分都不缺乏所有权。
我们的全栈工程师依赖于基础架构团队来思考大的公司范围的问题,共享知识,解决复杂的问题,并防止我们做其他团队已经在做的双重工作。
共同作用,每个功能发挥独特的作用,以建立一个将为我们的客户带来价值的产品。让他们作为一个团队闪耀的是他们在优势上的差异以及他们如何互补。对于我们的全栈工程师被授权在他们测试和解决问题的探索中打破的一切,有一个专家和一个基础设施团队来防止问题的出现。
有意让团队拥有广泛技能的公司会更大胆地承担更大的风险,以追求更好的结果,从而成为更具竞争力的企业。虽然大胆的决定可能会导致风险升级,但专家和基础设施团队提供的支持确保了所有风险实际上都得到了计算和减轻。
软件的变化是对客户理解的变化。接受这一现实意味着敏捷必须被构建到工程文化中。即兴创作并不罕见,而是团队经常发挥的独特能力。
想象一下,你有一个乐队--就像我们在Databand一样--你的乐队正在并行地创作许多新歌。在制作过程中,灵感来袭,你需要添加更多的声音,如一个小吉他线或几个低音鼓踢来完善的声音。全栈工程师是那种能在飞行中即兴发挥的多乐器乐队成员。当您运行多个复杂的项目时,它们尤其能证明它们的价值,这些项目涉及许多活动部件。我向你保证,伟大的音乐很大程度上归功于即兴创作,伟大的软件也是如此。
如果我们按照功能专业组织我们的团队--前端团队、后端团队等等--需要一个全栈工程师的事情现在需要3-4个不同的团队来处理。
在Databand公司,我们确保我们的产品团队由70%的真正的全栈工程师和30%的专业专家组成。这允许每个团队完全专注于一个业务目标,并拥有成功所需的所有能力。我们的基础设施团队致力于解决跨公司的工程难题,改善我们的内部开发经验,并确保我们奠定正确的基础,使我们能够有效地发展。
工程团队的组成是衡量工程文化优先级的最简单的方法之一。拥有更大比例的全栈工程师的团队将能够始终如一地敏捷执行。敏捷不是一个目标,而是一种有机的存在方式。
根据Emily Heaslip在Index上的文章,度量开发人员似乎基于以下KPI:
尽管如何度量软件工程是一个非常有争议的话题,但上面的5个项目可以给我们提供一个合理的工具来度量专家或面向基础设施的工程师。
在度量这些类型的工程师时,您将关注他们的代码质量、他们创建和解决的技术债务的数量、他们如何减少所需的维护工作、他们的测试复盖率以及他们为解决方案选择了最终工具的事实。
全栈工程师需要用一种不同的方法来衡量,而我们关注的是其他类型的性能:
总而言之,全栈工程师应该根据他们被要求达到的大的商业目标来衡量。
这种衡量标准的区别很重要,因为它告诉你公司是否真的要让员工成功。
要注意的最重要的标志是,一家公司看中的不仅仅是一套与他们相匹配的技能。找一家比你所有技能和经验的总和更看重你的公司。
我们所有的招聘经理都认识到,技能是可以学习和磨练的。我们有一些非常优秀的开发人员,他们都来自不同的经验水平。它们的共同点是我们认为比正统的代码掌握更有价值的品质:
谦逊。虽然我认为这在任何环境中都是一个重要的特质,但在新事物永不消失的研发环境中,这是最重要的。谦逊标志着尝试新事物的信心和对错误的容忍之间的平衡。
快速学习者。当我们招聘开放角色时,我们并不总是在寻找非常有经验的开发人员。我们只是要求应聘者让我们相信他们能够轻松快速地学习新技术。
对成长的渴望。我们认为的所有候选人都是聪明和敏锐的。那些脱颖而出的人总是表现出一种有朝一日成为特定领域专家的动力。
业务驱动。我们的团队中不乏出色的开发人员,他们可以编写漂亮、优雅的代码。但是,我们的团队与其他团队的区别在于,我们的开发人员并不满足于不服务于业务目的的漂亮代码。他们都认为自己是我们底线的贡献者。他们是以客户为导向的,当他们的工作得到满意的客户时,他们感到最受认可。
虽然这五个标志是帮助你评估未来雇主的极好指标,但它们绝不是全面的。当你考虑机会时,还有其他因素是至关重要的。下次面试时,请记住,投资于你潜力的公司才是值得你花时间和才干的公司。
准备好问题来帮助你做出决定。祝你好运!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28