京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者 | 苏克1900
来源 | 高级农民工
一直很喜欢吴军老师的「谷歌方法论」,收获非常多!惊叹于吴老师不仅对 IT 领域有着非常深厚和独到的见解,而且在其他众多领域也有着丰富的知识储备。他能够把晦涩、深奥的专业知识以通俗易懂的方式和道理讲述出来,仅从这方面来说,他无疑是一个真正的大师与专家。除此之外,针对读者留言提出的一些关于工作瓶颈、职场困惑、人生抉择等方面的具体问题,他也会给出非常值得借鉴和参考的建议。
不久前,他在一封来信中,针对一位读者提出的「大龄工程师有哪些出路」这个问题给了几点建议,对于我这个还不算是 IT 工程师就已经是大龄的人来说,深有感触并且得到了启发。如果你目前或者不远的将来也担心面临这样的处境,不妨参考一下他说的这几点建议。
问题大意是说:国外的一线大龄(近 50 岁)工程师,能够很轻松地选择跳槽,而对于国内的一线工程师(年近 40 岁)来说,竞争力就在慢慢下降也基本不会再换工作,而且很多公司基本不要超过 35 岁的工程师。是什么原因导致了这种巨大差距,对于大龄工程师又有些什么建议?
原文:
这个问题很有代表性,我们在讨论这个问题之前,首先要明确两个概念。
第一个是关于一线工程师的定义。
一般人会理解为做具体工作的工程师,而且比较倾向于看成是甶领导分配任务,自己独立完成任务的人。但这些人其实只是我所说的第五级的工程师。一线工程师可以是四级、三级,甚至更高。如果一个人到了四十岁,还是五级工程师,就怨不得别人不要他了,因为这说明他的学习能力太差,没有发展潜力。
事实上,中国还真是很缺四级的工程师,在 Google 和微软这样的公司,只要是所谓的高级工程师(勉强达到四级的要求),目前中国各大企业都抢着要,开出的薪水可比一个总监高得多,这些人在 BAT 这样的企业里,我还没见到谁的收入在百万以下。
Google 中国在历史上最好的工程师(没有之一)当属郄(qiè)小虎,今天 20 多岁的年轻人写代码还真写不过他。用腾讯原来主管投资的副总裁彭志坚的话讲,他是中国互联网企业从 Google 全世界华裔工程师中最想挖的三个工程师之一。今天全中国能做高管的人多如牛毛,但郄小虎这样的人,一个巴掌就数过来了,因此后来他想去哪家公司就去哪家,而且只接受 CTO 的头衔。就这样,排着队想挖他的大公司至少有两位数。
第二个要明确的概念是,什么叫做竞争力下降。
如果拼熬夜,40 岁的人确实拼不过 20 岁的,更何况 40 岁的人还有一大堆家庭负担,工作的时间和强度远不如 20 岁的人。但是,今天 40 岁的人其实智力远没有衰退,如果 40 岁的人能够解决一些 20 岁的人解决不了的问题,那么就不存在所谓的竞争力不足的问题了。如果 40 岁的人做不到这一点,除了知识没有及时更新,变得老化之外,很重要的原因是 心态上不愿意像 20 岁的人那样踏踏实实做具体工作。今天一些年轻人愿意死磕一个星期,找到计算机程序里的 bug ,这样他们可以证明自己的水平。但是 40 岁的人常常不愿意再这样工作,当然竞争力就会下降了。相比之下,美国和德国很多 40 岁的工程师,依然在像 20 岁那样工作,当然就没有被淘汰的问题。而一旦有一些 40 岁的人开始以慢节奏工作时,作为企业的主管,出于对招聘安全的考虑,干脆所有年纪大一点的人都不招了。
对于年纪大一点的工程师,他给出了三点简单的建议:
1. 自省,看看自己的本事是否随着年龄的增长在增长。
如果是,其实不用担心。就像郄小虎,永远不用担心没人要他一样。
2.如果发现自己的本事和 20 岁的时候没有变化,那也怪不得别人,因为现在的果,源于过去的因。
如果自己现在还在单位里,没有换工作的打算,赶快甩掉身上的懒肉,补上这十多年来应该具有的进步;如果自己正在换工作,也没有关系,总结一下自己过去完成的不超过三件最拿得出手的工作,好好包装一下自己。虽然中国的企业不喜欢要年纪大的人,但是它们也不愿意培养新人,通常希望来了人,就能马上上手干活。这就给有工作经验的人提供了机会,虽然包装出来的本事未必是真本事。
为什么不要写三个以上的成就呢?坦率地来讲,今天绝大部分人没有那么多亮眼的成就,能有三个就很不错了,如果列举多了,一定是凑数,把平庸的工作也列举出来了。即使是郄小虎,在我印象中,他最拿得出手的成果有两样,首先是把Google 整个广告收入提高了 10% 左右,这可是不得了的贡献,他也因此获得了 Google 的最高奖——创始人奖。其次,他成功地将 Google 花了 30 多亿美元收购的双击公司 (Doubleclick) 的广告系统换成了 Google 的,完成了 Google 对双击公司在工程和产品上的整合,这也是一件了不得的事情。当然,他还做了很多其他的工作,肯定水平不差,但是讲不讲都不重要了。
3.如果工作中使用的工程工具已经老化,或者你所从事的工作是没有前途的,趁早换新的,不要等到自己手上没有武器时再发愁。
以上是他给出的几点建议,希望对你也能有所启发。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14