
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。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14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