招聘杂谈:先招高级工!

招到合适的人是经理最重要的任务,但是新人经理最容易犯的错是给团队招聘太多初级员工。这个错误一般是两个情况造成的:第一是团队需要快速扩充人手,第二是初级候选人数量众多又容易招到。新人经理可以凭借业务能力带领相对初级的团队,但这很快就会成为他们进一步成长的绊脚石。

团队扩充人手的冲动主要来自产品版图扩大和业务量增长。招聘初级员工是解决这个问题最容易的出路。初级候选人数量众多,薪资竞争不大,比较容易从职业前景和财务机会的角度说服。高级候选人则完全不同,数量稀少,薪资竞争激烈。他们经历丰富,选择众多,对职业规划也比较清楚,发展机会、财务前景、公司文化、管理风格等任何方面的问题都可能是他们的顾虑。

新人经理解决人手问题之后,起初会发现初级团队没有那么难以管理。新人经理业务能力尚且强大,他们仍然可以带领团队在一线冲锋,创造较高的执行效率。但他们很快会发现这种模式是不可持续的。

初级员工的管理成本非常高。他们需要大量的指导和培训,在许多方面的技能尚不熟练,往往需要经理亲自上阵。最终,经理或者疲于在各个会议中填补技能空缺,或者不得不将大量精力投入到员工培养中。而从初级到高级的跨越往往需要数年时间,通过内部培训选拔是个投入巨大收效缓慢的过程。

这样的状况会损害经理的进一步发展。如果经理的大部分精力被处理业务问题、培养团队占据,那么他就很难证明自己尚有余力承担更多职责。相反的,一个相对高级的团队可以为经理节省大量时间。高级成员的管理成本低得多,同时能为团队创造更大的价值。他们清楚自己的方向,不需要过多业务上的指导。他们可以独立带领项目,为初级的队员提供辅导和帮助。所有这些都将大大减少经理的任务,使他们可以聚焦在更加战略性的问题上。

总之,新人经理一定要抵住诱惑和冲动,从高级员工开始招聘起。尽管这对招聘技能尚未成熟的新人经理是一个更大的挑战,但不这样做未来需要付出更大的成本修正这个问题。

面试杂谈:Google Engineer 的问题

我面试候选人的时候发现Google 这类大公司的工程师普遍有两个问题:对基础设施端(Infrastructure)了解不足,主动沟通能力不够。这两个问题根植在大公司的运行模式和企业文化当中,在这类公司的候选人当中非常普遍。

对基础设施了解不足主要是工程部门职能划分细致,分工明确,产品品部门缺少机会、意愿和能力了解基础设施的细节。产品部门负责产品创新和迭代,基础设施部门负责服务扩容和支持。服务扩张的需求转移到基础设施部门后,产品部门被隔绝在基础设施的细节之外,缺少了解细节的机会和愿望。另一方面,当产品到达一定用户和流量规模之后,基础设施的设计往往非常复杂,一般产品部门的工程师没有能力理解这些设计,更不用说主动贡献其中。这一点在以自建基础设施出名的Google尤其明显。

主动沟通能力不足表现在只会照章办事,缺少推动能力。大公司为了协作顺畅往往设置各种流程。很多工程师误以为在这样的流程之下工作出色就是沟通能力到位了,比如在Review Meeting上阐释产品和技术细节。其实被动沟通和主动沟通是两种能力。前者更像是回答考卷,只需按程序将问题解释清楚。主动沟通则需要了解各方的需求,克服流程和组织的限制达到目标。主动沟通的能力才是在创业公司获得成功的关键。

个人的成长离不开环境赋予的挑战,细致的分工和明确的流程当然有助于在所在领域做到极致,但往往也限制了个人发挥的空间。

针对性地搜集信息

分析问题一个常见误区是试图先对领域进行系统性地研究。为了更加高效的思考和分析,我们必须迫使自己先对问题进行分析,再针对性地搜集资料。

我们要解决的问题往往需要额外的知识,比如如何计算投资房产的实际回报率。对这样的问题我们需要在学习领域知识的同时对问题进行针对性分析。这两个步骤往往是交替进行的:了解领域之后对问题展开针对性地分析,然后继续学习以进行更深入的分析。这个过程应该主要以解决问题为主导,学习更多的知识是为了可以启动或者深入分析。但一个常见的误区是试图先对问题进行系统性的研究,使对问题的学习成为主导。

想全面研究问题这种冲动一方面来自于好奇心,另一方面来自于对决策的不够自信。我们有时候想要深入了解问题领域的细节,了解的加深通常也确实可以提高决策的准确性。但在很多数情况下,我们既不需要这么多信息来作出判断,也没有足够多的时间对领域进行全面研究。

对于完全陌生的领域,掌握基本的知识框架是必要的,但是应该迅速转移到对问题针对性分析之上。缺少目的性的研究和学习往往效率低下,也容易导致我们收集许多不需要的信息。比如为了将某个框架应用于一个工程问题,我们只需要了解了解如何使该框架运行起来,而不需要了解框架的具体设计思想和实现细节。

为了掌握针对性搜集信息的能力,我们在解决问题的时候必须反复问自己:当前的问题是什么,为了解决这个问题我需要的信息是哪些。我们最终的目标是不断提高自己在在有限的时间和信息之下决策的准确性和效率。

避免思维跳跃

我们无法有效分析问题的一个主要障碍是思维跳跃。大多数复杂问题牵扯到多个子问题,而每个子问题有有其自身的结构。思考这些问题的时候,我们很容易在不同子问题和不同层面之间跳跃。这样的跳跃将思维的展现拉得过长,难以集中突破,要提升思考的效率我们必须学会避免思维的跳跃。

人类的思维本身是跳跃的。我们的思维是大脑内的点信号在神经网络中游走的过程。这个过程本身是不断发散的。每一个新的想法甚至词语都可能出发一大堆相关的想法,以至于在思考一个问题的时候,我们常常会随机游走,等回过神来的时候才发现已经偏离到了一个陌生或者细小的领域。

但从另一个角度来看,思维跳跃有时候是寻找问题内在结构的努力。思维跳跃的程度往往跟我们队该领域的熟悉程度相关。对于完全陌生的领域,我们很难产生跳跃,因为缺少足够的知识,比如如何登上月球。对于完全熟悉的领域,我们往往可以高效的找出问题的内在结构,而沿着内在结构逐个解决即可。

最容易产生跳跃的问题往往来自于我们部分熟悉部分部分陌生的问题,而这也正是我们日常工作生活中最为常见的问题类型。因为有一定程度的熟悉,我们可以获得一系列思考的起点,但每一个子问题的深入又需要一定程度的研究。我们或许感到继续深入的困难而主动转移思路,或许因为对某个问题的兴趣而不断深入。

比如为了满足业务增长的需求,我们正在考虑将数据从一个数据库系统迁移到另一个数据库系统。我们熟悉现有的系统,对新系统则并不完全了解。我们可能会在下面的问题之间跳跃:

  • 具体应该怎么进行数据迁移?(执行问题:如何做)
  • 新的数据库适用于我们的工作场景吗?(是否合适的问题)
  • 我们的工作场景遇到的问题是什么?(知识缺乏:对现有的系统进行诊断和总结)
  • 新的数据库适用于什么工作场景?(知识缺乏:需要研究新的系统)
  • 新的数据库中的数据模型要怎么样设计?(具体执行问题)
  • 使用新的数据库给我们服务器的读写模式带来了什么变化?(是否合适的子问题)
  • 这些变化如何影响我们的应用程序接口?(是否合适的子问题)

你很容易可以看出来,上面这些问题在至少涉及三个不同的层面。为了有效的思考,我们需要抑制思维跳跃的冲动,努力专注于一个目标:定义问题,并找出解决当前问题完整而不重叠的子问题。

首先我们需要定义问题:

  • 现状

现有的数据库系统无法满足业务继续扩张的需求。一方面是因为它不支持容量的线性扩张,按照现有的业务增长速度,在X时间之后会遇到数据库容量和性能的瓶颈。另一方面是现有的数据库模型设计方式不再适合业产品的快速迭代。随着产品的演进,目前的数据库模型已经过于复杂,新人掌握当前产品以及迭代新产品的成本都越来越高。

  • 理想状况

一个可以线性扩张性能以满足业务增长的数据库系统。 简化的数据库模型设计从而降低产品迭代的成本。

  • 问题

一个可能选项是迁移到新的数据库系统,同时重新设计数据库模型。需要研究:新的数据库系统是不是适合我们的业务模式?迁移到新系统的具体方法和成本如何?

为了回答新系统是不是适合的问题我们需要回答下面的子问题:

  • 1.1 新的数据库系统能否解决性能扩张问题?
  • 1.2 新的数据库系统是否适合我们的业务模式?

对第二个问题我们又可以分为下面的子问题

  • 1.2.1 现有的业务模式对数据库有什么样的要求?
  • 1.2.2 新的数据库系统能否满足这样的要求?

使用连续分析框架界定问题

提出正确的问题是得到正确的答案的第一步。思考复杂问题的时候我们经常感到千头万绪无法下手,走出这种混乱的第一步就是清楚地定义问题。如何界定问题?连续分析是其中一种有效的方法。

连续分析中包含三个要素:现状,目标以及路径。所谓现状就是当前的状况,其中包含问题的约束条件。目标是我们期望获得的结果,而路径就是从现状到达期望结果过程和方法。这个框架十分简单,甚至不言自明,但我认为它至少有两个有点:结果优先的思考模式和检查问题完备性的能力。

思考期望的结果在个人决策中尤为重要。许多个人决策之所以困难,正是因为我们的目标不够清晰。比如我们发现很难定义什么是好的工作:优异的收入状况但需要以超长时间的工作作为代价的工作算不算好工作?工作和生活良好地平衡但是缺少发展机会算不算是好工作?

思考期望结果的难点在于,第一是目标可以优化的因素太多,第二是对于各个因素的权重的缺少判断。比如我们购买自主房产的时候,既想要优化通勤距离、户型、居住质量,又想要优化学区和未来的升值空间。但现实是,我们很难在不超过预算的情况下达成所有这些优化目标,给想要优化的目标排序是找出期望结果的第一步。

连续分析的第二个好处在于帮助我们分清问题的类别,检查问题的完备性。我们在现实生活中遇到的问题大多数都是路径问题:如何获得想要的结果。还有些问题在多条路径中选择最优路径的问题。而最棘手的问题则经常是期望和路径组合的双重问题。比如如何获得好的工作,幸福的生活,优良的资产配置,美好的伴侣等等问题。

期望和路径的双重问题的特点在于目标不够清晰,实现路径也满是问题。而对于这些问题,我们会发现将目标和路径分开思考会大大降低难度。比如我们首先需要思考如何定义我们的目标:什么是优良的资产配置。我们会发现这其中包含许多因素:良好的收益预期,抵抗风险的能力,以及适当的流动性等等。而不是直接陷入“用多少比例的资金购买股票才是好的资产配置”这样混乱的问题。

使用这个框架我们很容易区分好问题和不好的问题。“如何进行投资”是一个不好的问题,因为它只给了模糊的方向,缺少对现有条件和目标的描述。“我目前有两万美元剩余的资金,我想用这些资金进行投资以获得8%左右的年回报率,请问我应该如何投资这笔钱”则是一个完整而清晰的问题。

进一步的,我们还很容易检查出问题的完备性。“我期望在退休的时候在我的账户上拥有五十万美元的净资产,请问我应该怎样从现在开始配置资产”。我们很容易发现这个问题缺少了现状即约束条件,所以我们下一步便需要跟我们的客户一起来讨论一下他现有的收入和资产情况。

检查问题的完备性有时候帮助我们迅速锁定方向。比如我希望提升团队oncall 轮岗的效率,但当我发现自己对于现状并不清楚。因此我第一步需要做的就是收集目前oncall过程中团队在不同任务上所花的时间,分析不同任务的特点,再观察各类任务可能的效率问题。清晰地分析现状之后,问题的解决方案往往也一目了然。

大多数问题都可以直接使用连续分析的方法定义,但有时候这个过程的收益并不直观。比如面前有一个改变职业发展方向的机会,但是我并不清楚应不应该抓住这个机会。通常来说,我们思考这个问题的时候会使用自下而上的思考方法:这个机会变化各个方面的变化是不是自己想要的。但这样的思考很容易是自己局限于当前的选项。

在连续分析的框架之内,新的职业机会变成了路径,而目标是我们想要到达的职业状态,这个问题就变成了目标和路劲双重问题:我们急需要思考自己想要的职业状态,还需要思考当前基于能否带来这样的职业状态。

在个人决策中运用管理咨询

金字塔原理原本是为管理咨询行业设计的一套方法论。咨询顾问通过专业知识和调查手段帮助客户分析问题,提出解决方案,并将结果清晰地呈现给客户。这套方法论似乎更适合于专业领域的工作,但我们可以通过同时扮演客户和顾问的角色,将它运用在个人的思考和决策之上。

个人的决策过程与管理咨询有许多相似之处。比如二者都希望能够高效地分析问题,解决问题,和呈现结果。分析和解决问题自不必说,如何呈现问题以及结果也是我们专业领域日常工作中重要的一部分,这也是为什么金字塔原理中最被广泛运用的关于沟通的部分。即使对于纯粹的个人事务而言,思考和表达的过程是相互缠绕的,能够以清晰的思路阐释思考的过程即使解决问题的必要途径,也是说服自己和他人的必要能力。比如我们都感受过的,条理分明的分析使我们更加确认最终决定的可信度。

将管理咨询的模式运用在个人决策上的第一个好处是使我们客观地分析问题。个人事务决策的时候往往主观性强烈,比如我们的职业选择。我们大多数人思考问题的方法都是自然形成,而缺乏训练,当中包含大量无意识的偏差影响我们的决策结果。比如我自己对于金钱的敏感度低,决策的时候往往会低估财务方面的影响。将问题客观呈现的过程迫使我们将原来无意识的思考的过程具体化,从而使我们更容易发现思考过程中的暗角。

使用这样心智模型的第二个好处是迫使我们使用结构化的方式分析问题,从而提高思考和决策的效率。结构化的方法包括定义问题框架,结构化分析问题,以及最终对问题进行呈现。这当中的每一个步骤都需要可以配合相应的方法,通过提升每一步的效率我们就可能不断优化解决问题的技巧。当然,效率的提升并不会一步到位,这当中必须包含大量的训练和反思。

个人决策和管理咨询也存在许多差别。个人决策中包含很多主观成分。管理咨询所依赖的决策信息往往自专业知识和市场调查。个人决策则包含了大量的对个人主观偏好的判断。对这些主观偏好以及他们在决策中的权重不够清晰是我们在个人决策中感到困难最主要的原因。比如考虑职业发展机遇的时候我们需要知道在薪资、发展空间、个人成就感、和工作生活平衡等等因素中间哪些因素对于我们的重要程度最高。个人决策往往还包含着大量的不确定性,这些是不确定性随着时间的延长而增加。如何处理这些不确定性以做出长期最优选择是个人决策中最大的挑战之一。

中国的人口红利和经济增长

本文是对这篇文章一些观点的提炼:http://econ.ruc.edu.cn/jypp/fzllgjnh/59248d19ac6f451f912591177d896435.htm

本文想要回答的两个问题是:中国的人口结构和改革开放之后的经济飞速增长有何关系?在人口结构出现变动的当下,中国的经济增长将要发生什么变化?

中国改革开放之前的城乡二元结构在之前已经谈过。中国成立之后的经济增长率曾经达到4%,这样的增长加上不作任何限制和引导的人口政策带来了人口的集快速增长,人口从1949年的五亿增长到1982年的10亿。但城乡的二元结构将这些劳动力禁锢在效率低下的农业部门,导致在改革开饭之前有大约2.5亿人处在贫困之下,大部分农村仍然处在马尔萨斯陷进当中。

改革开放实际上做的事两件事,第一件事是将人口从农业部门释放,逐渐进入到效率更高的工业部门,其标志是允许私人开办企业。开放则是跟世界经济接轨,参与到世界分工当中,其标志是2000最终进入到WTO。在改革开放之后的四十年时间,中国的年均增长率可达到10%,这与中国的人口结构有极大关系。

首先是人口结构。劳动人口大于老年人口,生产的多,消耗的少,社会负担较小。第二是人口的快速增长,但是工人平均受教育水平偏低,随着教育的扩大,人均资本存量扩大的周期缩减速度加快,从而带来劳动技能和效率的快速改善。另外,人口的快速增加和充足的机会使得能够高效配置资源的人得以获得更多的资源,也就是邓所说的让一部分人先富起来,整体的经济资源配置效率得以提升。

第三是巨大的人口存量带来的人力成本的优势。早期相当于无限量的人力供应,一方面使得中国在参与世界分工之后得以以极低的劳动成本获得大量劳动密集型的制造业的机会,另一方面避免了资本投入的收益递减效应。之前所说的教育和培训的扩大也进一步增加了人均资本存量,强化了综合生产率的优势。

而随着中国的人口结构和人口增速的变化,原先赖以生存的优势将慢慢不复存在。人力成本会逐步上升,近些年有很多制造业工厂开始迁往越南等地,只是由于中国的制造业具备全产业链的能力以及较高的综合化生产率这种迁移的趋势才没有很明显。但随着社会收入的上升,人力成本的增加,这些优势将逐渐降低是不可避免的趋势。

另一方面,人口增速的下降,人均受教育水平的提高也意味着要提升人均资本存量需要更长的周期和更多的投入。而增长机会的减少也意味着社会流动性的减小,社会资本的重新分配速度降低,资本配置效率的提高速度变慢。中国原来依赖通过人口优势和大量投资作为生产率提高的源泉将会渐渐枯竭,未来将会越来越依靠另一个重要因素:技术的改进,当然还有原先的垄断领域。也就进入了索罗模型中所说的新古典主义增长阶段。