编程是一个很美好的工具,我希望更多人喜欢上它。而不是只掌握在程序员手中。 ——一个引子 你好,我是吴枫,风变科技的CTO,同时我还具备着另一个身份,它更让我觉得骄傲:人工智能布道师。 我们在《未来已来(上)》里讲算法替代人,发生在当下。点击【此处超链接】可以访问。 我们在《未来已来(下)》里讲如果被替代是不可逃避的宿命,那么做为个体,应该如何应对此事。 基于此,我要讲给你两个逻辑:一个关于加薪,一个关于裁员。 (一)加薪的逻辑 曾经有刚毕业的同门师弟问我:初入职场,如何快速实现加薪? 我想了想,给出一个相当粗暴的答案:一个人做十个人的工作,然后去要五个人的薪资。 这听上去像是废话,但它暗含一个超级简朴的逻辑:你所获得的收益,和你创造的价值呈正相关。 所以,不需要斤斤计较薪资上涨的百分比。我们更应该关注如何成倍放大自己的价值。这样,收入自然会找上门。 那么问题来了,如何成倍放大自己的价值? 回答这个问题,我们先来看看传统的情形是怎样。 在许多成熟的大公司如腾讯,一个人的成长会被分为两条线: 一个是技能提升,技术能力越来越强:从助理到熟练,到高级,到资深…… 一个是惯例岗位,从组长,到总监,到总经理,到总裁…… 背后逻辑是: 1,随着我的经验积累,知识成长,我做的东西越来越好,价值越来越高。从60分,变成100分。 2,我利用我的知识和经验,帮助那些本来60分的年轻人,做到80分。那多出来的20分,乘以十个人,200分。就是我创造的价值。 以我的观察看: 中国人一般更痴迷于职位的晋升,而不是打磨专业技能。我想原因是管理岗,更容易带来这种,价值的放大效应,产生更多的收益。 英特尔的CEO安迪·格鲁夫写过一本书叫《格鲁夫给经理人的第一课》,里面最核心的观点是个公式:经理人的产出=他直接管辖部门的产出+他间接影响所及部门的产出。说的就是这么一回事。 我们做个简单的总结:加薪的逻辑,是放大价值。 放大价值的方法,传统的有:提升专业技能,利用自己的知识和技能赋能给别人创造价值,即管理。 这个逻辑也适用于创业者和企业——有谁不是在为这个社会整体工作呢? 现在,我们就可以讲,编程这个技能可爱的地方。 它提供了新的一种成倍放大价值的方式——效率。 举一个很小的例子: 几乎所有的编程语言里,都会提供一种语法,循环。那么,我写一个程序,就能反复去执行。 我们公司,是一个做在线教育的公司。会有很多这样的微信群聊。在一天结束之后,我们要把很多很多群聊解散。数量是成千上万的重复操作。传统,是请兼职同学去做这件事。兼职的成本是每天200。 后来,我的运营同事在学习了Python之后,写了一个程序:实现输入群聊名称,点击执行,即可解散掉所有符合这个名称规则的群聊。 那么,我就可以认为,编程为公司节省了这200块。 (二)裁员的逻辑 这里的裁员不是指公司行为,而是指市场行为。 所以我们用另一个名词来概括可能更合适:劳动力升级。 结合我们刚才讲的内容,昨天讲的内容,很容易得到一个结论: 当工种B,可以比工种A更快,更好,更多地创造同一类价值时。工种A就会被裁撤。工种B的招聘需求就会提升。 利用这个逻辑,我们可以理解很多工种,薪资多年不涨。人数不断缩减的原因——这个工种,创造价值的效率逐渐跟不上时代节奏。 我们沿用《未来已来(上)》中的案例,如果说算法替代人做决策越来越普遍,那么显然数据分析师,在创造价值上会有更高的效率。 市场对数据分析师的需求,就会远大于对运营的需求。数据分析师的收益水涨船高。 紧接着,就会有相应的人才,从高校,从其他行业,从其他岗位涌入进来。 运营,作为一种岗位会逐渐被市场遗忘。 这也是一件正在发生的事,LinkedIn发布的《2016年中国互联网最热职位人才报告》显示,数据分析人才的供给指数仅为0.05,属于高度稀缺。此外,数据分析人才的跳槽速度也最快,平均跳槽速度为19.8个月。根据中国商业联合会数据分析专业委员会统计,未来中国基础性数据分析人才缺口将达到1400万。 与之对应的是薪酬标准,在大型的互联网公司,大数据分析师的薪酬常常要比同级别的其他职位至少高出20%至30%。 让我们做一个总结: 那些在未来(或说现在),会(或说正在)替代掉我们工作的人。他们具备怎样的共性? 你如果作为一家公司CEO,你更愿意要什么样的候选人? 你是一家公司的HRD,你会为怎样的人才支付更高的薪资(在忽视管理这种价值倍增方式的前提下)? 这三个问题的答案都指向一个地方: 懂编程,懂数据,懂技术的复合型人才。 他们具备更好的潜力,能面对正在/即将发生的变化。 他们是不可或缺的人才储备。 (三)事情将如何发生? 先给一个结论:在任何一个行业,都存在两种人,一种负责探索性创新,一种负责复合型创新。 这两种人都在创造巨大的价值。 通俗的说法是:你负责科研,我负责将科研成果应用落地。 其中探索性创新始终是少数,复合型创新才会是人群中的主流。 编程是一种潜力无穷的媒介,它能让不同工种的人,去在它的帮助下,做复合型创新,放大价值。 我们已经举例过两个工种可能发生的变化:运营和产品。
如此,运营升级为数据分析师,产品升级为数据型产品。 我相信还会有许多例子,在我所看不到的地方发生。 这是一种视角,技术+工种。但还存在另一种视角,技术+产业。 有一个技术,近几年非常火热:图像识别。 我们今天理解它,是:让计算机读懂图像的技术。用一个比喻,叫:给计算机装上眼睛。 然……然后呢?比喻很美,但它能做什么? 能做太多的事。
有人用它做人脸识别:人脸支付,城市安防。 有人用它做监控分析:人群密度客流分析,道路车辆行为分析。 有人用它做自动驾驶:行人监测,车距监测。 有人用它做工业控制:质量检测、视觉测量。 有人用它做医疗诊断,有人用它预测农产量,有人用它处理图像/视频…… 同样的技术,一大堆的应用场景。 每一个场景,都对应着一个公司,每个公司在干的活八竿子打不着,但他们用的是同个技术。 就仿佛今天,所有的公司都在用电脑办公。 当探索型创新的团队完成科技研发,就轮到复合型创新的团队出现。 那么这个复合型创新的团队(个人),就需要懂编程语言,这样才能应用别人的技术。 有没有感觉,这很想很久之前,全地球人要懂英语,才能做生意。 这是因为从前世界的主旋律是全球化,所以懂英语的人会很赚。 但现在事情在发生变化,主旋律是人机交互。 一个你已经体验过的案例,是自然语言处理,它也是近几年火热起来的技术。 这在我们生活中非常常见——siri,小爱同学这些语音助理就是用到自然语言处理技术。 它们的工作逻辑是,先语音识别转文字,然后再做自然语言处理理解文字,最后执行指令。 所谓的智能音箱,其实就是能联网的音箱……智能的不是设备,是云端服务器。 技术已经存在,需要有人把技术和场景结合。 这个人,就是我们中的多数人。这个人多数人,需要掌握编程语言。 综上: 编程是个好技能,不应该只有开发人员掌握。平常人学一学,也挺好——拥抱数据,拥抱算法,拥抱技术。 学会编程,去结合自己所在的行业,所在工种,所在岗位,把过去的东西重塑。 当我能用技术替代过去的我,那么今日的我就不会被替代,只会更高效,更高效地创造价值。 (四)为什么是Python 截止当前,我们已经做了非常充分的论述:编程,妙不可言。 那么当我们选择要编程,为什么是Python? 一说本事大,最新潮的技术都是用Python开发:爬虫、数据分析、云计算、人工智能、机器学习…… 一说好入门:学个基础知识,学一些模块用法,你也能马上起飞。 今天多补充两则:简洁,越来越多的人在用。 作为一种解释型语言, Python 更强调代码的可读性和简洁的语法。不管是小型还是大型程序,该语言都试图让程序的结构清晰明了。打个比方,同样一项工作C语言可能要1000行,Java要100行,Python可能只要10行。 这是简洁。 2017年,Python 借助排名借助人工智能持续上升,在 IEEE 排行榜中,首次以微弱的优势打败C语言,位列 IEEE 第一。
(科普:IEEE Spectrum 的排行榜是根据读者的需求进行的权重设定,如注重新兴的语言、职工需求的语言、开源中热门的语言等) Python 在过去几年里一直在迅速增长,在2012年,Python的访问量还小于其他五种语言,而到现在其访问量已经增长了2.5倍。在2017年6月,Python 第一次成为高收入国家 Stack Overflow 访问量最大的标签。
这个,是越来越多的人在用。 总之了,编程是好技能,Python是好语言,希望你会喜欢上它,干点有意思的事。 以上。 惯例: |
|