Category Archives: 独立思考

云原生数据中台的What、Why、Who、How和Where

WHAT:云原生是什么?它有啥前世今生?

简单说,云原生(Cloud Native)是在云上构建和运行系统的方法论。最早移植上云的“非原住民”应用程序,往往还沿用私有化部署的技术架构,无法充分发挥云基础设施的优势。随着客户应用的深入,系统必须按照IaaS和PaaS的原理进行重构,以便跟上业务的爆炸性增长。

按照CNCF(Cloud Native Computing Foudation)定义,云原生一般包含CI/CD(持续集成持续交付)、容器化、微服务、存储计算分离、跨云多域、元数据管理等技术要素。

图源:CNCF

老实讲,从我这种从业20年数据技术老兵看来,这又是一波buzzword,很多东西二十年前就有了,十几年前就已经成为互联网技术团队的标配。例如,2007年Google已向Linux内核社区贡献cgroup补丁;再如,2008年腾讯阿里招收计算机专业的应届生的面试题里就有CI/CD的问题;2013年我在阿里云ODPS团队时,ODPS的调度器和执行器已加上了cgroup能力。

WHY:投资人不傻,为什么这些概念在创投领域突然变火?

云原生暗合当前行业的发展逻辑,才会受“追捧”。我猜所有重要的创新都要被“发明”两次,一次是从无到有生出来,一次是出圈。

最近业界有个新闻,2020年,中国IT预算里超过50%的钱花在了云上。这是一个里程碑时刻,在中国这个喜欢私有化部署的市场里,云终于赢了。

大量的应用在云上,就遇到成本和效率的问题。举2个例子:

第1个例子,云和大数据运维技术含量较高,很多看机房重启机器的传统运维工程师无力承担。但是线上数据、计算和应用规模还在以每年N倍的速度增长。如果不采用CI/CD而是坚持传统的人肉运维,先别说这种运维工程师的薪酬很高,你可能都招不到这么多合适的人。

第2个例子,客户如果把Hadoop不加修改直接部署到ECS节点上,数据通过HDFS存在云磁盘上成本会非常昂贵。客户必须修改HDFS底层,把数据存到对象存储上去。

成本和效率问题推动智能数据平台必须走向云原生,从而为用户带来如下收益:

1. 提高研发效率通过微服务、CI/CD、对象体系、DevOps等一系列技术,提高代码开发、测试、发布效率,降低迭代成本。

2. 降低运维成本同样,上面这些技术也可以实现开发及运维高效协同,有效提升对故障的响应速度,实现持续集成和交付,使得快速部署应用成为业务流程和企业竞争力的重要组成部分。

3. 降低存算成本大数据基础设施的存储计算成本惊人。存算分离和容器化能够更高效地使用IaaS资源,降低存储成本。存储和计算节点分离后,可以在不对存储进行扩容的情况下快速增加计算资源。另一方面,单个容器的启动时间更快,占用空间更小,而且可以根据实际应用的大小来弹性分配资源,无需额外采购服务器。

4. 提高治理效率数据治理是非常重要但“脏”且繁琐的工作。使用跨云治理、元数据管理等技术,会大幅度提高企业积累数据资产的效率,降低安全风险,提高供应商的多样化。

WHO:所有人都在阐释云原生,哪个更符合客户诉求?到底是“谁的云原生”?

讨论云原生时,应该问清楚:“谁的云原生?”AWS、阿里云、微软云、腾讯云、华为云、京东云、Google云……每一家都推出了自己云原生技术,以吸引客户搬上自己的云。但技术接口的中立性和跨平台性被有意无意忽略了。

奇点云作为“AI驱动的数据中台”创导者,是标准的乙方数据智能技术供应商,服务于泛零售、金融、电信等行业,其中不乏各行业的头部企业。所以我们有动力做下面两件事:

1. 尽可能优化架构,降低数据应用在IaaS上的计算、存储成本。

2. 实现跨云数据治理,帮助客户摆脱某个特定云平台的绑定。

总而言之,和客户站在一起。

你会发现,在美国,尽管AWS的产品非常强大,但是snowflake和databricks依旧服务了很多世界五百强企业。原因就是这些头部企业需要把自己的IaaS供应商多样化。逻辑很类似。

所以“奇点云的云原生”,相比常规定义,多强调了几个因素:对象体系、跨平台、自主可控。我们的产品支持AWS、阿里云、微软云、腾讯云、华为云、京东云、Google云,并实现跨云的多workspace管理,能实现客户数据与应用的跨云治理和迁移。而且系统基本的架构体系设计更开放、更安全、更容易集成。

HOW:对于云原生,数据领域有什么倾向?具体通过哪些技术要素实现云原生?

我们先回顾一下数据技术的演进阶段:

阶段 #1 关系性数据库出现,SQL统一数据开发工业标准,开始区分OLTP和OLAP。问题:随着业务成长,数据量爆炸,尤其是互联网影响的深入,传统关系型数据库逐渐扛不住海量数据的压力。

阶段 #2 大数据技术出现,支撑海量数据的处理,OLAP本身又被分成了离线和实时。问题:针对不同场景的各种大数据引擎不断出现,反过来又刺激了更多数据的生成。海量数据的成本开始变成沉重的负担,如果不能把数据变成“资产”,帮助业务赚钱或省钱,就没法持续支撑大数据基础设施的持续投入。

阶段 #3 数据中台出现,提出一系列的业务方法论,强调积累数据资产。问题:数据中台在互联网公司的实践获得了相当大的成功。但是在其他行业,如果纯粹100%生硬照搬互联网的业务架构和产品形态,会遇到很多水土不服。举个例子,传统行业的企业有大量的线下场景,需要考虑很多数据集成、跨平台治理、数据安全、自主可控的问题。

阶段 #4 数据智能深入场景,AI成为数据中台的入口和出口,业务和数据上云趋势加快,多域数据治理成为刚需,国内用户愿意为自主可控技术买单。 

你可以看到,每一阶段技术都是为了解决上一代问题诞生的。 所以,大数据领域的业务特点会推导对云原生的一些倾向性:

1. 数据中台存储海量数据,且作业高吞吐高并发,对存算分离的各项指标要求明显高于其他领域的应用;

2. 大数据集群规模大进程多,天然需要微服务治理和其他智能运维技术

3. 客户对数据安全、数据确权极其关注,加上toB的分级多域数据治理场景非常复杂,产生了对跨平台技术、数据安全技术、合规数据合作技术的强烈需求;

4. 由于目前的国际政经形势,自主可控的大数据引擎,对国内企业而言是一个刚需。 

想清楚了这些,“奇点云的云原生”具体做了如下的研发:

# 容器化编排:容器化本质上是一种虚拟化技术,一台主机可虚拟出上千个容器。单个容器的启动时间更快,占用空间更小,而且可以根据实际应用的大小来弹性分配资源,无需额外采购服务器,加快研发速度。

# 对象体系:根据现有业务抽象出核心对象,以标准RESTful风格提供API服务,解耦核心对象与业务层服务,以应对不同环境、不同业务场景的需求。这一系列正交的核心对象就构成了平台对象体系,上层业务可在此基础上构建应用,高效演进。

# CI/CD:通过版本管理系统和DevOps基础设施,实现自动化测试和持续集成。一个典型流程是,程序员提交代码到特定的tag,触发测试接口自动化测试脚本+开发单测脚本(偏提交代码新功能的)执行并发送报告。由此实现测试、发布和部署自动化。在此基础上构建特定的数据环境,对重要接口和链路进行自动化检测。

# 存算分离:如果把Hadoop、Spark等常规开源大数据引擎直接应用于云主机,海量数据带来的存储成本和吞吐压力,会很快“压垮”客户。因此,必须引入中间缓存实现计算存储分离,将数据存储到对象存储上,同时兼容HDFS协议,能够根据业务需求进行弹性扩容,就能大幅度降低成本,提高集群性能。

# 跨云治理:在AWS、阿里云、华为云、腾讯云、京东云等平台,实现统一账号、权限和审计的多workspace的兼容管理,并进一步提供数据安全和可信计算方案,从而提高基础设施的可控性和安全性。

# 元数据管理:对数据的结构、指标、标签、权限、上下游血缘、生产作业等元信息进行规范化管理,建立智能数据治理体系,支持数据盘点、安全审计、血缘分析、关键分级等应用,最终实现数据资产化。

WHERE:客户在哪些场景用上了云原生数据中台?

简单举几个客户应用我们的云原生数据中台DataSimba的例子吧(均为真实案例,保密原因,不能指明):

案例 #1 某互联网APP,在海内外都很受欢迎。由于地域和法规的要求,他们必须在多个国家的多种IaaS上实现数据生产和合规隔离,例如:在印度部署1个workspace在孟买AWS上,在美国部署1个workspace在Oracle云上,在中国部署1个workspace在阿里云上……同时又实现账号权限、数据审计和安全策略的全局管理。

案例 #2 某大型电子设备制造公司,由于战略和业务的原因,必须把自己IaaS供应商多样化:部署1个workspace在华为云上,以便对接政企系统;部署1个workspace在AWS上,以便满足海外客户的审计需求;再部署1个workspace在阿里云上,以便支持和阿里云的战略合作……同时又要进行全局的数据资产管理。

案例 #3 某大型零售品牌集团,本身就有多个互相竞争的子品牌,彼此要求数据做必要隔离和客户隐私保护,同时总部又要进行全面的数据拉通。另一方面,该品牌商会对接多个流量电商平台:在阿里云放一个workspace支持双11,在京东云放一个workspace支持618。再加上几十个线上线下系统的数据的集成和拉通,形成了很复杂的分级多workspace的云原生数据治理体系。

案例 #4 某流通业的大型集团,各个分公司比较独立,IT经费充足。这时候总部上一个分级数据治理的多workspace数据中台,旗下比较大的分公司有自己独立机房的可以单独部署workspace,而小一些的公司在阿里云或华为云上开通workspace。总部对所有workspace拥有账号管理和审计的权利,同时控制住数据建模规范标准和指标的版本发布。
不同行业的不同企业,搭建出不一样的云原生跨平台数据治理体系,这其中的业务逻辑复杂微妙。我们再对比一下互联网大厂的数据平台——大一统式的数据打通,跑在几千台节点集群上,就可以发现两边产品上的着眼点并不相同。

最后回顾前面讲的几个关键点:奇点云的第三方立场,奇点云团队对大数据、云计算、人工智能技术的沉淀,奇点云对泛零售、金融、电信等行业的深入理解,以及最重要的——上面这些真实客户案例,都让我们能自信地说,奇点云是中国企业数字化转型的“must-have”供应商。

图源:PIIE

顺便打个广告:技术团队正在火热招聘中,欢迎数据工程师、算法工程师、后端工程师、DevOps工程师们投递简历:zhaopin@startdt.com

本期作者 | 王乐珩(地雷)

奇点云数据智能平台DataSimba总负责人,阿里大数据底层核心引擎ODPS初代产品经理。曾支持蚂蚁金服、菜鸟等算法与应用建设。

(了解地雷,戳→《大咖来了:地雷赌了两件事》)

跳上火箭

  有人问我,怎么每次选点都能那么准。我觉得主要是命好,或者是自己有眼光能找得到命好的人去跟随,最后感谢党和政府。正经点说,“如果火箭上有个位置,你要做的是赶紧跳上去,而不是计较位置好坏。”这句话是对的。

  奇点云几个月内完成了B1和B2轮好几亿的融资,对比今年的经济大环境,你以为投资人傻吗?最近大量招聘,观察各种人不同的决策过程,选择加入或不加入,是一件很有趣的事。

  2020的奇点云这个公司是一个有点神奇的故事。很高兴我个人和这个故事有点关系。唯一点“遗憾”是:我本来真是下定决心共克时艰来的,居然没赶上!从我进来那个月开始,业务已经触底反弹,然后就一路在猛涨。

  加入奇点云这段时间是我职业生涯里最忙的一段时间。几乎每天都弄到晚上23点才回家。前两天想,像我这么懒散的人,居然把自己弄成了工作狂的人设,似乎哪里不对。

  以前在聚道创业时,清林教会我很多管理上的事。比如他建议我,无论多忙,每周安排半天时间,找茶馆咖啡开个包厢,静下来独处,读书,把真正重要的大事理一理。最近在反思,不该拿忙当借口,试图用行动上的勤勉掩盖思考上的懒惰。

  CEO也说我太紧张不够松弛。想了一下自己为啥不快乐。因为耗费大量精力在做哈代所谓的“二等脑子”才做的事。接下来要开始动手调整团队,招聘P7,培养年轻人,筛选考核中层,构建班委。总之,计划用半年时间,把事情交出去,把SOP定好,把自己空出来。

关于toB的中台产品

  产品,是有边界的可复用的解决方案。而服务,归根到底是个性化的。所以客户到底要什么很重要。很多时候,toB领域的客户需要的只是披着产品外衣的服务而已。这时候中台侧的产品经理应该意识到,自己产品其实是服务前台团队和渠道伙伴的布道原型、交付工具和运维底座。

  中台团队常犯的错误1:技术自嗨,没意识到自己的核心价值是帮前台打单和交付。没搞清楚中间件(middleware)和中台的差别。中台是一种业务方法论,中台系统是这种方法论的落地工具。

  中台团队常犯的错误2:为讨好前台团队,把自己弄成了资源池。只是出人出枪帮忙干活,却无力构建杀手应用,无力帮前台提高客单价,无力帮前台提高人效。

  此外,ThoughtWorks的CTO的直播“low code是行业毒瘤”,说到我心里去了。图灵完备的基本原理,七十年前就证明清楚了。一代代试图用拖拖拽拽代替代码IDE的人,到底是蠢还是坏。

2021年来了

  2020年,我们一起目睹了很多剧烈变化。除了疫情。地球上第一次出现钢产量突破十亿吨的国家。中国从2014年开始,每年生产的水泥,是美国10年以上的产量。

  前两天看到统计顶级富豪(TOP300),属狗的比例大幅度低于其他属相。中国和外国都如此。这是什么道理?另外,都说羊命苦,但富豪里属羊的比例相当高。乔布斯、比尔盖茨都属羊。《魔鬼经济学》里面提到的1955现象应该是真的。马云、雷军、马化腾那批人是中国第一个“1955”。

  大多数人没考虑过中国的“1955现象”与美国有啥不同。我们是超高速演进,或者干脆N次浪潮重叠。做成大事的机会窗口远远没有关闭。很多人现在回忆起20年前,后悔没没买房,后悔没加入互联网行业……其实就在此时此刻,他们也不知道该干啥,若干年后,他们还会后悔。

  逻辑其实挺明确的,从小黄车破产开始,大量烧钱铺分店扩张规模的toC时代结束了。需要精益操作,减少成本,增加效率。只要进入追求效率的阶段,toB的时代就终于到来了。但是toB也分很多行业和种类:你是做服务,还是做产品。做服务,卖人头外包,还是高端咨询?做toB产品更难,不像toC的敏捷迭代,需要长远布局,持续很多年惊人的投入,但是做成了就特别牛B,华为和芯片的故事让全国人民都懂这个道理了。

  像我这样做了20年toB产品的人,等了二十年,终于等到自己的时代了。我都以为等不到了。

地雷赌了两件事

“凤衔金榜出云来,平地一声雷。”

18年数据老将地雷(花名),2020年5月加入奇点云,任技术总监。

5月11日,他在博客里写道:这一次在赌两件事

“至暗时刻”

今年年初,那正是国内疫情最严重的时候,地雷做了一个大胆的决定:离开AI独角兽企业,去一家服务泛零售行业的创业公司。

彼时,许多线下零售企业无法开张,经营受到重挫,其数字化转型预算大幅削减,服务它们的创业公司必然受到影响。不少人劝他不要“想不开”。在众多劝他的人里,甚至包括认识多年的老友行在。

作为奇点云的创始人兼CEO,行在非常希望地雷加入,但作为朋友,他又忍不住多劝几句:“你现在有一笔股票,公司还即将上市,前途无量。而我们仍在战斗,现在还是‘至暗时刻’。”

“老张当时特别严肃。我和老张认识八年了,他一直是这样的人,非常坦诚。”地雷说,选择一家公司,要看这家公司做的“事”,更要看他们的“人”。

“其实创业这么多年,我也经历过至暗时刻,我知道扛过这段时期就能变得很好。结果我2月下定决心,5月入职,甚至都没赶上‘至暗时刻’。”2020年刚过半,奇点云实现了连续2个季度盈利,成为黑天鹅阴翳下的一道奇迹。

“水到渠成”

加入奇点云之前,地雷已和大数据、人工智能打了18年交道。

2003年至2011年,他在中科院计算所担任pFind蛋白组学搜索引擎架构师。

2012年,地雷加入阿里云,作为阿里大数据底层核心引擎ODPS的初代产品经理之一,负责ODPS的算法模块和对外开放。地雷和行在的“孽缘”正从那时开始——行在恰好是阿里数据中台的发起人之一。

注1:ODPS由阿里自主研发,是阿里数据交换平台(DXP)的底层基础设施,支撑着阿里金融、淘宝指数、数据魔方等关键业务。

注2:ODPS团队是当时阿里“平均级别最高、平均工资最高且没有之一”的团队,汇聚了阿里最高密度的精英人才。用地雷的话说,“十项全能的人”数不胜数。

打好技术基础后,次年,ODPS启动了与上层业务团队的合作,支撑阿里内部各项业务的开展。打个比方,地雷参与了ODPS支持蚂蚁金服金融风控领域的多种应用,其中包括现在人手一个、动态变化的芝麻信用评分;又如,强力加持菜鸟,搭建了菜鸟第一代物流预测算法

地雷,2013年,@阿里,杭州

从攻关底层核心引擎技术,到技术支撑内部业务,终于,2014年阿里云决定把整个ODPS对外开放,将大数据底层核心能力赋能给社会。这也是地雷在阿里云最为自豪的战果——开放前夕他在博客里写道:“从进阿里第一天起,我就只盯着ODPS对外开放这一件事,终于快等到了!”


 2014年底,完成ODPS与电商、游戏、医疗、智能穿戴等企业的对接和应用后,地雷离开阿里云,走上创业路,在聚道科技任GeneDock基因大数据平台CTO。医疗是一个专业的领域,需要沉下心深入积累。2018年,聚道科技完成B轮融资,创造了该领域融资额/团队规模的记录。次年,地雷加入云从科技,担任人机协同中台系统的产品总监。 2020年,疫情重击,很多行业都处于“至暗时刻”,地雷南下,加入奇点云。这一年,中国的大多数企业都已经站在了数智化转型的十字路口。无论是做什么的企业,现在都需要把数据当作核心问题去认真对待。“走量”已无法带来下一阶段的成功,必须借助数据去“精耕细作”。而数据中台正是企业进入DT时代、应对未知风险的重要基础设施。地雷认为,现在中台模式最早源于互联网公司。但是对于线下传统企业的场景,产品必须有所创新,“我们当年在阿里面临很多实际问题,原有的思路搞不定,不得不创新,后来有人给这套打法起了一个名字叫中台。今天线下商业面对的场景更复杂、数据更分散,一定需要更多创新,而不是生搬老套路。”因此,地雷非常认同AI这个方向:其一,AIoT是线下数据的重要入口与出口,不仅要为企业解决数据怎么用的问题,还要解决线下场景没有数据的问题;其二,要借助人工智能,让机器完成机器能做的事情,释放人去做更有创造力的事情。 “奇点云所创导的‘AI驱动的数据中台’,和我对数据中台的理想认知完全相符。”回顾走过的路,地雷说,“现在可以说是自然而然来到了最适合我的地方,水到渠成。”

地雷的生活日常

“长期主义”

此番地雷加入奇点云,担当数据中台产品(奇点DataSimba)的大任,他的思路很清晰——“长期主义”。数据中台这一行,无论是客户还是服务商,都应该意识到它是需要长期坚持的一件事儿。对于客户来说,“数据中台是进行时”,它不是部署一个产品就结束的,数智化转型的路很长,还有很多数据智能的机会值得去探索、深化和应用。对于服务商自己来说,选择了数据中台这条赛道,就意味着选择了一场“长线战役”。地雷认为做数据中台产品,首先,技术是平台侧的,对平台侧的投资都很难,要花时间去打磨,当然一旦做出来了,竞争对手也很难抄走;另一方面,做数据中台要舍得扎根行业,要耐得住性子去打透行业、沉淀行业know-how,才能保证在底下打“地基”的技术团队不会走错方向。在地雷看来,一个真正长远的数据中台公司一定会按照这个方式去布阵,而当他发现“奇点云作为一家创业公司,有行业专家团队,甚至还有专业的、收费的咨询团队”,“这样丰富层次的配置”让他一下子有了带技术研发团队的安心感和信心。“如果是为了去追数据中台的风口,不舍得坚持投入,绝对不会成功。”地雷谈到,“所以(做数据中台)很挑老板,老板是不是认同这是一个长线战役,并能持续投入——哪怕在低潮的时候,也要持续投入,克服最难点。之前在阿里合作直到现在,确认过眼神,行在是对的人。”


“正确的路”

如何赢得竞争?地雷认为做“龟兔赛跑”的乌龟就可以了。但他强调,除了勤奋,乌龟成功的一个关键前提是:乌龟一定要跑在正确的路上,没有瞎绕。地雷从3个维度规划“正确的路”:产品管理、工程管理和团队管理。

产品管理

数据中台研发和创造单个应用相比,难度要高一个数量级。架构上,必须设计一套干净强大、可拓展、安全、完整自洽的API,并在此基础上构建SDK、Console、GUI和编程工具链。即使是计算机系科班出身的程序员,90%也不清楚DSL编译器和IDE的实现原理。产品上,需要抽象和分解能力。不仅仅满足某个具体用户场景,而是必须把握各种应用开发者在各阶段遇到的各种问题。除了用户体验,还得注意统一的概念体系、设计哲学和必要的分寸感。因此,研发ToB平台型产品,必须规划好产品架构和路线图,不能无脑乱闯。产品经理该做的功课:战略分解、市场分析、客户访谈、竞品调研、用户体验走廊测试、“吃狗粮”……一项都别想偷懒。地雷说,他见过太多失败的团队,产品负责人放弃了谨慎的思考和周密的设计,就知道逼着团队拼命加班,然后指望靠蛮力一遍遍推倒重构。“这是用战术上的勤勉掩盖战略上的懒惰。”地雷举了华为的例子。华为之所以这么厉害,一个重要原因是华为特别重视产品规划,市场调研、需求分析很扎实,路标选点非常准。一旦有了路线图,华为往往会投入竞争对手三倍的研发力量,确保压倒性优势。(这也意味着,和对手同等资源下,另有2个“还不错”的方向被“战略性放弃”了,保证了“特别对的”战役有“范弗里特弹药量”)。经过产品经理团队周密而繁琐的工作,DataSimba的路线图目前已经规划到了27周以后,并在业务重点、关键概念和架构体系上,和销售团队、架构师达成了一致。

工程管理

好的软件工程实践,决定了技术团队的层次。需求的管理和分解是否专业、版本管理用得如何、Bug管理怎么样、代码审核是否严格、发布升级是否自动化、有没有单元和集成测试、迭代是否建立了节奏感……地雷说,到一个技术团队里呆几个小时,鼻子闻一闻,就知道几斤几两。技术团队如果这些基本功不好,摩擦力会越来越大。


“我用SAFe(Scaled Agile Framework,大型敏捷软件工程方法论)带项目,”地雷介绍,“它可能是唯一适合底层中台开发的管理方式。”
*注:SAFe,国际上最流行的规模化敏捷方法之一,将敏捷实践从团队级有效扩展至项目群级乃至企业级。底层核心平台(数据平台)的技术管理方法论不同于应用软件型产品:常规意义上的敏捷软件开发,团队不会超过20人,有时leader带着向前猛冲就能做出成果。而大型平台可能有上百人的技术团队,如何让上百人协同起来,同时保证整体迭代的节奏感,就需要专门的管理思路。微软的Windows团队、亚马逊的AWS团队、Apple的系统平台团队,都采用SAFe的方法论,阿里的ODPS团队亦是如此。18年走来,地雷对平台型团队的软件工程管理非常熟悉。这最早得益于在ODPS的战斗,在后期的创业实践中经历了多次检验,现在,他把这套方法论也带到了奇点云。

团队管理

来到奇点云,地雷定下了两个“小目标”:一,短期内,要把数据中台这个产品做得足够好;二,长期,打造一个精英研发团队,每一位成员都要有“端到端”的意识和能力(例如程序员,需要在“理解需求”和“测试”这两侧都很强)。地雷不认为团队管理有什么武功秘籍,反而常常都是一些繁琐的“体力活”,例如:每天早上站立晨会;每2个月做一次全团队One on One,给每个人辅导OKR(Objectives and Key Results,目标与关键成果);每个项目都做复盘;每次事故都做Post-Mortem(故障回顾);每个版本结束,都举行发布会、“吃狗粮”和黑客马拉松;建立起技术面试的规范和流程;建立新人入职手册和导师制度;把不合格的家伙干脆利索开掉……总之,让跟着你的人觉得有成长,不敢懈怠。建立团队信任,让团队里的聪明人超越“办公室政治”,互相合作取得双赢。这一点上,地雷很认同CEO行在挂在嘴边的那一句:“管理者需要脑力、体力和心力”。把团队当作产品去打造,看到团队成员们发展成为很精英、很职业的工程师或产品经理,是地雷做管理者的幸福感来源。

地雷(右一)和团队同学

6月,杭州入梅,南方的雨淅淅沥沥,落在梦想小镇创业大街23幢仿古的屋檐上。回想起冬去春来的那段时光,北京还没停止供应暖气,许多人问地雷:为什么要在疫情最严重的时候离开AI独角兽,去一个服务泛零售行业的小型创业公司?地雷终于在他的博客写下了回答:“这一次在赌两件事:第一、中国零售行业会很快恢复;第二、奇点云能够快速达到盈亏平衡、下一轮融资成功、杀出红海。我们来一起看看,接下来会发生什么事。”很高兴,这两件事我们一起赌对了。

地 雷 团 队招 兵 买 马

或许你对低调的地雷和他麾下团队产生了亿点点兴趣;或许你就是兼顾“理解需求”和“测试”两侧、“端到端”做事的王牌程序员;或许你已经参透PD不能只坐镇后方的道理,领头冲锋,为身后的兄弟们探路搭桥;或许你还未C位出道,但吃得苦中苦,学海无涯乐作舟;……那或许,你挺适合奇点云技术团队。


产品经理、后端工程师、架构师、测试经理等岗位火热招聘中,立即投递简历至邮箱:hr@startdt.com或点击阅读原文,直达招聘主页。各位“工兵”,速来“扫雷”!

Trillion Dollar Coach、《刷新》和《具体生活》

  Bill Campbell是我个人的职业标杆之一。之前写过BLOG,列举了搜集到的Bill Campbell众多有趣事迹。

  前两天发现Google的前董事长Eric Schmidt写了一本关于Bill Campbell的书 Trillion dollar coach,(中文版名叫《成就》,无力吐槽)。赶紧买来看。

  书里很多内容,我之前碎片化搜集的时候已经知道了。不过还是有很多关键信息。

  比如,我一直很疑惑,为什么如此多的硅谷创业明星都去接受Bill Campbell的培训?答案是Bill Campbell加入了著名风险投资KPCB,专门负责与KPCB投资的创业者定期“聊天“,这是一种投后服务。有时候,他还会代表KPCB在董事会里占据席位。这也解释了之前BLOG里提到的那个问题(在Twitter公司激烈的人事动荡中,Bill Campbell 扮演了一个凶狠而不忠的角色),他的最终立场是董事会里的风险投资人,而非CEO的私人顾问。

  之前写过,Hit Refresh 这本书比 Principles 给我的触动更大。而Trillion dollar coach的三观恰好和Hit Refresh一致。两本书都认为管理的关键,是如何在一群聪明的、互相竞争的牛人中营造信任和坦诚,让团队尽可能跳出低级的办公室政治。你甚至能发现,Satya Nadella上任之初改变高管开会的形式,几乎和Bill Campbell的做法100%一样。(我在云从科技的上司BOSS T是硅谷十几年老兵。读完Trillion dollar coach我才意识到,BOSS T在部门内也特意以这样的形式来组织总监例会)。记得读Hit Refresh是在聚道的最后一年,我照着它做了很多实践,今天回头看,为此骄傲。

  顺便吐槽一下,18年 Principles 简直刷屏,朋友圈一水的小学生式读后感,居然没有人对其表达批判性思考。个人觉得这书当然有价值,但被高估了。其实体现了,投资圈里那些赌徒希望找到永远赚钱的金手指公式的妄念。

  至暗时刻,总是希望有一个像Bill Campbell这样的教练,就不会那么迷茫痛苦了。等走出来以后再看,事非经过不知难,行万里路读万卷书,keep calm and carry on,我们自己就可以变成像 Bill Campbell 那样的人。

  最后再说一本书,最近读完了吴军的《具体生活》,还行。

疫情和经济

  疫情的确会导致经济衰退。不过还有其他解读的角度。

  例如,互联网和AI迎来一轮爆发。李佳琦直播年销售额大约30亿。薇娅直播年销售大约100亿。前两天罗永浩第一次抖音直播,观众四千多万,销售额1.7亿。AI独角兽都在愁交付和供应链。线上吃掉线下,先进生产力替代落后生产力,这个大趋势反而被疫情加强。

  再如,没有弯道,老板们就必须回复常识,老老实实提高效率降低成本。这对toB是利好。对接地气的供应商是利好。

  又如,没风口,踏踏实实积累的人才会更值钱。缺少突破性创新的阶段,行业Know How和SOP就很关键。

  个人而言,我实际上看到了很多机会值得赌一赌。

  BTW:隔离了这么久,十分想吃兰州牛肉面。

师爷写诗

  做产品最关键的原则是懂收敛,场景越具体越好,用户接口越少越好。对toB行业而言,见过太多只懂技术不懂产品的家伙,把底层技术裸着给出去,界面变成“配置地狱”。电影《让子弹飞》里,县长要求师爷写诗:要有风,要有肉,要有火锅,要有雾,要有美女,要有驴。

  我年轻的时候,经常以为很多产品做得烂是因为懒或笨。后来才意识到大多数是因为,甲方 or 作者自己就没打算好好做。

艰难但正确的决定

  有个很年轻的90后女孩,之前是天使投资基金最年轻的合伙人,打算创业。朋友们都帮她改BP。非常优秀,在目前创投最寒冬的时刻拿到了很多资金。

  但是她认真考虑了2周,告诉大家,计划不够成熟,然后解散团队,把钱还给投资人。

  昨天我知道了,马上找她喝酒。庆祝她小小年纪能做出如此艰难但正确的决定。

  她转眼间已经收到了五六份offer。

[得到大学课程作业] 利用“教育家思维模型”管理长期目标

  前一阶段CEO对我所在部门进行了调整,剥离了短期业务,剩下的人被明确赋予了一个长期目标。这个目标实现难度很大,但战略上对公司非常重要。

  我很同意“教育家模型”这一课的一句话:“管理长期任务的挑战是,时间会稀释你的目标感。”此前我们部门的目标感的确有点模糊。某种意义上,这次组织调整,就是公司高层在用最直接的行动点一下。因此组织调整后,重点如下:

1. 把精力放在统一目标上:

  通过All hands和头脑风暴等形式,统一团队共识,让每个人都弄明白这个部门的使命和路线图。我们并不是要求大家像阅兵方阵一样机械统一,相反,希望一线同学根据具体情况作出更高效合理的决策,只要每个人清楚目标和底线在哪里,不南辕北辙。

  进一步也花了很多时间和其他部门沟通。总之,把目标昭告天下,争取所有人的知晓和配合。

2. 用持续行动维护信用

  我们定下规矩,每两周,副总裁和总监们都要深度讨论和复盘一次。有时候会上吵的很凶,但最终,做了不少“艰难但正确”的决策。

  例如,决定向另一个团队让出一块成熟而容易出绩效的业务。因为这个产品与我们的战略目标关系不大,应该把人手撤回来,保证核心战场的“范弗里特弹药量”。

  这个行动清楚告诉所有人:“我们是认真的”。一线同学的注意力变得集中;与“礼让跑道”的兄弟部门之间,边界更清楚,信任感更强,他们经常主动为我们提供各种关键的火力支援。

  总之,从我的实际体会来看。拥有一个长期目标,虽然一时会面临更复杂困难的局面,但处理好的话,这个目标本身就会变成一面旗帜,让各种人和资源向你聚拢。(具体而言,应该做到“耐心沟通统一目标”、“知行合一维护信用”这两点。)像滚雪球一样,越往后,自己、团队和友军越能获得更多成就感。