»
遊客:
加入
|
登入
(帳號有問題請連絡TWed2k@gmail.com)
TWed2k
»
轉貼文字區
» [轉貼]工程師年薪1500萬,比川普還高!瘋狂的Netflix:別跟我稱兄道弟,我們不是一家人
可打印版本
|
推薦給朋友
|
訂閱主題
|
收藏主題
|
純文字版
論壇跳轉 ...
主題:
[其他]
[轉貼]工程師年薪1500萬,比川普還高!瘋狂的Netflix:別跟我稱兄道弟,我們不是一家人
字型大小:
小
|
中
|
大
|
巨
←
→
geo
鍛鐵驢友
. 積分:
94
. 文章:
148
. 收花: 850 支
. 送花: 6 支
. 比例: 0.01
. 在線: 49 小時
. 瀏覽: 2521 頁
. 註冊:
1948
天
. 失蹤:
2
天
#1 : 2020-2-25 10:06 PM
全部回覆
送花
(11)
送出中...
有些失散多年又不是很熟的朋友,哪天要是突然熱情地回頭找上你,通常只有兩種可能 : 一是他被炒魷魚正急著找工作 ; 二是他剛找到一個非常好的工作,想回頭找一些過去他不喜歡的人氣一下。
我這位淡朋友是在網路泡沫化最慘烈那兩年並肩作戰的戰友,船沉了之後,大家各自跳水逃生。銷聲匿跡了幾年,有一天突然接到他的email約我吃飯。見面後第二句話就是「我進了Netflix,下禮拜一開始上班」。我還來不及恭喜,他就搶先說了下一句重點:「真不敢相信,他們付的錢幾乎加倍。」
薪水天高,壓力山大
我們見面真正的目的在五秒鐘之內就圓滿達成。即使像我這樣生活比工作重要的人,當下都有淡淡受傷的感覺。
這是 Netflix 這家公司第一次讓我下巴微微張開的時刻。第二次是再幾年後,另外一位同事也跳槽過去,後來傳到我耳裡的待遇是加了70%。當時很多同事的下巴也都紛紛掉到地上。
在矽谷一線科技公司想要挖角資深工程師,光用薪水很難下手。因為市場有公定機制,大家薪水都差不多。有時候意思一下加個10%,就可以半推半就把人搶過來。加薪70%搶人有破壞市場公平的嫌疑。但薪水這種事,只要對方給得出來,只要你斤兩夠重,敢接受,公平交易委員會也管不著。
不過那位朋友後來寫 email 給我,說壓力實在太大。他們團隊每年淘汰 10%。大家互相競爭、惡鬥,誰都害怕掉入最底層的 10%。他們的評估方式,是採取組織內部全體員工匿名投票。
又隔了兩年我再從其他朋友聽到他的時候,他已經離職了,從此就再也沒有他的訊息。前前後後,我所認識的幾個進了這家公司的,都待不到 2~3年──也許都不是自願的。不過即使是自願,一定也已經千瘡百孔。
你能熬多久?高報酬的傭兵文化
想想看,每年固定刷掉 10%,請問你禁得起刷幾次 ? 這不就像是燉排骨湯一樣──越到後面湯越濃,除非真有兩把刷子,否則遲早會被當成浮沫挖出來倒掉。
天下沒有白高的薪水。
根據 Glassdoor.com 的統計,Netflix資深工程師平均比 Google高出 60%。如果上 Teamblind.com 搜尋一下,你可以看到 Netflix 有人年薪高達40萬美金,甚至有 50萬的。年薪40萬在美國,是跟總統川普平起平坐的薪水。
看到這裡,請先不要難過,因為天下沒有白高的薪水。了解內情的人都知道,即使加薪 100%,都不敢進這家公司。他們只要成功的人,而且要年復一年永遠不停成功的人。Netflix僱人的價值觀是:一個A咖比兩個B咖便宜,所以他們只要A咖中的A咖。
高報酬的背後當然就是高壓。所以你在 Netflix 所能達到的最高報酬,就是你所能忍受高壓的極限。這家公司培養出一種非常特殊的傭兵文化,他們不要忠誠,只要能夠作戰的英雄。所以加入團隊的都是為了高報酬的傭兵。他們也許半路就戰死沙場,也許打完一場仗就拿錢走人。
不要忠誠,只要成功──我們不是一家人
這裡沒有包容,只有取代。
Netflix CEO 海斯汀(Reed Hastings)在 2009 年公布了轟動武林、125 頁的告全國同胞書,對於 Netflix 強悍的工作文化有很多驚世駭俗的語句。其中最有名的一句話就是「我們不是一家人」(We Are Not Family)。
在矽谷這麼多年,我換過六個工作,從幾百人的新創小公司,到十萬員工的百年帝國都有。每一家公司都把自己塑造成一個大家庭,把員工當做家人看待──至少在口頭上是如此,至少賺錢的時候亦是如此。海斯汀卻以類似今天台灣另類候選人的方式,直白拋出千百年來企業從不敢道出的真話。
他開宗明義地說,家人只有無限的愛與包容,家人必須一再容忍錯誤與失敗。Netflix 不會把你當家人。這裡的團隊只有一個任務,那就是把每個人都推往不可能的極限,而且大家應該心知肚明,你隨時都可能滾蛋。這裡沒有包容,只有取代。
技公司流行的小犒賞⋯⋯ Netflix 可不來這套。
繁文縟節只適合管理笨蛋用。
在2009年的告天下詔書裡,他對新進員工的期望大致可以歸納成下面幾項 :
1我們沒有花壽司、葡萄酒。你是來作戰,不是來開趴的。
2我們不看工作多努力或工時多長,我們只看戰果。
3我們只要A咖,給的也是A咖的回報。
4如果你是B咖,即使是A咖的努力,我們還是會請你離開。
5我們不要忠誠,只要成功。
6如果你只想找一份安穩的工作,那請你現在就離開。
7我們要的是自發、自律的戰將。我們不教你怎麼作戰,也沒時間教你如何生存。
報酬是看戰果,不是看年資──別跟我稱兄道弟
你必須無時無刻不停地工作,不是周一到周五,也不是朝九晚五。
矽谷沒有公司敢標榜英雄主義,即使心裡想,嘴巴也不敢說。只有 Netflix 表明只要超級英雄。在公司文化方面,他也直白公佈了幾十頁令世界跌破眼鏡的條文──大致可以歸納綜合如下 :
1公司沒有流程和法則。我們拋棄所有的繁文縟節。
2繁文縟節只適合管理笨蛋用。
3你必須無時無刻不停地工作,不是周一到周五,也不是朝九晚五。
4我們不追蹤工時,只追蹤進度。
5休假沒有上限,穿著沒有下限──只要不是全裸就可以。
6出差、餐飲、及公務報銷都不需要收據。要報多少自行決定。
7我們給你全部的自由,但你也必須背負全部的責任。
8我們付你無與倫比的報酬,不管盈虧都一樣。
9報酬是看戰果,不是看年資。
10價值定位是你自己的責任。
11如果你打算留下來,那只是為了成就和金錢。不需要是為其他任何理由。
12我們只告訴你目標,不會告訴你如何達成。
13我們只要超級英雄。
這裡不是「矽谷樂園」
到了 2017 年,Netflix 訂閱人數打破 1億關口的時候,海斯汀又加碼推出Netflix更新守則,繼「我們不是一家人之後」,他最新推出的標語是「別跟我稱兄道弟」(We Don't Want Any Bro's) ,這句話又讓矽谷震盪好一陣子。這次的告全國同胞書可以歸納成下面幾點:
別跟我稱兄道弟。
這裡不是「矽谷樂園」,也不是讓你來試水溫的。
我們仍舊只要超級英雄。
這個公司的確有點怪,但你必須要學會適應。
以小搏大,在巨人陣中殺出一條血路
兩個月前,我正式停止家裡的有線電視。在這之前,我每月付給第四台的費用是218 美元。可是漸漸我發現,當我有力氣坐下來的時候,看的都是 Netflix。我已經不知道多久沒有看電視了,而且不論我看多少電視,每個月絕對不值$218。
到門市部退還機上盒的時候,發現排在前面的也是來退約的。2018 年美國有線電視共有3百萬用戶退約。電視跟報紙和有線電話一樣,都將成為歷史。這個一步一步退讓出來的市場,正一口一口被 Netflix 吞噬。今年 Netflix的使用戶已經達到 1.3 億。
Netflix 這個以郵遞 DVD 起家的公司一路以小搏大,對抗影視界的超級巨人群。它先打垮 DVD 實體出租業的霸主 Blockbuster。自2007年推出串流服務之後,又一步一步壓縮巨人 Comcast 和 AT&T 的第四台市場。現在 Netflix 已經獨佔全美國串流影視 75% 的市場。
它下一步要對抗的超級大巨人是好萊塢。今年 Netflix 推出的電影Roma獲得奧斯卡11 項提名。為此,大導演史提芬史匹柏還正式提出抗議,認為串流影視不應該列入奧斯卡。我認為這也是好萊塢即將節節敗退的開始
一個以小搏大一路殺出一條血路,對外這麼強悍的公司,對內當然也不可能仁慈。否則根本無法生存。
Netflix 的成功,有一個鮮有人知的重要因素──那就是它精準的推薦功能。
Netflix 的致勝關鍵──大海也能撈針的推薦功能
2006 年,當 Netflix 要推出電影串流服務的時候,他們發現電影沒有關鍵字,無法搜尋,無法精準歸類,當然也無法推薦。電影是複雜的綜合藝術,即使大家都喜歡同一部電影,每個人的原因都可能不同──有時甚至連我們自己也不知道為什麼。
看電影的時候「情緒」是很重要的反應,但情緒無法搜索。如果我看了一部電影很感動,Netflix 無法推薦另外一部也會令我感動的電影──除非「感動」成為電影可搜索的元件。但是這些資訊自古以來就不存在。要精準推薦,就要把所有元素都具體化。
傳統的電影歸類非常簡單。比方約翰・韋恩的電影通通歸類於西部片,《亂世佳人》歸類為文藝片。用這麼簡單的歸類法加上五顆星來推薦,是上個世紀的作法。網路串流不能讓用戶感覺是在大海撈針,只要幾次撈不到喜歡的,大家就不再回頭。一般人平均只有 90秒的搜尋耐性。
可是看看今天 Netflix 的推薦功能,它的命中率高達 80%。這是 Netflix 最重要的秘密武器。這個武器在2006年並不存在,市場上也沒有這種工具和資訊。所以 Netflix 決定自己打造。
他們找了一批懂得如何深入看電影的觀眾,把當時庫存的九千部電影全部播放給每一個人看,然後要他們記錄電影內容及所有的關鍵字──這包括場景、室內擺設、演員穿著、背景音樂、自然風景、故事年代、畫面顏色、演員名字、重要對話、當時的情緒、重要的情節描述,以及看完後的感想⋯⋯這根本是一個荒唐到不可能的任務。
他們把所有記錄下來的元素,用電腦分析歸納出 76,897 個「細分類」及「微分類」。有了這些細微的分類,大數據就很容易找出下一部你可能想看的電影。
原文出處
[geo 在 2020-2-25 10:12 PM 作了最後編輯]
[如果你喜歡本文章,就按本文章之鮮花~送花給作者吧,你的支持就是別人的動力來源]
本文連接
送出中...
論壇跳轉 ...
所在時區為 GMT+8, 現在時間是 2024-11-22 12:30 AM
清除 Cookies
-
連絡我們
-
TWed2k
© 2001-2046
-
純文字版
-
說明
Discuz!
0.1
| Processed in 0.020090 second(s), 7 queries , Qzip disabled