Subscribe
Share
Share
Embed
课代表立正的官方Podcast
深度访谈，有用干货，亲身验证的「真本事」
Superlinear Academy创始人，Maven Top AI Instructor
前Statsig布道师（OpenAI收购），腾讯副总监，Meta，Amazon；康奈尔经济学博士
社区：Superlinear.Academy
课程：ai-builders.com
个人：lizheng.ai
好的,恭喜你的新工作
Hello,Hello,谢谢,谢谢
所以说这次的节目我想问你大概三个问题吧
第一个就是你在这个Roll上的体会
尤其是你这个Transition
因为你之前是在一个大公司的一个产品的一号位
现在是在一个中大的公司
当然可能跟自己那样巨无霸就不要比了
但是其实算是个大公司对吧
50亿的流水是很大的
你们公司多少人?
大概1000名员工左右,全球
对,就是现在是一个举足信用的角色
我想听听你就是来了这个新的岗位以后的一些你自己的体会
这个我就开放题吧,我就不问特别具体的问题
你自己有什么比较重要的体会
第二个呢,我想去问一下就是
你刚刚说的是有能力部分
就是你得到了你今天得到的这些机会
当然是有能力部分
但是能力我相信很多同学是有
或者说他需要一个机会才能去锻炼那些能力
所以说你是怎么样一步一步得到了你现在的这样的机会
你觉得过程中比较关键的点是什么
第三个就是想deep dive一下
昨天我们在直播的时候聊到的一个话题
就是你在你看到的大约模型
真NI在这个行业的应用
因为你来了以后很快就有了一个非常具体的体会
这是很多同学感兴趣的
我们就先这个三个问题吧
好呀好呀,三个都是非常valuable的问题,感谢
我先从第一个问题分享
我自己确实之前只在大厂打工
然后主要是meta,然后国内是BATT
自家都待过了
所以第一次从大厂出来到中厂的时候
我觉得对我来说
不仅是大厂到中厂的变化
也是叫做从比如说行业其实有一些变化
虽然我一直在整个广告营销的上下游
其实包括广告平台其实都干过
但是第一次加入agency的角色
所以角色有变化
然后呢以前在大厂可能是业务的二号位一号位
但现在是一个独立公司的一个Clevel
其实角色上也会有一些不一样
所以行业不一样,角色不一样,公司不一样
然后背后会带来很多的
怎么说,不能说culture shock
就是说有需要习惯的地方
然后我觉得如果屏幕前的同学也在经历一个类似的变化的话
我觉得可能可以关注到这么几个方面
我自己可能体会比较深一点
第一呢是在大公司做事情的时候你会发现
只要是一个战略性的比较重要的项目呢
它的资源,优先级,曝光度和很多隐性的资源都会比较充足
这个隐性的资源它可能是
比如说来自于集团的人力上的支持
比如说招聘上的支持
比如说你在大厂的时候你的brand本身就很强
所以你在吸引候选人的时候
你就可以说我这个公司很牛逼
所以本身你就不需要在其他的方面去给太多的信
所以这些隐性的资源和好处其实是离开大厂之后才意识到说
这个发现确实是缺了
是缺了才发现它存在
不然take for granted很正常
对,是是是
然后我觉得第二个比较明显的感觉到的差异呢
是因为大厂比较高的hierary bar
以及是比较严格的这个
比如说晋级考核的制度
所以大厂训练出来的同学或者说大厂招进去的同学
整体的质量还是要比非大厂的人才密度要来的高一些的
其实我想说的可能并不是中小厂招到的人本身就弱
而是因为
而是我觉得里面有很大一部分元素
是因为你在大厂工作的时候你周边都是很强的人
所以哪怕一个进去没那么强的同学
他本身也会被train的和被要求的更高
所以最终体现出来的人才的密度确实会有一些差距
但但很有可能就是人才本身的那个差距是一部分
然后另外一部分是大厂的那个圈、evaluation
然后高人才密度带来的激发出的大家的一些战斗力
我之所以把这两部分拆开来看
是因为后面那个东西很难解决
而前面那个东西你可以靠人才的招聘筛选
甚至是哪怕高价挖一些从大厂的人出来
是可以部分解决的
但后面那部分你确实很难解决
你没有大厂的制度考核等等这些东西
第三的话我觉得是行业的影响力
这个也是我出来之后开始意识到的
在大厂的时候当你想做一件事情
你总是可以在行业里面
比如说另外一家中小厂在做类似的事情
我说要不认识一下聊一聊
人家就会很高兴
但是我们在一个中小厂
尤其还没有IPO的地方
其实我们的这个perception是很弱的
尤其在对于海外的精品
或者是有协同性的公司来说
可能大家根本不认识我们我们是谁
所以这种情况下我们是不是自己
就要更争气一些
在产品技术销售
不管在哪个方面
总是要更突出一点
才能提升人家愿意跟我们聊一聊的兴趣
我觉得就是在一个
我多补充第四点是
在一个大公司
哪怕做一个业务的一号位
versus在一个中小非上市的公司
做一个Clevel
我觉得后者
就是我现在的决心
就是在一个中小非上市的公司
我觉得后者
就是我现在的决策
需要做significantly更多的考量
以及是这个考量背后
它可能真的会决定公司的发展方向
它从而真的会影响
比如说估值上下波动
可能up to百分之多少
所以就是做这些决策的时候
需要变得
我觉得是需要考虑更多的信息
和变得更谨慎
因为它的代价会更大
但同时又因为我们在一个
信息不充分的地方
所以如何利用特别有限的信息
来做一个大的或小的决策
又变得很重要
所以我觉得就是
做决策的
搜集信息和做决策的能力
我觉得在这些公司会变得
独其的critical
然后我觉得我自己还没有能
在这些方向上做得特别好
我还在学习
就和我之前就是
我采访那个BREX的CPO
他现在是president了
是一样的
他说他也是从大公司
就是Facebook
管workplace什么的过来
就是high-stake
他觉得他在大公司的时候
其实他请一周假
然后没有他去做那些决策
其实无所谓
请一个月假
就是虽然说没有人做决策
但是那些决策被别人做了
差距不大
但是在小公司你的所有决策
high-stake前compound
所以说每天工作下来会非常累
因为你对这些决策
一定要很认真很认真
没错没错
尤其我还不是最那个的
比如说我们的CEO可能
他哪怕休假带着家人出去玩
他还得保持工作状态
我甚至被告知说
我们的CEO可能在过去的
四五个月里
已经没有休过一天假了
就是他工作日是正常工作
然后周末的话还要去跟行业里的
各种各样的人聊
或者要面试
或者要参加活动等等
所以其实我感觉对吧
就echo了你说的
很正常
不是这样子的话
做不到这个程度
是是是
那你现在管人的情况呢
我们的团队规模倒不大
可能只有小几十个人
因为也是
我也刚加入大概两个月的样子
所以可能还在
怎么说就是
有一些业务在
我在初步的熟悉的过程中
所以也不合适
说一下子就全弄过
而且这一点
我自己也挺认可
我每次加入一家新公司的时候
都是
start from a small team
focus on one specific project
然后呢
逐渐的去
take更多的responsibility
我觉得这种方式来落地
确实是
对于公司来说
风险更小
然后对我自己来说
也更smooth的一个方式
对
是你的前几次经验都是这样的
我刚刚问的问题是管人的方式
是类似吗还是
因为你其实在
腾讯和潜思的管人方式
应该有不太一样
到了这儿肯定
就是又是另外一个环境
对
我觉得在之前的
之前的几段经历里面
我觉得我的management可能会
占到40%
相对来说
比于很多
就是management占到
70% 80%的manager来说
可能已经
比较hands on了
但在这里的话
我觉得我的
纯management的部分
可能会降到大概10%到15%
然后剩下的
绝大多数时间都在
personally的
做很多hands on的
事情做
做hands on的沟通
所以
它会很像
就是很像
创业公司里的
创业公司
对
有点像这种感觉
所以
你hands on的工作举例一下
是什么意思
是跟人
带着人去做呢
还是dip dive呢
还是你要写代码什么的
好
比如说在
做
product strategy的时候
比如说我们要定
接下来三年的规划
对吧
以前的逻辑
是我会有一个
战略的团队
然后我也会有比较多的
产品的同学去
帮我们把基础的信息
给搜集过来
然后
放到桌上
然后我们开始讨论说
有基于这些信息
我们怎么样
但在这里
就是因为信息不全
并且
我们团队的
信息搜集能力
会偏弱一些
所以
很多的code call
我需要自己打
对吧
我需要自己去找人
聊
我需要自己做
很多的笔记
然后
再用ChaiGBT
帮我去规则一下
然后
再去讨论
说基于现在
也有的信息
我们要怎么办
这是一种情况
然后另一种情况
比如说我们要kick off
一个新的项目
待会我们不是要
聊到AI agent
那么
在以前
我可以想象
找人排一排
行业里有哪些
agent
然后
我们来
做一个
我们挑一个就行
但现在
就是说
我们资源又很少
然后
我们要做的事情
就是我们要服务的人
有很多
但是
这个行业里面
又处于一个
所有人都在做
但是你不知道
谁做的好
谁做的不好
谁在吹牛
谁真的在做事情
这种时候
就得自己
active的去
聊人
或者是面试
等等
来去判断说
这个东西
好像是
能做出来
且值得做
且
起配度非常高的
然后
我就会自己在
白板上
我们写了好多个白板
说这东西
first step是怎么样
然后技术选型
是怎么样
然后MVP长成什么样
V1 V2
大概长成什么样
然后弄完了
跟我们
下面执行的同学说
这个
我已经
差不多scope好了
这个
去执行一下
然后我们来
每两天
开chop一下
大概是这样子
所以能想象
确实是
怎么说
还上在IC
对
然后甚至跟
比如说
跟算法
跟
跟算法同学以前
我可能
就说
大概的
框架是这样
大家去弄一弄
现在跟算法同学
会讨论说
具体的
我们的modeling
这到底是个generative的
事情
还是一个靠
classic的modeling
我们就能解决
然后
feature engineering上
到底要做什么东西
然后这里的
哪些数据能用
哪些数据不能用
哪些数据要洗
哪些数据怎么洗
到底是靠人来洗
还是靠我们
搞一个offline的
小模型来帮忙洗
等等
这些
特别细节
细碎的事情
我们都要
讨论的比较详细
然后再做execution
就是
想要提高
效率
并且是
对
deep down也是对
团队同学
自己执行
不是特别放心
所以需要
就是
涉及到很多细节
明白
好的
最后一个
关于第一个大问题的问题吧
跟我现在的公司
有关
就是
以我的理解
一般在这样的公司里
的数据基建
或者说
把数据
发挥价值的
空间很高
我不光是做实验
其实在我看来就是
比如说一个数据的definition
business definition
大家是不是搞清楚了
你的这个
报表上
不管是给大家
平时看着业务的dashboard
还是你的
财务报表上的那个数
最后你
最后能不能
map到一个table上
然后这个table能不能
map到一个code上
很多地方
其实是做不好的
第一
这个问题存在吗
第二
就是
你们
这个解决这个问题重要吗
因为其实我
现在的公司
所解决的问题
就是这些问题
但是我其实不知道
它对于一个
这种企业公司
到底有多重要
好
tldr是重要
且我思作为
行业里面
已经非常非常
注重
产品技术数据的
这个top tier的公司
我还是能看到
很多很多需要被
fixed的问题
有一些甚至是
比较critical的问题
具体可能并不方便举例
但
我自己会把这个
data相关
我把它分成三层
就底层的那个
data的就是
数据的采集
储存
然后效率高不高
准不准
然后这个
这个时效性怎么样
等等
然后中间那一层
我觉得是data的
aggregation和data processing
然后上层
就是data的
visualization
以及是data analysis
以及是用这些analysis
来move业务的部分
然后我觉得
我能观察到的是
哪怕是在大厂
比较强的
也只是因为
大厂有一个非常强的
data foundation的team
所以可以把基建
做得很好
但中间的
processing
它其实是涉及到
比较多的业务逻辑的
以及是上层的
visualization
和能不能
发挥到data的insights
其实是
看业务同学
和具体的
执行同学的能力的
它可能
不只是数据同学
也涉及到
数据的分析
然后产品
甚至是业务的
负责人的角色
我觉得在
我这家公司
本质上是靠
数据
derive出来的insights
和modeling
去优化
客户的
价值
所以这件事情
对我们来讲特别重要
我现在能观察到的是
底层的那部分
可能
问题不算特别大
因为你无非就是
数据的采集的效率
不是特别高
并且偶尔会
出一些错
再加上
数据的采集
和储存成本的问题
但中间这一层和上面这一层
我觉得是
比较缺的
我相信也是
科大表所在的公司
可以帮很多很多公司去
提升数据的
可用性
易用性
以及数据能真正
以上move
business metrics
的
价值
带来的地方
我觉得
从实际上用数据的
团队来说
我能想象
平时会看数的那些团队
肯定会用
但那些平时不怎么
看数
看报表的团队能不能
因为一个
很好的
很易用的
这个data dashboard
能
养成一个比较好的习惯
我觉得
这也是我想要推动的
一个方向
我觉得我在
facebook的时候
我最喜欢的就是那个deltoid
然后再加上
还有几个名字
我有点忘记了
反正就是那个
对
对对对
scuba对吧
叫scuba
对
scubadecorate
然后那个
就是
dash
这些我们都做了
是是是
我觉得这些都挺有用的
尤其对于2C的公司
有大量的一方数据
用户数据的
公司来说特别的重要
对
然后
我这稍稍再多多说一点
就是
这几个tool都很重要
然后都做出来
也很
但是确实不是所有的公司
都需要这些tool
但是在我看来
更重要的一个
其实叫metrix catalog
在
你想你在Facebook的时候
你要做一个deltoid
它deltoid牛逼在哪
deltoid还有一个牛逼的点
我们
包括
decorate
unidash
你的metrix
是直接拉出来的
对吧
直接有一堆collection
可以让你去把
metrix给拉出来
然后你要点到
一个metrix的话
你可以知道它的linage
你可以知道
这个metrix
是怎么产生的
它的定义是什么
你在code里面都能找得到
这个我觉得是很重要的
这个就是你说的
就是从
底层到中间层
所需要做好
它才能非常好的
enable上面所有的东西
不然的话
就是你每上面
每做一个
你就要下面
重新再去做一遍
上面做一个
下面就要重新做一遍
但是当你这一层
做好了以后
你上面做的
所有东西全部是通的
是
好
下次我们
可以约个时间
deep dive一下
就是做数据同学的出路
我自己会更倾向于
往前走
能直接影响业务的结果
或直接影响业务的战略
或者方向的方向走
然后
data出生的同学
如果想要往这个方向走的话
我觉得
无限精进
自己的technical的depth
我觉得可能
在一定程度之后
增量的
incremental的gain
可能不会很大
而是要
多扩展横向的
horizontal的能力