《打造Facebook》欢迎来到“新兵训练营”(6)

这种讨论既可以由导师发起,也可以由需要用人的经理发起。比如我曾在新兵训练营里指导过一个之前在Google工作的资深工程师(Senior Staff Engineer),原先在Google属于前3%行列的,水平很高,没过几天就有好几个组的经理跟我说想找这个人谈谈。当然,这种情况下,我不希望经理直接去找这个人。我要先做个筛选,毕竟对双方都了解的只有我一个人,如果是我觉得合适的组,再问下该工程师,看他是否感兴趣。另外,要避免过度的“推销”,这会让员工迷惑、陷入过多选择。毕竟对Facebook很重要的组有很多,有趣的组也很多,如果每个组都来向新人推销一遍,新人的想法就混乱了,反而没办法做出选择。

导师还有一个很重要的任务,就是当某几个特别重要的岗位急缺人的时候,要花力气去“忽悠”合适的人到这些组去。这个时候,导师会循循善诱,极力争取唤起新人对这些组重要性的认同和对其业务的兴趣。我做过几例这样的推销工作。老实说,这不是最自然的匹配方式,因为诱导性太强。

新兵训练营结束后,也会发生淘汰的情况,但概率很低。印象中,在我离开Facebook时,像这种情况淘汰掉的总共不超过10个人,而参加过新兵训练营的工程师和产品经理一共有500多人,淘汰率不到2%。

在我曾经带过的一期中,有一位伯克利大学毕业的专攻机器学习(Machine Learning)的博士,美国人,有三年多工作经历,很年轻。他很聪明,但有典型的博士风格——凡事都要弄得特别深入、特别细致。这导致了一个问题:速度太慢。一个我自己去做只用一两个小时就能完成的代码修复,一般期待新人最多半天完成,但这位博士为了把前前后后弄得一清二楚,花几天时间都搞不定。我们之间有过多次关于质和量如何平衡的讨论,也达成了他应该加快速度、增加产出的结论。我在多次的表现评级上都给了他“摇摆(Shaky)”的评价,但似乎改善不多。第四周,我们给了他最后的机会,让他尝试给动态消息组的机器学习算法部分做一个改进。机器学习算法的一个特点是对试验的设计、数据的获取和分析要求很高,相对于其他产品项目,对质量的要求较高、时间的要求较低,比较适合研究型人才的胃口。所以,这种安排也是希望他能更容易展现自己的特长。从组里的反应来看,对他的表现还算满意。最后我们就让他进了这个组,没有让他走人。对于表现不良的新人,虽然总体上Facebook是求快,但在某方面有造诣的工程师,Facebook还是尽可能为他寻找合适的岗位。

这里面其实也反映出一个问题,就是研究型人才如何在一家节奏很快的技术公司立足。Facebook也在慢慢地摸索。

就我个人做导师的经历而言,新兵训练营结束后我还会继续跟踪(这不是公司统一要求的)。新兵营毕业一个月和三个月后,我会跟这些新员工再进行“一对一”谈话,了解他们感觉怎么样,新兵营对他们有没有帮助,是否适应目前的工作,有没有文化沟通上的冲突等。

读书导航