好多朋友离开大数据开发这个行业了吗?

科技   2024-06-22 17:11   浙江  

有感而发,内容短小。

今年有好多关注了很久的读者找到我,问我一些个人职业规划和未来方向的选择的问题,明显超过以往任何时候。

交谈的过程中反馈说好多同事因为主动/被动原因离职后,就不再从事这个方向了,基本告别了这个行业。

从2023年开始,其实我身边也有很多案例离开互联网这个行业,不再从事大数据开发这个方向。原因也有很多,但是基本绕不开大环境不好、换工作很困难,又不想向下兼容等等原因,然后离开这个行业。

很多老读者估计也有感受,这两年很多以前关注的博主也基本不再更新了,其中有相当一部分人自己都离开了这个行业。现实就是这么残酷。

然后因为各种原因也有很多应届生读者找到我,问我一些职业规划、offer选择的问题,我也按照实际情况给了一些建议。行业不会消失,但是行业要求和收益确实跟2022年以前的高速发展的10年不能相比。

所以,我们大概说说,假如你还在这个行业,并且期望能最大限度的赚到这个行业最大的收益,大家该怎么做的问题。

2023年后开始带团队,做技术负责人,站在不同的视角看这个问题的角度也有所不同,得出来的结论也更加的客观和真实。

我们先排除大环境的客观因素,因为这个因素不因个人意志改变。只是从打工人的角度看问题。

先说知识储备和更新迭代问题。 这个问题是很多工作时间超过7-8年甚至10年+读者要面临的问题;我先抛一个结论,很多人的知识储备和更新迭代已经远远落后行业腰部及以上公司的「面试要求」,包括大部分的知识博主。

大家想过为什么吗?这个行业这个方向,只要你不在一线超过6个月,就跟不上技术本身的迭代更新了。甚至很多身处大厂的同学,如果你把大部分精力放在需求迭代、写重复代码上,探索、总结的能力较弱,个人竞争力也会急速衰减,陷入吃老本的恶性循环。

很多人问有这么夸张吗?如果你的目标比较高,瞄准的是腰部及以上的那些公司,现实就是这么残酷,我见过太多太多这种案例。

大家注意,我说的是「面试要求」,这个要求这两年水涨船高到我个人也有点看不懂的程度。

它体现在几个方面,第一是整个行业的平均水平在迅速提高,大多数公司的技术水平远超几年前。这个也不难理解,因为行业内部现在还是愿意分享的状态,加上各大社区积极的宣传和推广,大家获取知识的源头足够丰富,哪怕我们的工作中用不到一些高大上的方案。但是这个面试要求在提高,因为面试官的水平也在提高。

有一些很经典的悖论就来了,我公司内部用不到这么NB的技术栈,但是面试又需要,怎么办?很多人陷在这个死循环里,然后到了某一个时间点,自动就退出了这个行业。

个人技术债问题。有一个比较普遍的原因,我发现超多在行业内部工作8年+、10年+的老同学知识储备过于落后。我个人分析的几个原因,跟公司所在行业、个人获得知识更新的动力、部分同学参与团队管理导致精力分散无法及时更新个人技术栈等等,这些是典型的「个人技术债」。

这个要引起重视,这个技术债很有可能在未来的某个时间点爆发,然后被时代的洪流淹没淘汰。

躺平和温水煮青蛙问题。 老生常谈的问题了,如果你想在互联网这个行业那么肯定是躺不平的,如果你接受不了行业现状可以尽早考虑上岸。

这个过程的核心只有一句话:尽早决策,果断出击。什么意思呢?就是不能拖,你不能舍不得这个行业的高薪酬又不想承担这个行业带来的工作压力和频繁的技能更新要求。我知道有很多人,身边也有,果断在工作的某个时间点上岸,其实是很明智的。

逆水行舟,不进则退。这个也是一个很被忽视的问题。就是这个行业和高考考大学一样,大家会戴着明显的有色眼镜和滤镜看待个人。在这个行业,要在职业生涯的某个阶段尽量有1-2段大型公司的履历,具体做什么不重要,重要的是要有,要在职业生涯初期尽最大努力去做这件事。同样如果你已经在这个阶段了,个人技能也不能落后,否则被动向下兼容,后果也很惨。

尽快脱离初级开发阶段、尽快脱离初级开发阶段、尽快脱离初级开发阶段(重要的事情说三遍),入行是最简单的那一步,后续的挑战更大。

这个履历会在你的职业生涯后期起到至关重要的作用,会让未来的路好走很多。

就写到这里吧,后续有什么新的思考再更新。

300万字!全网最全大数据学习面试社区等你来!


如果这个文章对你有帮助,不要忘记 「在看」 「点赞」 「收藏」 三连啊喂!

全网首发|大数据专家级技能模型与学习指南(胜天半子篇)
互联网最坏的时代可能真的来了
我在B站读大学,大数据专业
我们在学习Flink的时候,到底在学习什么?
193篇文章暴揍Flink,这个合集你需要关注一下
Flink生产环境TOP难题与优化,阿里巴巴藏经阁YYDS
Flink CDC我吃定了耶稣也留不住他!| Flink CDC线上问题小盘点
我们在学习Spark的时候,到底在学习什么?
在所有Spark模块中,我愿称SparkSQL为最强!
硬刚Hive | 4万字基础调优面试小总结
数据治理方法论和实践小百科全书
标签体系下的用户画像建设小指南
4万字长文 | ClickHouse基础&实践&调优全视角解析
【面试&个人成长】社招和校招的经验之谈
大数据方向另一个十年开启 |《硬刚系列》第一版完结
我写过的关于成长/面试/职场进阶的文章
当我们在学习Hive的时候在学习什么?「硬刚Hive续集」

大数据技术与架构
王知无,大数据卷王,专注大数据技术分享。
 最新文章