转帖：印度人统治硅谷：儿子成绩全A，可校园大赛PK...

煮酒正熟

机器猫 发表于 2019-12-12 17:55
每次看见这种黑印度人的帖子，我总是怀疑我们到底是生活在同一个世界里的吗？

在美国也工作生活了快20年了 ...

斗胆冒昧猜测一下：您和楼主松叶牡丹都不在加州湾区

我也不在湾区。我在东北部某白人文化占主导性的城市

目前对印度员工评价一致性大负面的，都是加州湾区flag那类公司的老中们。这里我再武断一次：我相信他们所述为实

但以我个人在美十几年的工作经历，印度同事给我的整体印象还是比较好的。再说句让人不快的 --- 我共事过的印度同事的专业能力、沟通能力、团队精神和为人处世等综合得分，高于我们老中。本来想加个“略”字，但想想还是不加了，因为他们的优势不是很大，但也不是一点点

我身边的印度同事都比较随和，完全不是湾区那些如狼似虎的印度人的嘴脸。我觉得这可能是个自然选择的结果：特别聪明也特别有进（钻）取（营）精神的老印都去了湾区，在东北部的老印总体来说不那么钻营和富于侵略性


回来说说我共事过的老印们吧，我觉得他们的优势或者说老中们的相对劣势，主要是心态上或思维模式上的：

一，干活 vs 解决问题
老中普遍的心态是，上边给出明确指令，我就按照指令把东西给你做出来
但霉果职场的要求是：我这儿有个问题，需要你给我解决。你如果总是要我给出明确指令（实际上就是解决问题的方案），那说明你缺乏解决问题的思维能力，只具备实施方案的技术。老中里面较大比例都是这种

二，做好自己的工作 vs 达成目标
这其实是从另一个角度阐述上一个问题。老中的普遍心态是，我只要做好自己的本职工作就好了，你要什么我给你什么就好了呗。这个心态很糟糕。说个具体的例子：我组里一下属，女同胞，统计学硕士，也是七八年工作经历了，有一次销售计划部要 state x county x plan level lapse rate，那天我恰好请假开车去纽约给孩子办旅行证，她打我手机，我告诉她怎么extract data，然后千叮咛万嘱咐，不要只给lapse rate，要同时给出 base and #lapse. 她还问我，对方只要lapse rate，为啥还要给那俩东西？当时窗口叫号叫到我，我匆忙说抱歉回去我再解释但是一定要三个都给。然后周一上班赫然发现，人家只个了lapse rate。我问她为什么不给base and lapses，她回说对方只要lapse rate，他们要什么我就给什么。这就属于完全不走脑子，没有真正的责任心。我反问她：如果对方要aggregate 到 plan level, or state level, or market level，你不给那俩东西，他们怎么aggregate? 她像看白痴一样看着我：just take average... 到此我已无话可说了

印度同事里可没有糊涂到这个份儿上的

煮酒正熟

晨枫 发表于 2019-12-15 01:19
嗯，我也凑个热闹，谈谈我对印度同事的看法吧。

印度人和中国人一样，不能一概而论。就个人在学校时代和 ...

确实就是个ownership的问题，而ownership在一定程度上和兴趣有关。ownership翻成中文的话，我更喜欢译作“上心”。其实我自己做的东西有些我自己也没太大兴趣，但长年的职场生涯让我变成一个非常上心的人，关注点也早就从把一个孤立的项目做好，扩展到这个项目的上游 input 有没有什么疑点、我该做什么 due diligence? 以及我这个项目交付给下游后他们有可能在哪里会产生错误认识，导致不能正确使用我提供的solution? 一切的一切，都需要脑子里有一个非常清晰的东西 --- 我要达成一个什么目标 或者是要解决一个什么商业问题。在做东西的时候，其实是一系列的小决策，而在做这几十个小决策时会反复要求自己去从要达成的目标 这个角度去思考。这也算是“不忘初心”吧，就是不能因为做非常detailed and hands-on stuff 淹没在细节之中而忘记了整体目标。

自己有没有ownership其实很容易判断，就是你下班以后休息的时候，早上醒来的时候，是不是还在琢磨着某个技术或商务问题

煮酒正熟

松叶牡丹 发表于 2019-12-15 18:47
煮酒兄咱们遇到的情况相反啊，我遇到的中国人同事业务都不错，再不行至少能带的出来。当然白眼狼也遇到过 ...

看来和区域很有关。中国人高中低三档在美国各地的分布差不多，除掉湾区的偏高；而老印在霉果各地的分布很不一样。再就是和公司的面试严格程度也有关。我们公司也是最近两年一下子变得非常严格起来了，这也得益于我们这群常年负责面试的hiring manager之间的无私分享和迅速学习能力。效果真的是立竿见影，新招进来的人普遍职业素养优秀，不仅极其渴望学习，而且上手快，踏实认真，出了错第一时间承认，不厌其烦地修改。

有了这样一批优秀的新鲜血液，从前那些有能力但想吃老本的老员工也感受到压力，这样非常有利于我们推行一系列standard practice --- 其实就是end to end documentation：你写的code每一步都要有source，比如你用了其他人做出来的成果，那么你必须把那个人做这个成果的原始代码以某种形式给出来；然后你做的每一个小决策，都必须注明为什么要这么做。你deliver 的分析结果如果是excel，你必须把你的script拷进去；如果你做了一个模型，那么要明确给出 train set, score set hive tables，要给出 confusion matrix, AUC or R2, feature importance list, tuning parameters, univariate analysis visualization，以及一堆其他deep dive，还有使用Python里面的shap帮助layman理解 model features contribution等等。这意味着大工作量和大量加班。如果没有有效的面试选入的新鲜血液，这些规定要推行下去是无法想象的