如何在国内构建一个硅谷级的高效技术团队？

网友 36氪

硅谷到中关村到底有什么差别？以 Data Driven+Ownership 组建高效团队！

效率差距

在加入小红书之前，我曾先后在百度、知乎、Facebook、Airbnb 工作。今天就想分享我在这过去的十几年间看到过、经历过的不同公司在“效率”上不同做法，以及一些自己的总结。

“从硅谷到中关村到底有多远？”大家在十年前觉得硅谷是技术型公司的圣殿。但是，今时今日中美互联网公司，这些差别都变得非常小。

2018 年初 Mary Meeker 的年度互联网报告里面，Top 20 市值 / 估值的互联网公司中国占了一半，但从实际角度，还是在一些领域内差距明显。以 Facebook 和阿里巴巴为例。他们两个的市值曾经非常接近。但平均每个员工创造的收入，Facebook 大概是阿里巴巴的 3 倍。这个数据代表了一个公司的效率。

站在今天，中美互联网企业最明显的差距就是团队效率。

接下来，我们将对比差别产生的原因，及能从硅谷能学到的东西，包括在小红书的一些实践当中看到的效果和遇到的问题。

互联网时代的软件工程

我们今天对于效率的讨论，都是在互联网时代这个大背景下如何能够最大化团队的效率，最大化团队的产出。但中文互联网元年大概是在 2000 年左右，我们现阶段的所有互联网企业都是脱胎于那个软件时代。

软件时代和互联网时代有什么区别？软件时代 release 周期大概是半年到一年，背后的逻辑就八个字：质量第一，按期交付。

我们来讲讲其中的巨无霸：微软。

在中国互联网企业里，大家沿用了微软的开发流程。PM 中心制，以交付文档作为各个阶段的结果产出。这是一个对于整个软件开发而言好的流程。

但到了互联网时代，这样软件工程有什么问题？

第一点，所有原始设计的功能点的周期不再是月级别，是周级，甚至可能都是天级。
第二点，职能化区隔。基本上我们的团队构成都是以职能切分，PM、工程师、测试工程师等。

在复杂的互联网场景中，我们就会出现 PM 的需求和排期，会分别细化到客户端团队，到服务器后端等。Team 越来越大，时间却越来越少。流程能带来安全和质量，但流程不能带来效率。

我们再来看看互联网时代下带来的变化：

第一点，迭代速度比不出问题重要。如果一个特别严重的 BUG 放到线上，1 分钟就能定位，5 分钟就能 Release 修复，可能只影响到了非常少的人，可以用迭代速度去弥补出现的问题。
第二点，一个基本功能的 MVP，也就是一个功能的最小化产品单元，比一个完备的产品设计要重要得多。
第三点，用户反馈就显得比按期交付更重要。应该用最小化的产品单元，用最快的迭代速度，将用户的反馈收集到，确定这个产品的功能要不要，做不做深耕。

在互联网时代下，对比传统软件时代，我们的最终生产效率能差多少？10 倍肯定是有的。效率就是第一竞争力。

我们再举个互联网时代公司的例子：Facebook。

Facebook 的一个最小 TEAM 单元叫做三人组，是设计师、产品经理和工程师，三个人完成基本功能。三个人之间不是流水线上各自独立的环节，而是相互讨论，相互交织。

产品经理，他不再只是 Product Manager，而是 Problem Manager，让大家能看到问题的全貌，一起来探索解决的方案。

三人组这样的团队，与那个按职能来划分的团队相比，有什么区别？

第一点，对问题负责，所有人不再只负责流水线上的一环，而是负责最终结果。

第二点，因为存在大量的面对面交流，而不是文档交流，它的结果是对于主观能动性的激发是大的。

这两点是为什么能激发 10 倍的效能的基础。对一件事情有 Ownership 可以激发个人巨大的效能。

以效率为中心，带来了哪些变化呢？

我们先来看看团队的变化。

例如 Instagram 从创业团队做大，一定要有术业有专攻。对于 Instagram 而言，第一个切分出来的团队是基础架构，他们支撑一个底层业务。

第二个拆分出来的团队是 Growth。这个增长团队是闭环的，为了目标就是一个，如何协同一起把这件事情做成，把问题解决。

之后，还会切分出 Engagment 团队，以及 monetization 团队。

团队的切分方式都是以能让大家分享同样一个用户侧的目标，或者是公司级的目标。

在实际场景当中，大家最怕与跟自己职能不一样的人放在一起。但我认为，单一驱动在今时今日这个场景下面是不存在的。

驱动大家的东西，是用户侧的反馈，或者叫数据。每个人都应该放下只有我说了算的 EGO，平等的对话，在各个地方收集问题，一起找到解决路径。

变化 2：数据

在这样的团队里面，带来了第二种变化，数据无比重要。职能不一样，团队的共同语言是什么？数据驱动决策的含义，就是团队里面每个人都需要去阅读数据，读懂数据。

数据驱动分几级：

第一个，公司级。出个 Dashboard，加个 BI 团队，负责给老板跑数。这是低 level。
中等 level 是团队级，每个团队都有自己的可以量化的目标和结果。
高等 level，应该是团队当中的每一个人每天都在跟数据打交道，每个人都能用数据，每个人都会用数据。但这需要有配套的机制和工具做辅助。

在 Facebook 内部，五年前有三大工具：Scuba，Hive，Ods。ODS 传统 KV 储存，主要是一些计数器。HIVE 就是数据仓库，可以跑很大的数据量，缺点就是反应慢。SCUBA 在 Facebook 内部是人大家日常使用最多和最有帮助的工具，可以实时地做多维聚合。

实际应用工具当中的一个转变，对人的影响是非常大的，工程师关心的不单是 CPU、MEMORY，关心的是全链路业务上面的用户反馈，要有工具能看到结果长什么样子。产品经理也要有能力自己取数，要有 data sense。

这样，数据科学家和数据分析师不再是取数工具了，而是可以去做数据分析，找到驱动数据变化的深层原因。

最后数据应该是公开的，应该是能覆盖到尽量多的维度，数据的生产者和数据的消费者应该是一体的。我想知道，我做了这个功能有没有人用，有多少人用，用得好不好，这才是最大的驱动力。

变化 3：职责

优秀的团队，需要对结果负责。对结果负责很重要的一点，或者说做出成功产品的团队核心是什么？叫做 DOGFOODING。

DOGFOODING 是什么意思呢？就是自己用自己的功能，自己吃自己的狗粮，或者狗屎。自己做出来的功能，首先自己要先用起来。

在 Facebook 有几种简单的工具去支持大家快速做用户侧尝试，哪怕是只给自己使用尝鲜：

一种是 gatekeeper。通过在 gatekeeper 上设置过滤条件，对一小批用户做测试。
另外一种是 AB 测试，切 10% 的用户尝试新功能，另外 10% 的用户最对照。

那工具为什么可以让大家变成对结果负责呢？原因叫做赋能。因为有能力，所以有担当。

除了靠各种 CI，Canary 工具以外， gatekeeper 和 AB testing 也可以让你小流量去实验，实验个 5000 用户，觉得没问题，再放大，用这样的工具去辅助这样的权力。

总结来说，在互联网时代，为什么 Data driven 和 ownership 可以提供 10 倍的效能差别？因为在大目标对齐的情况下，各个小团队之间可以组成一个分布式的决策机制，大家可以跨职能的团队协作，去中心化进行决策，做到面对不确定性时的敏捷。

落地实践

最后我们来看一下过去这两年，对于效率，我和我的团队一起在小红书的一些真实的实践。

小红书是一个生活方式平台，里面涉及到衣食住行，吃喝玩乐，并且可以完成从发现到决策到记录的全链路流程。

我们是一个面向用户、有丰富数据的平台，这是我们产品上的天生优势。我们一天的用户阅读量有数十亿次，这种流量规模情况下，我们可以做非常多的 AB Testing，用 1% 的流量就可以做非常多的事情。

我们刚才讲的对于各种效率理念，在过去两年一步一步在小红书做落地实践。虽然有种种挑战，过去的两年里面我们还是摸索着落地了很多效率层面上的改进：

首先第一点：数据赋能。每个人都会玩的数据平台。我们自己做了一个前端，后面主要是 Hive，Presto，Spark 等等这样的数据计算平台。在这里用户可以套用模板写 query。在小红书团队中最引以为傲的一点是，几乎每个人都会写。然后通过一些工具可以把这些数据变成一个图，或者是变成一个每天监控的 dashboard，还可以变成 high level 的报警。

第二点，工程赋能。工程师有能力决定自己功能什么时候上，要什么时候上，或者要不要上。我们用了 Phabricator 做 Code Review，集成了后面 Jenkins 做 CI。所以工程师在这里边每天会看到说我现在有多少个 Diff 等着我去 Review，以及我的 diff 在被 review 的状态是什么样子。当有一个 reviewer 点击了 accept，就代表可以上线了，就触发了我们最终的 deploy 流程，就上到线上，这是对于工程权力的下放。