未来已来（下）——工种之变
编程是一个很美好的工具，我希望更多人喜欢上它。而不是只掌握在程序员手中。
——一个引子
你好，我是吴枫，风变科技的CTO，同时我还具备着另一个身份，它更让我觉得骄傲：人工智能布道师。
我们在《未来已来（上）》里讲算法替代人，发生在当下。点击【此处超链接】可以访问。
我们在《未来已来（下）》里讲如果被替代是不可逃避的宿命，那么做为个体，应该如何应对此事。
基于此，我要讲给你两个逻辑：一个关于加薪，一个关于裁员。
（一）加薪的逻辑
曾经有刚毕业的同门师弟问我：初入职场，如何快速实现加薪？
我想了想，给出一个相当粗暴的答案：一个人做十个人的工作，然后去要五个人的薪资。
这听上去像是废话，但它暗含一个超级简朴的逻辑：你所获得的收益，和你创造的价值呈正相关。
所以，不需要斤斤计较薪资上涨的百分比。我们更应该关注如何成倍放大自己的价值。这样，收入自然会找上门。
那么问题来了，如何成倍放大自己的价值？
回答这个问题，我们先来看看传统的情形是怎样。
在许多成熟的大公司如腾讯，一个人的成长会被分为两条线：
一个是技能提升，技术能力越来越强：从助理到熟练，到高级，到资深……
一个是惯例岗位，从组长，到总监，到总经理，到总裁……
背后逻辑是：
1，随着我的经验积累，知识成长，我做的东西越来越好，价值越来越高。从60分，变成100分。
2，我利用我的知识和经验，帮助那些本来60分的年轻人，做到80分。那多出来的20分，乘以十个人，200分。就是我创造的价值。
以我的观察看：
中国人一般更痴迷于职位的晋升，而不是打磨专业技能。我想原因是管理岗，更容易带来这种，价值的放大效应，产生更多的收益。
英特尔的CEO安迪·格鲁夫写过一本书叫《格鲁夫给经理人的第一课》，里面最核心的观点是个公式：经理人的产出=他直接管辖部门的产出+他间接影响所及部门的产出。说的就是这么一回事。
我们做个简单的总结：加薪的逻辑，是放大价值。
放大价值的方法，传统的有：提升专业技能，利用自己的知识和技能赋能给别人创造价值，即管理。
这个逻辑也适用于创业者和企业——有谁不是在为这个社会整体工作呢？
现在，我们就可以讲，编程这个技能可爱的地方。
它提供了新的一种成倍放大价值的方式——效率。
举一个很小的例子：
几乎所有的编程语言里，都会提供一种语法，循环。那么，我写一个程序，就能反复去执行。
我们公司，是一个做在线教育的公司。会有很多这样的微信群聊。在一天结束之后，我们要把很多很多群聊解散。数量是成千上万的重复操作。传统，是请兼职同学去做这件事。兼职的成本是每天200。
后来，我的运营同事在学习了Python之后，写了一个程序：实现输入群聊名称，点击执行，即可解散掉所有符合这个名称规则的群聊。
那么，我就可以认为，编程为公司节省了这200块。
（二）裁员的逻辑
这里的裁员不是指公司行为，而是指市场行为。
所以我们用另一个名词来概括可能更合适：劳动力升级。
结合我们刚才讲的内容，昨天讲的内容，很容易得到一个结论：
当工种B，可以比工种A更快，更好，更多地创造同一类价值时。工种A就会被裁撤。工种B的招聘需求就会提升。
利用这个逻辑，我们可以理解很多工种，薪资多年不涨。人数不断缩减的原因——这个工种，创造价值的效率逐渐跟不上时代节奏。
我们沿用《未来已来（上）》中的案例，如果说算法替代人做决策越来越普遍，那么显然数据分析师，在创造价值上会有更高的效率。
市场对数据分析师的需求，就会远大于对运营的需求。数据分析师的收益水涨船高。
紧接着，就会有相应的人才，从高校，从其他行业，从其他岗位涌入进来。
运营，作为一种岗位会逐渐被市场遗忘。
这也是一件正在发生的事，LinkedIn发布的《2016年中国互联网最热职位人才报告》显示，数据分析人才的供给指数仅为0.05，属于高度稀缺。此外，数据分析人才的跳槽速度也最快，平均跳槽速度为19.8个月。根据中国商业联合会数据分析专业委员会统计，未来中国基础性数据分析人才缺口将达到1400万。
与之对应的是薪酬标准，在大型的互联网公司，大数据分析师的薪酬常常要比同级别的其他职位至少高出20%至30%。
让我们做一个总结：
那些在未来（或说现在），会（或说正在）替代掉我们工作的人。他们具备怎样的共性？
你如果作为一家公司CEO，你更愿意要什么样的候选人？
你是一家公司的HRD，你会为怎样的人才支付更高的薪资（在忽视管理这种价值倍增方式的前提下）？
这三个问题的答案都指向一个地方：
懂编程，懂数据，懂技术的复合型人才。
他们具备更好的潜力，能面对正在/即将发生的变化。
他们是不可或缺的人才储备。
（三）事情将如何发生？
先给一个结论：在任何一个行业，都存在两种人，一种负责探索性创新，一种负责复合型创新。
这两种人都在创造巨大的价值。
通俗的说法是：你负责科研，我负责将科研成果应用落地。
其中探索性创新始终是少数，复合型创新才会是人群中的主流。
编程是一种潜力无穷的媒介，它能让不同工种的人，去在它的帮助下，做复合型创新，放大价值。
我们已经举例过两个工种可能发生的变化：运营和产品。
他们可能会更多地思考：如果你是微信的算法工程师，请为微信的看一看做一次改版。
这就会更多从数据取样，数据利用，算法搭建的层面去做设计。
这是一种变化：
（1）产品思考场景和交互；工程师去实现；用户给反馈；返回第一步。
（2）工程师设计算法；工程师索要数据；产品思考如何拿到数据；产品设计场景和交互；工程师去实现；数据给反馈；返回前面的某一步。
如此，运营升级为数据分析师，产品升级为数据型产品。
我相信还会有许多例子，在我所看不到的地方发生。
这是一种视角，技术+工种。但还存在另一种视角，技术+产业。
有一个技术，近几年非常火热：图像识别。
我们今天理解它，是：让计算机读懂图像的技术。用一个比喻，叫：给计算机装上眼睛。
然……然后呢？比喻很美，但它能做什么？
能做太多的事。
有人用它做人脸识别：人脸支付，城市安防。
有人用它做监控分析：人群密度客流分析，道路车辆行为分析。
有人用它做自动驾驶：行人监测，车距监测。
有人用它做工业控制：质量检测、视觉测量。
有人用它做医疗诊断，有人用它预测农产量，有人用它处理图像/视频……
同样的技术，一大堆的应用场景。
每一个场景，都对应着一个公司，每个公司在干的活八竿子打不着，但他们用的是同个技术。
就仿佛今天，所有的公司都在用电脑办公。
当探索型创新的团队完成科技研发，就轮到复合型创新的团队出现。
那么这个复合型创新的团队（个人），就需要懂编程语言，这样才能应用别人的技术。
有没有感觉，这很想很久之前，全地球人要懂英语，才能做生意。
这是因为从前世界的主旋律是全球化，所以懂英语的人会很赚。
但现在事情在发生变化，主旋律是人机交互。
一个你已经体验过的案例，是自然语言处理，它也是近几年火热起来的技术。
这在我们生活中非常常见——siri，小爱同学这些语音助理就是用到自然语言处理技术。
它们的工作逻辑是，先语音识别转文字，然后再做自然语言处理理解文字，最后执行指令。
所谓的智能音箱，其实就是能联网的音箱……智能的不是设备，是云端服务器。
技术已经存在，需要有人把技术和场景结合。
这个人，就是我们中的多数人。这个人多数人，需要掌握编程语言。
综上：
编程是个好技能，不应该只有开发人员掌握。平常人学一学，也挺好——拥抱数据，拥抱算法，拥抱技术。
学会编程，去结合自己所在的行业，所在工种，所在岗位，把过去的东西重塑。
当我能用技术替代过去的我，那么今日的我就不会被替代，只会更高效，更高效地创造价值。
（四）为什么是Python
截止当前，我们已经做了非常充分的论述：编程，妙不可言。
那么当我们选择要编程，为什么是Python？
一说本事大，最新潮的技术都是用Python开发：爬虫、数据分析、云计算、人工智能、机器学习……
一说好入门：学个基础知识，学一些模块用法，你也能马上起飞。
今天多补充两则：简洁，越来越多的人在用。
作为一种解释型语言， Python 更强调代码的可读性和简洁的语法。不管是小型还是大型程序，该语言都试图让程序的结构清晰明了。打个比方，同样一项工作C语言可能要1000行，Java要100行，Python可能只要10行。
这是简洁。
2017年，Python 借助排名借助人工智能持续上升，在 IEEE 排行榜中，首次以微弱的优势打败C语言，位列 IEEE 第一。
（科普：IEEE Spectrum 的排行榜是根据读者的需求进行的权重设定，如注重新兴的语言、职工需求的语言、开源中热门的语言等）
Python 在过去几年里一直在迅速增长，在2012年，Python的访问量还小于其他五种语言，而到现在其访问量已经增长了2.5倍。在2017年6月，Python 第一次成为高收入国家 Stack Overflow 访问量最大的标签。
这个，是越来越多的人在用。
总之了，编程是好技能，Python是好语言，希望你会喜欢上它，干点有意思的事。
以上。
惯例：
【阅读原文】，是我主导研发的Python课程报名入口，有兴趣的同学可以去看一看。