写点什么

技术员工的工作满意度:数据可以告诉我们什么?

  • 2017-08-09
  • 本文字数:3893 字

    阅读完需:约 13 分钟

关键摘要

  • 薪资福利分析商 PayScale 研究了多家大型科技公司的工作满意度
  • 技术员工正在趋向年轻化,他们通常在职业生涯早期或中期就能得到很高的薪酬
  • 研究报告称,随着年龄和工作年限增长,员工对工作的满意度水平明显下降
  • 这些数据在一定程度上反映了科技行业经常发生的由于年龄歧视提出法律索赔的问题
  • 商业大师 Daniel Pink 的工作成果表明千禧一代可能更适合技术员工这一角色

关于科技行业有一个为人熟知的滑稽模仿,无论我们是否已经在科技领域工作,都对之又爱又恨:在这里豆子撒落一地,现磨浓缩咖啡机放置于每个桌上,大家骑着色彩协调的自行车在绿树成荫的校园里穿行而过,还可以不受限制地使用未来会成为最棒的必备小工具的 beta 版本。

当然,这些都是潜在的好处,或许会(说实话,经常会)成为技术员工总体体验的一部分。但同样真实的是,只要你仔细去找,任何工作环境都有其缺点。

同时,千禧一代正在以前所未有的速度涌入这些工作岗位也是事实。为了更客观地了解其中的原因,我们可能需要看一些稍显枯燥的数字。关于大型科技企业的员工对工作的满意度如何以及满意度能持续多久,这些枯燥的统计数据真正能告诉我们的是什么?

解析数据

最近一次尝试回答这些问题的是 PayScale ,一家致力于对众多行业的薪资和福利情况进行分析的在线公司。他们使用自己的薪酬数据库对数据进行梳理,以评估当今领先的 17 家科技公司的不同员工群体对工作的整体满意度水平。Google、Facebook、苹果、微软、IBM、特斯拉和亚马逊等企业都属于研究的对象,针对每一家公司,PayScale 都使用在职员工的反馈来统计员工的整体工作满意度,并基于一些关键指标来绘制关系图。

记录的数据包括如平均员工年龄、行业经验总年数、在当前公司的在职时间以及职业生涯早期或中期的薪资中位数等变量。作为代表性样本,结果有几个方面值得注意——当转换成一系列信息图表时,它们似乎突出了一些相当明显的趋势。(这些趋势在哪些方面能使我们得到启示在很大程度上取决于我们如何解释数据,后面我们会进一步了解。)

首先,在职业生涯早期和中期,总体工作满意度和薪酬水平中位数呈正相关,这一点并不会令我们觉得意外。总的来说,在职业生涯早期和中期平均工资较高的公司,员工的工作满意度也比较高,正如我们所预期的那样,这个不管在哪个行业都是一样的。事实上,就像“商业思维大师”Daniel Pink 在他的大作《驱动力》中强调的:“将金钱作为激励的最有效的办法,就是给人们支付足够的钱让他们不再总是谈钱……给人们支付足够多的钱,这样他们就不会考虑金钱,而是更多地考虑工作。”

此外,尤其与这项研究相关的是,这不仅仅对被雇用的员工来说是重要的激励:对于我们所有人都是一样的,如果我们在工作之外的生活不用为钱所困,那么我们完全可以更全身心地投入到工作中,对于朝九晚五的工作也会感到更加满意。科技公司总体而言都因为准确地击中要点而备受好评,但似乎仍有些公司做得比其他公司更好。

当然,Pink 在《驱动力》中真正想说的是,在影响工作满意度的因素中,钱并不是全部的因素和最终的因素,而且钱给太多和钱给太少都会影响员工的动力。从雇主的角度来看,最好的办法是支付刚好足够的薪资,使钱不再是雇员整日整夜担心的问题,这样雇员就能够全身心投入到工作中。

总之,无论员工所在的公司是一家传统保守的公司,还是会在公司里放置巨大滑梯在会议室放乒乓球桌的公司,只要技术员工能得到足够多的薪酬,他们就更有可能觉得自己的工作是有价值的。

到目前为止结果与预期还是一致的,但这些数据依然值得留意。

满意度与年龄的关系?

还有更有趣的一点,这些图表似乎也显示了雇员年龄的中位数与工作满意度水平之间呈明显的负相关。换句话说,劳动力的平均年龄越大,他们似乎对目前的工作就更加不满。在作为研究对象的所有公司中,只有三家公司(即惠普、Oracle 和IBM)报告的员工年龄中位数超过35 岁——这三家公司的员工的总体工作满意度也是最低的。

当然,我们可以通过很多方式来解释这个情况,然后得到不同的结论。是因为年龄较大的雇员本质上不那么乐观或更容易厌倦?还是因为某些公司新入职的全职员工比例越来越高,因此数据缺乏可参考性?又或者是因为部分员工群体的年龄中位数被几个工作时间特别长的资深员工严重影响到了?

也许有一些公司的模式需要依赖数百个入门级别的职位,这些职位往往由刚毕业的学生来填补,而这些职位在竞争对手公司中可能根本不存在。又或者只是刚好那些最不觉得“满意”的角色对于公司的长期成功才是至关重要的,年轻的新兵还没有能力像他们那些更资深的同事一样聪明地处理工作。

但我们仍可以得出一个合理的推论:科技行业公开倾向招收更年轻的劳动力不仅对那些超过40 岁还在硅谷找工作的人造成了伤害,而且对那些超过40 岁但已经在硅谷工作的人也造成了伤害。

这种想法肯定都有诱导性的先例。2016 年彭博社的一份报告指出,自2008 年以来硅谷前150 家最大的公司因为年龄歧视一共被起诉了 226 次。在那之前一年,也就是 2007 年,当时只有 22 岁的马克•扎克伯格(Mark Zuckerberg)在斯坦福一场创业活动中公开请求听众优先聘用年轻的科技工作者,他称:“年轻人更聪明……为什么大多数国际象棋大师不到30 岁?(年轻人)生活更简单。我们可能没有车,我们可能没有家庭,简单的生活让你可以专注于重要的事情。”(很明显,从字面上看这意味着你知道的东西更少——更不用提情商的价值,但这些都不属于此处的讨论范围。)

非常值得注意的是,员工年龄和在职时间的长短是两个完全不同的变量。尤其在快速发展的科技行业,二者有非常重要的区别,科技行业的人才在职业生涯中常常会在不同大公司之间多次跳槽。然而,根据PayScale 的研究,不管是年龄还是在职时间,随着它们的增长,工作满意度似乎都有类似的下降趋势:就如年长的员工一般都声称自己工作不太开心,那些在职时间较长的人也是如此。

当然这两类人会有一些交叉;毕竟从逻辑上看,年龄越大的员工越有可能在当前的公司任职时间更长。由于在“工作满意度与在职时间”图表中,公司标识群集与下行趋势稍微不那么一致,所以我们可以推断出二者并不是严格相关的。但是,为什么在职时间长短会与工作满意度下降有关呢?如果二者有关,不应该是在职时间越长对工作的满意度越高吗?

同样的,人们可以对这些数据显示出的情况做各种各样的猜测(但实际上很少有被证实的)。 也许业内明显的年龄歧视和高员工流动率对于一小群在同一家公司呆的时间比较长的员工有一定的隔离效应。也许这与行业一直以来面临的诸如性别歧视之类的各种问题相关联——一个成员清一色为年轻男性的团队会不会本来就不喜欢那些已经处于职业生涯中期,且工作稳定、正在寻求更好的工作与生活的平衡和更广泛的社交机会的人?

另外,由快速发展的初创企业主导的行业的职业天花板是不是相对较低,员工可能在一开始进步神速,但是很快就停滞不前,除非他们离开原来的公司?

千禧一代与专精

最后,当我们探讨如PayScale 这类研究的结果时还有一个关键问题,那就是每个人对于“满意度”的含义可能有不同的理解。如果不能更清楚地定义难以捉摸的满意度究竟由什么构成,我们就很难从这些数据集本身得出具体的结论;只有从整体上看,这些图表才能提供一些推测的依据。幸运的是,Daniel Pink 再次提出了一些有用的建议,旨在为工作满意度做一个全面的定义,从而为这些图表提供更好的立足点。

在前面提到的《驱动力》一书中,Pink 将组成驱动力方程式的三个核心因素列为“自主、专精和目的”。按照他的说法,自主权胜过了我们从完成任务中得到的满足感。同时他认为,精通某一项技术和发觉其背后真正的目的,对于帮助我们保持积极性和参与感是至关重要的。这是说得通的:如果我们发现某件事太容易或太难,或者对结果缺乏热情,我们很快就会失去兴趣。

引人关注的是,这些因素对于千禧一代(那些排队等待填补所有科技行业岗位的人)来说影响更为显著。

现在的年轻人比以往任何时候都更希望雇用合同赋予他们更大的自主权,特别是在工作时间、工作地点和工作方式方面。毕竟,他们是在一个随时随地可以在线完成所有事情的时代背景下长大的。自然,和所有人一样,他们也希望精通他们所做的一切。但是,在当今世界人们永远保持联系、时间安排自由、有时候时间又会不够用,这意味着许多人的工作和社会生活几乎无缝地融合在一起,这在15 年前简直是不可想象的;对千禧一代来说,“专精”的想法远远不仅仅是自豪地完成任务那么简单。

最后,如果你的投入不是以追求高度混合的生活方式为目的,那么它们可能很快就会戛然而止。

综合考虑科技行业工作满意度的方方面面,我们可以说科技公司的员工总体来看往往比较年轻、工资相对较高、对工作相对比较满意。鉴于这些公司中的许多公司年复一年地出现在了全球“最佳雇主”名单上,所以这也是情理之中的事。

不过,在将来很长一段时间里是否还会继续保持这种情况似乎还有待讨论。不管目前繁忙的创业市场如何建议,并不是所有的新员工都会在Google 公司作为初级编程员工作一年后离开,然后在2020 年成为独立的开发人员。对于那些选择留在现公司继续职业生涯的人来说,五年或十年后的统计数据应该更有意义。

关于作者

Ashley Fleming是一名作家和设计师,他的工作经常涉及商业和商业伦理。他与他的家人和猫一起住在英国,他的更多作品可以在 ecardshack eco2greetings 博客中找到。

查看英文原文: Tech Employee Job Satisfaction: What Can Data Tell Us?


感谢薛命灯对本文的审校。

给InfoQ 中文站投稿或者参与内容翻译工作,请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博( @InfoQ @丁晓昀),微信(微信号: InfoQChina )关注我们。

2017-08-09 17:532588
用户头像
蔡芳芳 InfoQ主编

发布了 798 篇内容, 共 548.2 次阅读, 收获喜欢 2788 次。

关注

评论

发布
暂无评论
发现更多内容

最新资讯!2024可信云大会重磅发布《可观测性能力建设指南》!

乘云数字DataBuff

白皮书 可观测平台 可信云大会

人工智能|ReACT 推理提示

霍格沃兹测试开发学社

AI应用行业落地100例 | 移民公司Envoy Global引入AI员工赋能,效率飙升80%,开启服务新篇章

硅纪元

电信行业怎么定义?需要采购堡垒机吗?

行云管家

网络安全 数据安全 堡垒机 电信

硅纪元视角 | Stability AI推出Stable Video 4D,40秒生成8角度动态视频!

硅纪元

Stable Video 4D Mistral Large 2 “Frame”眼镜 HoloDreamer

和鲸科技参与第17届中国R会议,分享有组织科研的模型生命周期管理

ModelWhale

人工智能 R 数据科学 AI4S

如何定量分析 Llama 3,大模型系统工程师视角的 Transformer 架构

Baidu AICLOUD

Transformer llama GPU 利用率 推理并发

一文了解MySQL索引机制

京东科技开发者

杭州银行 x 平凯星辰 TiDB “行领柜面系统”荣获 2024 “金鼎奖”

PingCAP

安全 创新 金融 银行 TiDB

利用 Databend 生态构建现代数据湖工作流

Databend

Apache Doris + Apache Hudi 快速搭建指南|Lakehouse 使用手册(一)

SelectDB

数据湖 Doris Hudi LakeHouse 湖仓一体

Apache Doris 2.1.5 版本正式发布

SelectDB

倒排索引 Doris 半结构化数据 湖仓一体 物化视图

缓存框架 Caffeine 的可视化探索与实践

vivo互联网技术

Caffeine 缓存可视化 动态下发

强调数据价值,创建现代化全面预算管理系统

智达方通

企业管理 数据价值 数字化升级 全面预算管理系统

人类历史上首届AI选美,谁吃到了第一波AI审美红利?

脑极体

AI

TiDB Hackathon 2024丨用 TiDB 构建未来的 AI 创新应用, 瓜分超 ¥210,000 奖金池!

PingCAP

项目 hackathon TiDB 竞赛

崖山异构数据库迁移利器YMP初体验-Oracle迁移YashanDB

YashanDB

yashandb 崖山数据库 崖山DB

Qualcomm IPQ9574 and IPQ9554: The core choice to build Wi-Fi 7 high-performance routers

wifi6-yiyi

WiFi7 ipq9574

防御性编程:让系统坚不可摧

京东科技开发者

极盾故事|某农商行数据安全制度和数据分类分级建设

极盾科技

数据安全 数据分类分级

人工智能|ReACT 推理提示

测吧(北京)科技有限公司

测试

大庆正规等保测评机构有几家?在哪里?

行云管家

等保 等保测评 大庆

Apache Doris + Paimon 快速搭建指南|Lakehouse 使用手册(二)

SelectDB

数据湖 Doris LakeHouse 湖仓一体 paimon

人工智能丨ReACT 推理提示

测试人

软件测试

Solana行情为何坚挺?强劲基本面和ETF预期吸引资本流入

区块链软件开发推广运营

dapp开发 区块链开发 链游开发 NFT开发 公链开发

【论文速读】| MoRSE:利用检索增强生成技术填补网络安全专业知识的空白

云起无垠

Java CompletableFuture 异步超时实现探索

京东科技开发者

技术前沿|ICML 2024 中稿快讯!解锁大模型密态推理场景下的“百变怪”?

隐语SecretFlow

数据恢复easyrecovery是磁盘工具吗 easyrecovery数据恢复软件怎么用

阿拉灯神丁

磁盘 EasyRecovery 数据恢复软件 硬盘数据恢复 软件包

在 Go 中如何让结构体不可比较?

伤感汤姆布利柏

杭州银行与平凯星辰联合荣获 2024 “金鼎奖”

先锋IT

技术员工的工作满意度:数据可以告诉我们什么?_文化 & 方法_Ashley Fleming_InfoQ精选文章