
作者 | 草核儿
来源 | 木东居士
看这个标题,就感觉是一篇焦虑文。
好了,本草核儿今天的确是来贩卖一些焦虑的,但是,放心,按照我的尿性,正文的最后部分都是正能量的。
35岁只是普通程序员,还有救吗?
我想说的是:没救了!
但是我们要限制一下范围,什么叫没救了。
这个其实也很容易解释,说没救了,基本就是说你在程序员的职业发展中,没有特别好的前景了。
对,就是这个意思,除非有一些比较的机遇,不然前途无望。
裁员裁的就是这种类型的人
如果草核儿没有记错,2017年的时候,国内大厂-某为,要裁34岁的员工。
听听,心慌吗,这个焦虑可以不是我给的,而是有公司在执行这个骚操作了。
那么是34岁的员工都要裁吗?
我认为不是。
那么裁的是那种类型的人呢?
草核儿至少会有这些:
当然,上面只是草核认为的一部分。
总的来讲,就是性价比低、不可替代性弱的童鞋们。淘汰的就是这些。
为什么呀?我为公司流过血!
你是否觉得自己是公司的功臣,自己辛苦这么久了,结果到一定年龄了,公司就该残酷把自己干掉了?公司太没人性了!!!
好吧,我也一直是这么想的。
但是,亲们,我们还是换位思考吧。
如果你是老板你会怎么做?
你要缩减成本吧?
要多招新人带来一些新鲜的血液吧?
要打破团队里的各种人情社会吧?
对不对?
我们要换位思考呀。
一旦换位思考,你就会明白,自己不争气,怪不得公司裁掉你。
35岁的程序员都去干嘛了?
这点,草核儿也不知道。
不过我们可以先算一下年龄。
1999-2000年,两位马爸爸和李彦宏创建了如今的互联网三巨头:BAT。
因此,我们暂且认为,互联网是在2000年左右兴起,一个行业兴起后,要有几年的时候给大家反应进入这个行业。
当初和马爸爸们、李爸爸一起打拼的兄弟们,现在都是各个公司的顶层人物了,这种类型我们就不考虑了。
我们假设给普通大众几年的时间接受互联网兴起,也就是2005年左右,假设程序员22岁毕业进入互联网行业。
到2019年,这批22岁的程序员差不多36岁了!也就是说比较早的一批本科毕业就进入互联网行业的程序员,现在是36岁左右!
注意,很多人也是在后面的时间里慢慢加入互联网行业的,所以说,还有很大一批的程序员,才刚刚步入35岁左右的年龄。
也就是最近的一些年里,这批35岁的大龄程序员们,才慢慢收到了关注,因为整个程序员届,大伙都很年轻呀!
所以,草核儿也不知道大家都去干什么了,但是大家可以关注一下,因为,这批人就在你身边,你有一手的渠道了解到他们的去向和未来。
大概总结了几个小点吧:
举个例子:
假设你是一个拼搏了10年的程序员,在这个阶段你想的是什么?
你想的是:
我有老婆孩子了,我想顾家,享受一下生活。
我想有一些爱好兴趣。
我想有一份安稳的工作,轻轻松松的,毕竟已经累了10年了。
最好能躺着赚钱,不要太累。
你自己想一想是不是这样,可能你不到35,在30岁,甚至28岁就这样想了?对不对?
这里的核心矛盾就是:你想轻松,但是公司希望员工永远激情!
35岁,就真的凉凉了吗?
不是的,老有老的优势,小有小的优势。
大家要善于利用自己的优势,同时保持心态的年轻。
老员工的优势是什么:
虚一些来讲:
职业相关:
技能方面:
在一定的职业周期内,上面的都是你能够积累,但是新人在某一个周期内是不具备的。
你去抓住自己的优势,积累!
同时,你要和年轻人一样的年轻,心理的年轻,身体的年轻!
好吧,说这么多,我感觉太累了,我都不想这么累。
感悟
好了,前面说那么多,我感觉其实的确是焦虑,让他焦虑好了,真是到35岁了,自己没有积累,我能有什么办法?
我要有办法了我得多厉害。
但是,已经中年危机的老哥们我们管不了,但是,年轻的你和我,要为自己做点什么,不要等35岁了,重蹈覆辙!
能做什么?为给出几个建议:
年轻的朋友们,加油,再过5年10年,希望能够笑看其它同事中年危机,而你泰然自若。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15