“Если в первую неделю вам кажется что работа говно — вам не кажется”.
Кулстори про худший онбординг, который я застал в своей практике.
Если кто не вкурсе, онбордниг — это этап погружения в работу в новой компании. Сюда включается получение доступов, знакомство с командой, погружение в бизнес, знакомство со структурой данных и стеком, тренировка на каких-то базовых ad-hoc задачках. Всё для того, чтобы ты плавно въезжал и не охреневал от того, что тут всё не так как было раньше.
Нормальный этап онбординга длится весь первый месяц, иногда дольше, если специфика бизнеса более замудрённая.
Попал я как-то в одну компанию, где меня определили в отдел к ML-щикам, в котором аналитики до этого не было. Суть работы была в анализе алгоритмов с точки зрения их влияния на экспириенс пользователей и консультации ребят по их улучшению.
Сайентисты пилили модели и складывали их данные в какие-то свои базы в каком-то своём формате, как они считали правильным, о которых никто в команде аналитики вкурсе не был, т.к. штука новая. И это, в целом, ок, сиди себе, разбирайся, документируй, вноси правки в структуру — одним словом подгоняй под себя, тебе с этим жить.
Ещё был такой момент — разные по смыслу данные хранились на разных серверах, т.е. инфа по юзерам, монетизация и всё такое складывались в одном месте, а клики и взаимодействие с фронтом в другом.
Стоит ли говорить о нестыковках даже в таких базовых вещах как user_id, которые были просто разными сущностями и мержились только при помощи создания выгрузок (данные по кликам за месяц на сотни гигов, чтобы найти конкретный список юзеров…), внешнего инструмента (в моём случае R) и шаманского бубна. И даже это ок, если разобраться и принять правила игры.
Ещё один прикол это внутренняя терминология, тонны терминологии. И это не какие-то специфические термины бизнеса, которые гуглятся, нет, это совсем внутрянка для своих. И это, как ни странно, тоже ок, к такому со временем привыкаешь.
Не ок во всём этом был один маленький нюанс — онбординг тут был только по одному пункту — настройка google-окружения. Ну там какой софт прикручен к аккаунту, как пользоваться почтой, что такое календарь. Ну вот эти жёсткие моменты, которые обязательно нужно объяснять.
О том, что ни один коннектор не работает без корп. VPN, о том что доступ к половине данных осуществляется через удалённую машину, о том, что колонки таблиц не означают то, что можно подумать из их названий — догадаешься сам.
И, желательно разобраться в этом всём за неделю пока получаешь доступы, потому что 10 тасок у тебя уже горят, а половина из них вообще не стандартные, т.к. базируются на новых таблицах ML-щиков, с которыми, напоминаю, пока никто не пытался взаимодействовать.
Где-то через неделю я получил доступы и осуждающие взгляды тимлидов, типа это было долго. На что я им в итоге выкатил документ, в котором описал все приключения с получением доступов, к кому надо идти чтобы от него получить другое направление и может быть там уже кто-то вкурсе, какой софт нужно ставить, как провернуть подключение к удалённой машине и какие скрипты перед этим нужно прогнать и т.д.
В итоге за первый месяц я научил своего ментора как устроены данные в ML, почему user_id у него и у меня это вообще разное, сопроводив скриптом на сотню строк как их стандартизировать, как получить нужный массив из json’а который нужно собрать из строки и ещё кучу всяких таких нюансов. Он посидел, поофигевал от того что как-то чёта всё сложнее чем ему казалось, но мне уже было всё равно 🙂 я допинал месяц и пулей оттуда свалил.
Это окей, когда вы кидаете новичка на боевые задачи в первую неделю, но задача должна быть ознакомительной, базовой, про знакомство с метриками и структурой данных, про погружение в бизнес и внутрянку. Так же окей, когда онбординг не подразумевает боевых задач, а больше с уклоном во внутреннюю теорию.
Но когда первая задача на 90% не уточняемая ни у кого, работающая через костыли, которые ещё сначала нужно придумать, и дедлайн неделя сразу после доступов… Я всякого повидал, но это какой-то рак. Не надо так.
#кулстори