为何互联网大厂一边大规模裁员,一边招聘?

2024-04-03 23:38

本文主要是介绍为何互联网大厂一边大规模裁员,一边招聘?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

最近互联网的热潮是裁员。

但与此同时,很多人也反馈说自己招人找不到。

一边裁员一边扩招,喊完寒冬喊春天,乍一看很精分,其实都是算计。

互联网大厂的左右横跳,看似慌慌张张,其实很多公司接着寒冬,在偷偷摸摸做一些平时不方便做的事情。

同样的事情,过去做了很大反弹,现在做就名正言顺。

有点像什么?

有点像银行趁着抢银行这件事情,把一些烂账都算在劫匪头上。

要理解互联网行业裁员和招聘同时进行,首先要从宏观的角度来看,互联网企业的扩张逻辑是什么?

本质上是有枣没枣打三杆子。

我经常旁听很多咨询公司给互联网出主意,卖PPT,绕来绕去就是这个逻辑。

当然一般在这些咨询公司嘴里,会用管理学书面的说法,大企业如同航母,在维持自己航线稳定的同时,要不断派出小快艇,去寻找新的充满潜力的路线,还有什么跨界分散风险,甚至还有讲生态化反的。

是他们不懂吗?

不,他们是真的懂。

因为没人能知道未来增长点到底在哪里,甚至很多互联网大厂都没办法说清楚自己怎么就突然火起来了而当年隔壁和自己做一样事情的企业就黄了,所以没办法进行有理性有逻辑的归因。

不断的小成本撞大运反而是最理智的商业抉择。

当然,小快艇本身是能安全回来,还是原地爆炸,大厂其实不关心。

探路小快艇坠毁了对大厂是无所谓的,甚至50个新赛道尝试了以后只要有一个赛道混出来,从投资收益上来说都是赚的。

前些年国内互联网企业的发展主要是在消费者端的,好在咱们中国人数够多,做消费者互联网就能养活一家大厂。

这是很多互联网大厂的航线,几个大厂只要说出名字来大家都知道核心业务是什么。

腾讯,游戏和社交网络;

阿里,电商;

字节,广告营收。

当然去看财报的时候会觉得还有其他板块的收入,不过主要现金流绝对都是从这些主航线来的。

问题就在于,大厂已经把现在的航线走到头了,流量见顶了,红利吃光了,增长乏力了。

其他的比如布局物流、优化系统、做好迭代,本质上都并不能直白的带来新的增长点了,要么是在优化,要么是在降本,这些都不够刺激,满足不了互联网企业前些年见惯了的100%以上增长。

怎么办呢?

有两个路线,第一个是开始做toB。

从服务消费者变成服务行业产业,说白了就是服务企业。

利用自己积累的技术优势开始服务企业,云服务、人工智能、边缘计算、进销存上链等等,做抓手,来赋能,搞生态。

但是这条路很难,企业级别的用户不像是普通消费者,想要投诉还要排队。

消费者是上帝哥哥,但企业那是甲方爸爸,爸爸需求多、要求高,每个行业甚至每个公司本身还有千奇百怪的需要定制的地方。

所以产业互联网转型经常卡主,渗透率只有慢慢爬坡。

这里还有个潜在逻辑,产业互联网的模式和大厂习惯的消费者互联网完全是不同的。

消费者互联网最大的特性就是,一招鲜吃遍天。

搞电商的,一套系统弄出来了,全国都能用;

搞游戏的,一款游戏开发出来了,人人都在同一个界面里面充648。

但是千人一面忽悠不到企业用户,别看又是做PaaS又是做SaaS的,企业用户买账很难。

所以大厂潜意识的就会开始走第二条路,依然是卡在消费者互联网上,看到什么红火就往什么上冲。

这次不用技术赋能了,直接用已经成型的体系和具有护城河优势的资金来碾压,社区电商火就一股脑的上,游戏火了就都来做。

你以为元宇宙为什么那么多互联网企业吹风啊,对大厂来说这就是挖增长点。

你以为互联网大厂每年的收购项目拉出来为什么一眼看不到头啊,这还是探索增长点。

有的企业把这种行为叫多赛道探索,有的叫内部孵化器,有的是叫多元化经营,从操作层面来看都是一样的。

这种扩张模式本质上危险就很大,如果细看前些年很多大厂扩招的新闻就知道,都是新赛道在招人,都是给航母舰载机里面塞HC。

不过既然是探路,那损伤率就很大,于是互联网大厂经常是新建了新部门,招聘了人手,投入个几千万一个亿,没试出效果,就撤。

但是撤也要撤的体面,不然负面新闻会冒上来,XX大厂冲击赛道碰壁,这样的新闻企业受不了。

所以一般都是减少投资,人员分流,让新业务活着,但是和死了差不多。

这样的探路多了,虽然减少投入但是依然有成本,那就要等个机会,刚好,寒潮来了,名正言顺了。

你看这波互联网裁员热潮,就是几个大厂开始裁员了,立马引发了塌方式的跟进,人人嘴里都在喊要背水一战了,要打持久战了,其实都是把之前探路的部队给断粮了。

用你冲锋的时候,你是资源。

战场不在了,你就是累赘。天来IT,旨在分享,侵删。

 

这篇关于为何互联网大厂一边大规模裁员,一边招聘?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/874284

相关文章

未雨绸缪:环保专包二级资质续期工程师招聘时间策略

对于环保企业而言,在二级资质续期前启动工程师招聘的时间规划至关重要。考虑到招聘流程的复杂性、企业内部需求的变化以及政策标准的更新,建议环保企业在二级资质续期前至少提前6至12个月启动工程师招聘工作。这个时间规划可以细化为以下几个阶段: 一、前期准备阶段(提前6-12个月) 政策与标准研究: 深入研究国家和地方关于环保二级资质续期的最新政策、法规和标准,了解对工程师的具体要求。评估政策变化可

互联网开发要点

垂直扩展 横向扩展 业务分拆 数据读写分离 缓存读写 异步处理(消息队列)

大厂算法例题解之网易2018秋招笔试真题 (未完)

1、字符串碎片 【题目描述】一个由小写字母组成的字符串可以看成一些同一字母的最大碎片组成的。例如,“aaabbaaac” 是由下面碎片组成的:‘aaa’,‘bb’,‘c’。牛牛现在给定一个字符串,请你帮助计算这个字符串的所有碎片的 平均长度是多少。 输入描述: 输入包括一个字符串 s,字符串 s 的长度 length(1 ≤ length ≤ 50),s 只含小写字母(‘a’-‘z’) 输出描述

大厂面试:小米嵌入式面试题大全及参考答案(130+道 12万长文)

Flink 架构介绍 Flink 是一个分布式流处理和批处理框架,具有高吞吐、低延迟、高可靠等特点。其架构主要由以下几个部分组成: 客户端(Client):负责将作业提交到集群,并与作业管理器进行交互,获取作业的状态信息。客户端可以是命令行工具、IDE 插件或者自定义的应用程序。作业管理器(JobManager):负责接收客户端提交的作业,协调资源分配,调度任务执行,并监控作业的执

HTML5如何成为改变移动互联网幕后的推手

在未来的某一天,我们打开手机,不再需要访问手机应用商店,不论是 Apple的还是Google的,我们只需要点击手机主菜单页面上的一个链接,手机就会立即在它的浏览器上启动一个 “应用程序”;再也不需要flash插件,就能欣赏华丽丽视频画面。   AD:2013云计算架构师峰会课程资料下载   2012年,说HTML5集千宠万爱于一身也毫不夸张,IE、Chrome、Firefox和Opera等

如何招聘一个外贸SEO推广人员以及如何做后期的KPI考核

随着国内SEO行业的日渐成熟,越来越多的外贸公司,开始招聘专门的SEO人员,如果你去招聘网站上搜“外贸SEO”,会发现很多这样的公司。 总的来说,SEO的薪资水平还是不低的,深圳外贸行业SEO人员的平均月薪在8K以上。 8K的月薪,对于一般的外贸企业而言,其实压力不小,如果招来的人,能力不行,不能给你们公司创造价值,随便做个三个月,三四万的成本消耗掉了。钱还是其次,时间窗口可能就错过了。

Flink在大规模状态数据集下的checkpoint调优

今天接到一个同学的反馈问题,大概是: Flink程序运行一段时间就会报这个错误,定位好多天都没有定位到。checkpoint时间是5秒,20秒都不行。 Caused by: java.io.IOException: Could not flush and close the file system output stream to hdfs://HDFSaaaa/flink/PointWid

正面超越Spark | 几大特性垫定Flink1.12流计算领域真正大规模生产可用(下)

点击上方蓝色字体,选择“设为星标” 回复”资源“获取更多资源 我们书接上文,我们在之前的文章《正面超越Spark | 几大特性垫定Flink1.12流计算领域真正大规模生产可用(上)》详细描述了Flink的生产级别Flink on K8s高可用方案和DataStream API 对批执行模式的支持。 接下来是另外的几个特性增强。 第三个,Flink对SQL操作的全面支持 再很早之前,我在浏览社

区块链ARC如何能让节点能够大规模处理交易数据

​​发表时间:2024年8月7日 TAAL技术主管Michael Böckli表示,TAAL公司一直在对ARC进行测试,并准备在今年年底全面发布。因TAAL在区块链交易处理方面具备深厚的专业知识,BSV区块链委托TAAL进行ARC开源参考落地方案的开发。 ARC是一个多层交易处理系统,能够追踪交易在BSV区块链上的整个生命周期。 除了遵循BSV区块链的开源指南和要求开发ARC的开源版

【大规模语言模型:从理论到实践】Transformer中PositionalEncoder详解

书籍链接:大规模语言模型:从理论到实践 第15页位置表示层代码详解 1. 构造函数 __init__() def __init__(self, d_model, max_seq_len=80):super().__init__()self.d_model = d_model # 嵌入的维度(embedding dimension) d_model: 表示输入词向量的维度。max_se