Gần đây, tôi có dịp nói chuyện với một người đàn anh trong ngành.
Chúng tôi bàn đủ thứ từ định hướng của công ty, làn sóng AI, đến câu chuyện phát triển sự nghiệp. Nhưng có một chủ đề khiến tôi nhớ mãi: “Như thế nào là một lãnh đạo tốt?”
Anh nói một câu rất đáng suy ngẫm:
“Một người lãnh đạo, hay một người sếp, không nhất thiết phải là một người tốt,
nhưng nên là một người công bằng.”
Câu nói đó khiến tôi suy nghĩ rất nhiều. Liệu mình đã là một người sếp “công bằng” hay chưa?
Khái niệm “tốt” của mỗi người vốn khác nhau. Nếu một người sếp hơi thiên vị ta một chút, ta có thể thấy họ “tốt” với ta. Nhưng điều đó chưa chắc đã tốt cho cả tập thể.
Có lẽ, cái khó nhất khi làm lãnh đạo không phải là làm người tốt, mà là đủ bản lĩnh để công bằng - để khen, phê bình, hay đưa ra quyết định mà vẫn giữ được sự cân bằng giữa cảm xúc và lý trí.
— LPV —
Thinking like a data engineer
Tác giả bắt đầu bài viết bằng một suy nghĩ rất thật: nhiều người cho rằng trở thành kỹ sư dữ liệu là phải thành thạo hàng loạt công cụ, từ Hadoop, Spark, tối ưu SQL cho đến xử lý phân tán.
Nhưng với anh, hành trình đó dần trở thành một điều khác: học cách tư duy.
Bài viết sau kể lại quá trình tác giả nhận ra rằng, thử thách lớn nhất trong nghề không nằm ở kỹ thuật, mà ở việc học cách nhìn thấy khuôn mẫu trong hỗn loạn, kết nối hệ thống với hành vi con người, và cân bằng giữa sự đơn giản và quy mô.
Điều thú vị là, anh không học được điều này qua khóa học hay chứng chỉ nào,
mà qua bốn người cố vấn, ở bốn giai đoạn khác nhau của cuộc đời - những người đã định hình cách anh tiếp cận kỹ thuật, lãnh đạo, và cả cuộc sống.
Đây không phải là một hướng dẫn kỹ thuật, mà là một bản đồ về tư duy, về cách con người và trải nghiệm có thể thay đổi cách ta nhìn về nghề dữ liệu.
Scaling Engineering Teams: Lessons from Google, Facebook, and Netflix
Trong bài viết sau là những bài học từ các Big Tech về cách làm thế nào để xây dựng một đội ngũ kỹ sư, từ 10, 100 cho tới hàng ngàn nhân viên. Những framework, metrics, công cụ phù hợp có thể giúp bạn nuôi dạy những đứa trẻ mà không cần lo bị chúng đốt nhà lúc 3h sáng.
Ví dụ Google OKR và quy tắc 70%. Nếu bạn đạt 100% OKR, có nghĩa là bạn chưa đủ tham vọng. Mức OKR lý tưởng là khoảng 70%. Thực hiện OKR hàng quý cho team, với khoảng 3-5 mục tiêu, mỗi mục tiêu có 2-4 key result có thể đo đạc được.
The Trap of Excessive AI Use
Trong bài viết này, tác giả chia sẻ một số quan điểm về việc lạm dụng AI quá mức. Trong bối cảnh các công cụ AI, vibe coding đang dần trở nên phổ biến đối với các kỹ sư phần mềm. Thì có lẽ chúng ta cũng cần nhìn lại một chút về cách thức sử dụng các công cụ này như thế nào. Có lẽ cách sử dụng AI như thế nào không khó, mà cái khó là biết khi nào thì nên sử dụng AI.
How Google, Amazon and CrowStrike broke millions of systems
Các công ty lớn như Google, Amazon đang control phần lớn internet. Và khi hệ thống xảy ra vấn đề, dù là 1 trục trặc nhỏ cũng khiến 1 phần thế giới bị ảnh hưởng.
Trong bài viết sau tác giả đã tóm tắt lại một số sự cố như thế, từ nguyên nhân xảy ra, và cách đội ngũ kỹ sư đã khắc phục như thế nào. Mời các bạn cùng đọc nhé.
Trong số tiếp theo, tôi xin phép dành một chút thời gian để chia sẻ với các bạn đọc về quá trình hơn 5 năm làm Newsletter. Quá trình này đã mang lại những thay đổi nào đối với cá nhân tôi, cũng như với nhiều thành viên khác của Grokking. Chúc các bạn một buổi tối cuối tuần vui vẻ nhé.