大厂晋升指南_06_05_COMD能力模型怎么把抽象的能力要求具体化
你好，我是华仔。
上一讲啊，我分享了两条晋升逻辑，还有一套通用的晋升步骤。
现在你已经知道了，要先把当前级别要求的能力提升到精通的程度，然后呢要尝试做下一级别的事情。
不过在这个过程中呢，你还会遇到另一个麻烦，那就是不确定下一级别的能力要求到底是什么样的。
所以你也不知道究竟要准备到什么程度。
举个最常见的例子吧，不同级别有不同的title,比如工程师、高级工程师和专家工程师。
但是我们理解不同级别的能力，要求，这样的title一点用都没有的高级工程师到底高级在哪儿？可能每个人的理解都不一样。
为了指导员工晋升呢，公司一般都会对各个级别的能力要求给出一个描述。
但是因为细分的领域实在太多了，所以公司只能进行非常抽象的描述。
比如p七的要求是具备系统思考的能力，能够全面掌握某个技术领域。
而p八的要求则是具备前瞻判断的能力，能够规划技术领域的发展方向。
从实际的效果来看，这样的描述基本没什么效果，绝大部分人看完还是一头雾水。
在实际工作中，团队成员常常跟我反馈这样的困惑。
第一，什么是系统思考能力？可七才要求系统思考，可是我p六的时候参与项目开发，就需要考虑需求的合理性。
索引设计高性能接口的兼容性和易用性上线的灰度方案。
这么多事情，这些难道不是系统思考吗？第二，什么是前瞻判断能力？P六要预测需求变化p七要规划团队技术发展，这些也是前瞻判断呀。
为什么p八要特别强调前瞻判断呢？可以说晋升疑惑千千万，能力要求占一半。
这一讲，我要介绍的就是把抽象要求具体化的方法。
因为公司的抽象描述很难指导实际的工作，所以有些领域会独立定制自己的职级能力。
解读，这个工作一般是由p八或p九级别的员工以工作组的方式来完成的。
你像java业务开发这个领域，p六和p七级别的能力解读长什么样呢？你可以参考文稿中的表格，从表格中我们可以看到这份标准跟公司的描述比起来已经具体很多了。
如果按照这个思路，完整的把各个级别要求的能力全都列出来，不但可以当晋升的标准，也可以作为学习的参考。
为了这种做法对员工是有利的，因为标准越明确，就越容易照本宣科的去做。
但是从公司的角度来看，这种做法存在成本太高，限制创新等问题，所以很少有公司全的这么做。
为了彻底解决要求不明确这个问题，让你更好的理解不同级别的能力差异。
我根据自己的思考和担任晋升评委的经验，提炼出了一套兼容性很强又容易理解的能力模型，也就是面向复杂度的多维度能力模型，简称COMD能力模型。
Comd的CO代表面向复杂度，MD代表多维度，也就是技术、业务和管理这三个维度。
Comd的核心指导思想是通过事情的复杂度来判断能力的，高低级别越高，所做的事情复杂度也越高。
当然如果只是单纯的用复杂度来判断能力高低，那么它本质上跟其他方法也没什么不一样，看不懂的地方还是看不懂，不同的人理解还是不同。
所以啊为了清晰的描述不同能力层级的差异，COMD能力模型还进一步的明确了复杂度，具体包括规模复杂度、时间复杂度环境复杂度和创新复杂度四种类型。
首先是规模复杂度，它是指跟规模大小有关的复杂度。
规模越大，复杂度越高，原因在于规模越大，节点越多，节点间的关系越复杂，而且节点间的关系复杂度是指数增长的，就像文稿中的示意图，展示的当节点数只有三个的时候，节点间的关系也只有三个，而节点数达到六个时，节点间的关系就变成了十五个复杂度，一下子提升了五倍。
按照这个原理，我们可以对一些常见工作维度的规模复杂度进行比较具体的比较结果，我整理在了文稿中的表格里。
当然，做这种对比的前提是，除了规模之外，其他条件都差不多。
就像表格中两百行代码和两千行代码的对比，前提是代码复杂度是差不多的。
因为两百行核心代码的复杂度显然比两千行拷贝粘贴的代码要高。
第二个复杂度是时间复杂度，它跟时间跨度有关。
时间跨度越长，复杂度越高，原因在于万事万物都处在不断发展变化当中。
时间跨度越长变化的因素和可能方向越多，想要判断准确也就越难。
时间复杂度要怎么比？我也总结在了文稿中的表格里。
第三个复杂度是环境复杂度，它跟环境不确定性有关。
我们很多的判断、决策和行为都依赖于对环境的认知和反应。
总的来说，环境不确定性越高，复杂度也越高。
环境的不确定性具体分为环境的稳定性。
环境的透明性和环境的可预见性这三个方面。
环境的稳定性，指环境变化的速度快慢。
环境的透明性，指是否能够明确的获取环境相关的信息？环境的可预见性指是否会发生完全无法预料的黑天鹅事件？环境的稳定性、透明性和可预见性越低，它的不确定性就越高，复杂度也越高。
文稿中的表格，从宏观的角度分析了技术管理和业务三个维度所面临的环境不确定性。
从这个表格中可以看出，对于互联网行业的业务来说，环境稳定性、透明性和可预见性都比较低。
所以它的环境复杂度是最高的这也是在互联网大厂，大部分创九和p十都需要把很多时间和精力投入到业务上的主要原因。
第四个复杂度是创新复杂度，它只跟创新程度有关。
常见的创新，包括理论的创新、思想的创新和技巧的创新。
一般来说，理论创新的复杂度要高于思想创新，而思想创新的复杂度又高于技巧创新。
以高可用技术领域为例，FLP原理和cap定理属于理论创新，他们奠定了分布式高可用设计的基础和边界。
无论是缓存系统、存储系统批处理系统、流式处理系统，还是采用微服务架构的业务系统等，都不能跳出这两个理论的约束和限制。
对于大数据技术来说，一开始谷歌提出的批处理思路开启了大数据时代，而后来storm开启了流处理这个新的技术领域，他们就属于思想创新开源框架。
Flink使用chandy lamort t算法实现了流处理exactly once的特性，能够实现消息精确投递，避免重复消息，导致业务出错。
能够属于技巧创新，我们可以看到，创新复杂度越高，影响的范围往往也越大。
理论创新会奠定整个行业的基础，而思想创新可能开辟一个新的技术领域。
另外，创新并不意味着一定要全球首创。
只要相比团队当前现状来说，有改进就行了，创新也不局限于技术领域，管理和业务一样可以创新。
所以，文稿中列举的这些工作，都可以算是创新三个维度的典型创新案例。
我总结在了文稿中的表格中，你可以参考对照。
除了刚才说的这四种通用的复杂度之外，在每个领域内部也会有一些工作的复杂度，本身就要比另一些工作高。
比方说在软件开发领域，我们一般认为各项工作的复杂度排序是这样的，从零到一创造系统高于架构重构高于项目方案设计高于编码实现。
不过，这些认知是领域经验总结形成的，共识，是不能通用的。
所以在使用COMD模型的时候，你还是得结合领域经验综合判断。
我想你现在应该知道为什么公司写的那些抽象描述让人摸不着头脑了。
跟COMD能力模型的具体拆解比起来，他们只是脱离实际的文字游戏罢了。
我就拿这一讲开头提出的系统思考和前瞻判断来说一说。
比如在某些大厂，系统思考的确是写在p七级别的能力描述里的，但它不是p七级别才有的能力特征。
实际上p六以上的级别呀都要求系统思考，区别，只是思考的范围不同，也就是规模复杂度不同而已。
以b to c电商业务开发为例，在某些大厂不同级别系统思考的范围如文稿中的图片所示。
对于p六来说，系统思考的范围是某个需求需要考虑需求的合理性、设计的可扩展性和上线后的稳定性等问题。
对于p七来说，系统思考的范围是单个系统，需要考虑的是单个系统的架构设计架构重构和技术选型等问题。
对于p八来说，系统思考的范围是某个领域，需要考虑的是领域的发展趋势、架构演进、团队组织结构等问题。
对于p九来说，系统思考的范同为是多个关联的业务域组成的业务线，需要考虑业务发展趋势、架构演进、团队组织结构等问题。
同样的，在某些大厂前瞻判断虽然写在了p八的能力描述里，但其实p六以上都有前瞻性的要求，区别只是在于前瞻范围、时间跨度和面临的环境不同而已。
这些因素就分别对应了规模复杂度、时间复杂度和环境复杂度。
同样以b to c电商业务开发为例，某些大厂p六到p九级别对前瞻性的要求，我总结在了文稿中的表格里供你参考。
所以说如果你还在绞尽脑汁儿的钻研，为什么p七才提出系统思考？还有p八要求的前瞻判断有什么深意？这样的问题，某些调到某个级别的能力去了白白浪费脑细胞。
至于怎么从坑里走出来呢，这就需要你灵活应用COMD能力。
模型了当你想要了解某个级别的能力要求的时候，不要再对着那些抽象和模糊的词语不着边际的猜测和想向了你应该静下心坐下来列一个能力。
模型的表格文稿中就给出了表格模板，并且填入了p六级别的一些要求，作为例子供你参考。
如果表格里有些内容你填不出来，说明你对这个级别的理解还不到位。
不过没有关系，我会在课程的第二部分，也就是职级详解中给出每个级别通用的衡量标准。
在这个基础上，你可以请教你的主管HR和同事等人来帮忙完善和细化表格内容。
当你详细的填完了这个表格，你也就对这个级别了解的很清楚了。
接下来你就可以对照表格，针对性的提升自己的能力。
现在我们回顾一下这一讲的主要内容。
第一，公司会对各个级别的能力要求给出一个抽象的描述，比如系统思考和前瞻判断等，但实际上指导意义不大。
第二，有些领域可能会独立定制相关技术方向的能力解读。
虽然这种解读比公司的抽象描述稍微具体一些，但因为投入成本、太大和限制创新等原因，很难大范围推广。
第三，我总结的COMD能力模型，把能力分成技术管理和业务三个维度，并通过规模、时间、环境和创新四个复杂度来判断能力的高低。
第四，如果你想了解某个级别的能力，要求为晋升做准备，可以把这个级别的能力模型表格列出来，然后针对表格内容做针对性的提升。
好了，这就是今天的全部内容。
最后呢留一道课后思考题给你。
记得有一次团队成员跟我探讨职级的时候，问了我一个问题，为什么说p六是独挡一面？难道p七p八和p九没有独挡一面的要求吗？难了COMD能力模型之后，你会怎么回答这个问题呢？欢迎你把答案写到留言区，和我一起讨论。
相信经过深度思考的回答，也会让你对知识的理解更加深刻。