Range của David Epstein: vì sao người đi nhiều ngành hợp với công việc FDE

Trong bài điểm sách ngày 14/2/2019, Publishers Weekly viết rằng ai không có 10.000 giờ để dồn cho một kỹ năng duy nhất thì vẫn còn hy vọng. Nhiều FDE cần nghe câu đó. Họ biết đủ về data, API, hạ tầng và cách nói chuyện với khách hàng, nhưng không mảng nào sâu bằng người chỉ làm đúng một mảng.

Cuốn sách là Range: Why Generalists Triumph in a Specialized World của David Epstein, do Riverhead Books phát hành. Bản bìa cứng, ebook và audiobook ra ngày 28/5/2019, bản bìa mềm ra ngày 27/4/2021.

Sách không viết cho FDE. Nhưng nó cho bạn một bộ từ vựng để giải thích vì sao bề rộng là một năng lực thật, và để chọn nên luyện gì tiếp theo.

Cuốn sách thực ra lập luận điều gì?

Penguin Random House tóm luận điểm trung tâm trong một câu: ở những người xuất sắc nhất, chuyên môn hóa sớm là ngoại lệ chứ không phải quy luật. Trên trang của mình, Epstein viết rằng generalist thường tìm ra hướng đi muộn, theo đuổi nhiều mối quan tâm cùng lúc, và chính họ mới có lợi thế ở những lĩnh vực phức tạp, khó đoán.

Hình ảnh xuyên suốt là cặp Tiger Woods và Roger Federer. Federer chơi nhiều môn rồi mới dồn vào quần vợt, và theo tóm tắt trên Wikipedia, Epstein nhận thấy câu chuyện của những người thành công thường có nhiều “Roger” hơn “Tiger”.

Publishers Weekly cũng lưu ý rằng sách không gạt bỏ hoàn toàn giá trị của chuyên môn. Vì thế, hãy đọc Range như một lăng kính để nhìn công việc, đừng coi nó là lời kêu gọi bỏ chiều sâu.

Ý thứ nhất: deployment là một môi trường “wicked”

Yevgeniy Brikman, một kỹ sư từng viết review cuốn sách, rút ra rằng phần lớn những việc ta muốn làm tốt đều nằm trong môi trường học tập “wicked”. Ở đó, luyện tập có chủ đích thôi chưa đủ; bạn cần bề rộng.

Thử hình dung hai việc trong cùng một tuần. Việc thứ nhất là viết một hàm chuyển đổi dữ liệu đã có sẵn test suite. Bạn chạy test và thấy đỏ hay xanh ngay lập tức, luật chơi rõ ràng.

Việc thứ hai là khách hàng nói họ cần dashboard chạy nhanh hơn. Ba tuần sau bạn mới phát hiện vấn đề thật nằm ở quy trình nhập liệu của một phòng ban chưa ai mời vào họp.

Việc đầu tiên nên làm tại chỗ khách hàng là tách hai loại việc này ra. Phần có luật rõ thì làm theo playbook và tự động hóa. Với phần wicked, đừng vội tin rằng mình đã hiểu yêu cầu, hãy thiết kế một thử nghiệm nhỏ để kiểm chứng.

Ý thứ hai: thứ bạn mang sang khách hàng mới là cách nghĩ, không phải kiến thức

Nếu lợi thế của generalist nằm ở những lĩnh vực khó đoán, câu hỏi thực tế với FDE là lợi thế đó trông thế nào trong công việc. Câu trả lời hợp lý nhất: khả năng mang một bài học từ khách hàng này sang khách hàng khác.

Thử hình dung cùng một bài học đi qua hai engagement. Ở một bệnh viện, đặc tả dữ liệu ghi rằng trường “ngày xuất viện” luôn có giá trị. Khi chạy thử pipeline, bạn thấy rất nhiều bản ghi để trống, vì điều dưỡng chỉ nhập vào cuối ca.

Đó là quan sát thô, và nó chỉ đúng với bệnh viện đó. Bước tiếp theo là rút nó thành một câu không còn tên riêng: “đặc tả dữ liệu mô tả ý định, không mô tả thực tế; muốn biết thực tế, hãy hỏi ai nhập trường đó và nhập lúc nào”.

Sáu tháng sau bạn sang một ngân hàng. Tên bảng khác, hệ thống khác, nhưng ngay tuần đầu bạn profile các trường mà đặc tả gọi là bắt buộc, trước khi viết dòng transformation nào, và hỏi đúng hai câu kia. Một sự cố mà ở bệnh viện mất cả tuần mới lộ ra giờ chỉ là một mục trong checklist ngày đầu.

Bề rộng chỉ có giá trị khi bạn rút được nó thành những câu như vậy. Hai FDE cùng làm năm khách hàng: người ghi lại pattern mang được năm bài học sang khách hàng thứ sáu, còn người kia chỉ có năm câu chuyện.

Ý thứ ba: thử vai FDE như thử một mối quan hệ

Lập luận về chuyển nghề của sách xoay quanh “match quality”, mà các nhà kinh tế định nghĩa là mức độ hợp nhau giữa công việc và con người làm nó.

Commoncog nhấn mạnh rằng được khám phá là một trong những lợi ích chính của việc học, chứ không phải món phụ cho vui. Khi ít cơ hội thử, nhiều sinh viên lao vào một con đường hẹp trước khi biết nó có hợp hay không.

Shelf Awareness nhận xét rằng chính việc đi tìm sự phù hợp ấy là điểm chung của những người thành công muộn. Brikman diễn đạt lời khuyên thực tế hơn: hãy coi đại học và những công việc đầu tiên như hẹn hò, tức là thử rồi học, thay vì lên kế hoạch rồi thực thi.

Thử hình dung bạn là một backend engineer đang phân vân về vai FDE. Thay vì ngồi phân tích, bạn chạy một đợt thí nghiệm bốn tuần. Tuần một dự một buổi họp kỹ thuật với khách hàng, tuần hai dựng demo cho một người không biết code, tuần ba nhận một ticket escalation từ khách, tuần bốn đi cùng đồng nghiệp trong một buổi onboarding.

Sau mỗi việc, ghi đúng ba dòng: lúc xong bạn thấy hứng thú hay kiệt sức, sự mơ hồ làm bạn tò mò hay bực bội, và bạn muốn giải bài toán của chính khách hàng đó hay muốn quay về xây thứ dùng chung. Ba dòng đó là cách tự đo match quality của chính bạn, đúng theo định nghĩa “mức độ hợp nhau” ở trên.

Cuối tháng, đọc lại mười hai dòng. Nếu phần lớn nghiêng về hứng thú và tò mò, hãy hỏi quản lý về một vị trí chuyển nội bộ hoặc bắt đầu ứng tuyển. Nếu phần lớn là kiệt sức, đó cũng là một kết quả tốt: bạn vừa tránh được một con đường hẹp trước khi đi quá xa.

Khi viết CV, hãy trình bày range như bằng chứng chứ không phải danh sách keyword. Một dòng kiểu “làm ở ba bối cảnh dữ liệu khác nhau, rút ra cùng một quy trình kiểm tra dữ liệu nguồn” thuyết phục hơn mười công nghệ xếp cạnh nhau. Khi đọc job description, những chữ như “ambiguous” hay “customer-facing” là dấu hiệu công việc thuộc môi trường wicked.

Ai nên đọc, và đọc theo thứ tự nào?

Sách hợp nhất với kỹ sư 2-8 năm kinh nghiệm đang phân vân giữa đào sâu một mảng và chuyển sang một vai trò lai như FDE. Nó cũng hợp với FDE đang làm, những người cần ngôn ngữ để giải thích giá trị của mình với quản lý.

Hãy đọc theo việc bạn cần làm. Nếu cần luận điểm chung, bắt đầu từ ví dụ Tiger và Roger; nếu sắp lập kế hoạch engagement, ý về môi trường wicked là thứ dùng được ngay; còn ý về match quality đáng giữ cho lúc bạn tính chuyện chuyển vai.

Nếu thiếu thời gian, đọc bài tóm tắt của Commoncog và review của Brikman trước, rồi mới quyết định có đọc cả cuốn hay không.

Ba lỗi dễ mắc khi đem Range vào công việc

Lỗi đầu tiên là coi sách như giấy phép để không đào sâu mảng nào. Ví dụ bệnh viện và ngân hàng ở trên chỉ chạy được vì bạn đủ sâu để profile dữ liệu và viết transformation; bề rộng đứng trên một nền kỹ thuật vững, không thay thế nó.

Lỗi thứ hai là xử lý mọi việc như việc wicked. Đem thử nghiệm và câu hỏi mở vào cả những phần đã có test suite chỉ làm engagement chậm đi. Lỗi thứ ba là đi qua nhiều khách hàng mà không rút ra câu trừu tượng nào, nên cuối cùng chỉ có thêm câu chuyện.

Range không dạy bạn deploy một hệ thống nào. Nhưng đọc xong, bạn sẽ khó coi những tuần mơ hồ ở chỗ khách hàng là thất bại, vì chính những tuần đó làm nên bề rộng của bạn.