愛拼才會贏?一個矽谷工程師要告訴你,那些學校從沒教過的生存技巧
愛拼才會贏?一個矽谷工程師要告訴你,那些學校從沒教過的生存技巧

曾經在矽谷一家法式餐館不知情地叫了一盤空心菜。那是一盤28美元的燙空心菜配蝦醬。如果加上小費和稅大約是35美元。看著其他客人都吃得心悅誠服,我深深體會到腳踏實地賺的是10趴血汗錢,包裝賺的是10倍品牌錢,而且包裝之後沒人敢再跟你談論什麼CP值。

所以問題不是他們怎麼好意思賣那麼貴,而是我們怎麼老學不會包裝?職場也如此。愛拼才會贏是騙人的,那只能用來安慰不懂技巧的人。

愛說才會贏──在矽谷要往上爬,就要學會「巧言令色」。

你是「品牌」,不是工程師

在矽谷要長期生存你就必須學會包裝,經營高回報的個人品牌。

所以你不只是個工程師,而是「品牌」,你要把自己當作企業來經營。

下面是矽谷職場生存的三部曲:會做、會想、會說。你不應該把自己定位為工程師,而永遠停留在第一步。

第一部曲:會做

這個部分沒有問題,台灣是世界最成功的技術工廠,大學教的就是技術。進了科技公司的第一個任務,就是專心利用自己的技術來製造。這是科技金字塔的最底層,矽谷需要很多這樣的人。你製造的是一個零件──哪怕是App裡的一項小功能,你都是成就一部大機器的重要的小零件。

愛拚才會贏只有在這個階段可以著力,所以你可以盡量打拚,因為不這麼做你無法在科技領域生根,要生存必須先要生根。第一部曲最重要的就是know how,需要的是「深度」。 不過這其中有一些技巧。

學會focus

人眼的視野是140度,但有意義的視野只有3度。原因是我們的大腦只夠處理眼前所見的2%,在這2%的視野裡,解析度特別高,色澤也特別鮮艷,其他的137度都只是視而不見。

這是百萬年演化的自然結果。140度的存在是用於掃描;3度的存在是為了應對突發危險,也是為了生存。職場的前5年也是如此,你應該掃描、找方向,然後深耕。這個階段腳踏實地打拚是正確的。

學會簡單化

科技成品唇齒關係極為複雜,每一項零件內部都有無數微零件。這些微零件要全盤了解,但不必精通。你要了解它們的功能及運作原理,藉以打造你自己的零件。這過程需要理解、選擇與過濾。天下沒有人能夠照單全收。你的方向是打造新零件,而不是在既有微零件中周旋。

學會找夾縫

那些在優勝美地的攀岩家並不會壁虎功,他們只是知道如何找尋你我看不到的夾縫。靠夾縫求生存,是一項學校從來不教的技巧。在你的專業領域裡,有著無數的夾縫可以利用。大方地去找尋、利用這些夾縫生根。

學會「變」

達爾文說的是「適者生存」,不是強者,也不是智者。當環境改變,你不應該更努力去變得更強,而是去了解該如何改變自己。當專業領域的技能滿了,我們最自然的選擇就是開始收割。這時候你該考慮的是「放」── 放棄你已經知道的,開始找尋下一個不知道的。你不必在一個已經滿溢了的領域變得更強,那樣邊際效應會遞減。這時候應該歸零,找尋下一個目標,裝滿下一桶水,做一個達爾文口中的適者。

如果你不知道職涯後面還有第二步與第三步,你就永遠只是一顆優秀的蘿蔔──直到被取代。

很可惜,台灣的文化與教育所鋪陳出來的你我,很多都只走到這一步。能夠成功走到這裡是因為我們太乖了;而未來走不下去的原因,也是因為我們太乖了。

未來的旅途剛好相反,你得開始學壞。 不過提醒一下,矽谷很多人沒有經過第一步,就直接跳到這一步開始學壞。那是混蛋的作法,不是我們討論的主題。

第二部曲:會想

Product vs Process

這部分台灣人漸漸開始出現問題,這不是你的錯,而是大環境的錯,我們都是被害者。台灣的教育一路偏重結果product,而不重視過程process,只要結果對就得分。結果是記憶,過程是理解,沒有理解就不會思考。一味追求答案的下場就是不了解過程,所以也不懂得思考。

思考的要件是觀察與選擇,甚至需要叛逆。我們這一路走來,都只走別人鋪好的路 ── 走得最忠實的就叫做好學生,不照著走,就叫做壊學生。過去對抗叛逆最有效的方法就是教鞭,兩鞭子打下去立即見效,孩子也從此不敢再有自己的想法,終身不敢再有創意,也不敢冒險。

然後我們苦心培植,把這樣的孩子送到矽谷這個殘酷的國際戰場,回頭卻期盼他們能夠發揮創意,這是前後矛盾。

回到第二部曲。這個階段要回答的是what,需要的是「廣度」。 現在要開始停止深度,而做橫向發展,跨越不同領域,看整部機器如何運作。上一部曲你看到的只是零件,現在你應該了解別人製造的零件,吸收別人的成果,越貪心越好。

過去是瞎子摸象,現在你應該知道大象長什麼樣子。

學會整合

現在你的角色不再是工程師,而是一個整合者。過去你從事的是製造,現在你從事的是創造──天下所有的創造都是整合出來的。你要把別人製造出來的零件,整合成為自己的產品。過去你面對的是「物」,現在你面對的是「事」。當然,你不可能深入了解每一個環節,所以必須學會放手,把資源用在擴張自己的領域。

學會流程

在科技領域裡,工程師不屑一顧的往往是流程,因為那不需要深切的專業技術。很抱歉,流程是最容易讓你理解全盤的工具。現在你必須看到的是整體運作,這時候你才會了解一個過去你所苦心經營的小零件,有多麼容易被取代。在你上面的人,看到的是一部機器,沒有人在乎小零件以及製作零件的人,把這些零件組合的工具就叫做流程。

學會收割別人的成品

這對我們的道德來說是最難的一步。但如果你不去做,別人會搶著做 ── 尤其是印度人。這世上必須要有收割的人。收割重要的基礎是了解技術。這個基礎印度人跟我們一樣強,但收割的技巧卻比我們厚黑。只努力耕耘而不收割,或只講技術而不談技巧,這仍是代工。某種程度上這只不過是科技奴隷。

shutterstock_1451078789_bridge
學會收割別人的成品,這對我們的道德來說是最難的一步,但如果你不去做,別人會搶著做!
圖/ lemono via shutterstock

當然這裡講的收割不是剽竊,而是「整合」,記得要把功績留給耕耘者。沒有關係,歷史記得的是最後整合的人,所以大方地把功績給他們,讓他們感激涕零最好。反正最後不會有人記得他們。

不過走到這裡,你得開始學會如何「包裝」 ── 這又是另一項台灣的教育拒絕教授的技巧。

第三部曲:會說

這裡的「說」當然也包括了「寫」、「簡報」、「演說」、甚至「聊天」、或任何形式的表達。

技術 vs 技巧

台灣人能夠走到這一步的已是鳳毛麟角,而印度人在這個層級卻更加猖獗。原因很簡單,因為他們懂技術、又懂得包裝與表達,個個能言善道。在這個層次你需要的不是技術,而是學校不教的「技巧」。問了印度人,原來他們技術與技巧兩樣都教,所以你欠你自己很多技巧。

能力 vs 能見度

我們常常聽到工程師對於這個階層的人都有很重的評語 ── 像是「他屁都不懂,還爬到這麼高。」這句話翻過來就是承認「我懂的都是屁,所以爬不上去。」

第三部曲你要培養的是說服、影響、及啟發別人的能力。 你應該忘掉技術,不要緊咬著不放,現在是把能力轉換成能見度的時候。

前面你面對的是「物」與「事」,現在面對的是「人」;前面你的目標是「製造」與「整合」,現在是「包裝」;前面談的都是「能力」,現在談的是「能見度」;前面你仰賴的是「技術」和「創意」,現在是「影響力」;前面你要有「深度」和「廣度」,現在是「高度」;前面你要回答的是how和what,現在是回答why。

回答「為什麼」

從前你摸出屋裡有隻大象,現在你要飛到3萬呎高空,回答「為什麼」這裡會有一隻大象。

即使你走的不是管理路線,或是無關科技,這三部曲的邏輯都成立。如果你的人生目標跟我一樣,只想做一個快樂的小蘿蔔,這個邏輯仍然成立,因為你一樣可以做個卓越又有影響力的小蘿蔔。

在學會巧言令色之前,你必須培養出下面幾種能力:

「說故事」的能力

在矽谷科技公司領導階層最常聽到的一句話就是「Let's build a story」。說故事需要利用「三」的技巧,把故事分成起頭、主體、結論。好萊塢所有的故事都是透過這種技巧來述說,這也是重要的簡報與email技巧。因為「三」是人類最容易明瞭的架構。

「比喻」的能力

工程師走到這一步,應該能夠把繁複的專業知識,用最簡單的語言讓非專業者了解。這最簡單的方式就是比喻 ── 如果能帶一點小幽默,就更容易讓對方明瞭,而且永遠銘記在心。

「讓人心生恐懼」的能力

職場上唯一的正義,就是讓自己的提案得到支持並如期完成。你可以利用上面的三段式故事法,簡單明確地讓聽眾明瞭如果不採用你的方案,會面對如何的後果,如果有數字舉證就更好。職場上適當的恐嚇是必要的生存方式,用數字嚇人最有效,如果偶爾去教堂,你就會知道牧師都有那種讓人心生恐懼的說服力。可以向他們學學。

「誠摯敷衍」的能力

敷衍是一個高深的藝術。即使不贊同對方,你也應該在眼神與肢體語言上,表現出絕對的興趣。當然你心裡想的可以是周末要去哪度假,對方看到的是你的眼神,而不是思緒。

shutterstock_413931715_talk
在學會巧言令色之前,你必須培養的能力之一:誠摯敷衍。
圖/ francoimage via shutterstock

「讓人記得你」的能力

裁員的時候,高層只在乎數字。去留的名單依據的不是數據,而是印象。栽員沒人用AI。砍了一個沒有印象,也不知道做了什麼的人,至少晚上不會令人睡不著覺。職場不是法庭,沒有所謂的正義,一切完全是人與人的印象,如果從來不參與工作以外的活動,你等於在慢慢累計不被人家記得的指數。

「控制荷爾蒙」的能力

很多人在職場失敗,就是因為被荷爾蒙打敗。在這個層級的人並不是沒有情緒,他們只是學會了如何與荷爾蒙融洽共處。我進入職場第一年,就從一位精神導師學到了一件事,那就是生氣的時候,給自己5分鐘喝杯咖啡,回來以後再決定是不是還要回覆那封令你忿忿不平的email。荷爾蒙需要的只是5分鐘,這是天下最廉價的特效藥,不用白不用。

「與笨蛋與混蛋相處」的能力

矽谷的職場跟世界其他地方一樣,也充滿了笨蛋與混蛋。這些都是蛋類,也是重要的是蛋白質。笨蛋多是季節性的──永恆的笨蛋通常很難跟我們在同一個職場上長期並肩作戰。我們這一生可能在不同的時空下,都不自覺做過季節性笨蛋,笨蛋最需要的就是關懷──假的也行。

處理混蛋需要多花點心思,但混蛋的蛋白質更好用。這些人決定做混蛋,是因為缺乏自信。那是求生的必然反應,其實也值得憐憫。沒事跟混蛋們稱兄道弟,送盒沒有標示期限的夜市廉價鳳梨酥,就很容易把這些人擺平。他們需要朋友,仍舊是假的也行。一旦認定你是朋友,他們會為你兩肋插刀,成為職場上豐富的蛋白質。混蛋都很講義氣,也很好使用。

「愛說」才會贏!

矽谷科技公司的高階技術主管,現在約7成都是印度人,這些人沒有一個是靠埋頭苦幹爬到今天的地位,那是代工經濟下用來安慰勞工的話語。他們靠的就是「說」,而且每一個人都有自己獨特的品牌。

當年跟我並肩作戰過的印度工程師,有兩位後來都當上知名科技公司的CTO。其中一位38歲就當上了資產千億美元公司的VP. 這些人都有很重的印度口音,所以語言不是障礙,不會說話才是。

他們都曾經以工程師的身分跟我共事5年以上,就技術而言,他們最多只是資深工程師。不同的是,他們不在技術原地停留。當我還在一心想做領域權威的時候,他們已經跟著科技腳步快速移動轉入下一個戰場,涉獵不同領域,最後掌管整個科技平台。

他們在老同事懷疑的眼光中一路蛻變,一步步走向品牌經營,變成能說善道的人。過去也許我是檢視他們的程式,後來我變成研讀他們寫給屬下的email,試圖從隻字片語中學習那個層級說故事的技巧。

大家原起跑點都一樣,至於能走多久、走多遠、爬多高,完全要看後續如何規劃。會說話,在我們傳統文化裡只有負面價值;經營個人品牌,是我們從來沒有聽說過的生存技巧。如果你只憑「乖」和「技術」成功走完上半場,很好──但也很糟。糟的是下半場全部重新洗牌,而且後面都是你不會的,過去你也許太乖了。

現在開始學壞還來得及。下半場是全新的白紙,還有很大的空間可以改寫劇本。

責任編輯:陳建鈞

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場。)

往下滑看下一篇文章
從會員數據到 AI 行銷:Vpon 打造零售業 AI-Ready 數據中台,提升決策效率
從會員數據到 AI 行銷:Vpon 打造零售業 AI-Ready 數據中台,提升決策效率

在 AI 快速進入企業營運核心的時代,數據不再只是被動的分析素材,而是 AI 模型運作與決策優化的重要基礎。

零售品牌積極累積大量第一方數據,例如會員資料、交易紀錄以及線上與線下行為數據,但因這些數據分散於不同系統,缺乏統一的身分識別機制以及明確的元數據(Metadata)定義,導致難以整合與分析,同時,也影響 AI 對這些數據資產的理解與應用。

為解決上述挑戰,Vpon 威朋將累積十餘年的實務經驗轉化為產品與服務,如 Audience Center 與 AI Agent 等解決方案,並透過專業顧問團隊協助企業完成數據收集、清理、整合與分析等關鍵流程,從資料清理到 AI-Ready 再到落地應用,讓行銷與業務團隊能以自然語言將數據查詢與分群受眾逐步自動化,大幅縮短過去仰賴技術與分析團隊溝通需求與開發分析邏輯的時間。

Vpon 助零售業打造 AI-Ready 數據基礎,以 Audience Center 驅動業務商機

如何建立 AI Ready 數據基礎建設?

Vpon 威朋數據科學經理廖宜楷指出,在 AI 驅動的時代,數據的品質決定模型價值。其中四個關鍵分別是:建構標準化的數據採集與處理管線,透過統一的工程規範,確保所有進入系統的數據在格式、維度與質量上具備高度一致性;其次是定義語義清晰的元數據(Metadata)體系,確保數據能夠被 AI 理解與使用,從而產出具備可靠性的產出結果;再來是打破企業內部的「數據孤島」, 透過完整整合線上(Web/App)行為與線下(POS/CRM)會員資訊,建構全方位的會員數據輪廓,精準捕捉消費者的跨通路行為軌跡。最後,數據的價值隨時間遞減,AI 的決策品質取決於數據的「新鮮度」,因此,數據的持續更新與自動化維護,不僅能讓企業在動態市場中保持敏銳,還可進一步深化會員輪廓分析的即時性。

舉例來說,在 Vpon 團隊的協助下,台灣百貨零售龍頭透過整合 Web 與 App 行為資料,並將線上與線下數據集中於數據中台進行分析,將傳統耗時數小時的複雜資料庫分析工作縮短至秒級回應,並基於此高效率基礎,進一步開發不同業務主題的預測與分群模型,提升行銷精準度與營運決策的敏捷性。

扎實數據基礎的價值落實:Audience Center 如何賦能企業實現「數據即戰力」?

有了堅實的數據底座後,下一步是透過 Audience Center 將數據資產轉化為商業動能。

廖宜楷指出,在變化快速的零售與數位行銷市場中,速度就是競爭力。然而,仍有許多企業在數據應用上面臨嚴重的溝通與技術斷層。過去,當行銷或業務人員需要數據支持時,通常得花費繁複的內部流程申請需求、討論需求,才會進到後續的資料清理、建模與分析,最後才能得到想要的分析結果或行銷名單。這種以「週」為單位的進程,不僅拖慢了決策效率,更讓企業在競爭激烈的市場中錯失先機。

Audience Center 的核心價值在於徹底翻轉上述流程,將數據處理轉化為數據服務,透過直覺的介面與背後扎實的數據基礎支撐,讓非技術人員不用編寫程式碼,即可自行組合維度,大幅縮短從需求到執行的距離,將原先需要耗時數週的作業流程優化成秒級產出。

「Audience Center 的導入,不僅有助於提升效率,更賦予企業快速試錯與精準捕獲趨勢的能力,讓數據真正成為驅動業務增長的引擎。」廖宜楷如此總結。

#1 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋數據科學經理 廖宜楷
圖/ 數位時代

以 AI Agent 重塑數據使用方式,讓數據更貼近決策流程

「Vpon 除提供 Audience Center 協助品牌發揮第一方數據資產價值、提供豐沛的第三方數據助品牌深化對客戶輪廓的掌握度,更推出 AI Agent 服務讓品牌與行銷人員能更直覺地使用數據。」Vpon 威朋數據科學資深總監陳文謙表示,在數位轉型的過程中,許多企業面臨的挑戰不僅是數據整合,更包括如何讓不同部門的人員都能更即時協作與應用數據,有鑑於此,Vpon 推出四種 AI Agent 協助企業分析與應用數據,極大化第三方數據成效:

第一,以 Reporting Agent 讓高階主管或行銷人員可以自然語言查詢數據與生成報表,即時掌握市場動態,加速決策下達與決策品質。

第二,透過 Insight Agent 確保數據分析不受分析人員的主觀意識或產業知識侷限,可以輕鬆完成跨領域數據分析、快速挖掘潛在市場機會與消費者洞察。

第三,藉由 Audience Agent 將客戶分群方式從規則導向(Rule-based)轉變為關聯導向,以關聯分析擴大受眾範圍,協助品牌找出更多潛在客群。

第四,推出 Creative Agent 協助行銷人員分析廣告素材表現的根本原因,釐清受眾喜歡的素材跟不喜歡的素材,藉此優化廣告投放內容,持續提升轉換率。

陳文謙表示:「透過 AI Agent 的輔助,品牌不僅能更快完成數據分析,也能將分析結果直接轉化為行銷策略與創意建議,降低跨部門溝通成本,讓數據真正參與決策流程。」

#2 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋數據科學資深總監 陳文謙
圖/ 數位時代

鏈結數據生態夥伴,以跨境數據放大行銷效益

除了協助品牌主建立 AI Ready 的數據基礎環境並提升數據使用效率,Vpon 也持續拓展數據生態圈,協助零售品牌更精準布局海外市場。

Vpon 威朋產品行銷資深經理邱心儒表示,跨境行銷過去多仰賴經驗與市場直覺,但透過數據整合與 AI 分析,品牌能更精準理解海外消費者的旅遊與消費行為。

以 Vpon 與日本 Loyalty Marketing Inc. 合作為例說明,透過雙方的獨家合作,企業可以結合 Ponta 超過一億的會員數據、問卷調查結果以及 Vpon 的七大數據來源,深入分析日本消費者的消費偏好與購買力——包括哪些日本族群對台灣品牌最感興趣、最受歡迎的台灣商品類型,以及不同客群的價格敏感度與回購行為等,將行銷決策從過往的經驗判斷轉變為精準的數據洞察,成為品牌出海的重要工具。

簡言之,對零售品牌而言,跨境數據是理解海外旅客真實樣貌的一大利器,也能進一步優化廣告投放、內容策略與商品布局,讓品牌在拓展國際市場時,可以更有效率地接觸潛在客群,放大行銷效益。

#3 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋產品行銷資深經理 邱心儒
圖/ 數位時代

展望未來,Vpon 將持續擴展數據生態圈並優化產品服務,幫助零售品牌從數據整合、AI 分析到市場決策建立完整的數據應用循環,希望以數據夥伴的角色與品牌共同成長,打造互利共贏的數據生態。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
AI全球100+台灣20
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓