惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

S
Schneier on Security
Hugging Face - Blog
Hugging Face - Blog
V
Visual Studio Blog
博客园 - Franky
酷 壳 – CoolShell
酷 壳 – CoolShell
Last Week in AI
Last Week in AI
博客园 - 叶小钗
博客园_首页
阮一峰的网络日志
阮一峰的网络日志
cs.CV updates on arXiv.org
cs.CV updates on arXiv.org
Application and Cybersecurity Blog
Application and Cybersecurity Blog
TaoSecurity Blog
TaoSecurity Blog
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
J
Java Code Geeks
爱范儿
爱范儿
宝玉的分享
宝玉的分享
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
量子位
N
News and Events Feed by Topic
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
Recent Commits to openclaw:main
Recent Commits to openclaw:main
SecWiki News
SecWiki News
MyScale Blog
MyScale Blog
AI
AI
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
博客园 - 【当耐特】
Security Archives - TechRepublic
Security Archives - TechRepublic
F
Fortinet All Blogs
V2EX - 技术
V2EX - 技术
T
Troy Hunt's Blog
有赞技术团队
有赞技术团队
W
WeLiveSecurity
Project Zero
Project Zero
T
Tor Project blog
Help Net Security
Help Net Security
L
LINUX DO - 最新话题
IT之家
IT之家
The Hacker News
The Hacker News
腾讯CDC
Schneier on Security
Schneier on Security
N
News and Events Feed by Topic
C
Cisco Blogs
博客园 - 聂微东
Webroot Blog
Webroot Blog
Forbes - Security
Forbes - Security
M
MIT News - Artificial intelligence
C
Cyber Attacks, Cyber Crime and Cyber Security
雷峰网
雷峰网
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
A
About on SuperTechFans

0x01 byte

我在 2025 年看完的书 西班牙之行 2025 年初展望 2024 年底曼谷之行 荐书:The Blind Watchmaker 王垠传播的「自然视力恢复法」真的有用吗? 从高考志愿到职业选择 浅谈 Apple Intelligence 2024 年,我为什么开始为搜索付费 运气与努力 刷新了一下对内容审查粒度的认知 离开心动和 TapTap 如何反转一个链表? 如何高效地协作开发:一些 Google 的实践 关于 LeanCloud 被心动/TapTap 收购 small talk #3:从 IPFS 聊到 Web 的开放性 small talk #2:聊聊用 M1 芯片的新 Mac 怀念两位老师:Stan Eisenstat 和 Paul Hudak small talk #1: 聊聊你的私有云 如何在 Emacs 里做所有事 Remark Ninja: 一个简单的评论系统 Woman、man、camera、TV:如何做一个完整的深度学习应用 荐书:走出戈壁:我的中美故事 LeanCloud 开始周期性远程工作了 树莓派:用 Pi-hole 来保护隐私和过滤广告 爱国指南 我在 2019 年觉得不错的几个习惯 WeWork 的兴衰和创投的游戏 计算机专业学生该如何提高自己 怎样利用好路上的时间 荐书:Educated - 一部震撼人心的回忆录 入门 React hooks + 后端集成 荐书:Bad Blood,创业公司的谎言与欺诈 LeanCloud 的故事 — AVOS 时期 一点人生经验 👓 — 如何学英语 一点人生经验 👓 — 学好英语的重要性 Docker 和 Kubernetes 从听过到略懂:给程序员的旋风教程 加密货币与区块链(三):什么是信任 离开微信公众平台 加密货币和区块链(二):分布式共识与去中心化 加密货币和区块链(一):历史的重演 第一个程序员 Ada 的故事 写在 9/11 十五周年 快速开发聊天机器人 说说离职员工的期权 你所不知道的 Dijkstra 你所不知道的冯·诺伊曼 在 LeanCloud 看 Parse 的关闭 比 XCodeGhost 更邪恶的手段 30 年前就出现了 写给创业的技术人 如何有效地做 Code Review 为什么每个团队都需要 Code Review? 怀念我的外公 面向对象与函数式 「零和博弈」- 是语言在演变还是媒体在倒退 编程语言之争 传统媒体和互联网 Clojure: 现实世界的 LISP 求职时的常见错误 Emacs Smart Split (旧文)也说王垠退学
对透明薪酬的回顾
blog.incoming@1byte.io (江宏) · 2015-11-27 · via 0x01 byte

一年多以前 LeanCloud 在自己的开放资源网站发布了薪酬和期权的计算方法,其中包含了每类职位各个级别的薪酬。 此后有不少朋友,特别是创业者问过我一些问题。 一直想写篇短文统一回答,并说说实践中的一些感受,但直到现在才克服拖延症。

过去这一年多没有对这套规则做实质性的调整。一个形式上的改变是把原来 senior 之类的级别名换成了 E0, E1, … 和 I0, I1, …,分别代表经验/能力(Experience)和贡献(Impact)的级别。 另外个别职位的基数也做了小幅调升。

以前关注过我们开放资源网站的人可能会注意到我们在薪酬公式后面增加了一个 adjustment 部分。 原因是我们以前为大家提供了一定的午餐和话费补贴,需要用发票报销。 这造成的问题是每个月每个人都要收集、整理发票,填报销单,财务同事还需要花更多时间处理,好处是每人可以省不到 200 元的税。 相对于每个人花费在这些事上的时间,节省下的费用是不值得的。 所以我们在月薪里给每个人增加了这个 adjustment 部分,比原来的报销额度高 400 元,同时取消了固定报销额度。 虽然公司的成本增加了,但大家都可以少花一些时间在琐碎的事情上。

我们设定透明薪酬制度的目的是消除薪酬倒挂、薪酬谈判等带来的不公平,同时促进团队里透明的文化。 在过去一年多里这两方面都取得了很好的效果,并且我们还发现它起到了一个过滤器的作用,帮助我们找到最合适的人,大部分新加入的同事都能比较容易地融入团队,进入高效的工作状态。 我们会把这个制度长期执行下去。 我就回答一下被问到过的问题吧:

「你们真的是按照这个方案执行的吗?」

我们当初对外公布薪酬方案,一方面是为了可以让要申请职位的人能提前了解,也为了在发 offer 的时候解释来由; 另一方面也是为了确保谁都不能违反制度,包括 CEO 在内。 标准执行的难度在于很多时候执行的人会遇到各种诱惑想要暂时绕开一次。 比如遇到一个很想招的人,他目前薪水比较高又不愿降薪,是不是可以例外一次呢? 例外造成的长期管理成本会远大于这个人满足短期需求带来的益处,所以不应该有例外。 一个不公开的标准是很难得到严格执行的,而公开的标准会驱使执行者排除例外。

「这样怎么挖人呢?」

一个很强的人在这个标准下自然能得到有竞争力的报酬,所以这个问题应该是指用高于标准很多的待遇去挖一个人。 我不理解这样做的目的所在,因为这是对现有团队的伤害,会带来长期的成本,得不偿失。 收入对于个人来说很重要,我们也力所能及地提供尽可能好的待遇,但是我们不希望新成员加入我们的最主要原因是收入,所以我们不靠高薪挖人。

「如果有一个很合适的人,他的期望值就是比用标准算出来的高一千块,难道你们就真不招了吗?」

其实反过来想一下,如果一个人因为月薪差了一千元就不选择这家公司了,你真的想为了让他加入而破例吗? 好的候选人不但能力上要合适,其他方面也要合适。

「你们公开薪酬标准,不怕其他公司来挖人吗?」

偶尔会出现有同事因为个人原因主动离职的情况,但是了解到的原因都不是因为其他公司来挖人。 一家公司需要除了薪酬之外有其他吸引人的地方。 其实无论薪酬是不是公开,大体的范围是可以估计的,愿意出高价挖人的公司总是可以那么做。

「这决定了 LeanCloud 只能是一家小公司。」

我的看法恰恰相反,我觉得规则比人更能 scale,希望 LeanCloud 的发展在将来能证明这一点。 很多公司在变大的过程中遇到很多问题,往往是因为靠人 case by case 决定的事情太多,缺乏规则,或者规则很容易被打破。 况且一家公司的大小不是由人数决定的,既有人很少的大公司,也有人很多的小公司。