在Optiver工作的第一周

千呼万唤始出来,我终于在这周一入职了Optiver上海。由于疫情的缘故,这次的入职有些特殊,我全程是远程入职。幸好同事们早已将我的入职事项安排妥当,全程没有碰到什么问题,很顺利地加入了公司。练习时长两年半的硕士练习生就此开始了自己的职场之路。

纸上得来终觉浅,绝知此事要躬行。之前虽与HR小姐姐们、学长学姐们、leader们和CTO都有过一些交流,对在这里工作的情况心中大致有一些猜测,但这种猜测与认识终究比不上直接在公司工作来得准确、真实、高效。成为社会人一周后,我已然对在这里工作的体验有了一个初步的认识。这篇小文章就简单讲讲在这里工作的体验。

Advantage

首先想谈谈我认为在这里工作的优点。

针对新人的超细致培养

作为一个新人,我被组织对培养我的细致计划和帮助所震惊。在入职的第一天,我的leader和上海office的CTO都与我进行了一次One on One Meeting(即一对一的交流,简称1:1),和我交流了他们为我所设计的培养计划。许多互联网公司迫切、甚至有些急功近利地要求新人要迅速上手、马上搬砖,而这里则很不一样:团队会为新人一个为期半年的培养计划,而在此期间,新人的KPI就是自己的学习成果。我猜测这可能是因为公司的离职率非常低(实际上,上海Office这边历史上的所有应届生现在都还在公司),因此公司可以放心地用这么长的一段时间去做耐心的培养,并认为in the long run,这是值得的。培养计划的组成大约是这样的:贯穿培养计划的大量training program,开始相对简单但能形成对系统全局认识的小项目,逐渐增加难度的项目,并最终达到合格水平的完整项目。可以看到,这样的培养计划耐心而科学,相信半年后我会有很大的成长。

除了培养计划以外,我们Team还为我安排了一位buddy带我,而她就是之前我在另一个帖子里提到的S学姐。人生真是神奇,我因为S学姐而听说并投递了Optiver,并因为她和另一位学长的建议选择了Optiver,最后我进入了同一个Team,带我的人也是S学姐。学姐实力强而又人美心善,为了确保我碰到的问题都能解决,每天都会与我1:1一次,时间常常长达半小时甚至一小时;除此以外,学姐还给我设计了一些额外的training program帮助我了解公司的系统设计,所以学姐几乎有25%的工作时间是用来带我的,太感动了>_<。除了自己Team的buddy外,公司还为我安排了一位来自MIT的trader小哥,帮助我融入公司的文化。小哥也是一位快人快语的好buddy,给了我很多帮助~

除此以外,公司还有大量的其他training program帮助我们去了解其他team做的是什么样的事情,以形成对系统的全局认识,并帮助以后的交流沟通等等>_< training之多,以至于我第一周基本上不是在training,就是在前往training的路上~

超鼓励challenge

公司非常鼓励任何人去challenge任何事情,只要这个challenge是有道理的。实际上,我从我的硕士导师蔡登老师学到的非常重要的一点就是”take nothing for granted, challenge everything that doesn’t make sense to you”。这样的challenge使得我能够以一种很主动的方式去学习、了解,并常常能较为扎实地掌握一些知识。但是我之前时常担心这样的做法在企业中是难以适用的:很多公司都有明显的上下级之分,甚至是尊卑有别;如果天天challenge自己的同事或者领导,也许会让人觉得没有面子,最后让我自己丢了饭碗。好在这样的顾虑在Optiver是不存在的,公司从上到下都欢迎大家去challenge已有的事情。因此,我在参加各种training program的时候也是疯狂提问、疯狂challenge,常常生生把计划1小时的training问成了1小时半以上>_< 也幸亏有这样的challenge,才让愚笨的我对各种知识掌握得扎实了一些。而这样的challenge对于被challenge者也是有好处的,我们一起讨论了一些已有系统中存在的问题,并提出了一些未来改进的设想。

工作氛围超棒

这里有着超棒的工作氛围。同事们都超级nice,也非常照顾我。举个简单的例子,同事们对我的challenge从不生气,而是非常耐心地给予解答。为了保证公司的工作氛围,公司还要求每位入职的同事都参加几个课程的学习,警告大家千万不能欺凌(bully)他人、骚扰(harass)他人、歧视(discriminate)他人等等,“Optiver has no tolerance for such stuff”;也告诉大家如果碰到这种情况,可以迅速告诉相应的管理人员,公司一定会给出合适的处理。

另外很有意思的一点是,公司对歧视的定义会更加严格而广泛一些。例如,公司认为要求员工每天工作8小时以上就是一种歧视(需要说明一下,公司没有上班打卡制度,时间安排非常人性化),因为这显然是忽略了追求家庭与个人生活的同事的感受。还有一个有意思的例子是,我在第一天入职的时候开了很长很长时间的会,开到最后我精疲力竭。最后一场会是与HR小姐姐开的,HR问我入职体验如何,我说挺棒的,就是会太多了,有点扛不住。HR立刻说看来我们的设计有些问题,下次把这些会分成两天让新入职的同事参加,避免太累了。多么有爱的同事啊!

效率超高

在这里的工作效率非常高。你对公司的任何同事(包括CTO和CEO)有任何问题想问,可以随时发一条消息过去,大家在看到之后都会耐心地回复,必要的时候还会约一个meeting来讲清楚。与许多大厂各种冗长的流程手续不同,Optiver追求扁平而又人性化的管理。举个例子,今年因为疫情,浙大这边的同学现在都没能拿到纸质的毕业证和学位证,而很多大厂就硬性规定这种情况下不能入职;Optiver就不一样,只需要我提供学校能提供的电子证明即可,特殊时期特殊对待。

让我对公司效率感触最深的还是另一件事情。周四我与学姐1:1的时候讨论了一些ML方面的事情,我突然想到,我可以在公司内部开一个ML课程,讲一些我读研时的一些best practice。这个想法让我激动得睡不着觉。起床之后我先后和学姐、我的leader、其他几位ML相关的同事以及CTO都进行了沟通,大家都非常支持我的想法,于是这件事情就这么以光速的效率定了下来>_< 这要换在其他公司,就算能定下来,也至少有个长达不知道多久的过程。

福利超棒

公司有超棒的福利。例如:顶级配置的商业保险、远超国内互联网大厂的各种假期、免费的上海几十家连锁的大型健身房会员、每周一次的massage等等。现在我们都因为疫情而远程办公,公司还提供了每天150的自助点餐平台餐补>_< 至于工资待遇,那自然也是超一流,所有萌新的package都会高过互联网大多数ssp。

工作内容超核心

作为IT人员,与一些大厂“面试造火箭、进去拧螺丝”的常见现象不同,Optiver这边是“面试造火箭、进去造火箭”。我们的IT团队小而精,每个人都是要独当一面,开发最核心而又有趣的系统并很快上线使用。

对中国市场超负责

有些同学可能会认为Market Maker(做市商)的目的就是割韭菜、从市场上狂捞钱,但其实不是这样的。Optiver作为做市商,其一大目的是提供市场上的流动性(liquidity),来改进市场的现状,而这也正是我们的使命(mission):We improve the market。例如某公司可能急需市场上的某种期货,为此不惜以更高的价格去购买,但是市场上此时却没有人愿意卖,那这家公司会就此被卡住,影响后续操作,最后影响中国的金融市场。而Optiver所做的事情就是在这个时候提供期货给这家公司,取得一个买方赢、卖方赢、中国市场赢的三赢结果。除此以外,我们也要求做交易的时候一定要考虑到中国市场的发展,尤其是长期发展,而不是短视地做一些伤害市场发展的事。这对我们来说也是很重要的,公司当然需要盈利,但是希望能以一种sustainable的方式,与中国市场一起发展壮大,互利共赢。

工作生活超平衡

这也就是所谓的work-life balance。许多同事都有自己的家庭与生活,下班之后就会去忙自己的生活去,而公司从不强制员工加班,并鼓励大家去追求工作生活的平衡。我当然也不认为一周40小时的工作制是一种福报:这是理所当然的事情。这样的理所当然,在国内的大环境下显得如此珍贵。当然了,一些同事如果非常喜欢工作,也可以自行加班,但是这个选择权是握在大家自己手上的。

……公司的优点太多了,一时也说不完,这里就暂时只列这些吧。下面自然是要列一些公司的缺点啦,希望公司的同事们不要打我>_< 由于我观察到的缺点不多,这里就简单列举下吧~

Disadvantage

  1. 餐补太高,导致我每天吃得很多很好,甚至不得已每天点几杯奶茶才能把餐补花完….>_<
  2. 公司的发展太快,我个人感觉设计的系统方面还存在一些问题。不过这也是理所当然的,如果没有问题,那还需要我们干嘛?另一方面,公司存在的这些不完善的现象也是需要我们这些员工一起去改进的。Grow with Optiver. 正如同中国的金融市场也存在很多问题一样,We grow with the Chinese market.

最后

一言以蔽之,我认为Optiver上海是结合了startup与大公司的各种优点的一个地方。我很荣幸自己能有这样的机会在这里与工作,与各位同事共事~也请各位同事多多关照我这个弱鸡萌新~

Avatar
Jinming Hu
Master Student in Machine Learning

My research interests include machine learning, data mining, deep learning, computer vision, operating system, and database.