对话亚马逊云科技 WWSO 团队四位大咖，给你讲讲他们的职场故事~

在亚马逊云科技公司内部常有人会提起一个“神秘”的团队——WWSO

这个部门与普通的产品部门有什么区别呢？

在这个部门工作有哪些独特的体验呢？

今天小编就来为你解答疑惑！

敲黑板，什么是 WWSO 部门？

WWSO 团队即亚马逊云科技产品管理团队，负责亚马逊云科技云服务的产品生命周期的管理、产品战略规划，及产品业务拓展工作。

亚马逊云科技的 WWSO 团队有着复合型的定位，每一位 WWSO BD 都是亚马逊云科技在中国的业务负责人，我们基于对客户需求和行业市场的深刻洞察，找到目标市场，制定这个服务的 Go-To-Market Strategy 和可执行的计划。

我们需有效地调度各个团队的资源，去“打点”做行业标杆性客户，及“做面”赋能前端业务拓展，在更多客户和行业中，去拓展成功的技术方案。

讲到这里，你是否对 WWSO 团队有了更清晰的了解呢？今天，我们特邀亚马逊云科技 WWSO 团队四位大咖为你倾情讲述他们在 WWSO 部门的工作的故事~

分享在 WWSO 部门工作的时光

对话 Sr. GCR Networking Specialist : Steven 

Q1

当初这份工作，哪些方面吸引的你？

Steven：“水到渠成”。

我最早在跨国运营商做企业全球网产品及数据中心托管服务，回想起来其实和现在的云服务有颇多共同性，后来在存储行业，从 14 年开始作为合作伙伴接触到亚马逊云科技，之后又和其他两朵中外 A 云有过合作，越来越感觉云服务的模式创新，清晰全面地证明了我对 IT 行业发展的一些思考，所以也就决定了云服务公司是我的职场下一站的目标。

Q2

转型加入后，发现实际情况与预想中的有哪些不同？

Steven：最大的‘惊喜’是没有 996。

原来想象中互联网公司起家的都比较习惯“快速野蛮生长“，缺少具体清晰的规则。亚马逊云科技在做到高速发展的同时，有相当完善的以 LP 为核心的公司文化和理念，让我感觉工作更带劲，更有意义！

Q3

困难和挑战是什么？

Steven：最大的挑战是熟悉自家产品。

亚马逊云科技的产品太多了，而且是与时俱进地在持续创新中。想学的太多，但真的很难做到，甚至有些时候会把服务名字和服务内容搞混。归根结底，在亚马逊云科技想做的事情能做的事情太多，时间不够用是终极挑战。

Q4

第一次有成就感和满足感是什么时候？

Steven：是我负责的产品发布的时候。在半年不到的时间内就能做出一个新产品，这在我之前的工作中是不可想象的快。

Q5

今年对自己有什么小目标吗？

Steven：今年的小目标就是完成今年部门的大目标。

作为部门“最年轻”的一员，部门今年的业务计划是我主导制定的，整个过程也是我深入了解公司文化和业务细节的过程，所以特别想看到最终成果来印证我的设想。

Q6

对那些想加入我们，但又不够自信或不够了解我们的“未来同事们”说些什么？有什么建议吗？

Steven：加入了才能真正了解亚马逊云科技，而参加亚马逊云科技的面试本身就是很有价值的职场体验，如果是把云服务作为职业下一个目标的，就不要犹豫，来尝试一下，说不定能发掘自己新的技能呢~

对话 Sr. PM, Strategic Initiatives : Helen 

Q1

当初这份工作，哪些方面吸引的你？

Helen：我并不是 typical 云行业的背景，甚至有些“mix”，或者说“混搭”。教育背景上，我是中科院硕博连读+杜克 MBA；工作经历上，也混搭了 10 年国企 2B+5 年外企 2C。申请这份工作，对我来说是一次 Career Switch。每次转型，我会有一个我称之为 3P 的考量体系。第一是 People：我希望 always work with great people。第二是 Position：我理想中的 position 是 where I can contribute and also be challenged。第三是 Pioneer，我会考虑要参与的 business，是否是业界先驱。

选择亚马逊，选择 WWSO team，选择 Strategic PM 这个岗位，是因为这个岗位完美的契合了以上三点。

Q2

转型加入后，发现实际情况与预想中的有哪些不同？

Helen：实际情况比我预期的还要好。首先， impact 比我想象的还要大。我所在的 central strategy team，需要从战略角度，建议合理的 framework 和 mechanism，并通过过跨部门协作帮助客户，来辅助推动整个大中华区的 non-linear growth。其次，工作节奏虽然很快，但是 in a very  ordered way。亚马逊的工作方法，比如 review 和 document，很大程度上保证了我们 take action 之前有清晰的思路，有效的避免了重复功和无用功。

最后最超预期的是我所获得的支持与指导，人们不仅非常愿意帮助我，更重要的是亚马逊的体系保证了新员工一定能够获得必需的支持，比如 onboard buddy，mentor， Training 等一系列公司 level 的 program，在“传帮带”这一点上，当它从个人意愿上升至体系保障时，效果是巨大的。 

Q3

困难和挑战是什么？

Helen：目前工作中最大的挑战，是需要学习的东西太多了。因为这个岗位是需要了解几乎所有的 business，从我们的 re:Invent 上发布的新技术新产品，到 everyday business，我需要更快速的来 Ramp up、学习并融会贯通。

Q4

第一次有成就感和满足感是什么时候？

Helen：准确的说，是满足感与感激之心并存。入职两个月后， 推动了某战略项目的第一个 milestone，并赢得了客户的认可。

满足感来自于客户满意度，感激之情则是因为各个部门在这个项目上的付出与支持，包括销售团队，product BD 团队，架构师团队，ProServe 团队以及西雅图的相关团队。

Q5

对那些想加入我们，但又不够自信或不够了解我们的“未来同事们”说些什么？有什么建议吗？

Helen：如果只有一句话，我想说：Come Build With Us, because Amazon is a company of pioneers。

如果你对技术有 passion，如果你想 work with great people，亚马逊云科技，特别是 WWSO，是你绝对不会后悔的选择。建议大家关注我们的招聘，关注亚马逊云科技的动态，勇敢尝试，努力争取。

对话 Sr. Specialist BD, AI/ML, GCR : Brenda

Q1

当初这份工作，哪些方面吸引的你？

Brenda：在加入亚马逊云科技之前，我在中科院从事科研成果转化以及科技项目风险投资工作。最开始加入亚马逊云科技，我在创业生态团队，后来 WWSO AI/ML 团队组建成立，我便申请了换组过来。

当时考虑的主要有几方面，一是认可 AI 这个大的赛道，而在 WWSO 的 AI/ML 团队，我能够直接接触到各种规模、各行各业的客户，感知并参与到机器学习对这些客户的业务产生实际影响的项目中；

二是团队领导和同事都是非常踏实肯干的人，从他们身上可以学到很多优秀的品质，遇到棘手问题时也完全可以相互依赖；再有一点就是 WWSO 这个团队本身的职能和所在平台，提供了接触到公司几乎所有部门的机会，无论是美国的产品团队还是国内的各职能部门。而为了推进你所负责的产品线的业务，你也势必要综合协调多个部门的资源和支持，既要大处着眼，也要小处着手，这是一件很有挑战、也很有意思的事情。

Q2

转型加入后，发现实际情况与预想中的有哪些不同？

Brenda：好像基本跟预想的差不多。

Q3

困难和挑战是什么？

Brenda：我觉得挑战可以分为两种类别，一类是阶段性的，比如在最开始上手的一段时间需要投入比较多的学习时间。

AI/ML 领域相对较新，涉及到的概念、知识、技术又比较多。从 AI/ML 产品 BD 的角度，既需要能够与不同行业的客户对话，从他们的业务中找到适合用机器学习解决的场景，并设好优先级，同时也需要对亚马逊云科技 AI/ML 产品技术栈非常熟悉，根据客户不同的场景、团队配置来设计不同的方案。而要做到这些，势必也就需要对常见场景，例如个性化推荐/CV/NLP 等领域业界常见的机器学习模型、框架有一些初步了解，至少需要知道什么能行什么不能行。当然，如果学有余力想要继续钻研，那就学海无涯了。

第二类挑战是持续性的。AI/ML 在产业界的应用还在比较早期的阶段，尤其是非互联网领域。如何制定正确可行的 Go-to-market 策略，如何驱动跨部门协作甚至是同外部合作伙伴的生态合作来快速试验、快速迭代并进化出更好地促进客户大规模采用的机制，这是我们可以持续思考、持续改进的。

Q4

对那些想加入我们，但又不够自信或不够了解我们的“未来同事们”说些什么？有什么建议吗？

Brenda：亲爱的“未来同事们”，如果你和我一样相信未来的时代是技术红利的时代，如果你和我一样希望借助国际化大公司的平台给自己一个进一步探索无限可能的机会，如果你和我一样渴望找到一群可爱的同路人，那么欢迎你早日加入我们！

对话 GCR ML Specialist SA : Ren Guo

Q1

当初这份工作，哪些方面吸引的你？

Guo Ren：我在加入 WWSO 大家庭之前担任解决方案架构师的角色，会关注和支持一线客户对亚马逊云科技产品的使用需求和技术问题，同时结合自身的技术背景和实践经验，在 TFC 内部承担机器学习相关 PoC 项目。在 TFC 的工作中，发现有越来越多的客户启动和推进机器学习实验，但是 ML 项目周期往往持续时间很长，TFC 相对临时和短期的支持无法有效满足客户需求。

因此，成为 ML Specialist SA 之后可以让我更加专注于客户机器学习项目的全生命周期，并在不同阶段给予客户更加专业的技术支持。同时，我也可以更加专注于机器学习在垂直行业(如“游戏+AI”)的实践，总结经验并将最佳实践复制到更多客户中去。

Q2

转型加入后，发现实际情况与预想中的有哪些不同？

Guo Ren：成为 ML SSA 之后，最大的不同是，虽然会更加专注机器学习技术领域，但是需要负责的客户群体也十分庞大，每个客户的项目都处在不同的阶段，每天都会在多个项目中进行角色切换(如需求分析、产品使用、框架答疑、方案构建等)，等工作节奏比之前还要快很多。接触到的客户方角色也从运维人员转换到了数据科学家和算法工程师，但是这使得我获取到了更多的行业业务知识，了解到更多的行业痛点和机器学习的机会。

Q3

  困难和挑战是什么？

Guo Ren：刚才也提到了，机器学习项目往往持续时间较长，而产生的 pipeline 越来越多，因此有可能会同时在应对不同客户不同环节的不同需求(产品的 deep dive, PoC solution 构建，问题解决等)，因此对时间管理的能力要求很高。从客户接触角度来说，数据科学家和算法工程师是一批单纯而又傲娇的青年，往往很难去改变他们固有的使用习惯和方式方法，这对我们推动产品和方案带来很大挑战，但这也锻炼了我敏锐捕捉客户需求切入产品的能力。

Q4

第一次有成就感和满足感是什么时候？

Guo Ren：由于作为 ML SSA 有了更多机会接触客户的核心业务需求，了解行业痛点，我也在“游戏+AI”领域进行了实践和深耕，总结自己的实战经验并多次在公司内部和客户会议上进行分享。这其中有一个“白板”客户(在友商有庞大的用量)现场听了分享之后，对总结的方案非常感兴趣，和我进行了近 4 个小时的讨论，并立即决定启动在 Amazon SageMaker 上的实验项目，我也全程同步支持客户在亚马逊云科技上实现解决方案和技术需求，并最终成功推动生产部署，解决了实际业务问题。

更重要的是，这个机器学习项目的成功充分赢得了客户对亚马逊云科技的信任，后续又连续推动了 2 个机器学习项目，并以此带动了客户对 Amazon Elastic Search, Amazon EKS, Amazon Personalize 等服务的使用，更重要的是，客户为了在亚马逊云科技上更好的开展机器学习任务，已将在友商部署的数据分析业务逐步迁移到亚马逊云科技。使用 AI/ML 这一武器成功破冰，给我带来很大的成就感。

Q5

今年对自己有什么小目标吗？

Guo Ren：希望在已逐步成熟的“游戏+AI”技术方案实现的基础之上，探索出另一个切入 AI/ML 的行业或领域，通过总结和输出更多技术物，来帮助我们的 BD 和 SA 同事赢得更多的机器学习项目，产生更多的下游收入。

Q6

对那些想加入我们，但又不够自信或不够了解我们的“未来同事们”说些什么？有什么建议吗？

Guo Ren：如果大家对我们团队的工作或职位感兴趣，欢迎随时找团队成员进行更深入的沟通和交流，我们也会毫无保留地向大家分享我们工作感悟和切身体会，帮大家答疑解惑。

原文链接：对话亚马逊云科技 WWSO 团队四位大咖，给你讲讲他们的职场故事~