本文探讨了工程师技能的普遍认知与统计学现实之间的差异。许多人认为工程师擅长系统级工作或前端工作，但很难同时精通两者。然而，Modal创始人Erik Bernhardsson提出，优秀的工程师往往是多面手，既能处理内存分配等底层技术，也能胜任CSS等前端工作。这种认知偏差源于“伯克森悖论”，即市场薪酬机制和招聘筛选导致我们观察到的样本数据呈现出负相关性。在非顶尖公司，薪酬相近的情况下，员工往往只擅长某一方面，而非两方面都精通。因此，那些真正具备跨领域技能的顶尖人才不常出现在普通公司的视野中，从而造成了“技术好的人做不好产品”等刻板印象。实际上，在更广泛的人群中，这些看似矛盾的技能特质往往是正相关的。
🌟 伯克森悖论解释了为何我们常觉得工程师难以兼顾系统级和前端工作。市场薪酬机制和公司招聘策略，通过筛选机制，使得在普通公司中，员工倾向于专精某项技能，而非同时精通多项，即使在整体人群中这些技能是正相关的。
💡 优秀的工程师往往是多面手，能够同时胜任系统级（如内存分配）和前端（如CSS）工作。这种跨领域的技能组合在顶尖团队中更为常见，与大众“专才”的认知形成对比。
📉 市场筛选导致了采样偏差。在非顶尖公司，由于薪酬和招聘门槛，倾向于录用单项技能突出者，而非双项技能皆优者，这使得我们观察到的群体中，技能呈现出负相关假象。
🚀 普遍存在的认知偏差，如“技术好的做不好产品”、“后端大牛缺乏审美”，实际上是基于不完整样本的误判。在整个人群中，这些看似对立的素质往往是相互促进、正相关的。
前几天在X上刷到Modal创始人Erik Bernhardsson的一个推文，起初是回复工程师到底应不应该是多面型。Erik见过的最好的工程师既可以做内存分配这种非常系统级的工作，也可以做CSS这样的前端工作。
这与很多人的观点相反。很多人认为他们见过的人擅长一件事就不擅长另一件事。为什么会出现这个差别？这里涉及到统计学上一个叫做伯克森悖论（Berkson‘s Paradox ）的现象。
具体到工作中，擅长A和擅长B应该是正相关的，但由于市场的薪酬分配机制：如果两个人在A技能上差不多，在B技能上差得比较远，那他们大概率不会在同一家公司。相同薪酬能招到的人，至少要么擅长A，要么擅长B，要么A和B都能做但都不是那么出色。因为既擅长A也擅长B的人不会加入普通公司，而既不擅长A也不擅长B的人也不会被录用。
所以在非顶尖公司中，通过市场筛选后，大家能看到的人往往只擅长一件事情，而不是两件事情都擅长。明明正相关的两件事，因为采样原因变成了负相关。
这种现象导致很多没有在行业最顶尖团队待过的人形成根深蒂固的认知偏差。大家会觉得擅长工程的人就做不好市场，或者技术好的人就做不好产品，做后端大牛就缺乏审美，设计师就没有逻辑。然而在整个人群中，这些素质反而是正相关的。
