谁是企业最需要的人

 巧遇三个朋友,他们的故事令我深思:

第一位朋友是江苏某 企业的副总,分管外贸 营销工作。他上任一年,销售额就从连续三年徘徊在3000万突破至1个亿,在年终的会议上总经理表扬了他。但他心里并不舒服:因为他听到 老板的小舅子私下说,1个亿的销售额都是业务员做的,他连英语都不会,怎么可能是他的功劳,而据说总经理对此评价也没有明确提出反对。

第二位朋友是某软件 公司的架构师,是呼叫中心软件设计方面的高手,他在公司担任技术总监期间,手下带了五名研究生,他倾注了大量的心血培养他们,两三年之后,这些研究生都成了独当一面的高手,有个小伙子天资聪慧又年富力强,在某些方面已经超过了他。而最近他听到人力资源部熟人的内线消息:因为新人小李的技术比他相差不多,而收入却少了一多半,公司有意让小李替代他的位置。

第三位朋友跟我谈到了他的上司,他是某集团华北分公司的总经理,他最敬佩的上司是集团的营销副总裁刘总,每当他有问题想不通的时候,感觉迷茫的时候,没有对策的时候,跟刘总一个电话,几句话,问题往往能应刃而解。而对于刘总,集团内部则褒贬不一,有人认为刘总是个高瞻远瞩的企业家,有人则认为: “老刘从开始就没做过业务,他也就是动动嘴皮子,忽悠忽悠,这样的人居然能当上集团总裁……”,朋友很困惑,对一个人的评价怎会差异如此之大!

看完三个朋友的讲述,我的脑海里浮现出三种不同的角色:能做事的人,能带兵的人,能审时度势的人。随之而来的问题是:在创新型企业,这三类人谁是企业最需要的人,哪些人对企业的 价值更大,在实际工作中我们又应当如何区别对待?

记得有一位企业家讲过这样一段形象的话,他说:“大家都用过圆规吧?圆规的顶端是手柄;一只脚是尖的,牢牢扎在纸面;一只脚是带着笔的,可以自由舞动。拧动手柄,圆规的一只脚扎牢、站稳,一只脚就可以画出优雅的曲线。通过手柄、定脚、动脚的配合,圆规完成了美丽的任务。我们的企业也是一样。老板是什么?是圆规的手柄,企业的原动力由此而来。如何完成企业的使命,需要定脚和动脚。定脚的作用是扎稳、站牢、把事情做深入、做扎实;而动脚的作用则是走出去,把圆画大、画完美。在我们的企业内部,定脚也就是把企业的产品、专业、市场做深入、做扎实的人,而动脚则是为企业开疆拓土、带领团队奋战沙场、斩对手于马下、把事业做大做强的人。”

就像圆规一样,企业离不开扎实做事的人,也离不开带兵打仗的人,他们对企业同样有不可替代的价值。

非常钦佩我的一位朋友,他原在一间IT公司任职,不知何故转行到一家颇有名气的家装公司,行业不同,相同的只是销售;很快,他就把所在的营业部搞成全市前列;随后,老板委派他去天津,很快,天津公司成为了全国的业绩冠军。当他受聘于另一家公司去山东开拓市场,尽管市情不同,业务特点不同,他仍然做得非常好,在低迷的2009年为这家公司创造了上佳的业绩。如果他独立创业,我肯定为他投资,遗憾的是,有一位比我有眼光和实力的老板,不惜重金和股份邀他加盟,于是,他再次踏上开拓市场的征途。然而,直到今天我也不认为他是家装方面的专家,其眼光,呵呵,不敢恭维;至于动锤子动锯,更是一窍不通。他就是他,一个对市场极端敏感、对事业热得冒火、爱女儿但常常深夜回家、带着一群兄弟打拼市场的人。一个极端爽快的南方人!谁又能说企业不需要这样的人?还好,我觉得他服务过的企业的老板们都认识得到,这是对企业有价值的人。

也非常佩服我的客户所聘请的一位意大利人。这家企业位于广东东莞,专门生产制作皮鞋的鞋楦,出口到全国各地,在全球享有盛誉。制造鞋楦的工艺中有一个非常具有技术含量的工艺叫模切,大致的工作是:根据客户提供的产品,仿制出相应的模具,再由复杂的数控机床进行编码和批量生产,而这家厂所聘请的首席模具师,是一位来自意大利的七十多岁的老人。老人住在公司附近的五星级酒店,每天由总经理的专车接到厂里,在属于他的工作室里精心雕琢着鞋模,用的是普通的锉刀、砂轮,但每一刀、每一下都全神贯注。企业的老板跟我介绍,尽管企业也有十来个模具师,但目前都还没有他的水平,关键几刀还得他来,老人家高薪受聘,每年回家带薪度假两个月,每天工作八小时。估计也没有人否认,他,尽管语言与其他人不通,更谈不上对行业的了解与展望,也不会带团队和忽悠,但,他,仍然是这家公司最有价值的人。

说了两个极端的、但是真实的例子,我的观点已经表达得非常明确。两类人是对企业最有价值的人,一类是为企业确保现有业务稳定、持续、深入开展所必须的特才、专才、忠才;另一类则是为企业开疆拓土、使得事业做大做强的人。两种不同的角色,决定了这两类人所需要的特质不同,对其价值的评判也应当有所不同。

前一类人又分为两种情况,一种是掌握着企业核心、重要技术、市场客户的人,另一种则是对企业有着异乎寻常的忠诚、在人员异动的背景下可保企业稳定、可跟老板“上山打游击”的人,当然,他们的领导能力、管理能力、战略视野未必强,甚至很差,但惟其稀有、惟其专业、惟其忠诚,这些人的存在必不可少。对这些人的评价,不应求全责备,更不应只看现值,***同志“风物长宜放眼量”的名句值得我们深思。

后一类人则多是慷慨悲歌之士,有魄力、有眼界、有人气、呼风唤雨、叱咤风云,企业开拓事业必须要这样的人,但这样的人也有脾气、有性格、有志向,对这样的人来说,对他们的珍惜应更多地体现为尊重、肯定、认可;要看大局,不看小节;看产生了什么样的结果,不看做了什么,或者装作看不见、没看见。

我们不要期望一个人或一个群体兼任两种角色,或兼备两种素质,对于创新型企业来说,能延揽到、管得住、激励好以上两类人,已经是企业的福气,对企业家和管理机制已经是很高的要求了。

圆规的两只脚协同起舞,方可为创新型企业创造价值。
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值