[企业管理]宽容与尊严

 

今天看到了一个小故事,感觉很不错,贴在下面:

故事

 
外祖父年轻的时候曾经跟人做生意,有一次他的父亲病了,急需用钱,他趁老板不在的时候偷了 5 块大洋。结果被正好回来的老板看到了。外祖父极其尴尬难堪。但是老板说,我忘了给你了,那正是你应得的红利,赶快拿去吧。外祖父知道那是老板保全他的面子啊!他从此卧薪尝胆,终于创下了一片家业。
 
在解放前后的那几年,天灾人祸多,村子里有很多人家吃不上饭。外祖父的粮食自然就成了那些穷人偷盗的对象。偷粮食,偷地窖里的地瓜,偷家什。外祖父都知道,他甚至因而辞退了帮助看家的雇工。来偷粮食的,他就装做没有看见。偷家什的,他就悄悄地对人家说,不要拿家什,拿粮食吧。有一次邻墙的邻居来偷地瓜,结果装多了,自己怎么也翻不过墙去,外祖父干脆自己从后面托他过去。
 
外祖父的哲学是,他们因为没有办法才来偷的,要是还过得去,谁愿意做贼。他知道我们发现了他,却没有声张出去让他丢人,保全了他的面子,他不会再来偷了,人都有尊严啊。
 
外祖父用这种方式到底资助过多少穷人,谁也不知道。但是,外祖父的村子里后来盗贼几乎绝迹了。
 
这个故事,母亲给我讲了很多年。我常常面对这个故事沉思:尊严是一个人生命中最重要的,如果你懂得了维护别人的尊严,你的尊严就无处不在了。
 

感慨

看到这里,的确有些感慨。不过,这种宽容是需要存在的,特殊情况(解放前后那几年)下,的确可以这样做。现在,该如何做,是需要我们思考的事情了。
谁知道大街上乞讨和盗窃的人到底是什么原因呢?而且有些还是明目张胆的盗窃,被发现了,就会威胁!
但是,这些都是社会现象而已,任何国家任何地方都会有类似的人和事情发生。
但是,在企业内,我们是否是也可以考虑上面的宽容与尊严的做法呢?
有很多人说员工会盗窃公司的东西,带走代码和资产,于是设立了种种措施和手段来进行威胁或者要挟或者欺骗,以便于达到员工离开时不带走任何东西。
但是,要知道这些人和大街上乞讨的人不同。他们的情况更类似于解放前后的人,他们都有一定的身份,都以盗窃为耻,他们也不想危害公司,毕竟那是曾经的基础和自己出去后的根基 —— 这里我想到了我 2001 年曾经给我带的三个刚毕业的学生说过一句话:不要管公司怎么样,你在这里做的每一件事情,都是你出去后的基础。
现在很少有人会一辈子停留在同一家公司了,除非是自己家的家族产业。那么,自己在这个公司里做的好,出去的基础自然就高,因为你有业绩可以证明,你有技术和做好的项目可以验证。而如果你在这个公司里,因为公司不好就不做事情,或者都把事情做砸,那么你也就没有任何基础了,因为你的基础都是不成功的失败的例子和项目,你还能找到好工作么?新公司的领导会怎么看待你?——这些都是员工们自己会考虑到的事情。
所以,我个人仍然认为:只要企业不做太过分的事情,员工一般都不会对不起企业的。毕竟,员工是弱势群体,不是强势群体。
劝企业管理者一句话:善待你的员工吧!
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。
评论 3
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

打赏作者

青润

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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