如何更好的维护好你的人脉关系圈

         mba中国网讯:人脉是成功的关键,这已是商界的老话。人际关系的培养至为关键。你认识的人比你懂得的知识更重要。


  不过,有效人脉的建立不仅仅是握手和交换名片。这一观点来自近日召开的第14届商界女性沃顿年度研讨会,会议主题为“通向成功的阶梯:先问答后行动”。与会者指出,最牢固的关系是通过分享经历,靠思想、自我整理和注意力建立人脉网络而培养起来的。人际关系不一定会在多年后有回报,重点在于:想要让人际关系历久弥新,这关系得先是实在的。


  美国大都会人寿保险公司(MetLife)分管跨国政府和行业关系的副总裁苏珊·格林威尔(Susan Greenwell)在其中一个下午举行的名为“建立并利用有效的商业关系”的专家讨论会上说,“在关系培养中产生高下之分的差别之一在于,培养关系时保持真诚,才会让关系在生活和事业上助你一臂之力。”她说,人们往往“把培养关系当作任务来完成。”


  培养关系的一个好办法是,尝试找出你现在与别人已有的联结,然后在此基础上发展。格林威尔说,“你得自然地培养关系,从你们的共同点、共同的联系开始。我认为比较重要的是,不要只关注有权位的人,而应该与工作中碰到的人建立真诚的联系。”


  格林威尔说,培养的关系要等多年后两人在事业上有所发展,晋升高位才有回报。比如,她今天合作的许多政府高官就是早年在工作中认识的,那时他们的职位还没有这么高。


  瑞士信贷(Credit Suisse)股票部的董事总经理珊莎·奥兹根(Shantha Ozgen)说道,“今天和我关系最好的人,我在十二年前做初级销售员时就开始和他们培养关系了。”奥兹根刚入职时,她的上司是三位高级销售员,他们都配有最好的会计师,她的会计师则被认为职位较低,对公司不那么重要。她说,“这并没有影响我,我有我自己的花名册。”


  奥兹根努力地了解与她接触的每一个人,记得他们生活中诸如子女生日之类的生活细节。她说,“就是那些小事让别人记住了我。”不管她的熟人转行或是搬迁,她仍然与之保持联系。现在很多情况下,“这些关系储备已经在自然地发展。”


  发展权力关系的重要性


  女性成功培训学校(Women's Success Coaching)创始人兼校长邦妮·马库斯(Bonnie Marcus)提醒大家,培养长期关系并不见得要忽视能影响自己职业轨迹的权力者。她说,“我们需要真诚等品质,但也需要搞清楚我们知道是谁说了算。我在职业生涯中有很多教训,其中之一就是发展权力关系的重要性。”


  马库斯是从与别人竞争升职机会的经历得到这一教训的。她说,“该做的我都做了,我想,没问题,我很自信、有能力、有业绩,而且我确实为公司增加了收入,还降低了成本。”她甚至直接要求升职,并让她的直接报告替自己说好话。“我还是没有升职。原因是,我没有发展权力关系,我没有与最终决策的人培养关系。”


  在一场名为“从现在起:建立在世界五百强企业工作的职业生涯”的专家讨论会上,苏珊·柯普曼(Susan Keppelman)给出了一个与高层领导会面的策略。柯普曼在总部位于华盛顿的跨国电力公司爱依斯(AES Corp.)任高级助理,她与其他四个 MBA毕业生同时进入这家公司工作。


  柯普曼回忆道,我们其中一个人“很聪明,提议我们一起去联系CEO”然后请他吃午饭,CEO同意了,“然后我们也联系了CFO和COO,这么一路下来。”以小组为单位联络上司的方式让她在认识高管的同时也加深了与其他四个MBA毕业生的关系。她很快注意到高层领导在走廊里认出她并开始叫她名字、跟她打招呼。她说,这种集体联络的办法“非常管用”。


  中午聚餐并不是柯普曼利用集体来培养关系的唯一方法。出差时,她总是优先参加团队活动,而不是独处,选择跟同事出去玩,而放弃去健身房健身。这些社交活动让她有机会了解同事,否则大家在平时都是下了班匆匆回家陪伴家人。她说,“我觉得我最有意义的关系是在出差时培养的。不管什么时候出差,我都决定了无论大家安排什么活动,我都参加。”


  与会者之一、强生公司(Johnson & Johnson)的创业团队杨森保健创新(Janssen Healthcare Innovation)商业试验开发高级经理安妮·休伊特·费希尔(Anne Hewitt Fischer)认为,寻找机会与以前不认识的人一起工作也是另一个建立彼此联系、培养持久关系的办法。


  休伊特·费希尔说,“积累人脉不仅仅是靠喝咖啡聊天、打电话和发电子邮件。”她建议可以主动参与一个项目的工作,这会是在一个新团体中建立联系的好方法。在强生公司,她参加了一个轮岗项目,短时间内可以在几个不同的工作组里轮岗。


  “有时人们以为在大公司积累人脉就能让你得到想要的工作,但我发现其实为你想加入的团队工作才是最有效的办法,当他们真的有职位空缺时你就能成为候选人。因为你并不仅仅是在建立新的人脉,锻炼新的工作技能,同时也是在向这个团队展示你的性格和工作成果。”

本文截取mba中国网:http://www.mbachina.com/

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。
【6层】4837.9平米六层框架综合办公楼(含计算书、建筑、结构图纸) 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。
评论 1
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