好容易积累的经验,是如何被跨行毁掉的?

640?wx_fmt=jpeg

我在15年的职业生涯中,不断经历行业起伏变化和行业人、身边朋友一夜暴富或科技改变未来的故事。


我也接触过很多新人,他们想来互联网领域发展的原因是收入高。


互联网是一个奇幻的领域。


但我觉得,如果你的兴趣点不在这,不一定要进入这个行业。


对于初入职场的人来说,以收入来判断选择一份职业,对中后期的职业发展来说很危险。


640?wx_fmt=png


本文由LinkedIn原创,作者小蛮,资深媒体人。


640?wx_fmt=jpeg



640?wx_fmt=png

看工资选行业

对职业发展很危险

 

我在传统媒体待的时间不长,2000年左右就进互联网行业了。


工作线路没有太大变化,还是比较专注在自己擅长的领域里面——传媒、营销。

 

过去,有专业垂直渠道的发行公司帮助我们发行杂志报纸,我们只创造内容和制作产品。

 

而互联网整个产业链条都跟你相关。


从内容的产出、用户获取渠道分发,到商业变现,这一条线全由自己完成,内容管理、用户管都是平台化的。当然会有第三方来协助。

 

这对效率和反馈机制的要求会更高,需要身兼数职。你的思维方式、方法、工具要不断转变、更新来符合这种新模式。

 

我接触过很多想进互联网行业的新人,想来互联网或金融这两个领域发展的根本原因是收入高。


除了这一点以外,他们说不出其它真正被打动的原因。


640?wx_fmt=jpeg


整体来说,互联网行业工资水平是比其他行业要高。

 

但收入是根据你的资历,你做的事情,你的岗位等很多技能、因素产生出来的总的结果。

 

如果一开始做的不是你的兴趣点或者擅长的领域,时间长了,未必能够按照你的想象去发展,对中后期的职业发展来说会很危险。

 

因为你可能不太愿意研究这个领域,你所储备的知识点也不在这个领域里面。


你需要花很多精力去不断地补充新的知识或专业信息,而之前的积累又可能会浪费。

 

每个行业都需要人。


以短期的收入来判断职业发展方向,我觉得首先对社会来说也是一个不好的现象。

 

在职业选择上,我觉得有两点比较重要。

 

第一点,你要发现并肯定自己的兴趣,但这个“兴趣”不是你喜欢玩什么东西,而是能够在这里发挥出价值,并且愿意花时间去研究的内容。


这是职业选择的基础。这一点决定了你能不能投入到工作里去。

 

第二点,对行业的专注度要足够深。无论你在行业里做什么样的角色,你要沉下心,花更长时间学习和储备。

 

640?wx_fmt=png

换行业风险极大

可以尝试行业里的不同工种

 

以我个人经历来说,我已经成为一个公司的中层管理者,并且对手头的工作相对游刃有余。


这个行业接下来可能会有什么变化,或者趋势应该往什么方向走?我不能100%有把握,但至少能够把握30~50%。


这更多来自于之前的工作经验和积累。

 

刚开始工作时,我对行业的了解很片面,我只了解我所做的这部分,并且能够把它做好。

 

我从IT的期刊《计算机世界》出来后,进入一家互联网创业公司,是四个大学同学一起做的。

 

他们做一套监播系统,可以监测用户量,监测媒体流量之类的,还可以管理媒体内容发布和广告。


后来,这家公司从IT系统公司变成了一个互联网传媒广告公司。

 

那时只有文字广告,还都没有图文。客户还有点怀疑,他问,有多少人在用互联网?他们能看到吗?对我帮助有多大?

 

我是销售支撑部门,会直面客户,我们至少花了五六年时间教育市场。

 

发展几年之后,我了解了行业里不同角色之间的一些关联,知道他们一些具体的职能或是工作内容,但这还远远不够。

 

更深层次的价值点在哪,只有真正去参与过,才能够了解。


640?wx_fmt=jpeg


此时,我会切换成其他角色,让自己从不同维度更深入地去了解这个行业。

 

当从一个基础的执行者,逐渐变成中层或以上的管理人员之后,你会发现,管理岗位更需要你的复合性知识。

 

你不仅要了解手下的职员目前在做的事情;更多时候,你要把行业里好的东西,从更多维度与现目前的工作结合,让它变成一件可以朝着更好方向发展的事情。


这就是所谓的“策略”。

 

这首先需要你对行业有深刻的了解和认知,这不是一两年能够达到的。


因此,不要轻易地跨行业,这会对你的前期积累造成极大的浪费。

 

你可以尝试同一行业里的不同工种。以市场营销为例,你可以尝试品牌传播,内容营销,或专注于媒体投放。

 

640?wx_fmt=png

从执行者晋升到管理者

最好的办法是做事情


在互联网这样快速发展和调整的行业当中,公司的高级管理者或者老板需要不断有新想法,或是要对业务进行调整。


这时就需要一些对行业有更深入了解的人来提供帮助。

 

一方面,你自己要在行业里成长,不断学习,在不同角色的切换中发现更多行业的问题和机会。

 

另一方面,把你从基层开始做的具体的角色、非常细致的工作经验,转化成对业务和公司发展更有价值的新想法。

 

从产品维度,或是市场维度、公司经营管理,提出一些更好的建议和办法,可以是关于业务的,也可以是关于人的。

 

互联网行业里讲求两件事,一是速度,二是人。我在做管理之后,基本上也更多帮公司做这两部分。


640?wx_fmt=jpeg


“速度”是你对于业务的判断。如何去决断,这件事情是不是能做,什么时候做,以多快的方式去做。

 

“人”是指,这个业务需要什么样的人,这些人要具备什么样的能力,能够做到什么样的事情。

 

你会逐渐超综合性发展,学会如何将人、事、领导很好地衔接起来,并且让不同人可以在一个体系内高效地工作,融洽地相处。

 

我觉得最好的办法是做事情,把事情做好。在这当中,我会接触更多人,大家交流经验。


转变到管理角色时,更多的是如何利用好这些资源和人,以及更好地把控和优化人和事情。


640?wx_fmt=png

人脉应该分两条线

不要局限于同行业

 

在成长过程当中,你需要建立资源圈,或是所谓的人脉圈,有效提升在这两件事情上的效率和能力。

 

社交范围会分为两条,一条是资源线,另一条线是专业线。


640?wx_fmt=jpeg


资源线,可以不局限于行业内。你可以去参与很多行业或非行业的会议,沙龙,交流会等,以及你日常的朋友社交关系。

 

专业线,就是你所做的事情和方向,需要哪些能力和技巧去实现,找到在这些点上能够真正给到你建议,或者已经做出一些成绩的人。你需要有策略地发展这些人士,因为你要很好地理解专业领域。

 

640?wx_fmt=png

复盘是最重要的一种能力

是“革新者”区别于“追随者”的关键因素

 

所谓学习,其实主要涉及的是未知的领域。

 

举个例子。我原来一个同事做下载类的软件,他发现有断点续传这样的技术,可以让你用同样的网速,下载一个文件的效率要比别人高五倍或者十倍。


他自己开发出来以后就发布到软件站上面。

 

突然,他发现有大量的用户都会去下载这个软件使用,峰值时,用户量超过8000万。


短短的4、5年的时间,他就从两、三个朋友一起弄,到现在这家公司差不多有一百多号人。

 

对我们从业者来说,这只是一个很普通的产品。但你如何去思考,再把它变成一个在下载中断点续传的东西,这是复盘能力决定的。


你能否总结出一件事的利好面和不好的方面,如何通过自己的能力,借助外部或是公司的能力,把问题解决掉。



640?wx_fmt=jpeg


互联网行业里,很多发展以及技术革新,一开始都来自一些非常不引人注目的点,来源于真实生活中的需求,并不是革命性的。

 

这个点来得非常少,可能不经意就忽略了,但如果你能够抓住这些微细的点,并不断分析这个需求的便捷度;


或是产品体验,或是满足在功能上更符合需求的产品,并把它提炼出来,就有可能把这些点变成有价值的产品或是思路。

 

拿微信来说,大多数人认为它在社交领域的地位已经不可撼动。但仍然有许多人尝试从一些小众需求切入,并且确实切下了一小块蛋糕。

 

这需要你的专业度,也需要你对行业有洞察力,才有可能在“复盘”中提炼出更多有价值的部分。

 

互联网如今变成了“基础设施”,大部分行业都会用到。


但实际上,你会发现各行业真正应用上的东西,需要极强专业领域知识支持。


640?wx_fmt=jpeg


我给大家的建议是,在自己的专业领域深挖洞、广积粮,早晚海阔凭鱼跃,天高任尔飞!(转自LinkedIn)

640?

1.突发!意外!华芯通公司将于4月30日关闭

2.深入分析MCU堆栈的作用,以及该如何设置堆栈大小

3.但见高通笑,哪闻英特尔哭?

4.放下偏见,原来嵌入式程序员如此“妖娆”!

5.嵌入式工程师的真情吐露:孤独,却有乐趣!

6.互联网中层员工为何尴尬?

640?wx_fmt=gif

免责声明:本文系网络转载,版权归原作者所有。如涉及作品版权问题,请与我们联系,我们将根据您提供的版权证明材料确认版权并支付稿酬或者删除内容。


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