另眼来看《把信送给加西亚》

这本书非常流行,很多老板买来给自己的员工看,甚至政府领导买来给职员来看,非常直接也很明显,希望员工或职员能够象送信的罗文那样,如同这个网站:http://218.31.148.126/Article/special.asp?sid=1上所列的读后感。

在我自己的体会中,事情却并不如此,是大多数人忽视了?还是被舆论误导了?

罗文,做为一个送信的战士,有他可取的一些品质,然而个人认为,这样的好战士很多,他们在很多的任务中都表现出这样的品质,忠诚和责任,克服各种艰难和困苦,最终完成了几乎不可能完成的任务。

问题也许不在这里,逐一分析如下:

  1. 罗文在接到送信任务的时候,没有多问,这被认为是一个优秀品质,很多老板或领导便不加分析地认为他的员工应该象这样,不用问就可以把事情做好了。但是,送信这件事本身的描述并不复杂,同时总统所知道的也很少,罗文没什么可问的,如果换作其他的事情,我想罗文该问的还是会问的。没有多问的原因是总统已经告诉了所有他所知道的事情,并且说明这件事的重要性,同时罗文与总统的默契也到了一定的程度,当然没有什么好问的。
  2. 罗文在整个送信过程中,独立完成,克服了各种艰难险阻,那一切全因为当时的客观条件不允许,其他人员无法帮忙完成,而现今的许多情况并没那般险峻,其他人为什么要袖手旁观呢?即便是需要一个人完成的任务,我想找对人也许更重要,总统也是听到有人非常肯定地推荐——“如果有一个人能把信送到加西亚手中,那人一定是罗文。”,而不是随便抓来个人就把信交给他,然后期待奇迹的发生。
  3. 罗文将信送给加西亚之后,被授予杰出军人勋章,得到了非常高的荣誉和嘉奖,这也是一个值得反思的地方。很多时候老板或领导在检查某个员工克服各种困难独立完成的任务时,可以听到的是更多的问题:“你怎么这么晚才把信送来?”,“怎么信都被你弄皱了”,“怎么没走西边的路线?这样暴露了目标你能负责吗?”,“为什么在路上没把敌人的那个碉堡炸了?我没说?我没说你就不会做啊?”,“谁让你送这封信了?什么?我给错了?你不会检查一下啊?”……
  4. 假如罗文没有将信送到加西亚的手中,我想总统也会有另一套后备的方案,信的送到只是更快地提前达到预想的目标,总统不会把整个战争的胜利完全寄望于一个人或一封信的送达。同时,即使没有送达,我想总统也不会因此而责难罗文,因为这一切都已是考虑到的情况。老板或领导们在员工没能完成任务的时候所能做的事情,恐怕我就不用再形容了。

 

顺便给大家看一篇更为极端的反对文章:

http://www.ee-studio.com/drupal/node/375/print

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
健身国际俱乐部系统是一种专为健身俱乐部设计的管理软件,它通过集成多种功能来提高俱乐部的运营效率和服务质量。这类系统通常包含以下几个核心模块: 1. **会员管理**:系统能够记录会员的基本息、会籍状态、健身历史和偏好,以及会员卡的使用情况。通过会员管理,俱乐部可以更好地了解会员需求,提供个性化服务,并提高会员满意度和忠诚度。 2. **课程预约**:会员可以通过系统预约健身课程,系统会提供课程时间、教练、地点等详细息,并允许会员根据个人时间表进行预约。这有助于俱乐部合理安排课程,避免资源浪费。 3. **教练管理**:系统可以管理教练的个人息、课程安排、会员反馈等,帮助俱乐部评估教练表现,优化教练团队。 4. **财务管理**:包括会员卡销售、课程费用、私教费用等财务活动的记录和管理,确保俱乐部的财务透明度和准确性。 5. **库存管理**:对于俱乐部内的商品销售,如健身装备、营养补充品等,系统能够进行库存管理,包括进货、销售、库存盘点等。 6. **数据分析**:系统能够收集和分析会员活动数据,为俱乐部提供业务洞察,帮助俱乐部制定更有效的营销策略和业务决策。 7. **在线互动**:一些系统还提供在线平台,让会员可以查看课程、预约私教、参与社区讨论等,增强会员之间的互动和俱乐部的社区感。 8. **移动应用**:随着移动设备的普及,一些健身俱乐部系统还提供移动应用,方便会员随时随地管理自己的健身计划。 9. **安全性**:系统会确保所有会员息的安全,采取适当的数据加密和安全措施,保护会员隐私。 10. **可扩展性**:随着俱乐部业务的扩展,系统应该能够轻松添加新的功能和服务,以适应不断变化的市场需求。 健身国际俱乐部系统的选择和实施,需要考虑俱乐部的具体需求、预算和技术能力,以确保系统能够有效地支持俱乐部的运营和发展。通过这些系统的实施,健身俱乐部能够提供更加专业和高效的服务,吸引和保留更多的会员,从而在竞争激烈的
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