批评使人进步

我个人是一个心直口快的人,因此遇到有人一时脑袋转不过弯、反应不够快,或者做的事情真达不到我要求的时候,一旦心急,我会说“幼儿园水平”,“怎么这么真笨啊”之类的语言,甚至还有拍桌子的时候。有的同事可能觉得自尊心一下受了影响,丢了面子,怎么你可以这么说话呢?马上就闷闷不乐,而且还把不高兴写在脸上。

一方面,是我的问题,沟通技巧不够,表述的问题不够清楚,是我个人需要持续改进的地方。至于什么“幼儿园水平”,“笨啊”之类的词,那是口头禅而已,真不要太介意,心直口快更是性格,没法去改的。

但另外一方面,是被批评的人的心态有问题。如何正确对待批评,从我几十年的经验来看,有几点可以分享。

  1. 千万不能情绪化:公司里没有任何人,特别是职级比你高的,想真的侮辱你、贬低你,大家都是在讨论或解决一个具体问题。在涛思数据,如果我真对你不满意,早就请你走了,还用得着靠出格的语言逼你走?情绪化,对自己没有任何好处,能帮你多拿到订单?多拿到奖金?多拿到期权?唯一的结果,是自找难受。

  2. 多思考对方是否有道理:尤其是对于来自职级偏高的人的批评,一定要多想,确实是自己哪方面做错了,还是想的不对。因为职级越高的人,更了解公司或业务的全貌,而不是具体一个点,而且由于经验更多,早就趟过很多坑。实在想不明白,可以提出来你的疑惑,或事后单独沟通。

  3. 能受委屈:批评并不见得完全对,甚至完全错也有可能。你可以当场表明你的看法甚至在公司的confluence里记录下你的观点和事实,但真不用多辩解,觉得多难受。对和错,时间会告诉双方答案的。批评错的人,一旦意识到当时搞错了,他会用某种方式表达他的歉意的。

  4. 多想共同的目标:加入涛思数据,不是为挣工资来的,大家是奔着物联网大数据处理的未来而来的,大家是为打造一款极致的面向全球的底层软件而来的。如果真有一天,占全球数据总量90%的数据都是用TDengine来处理的,而你是贡献者之一,那是一个什么样的自豪感和成就感。无论你是研发、运营还是销售,甚至行政,只要想到这一点,那一切都会很坦然。

尊严、骨气都天生具有,何况我们都是名校毕业,海归、博士等等,但成熟的人只会把这些写在自己骨子里,而不是脸上、嘴上。尊严、骨气是靠实力挣回来的,拼出来的。对于公司而言,你多拿订单、多解决技术难题,或者完成任何一项在《涛思数据的管理模式》里列出的具有Impact的工作,为公司价值的提升做出贡献,你就可以多赢得团队的尊重,赢得客户、朋友的尊重,你才有展现你的尊严和骨气的可能。

我与李逊认识已经有20年,尤其在最近的一年,我们几乎天天电话,时刻微信,要是你们听我们的通话内容,你会发现,他总是在讲我那些方面做的不对,总在提醒我很多事情。当然,李逊也是一个很有沟通技巧的人,会帮我剖析问题,找到问题的答案。对于李逊的批评,我一点都没有觉得难受,从来没觉得丢了面子,而是力邀他加入我们团队,因为他的批评和建议对我个人、对整个公司的发展起了很大的作用,让我们少犯了很多错误。

“批评使人进步”,这句话永远都不会过时。

乔布斯老先生也有类似的观点,口号是“A 级人才的自尊心,不需要你呵护”,原始演讲的翻译节选:

与优秀自信的人合作,不用太在乎他们的自尊。大家心思都放在工作上,每个人负责一块很具体的任务。

如果他们的工作不合格,我想,你能替他们做的最重要的事,就是告诉他们哪里还不够好,而且要说得非常清楚,解释为什么,并清晰明了地提醒他们恢复工作状态,同时不能让对方怀疑你的权威性。

要用无可置疑的方式告诉他们,你的工作不合格。这很不容易,所以我总是采取最直截了当的方式。有些同事觉得这种方式很好,但有些人接受不了。我是那种只想成功,不在乎是非的人,所以无论我原来的想法多么顽固,只要反驳的人拿出可信的事实,5 分钟内我就会改变观点。

我就是这样,不怕犯错。我经常承认错误,没什么大不了的,我只在乎结果。如果你给和我共事过的人做访谈,那些真正杰出的人,会觉得这个方法对他们有益,不过有些人很痛恨这种方法,有些人无法长时间忍受这样的工作。但没人否认,那是他们人生中最难忘、也最珍贵的经历。

陶建辉

2019年12月19日于成都出差途中


点击阅读原文,下载开源的TDengine!

智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
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 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