站在马云身后的“铁娘子”们

阿里巴巴有18位联合创始人,戏称“十八罗汉”,在“十八罗汉”中,女性占了三分之一。

有一次,马云谈到了阿里巴巴成功的秘诀,他说是因为阿里49%的员工是女性,并且女性高管占到了30%。后来阿里实行合伙人制度,也保留了相似的比例。

在目前阿里巴巴最新公布的38名合伙人中,阿里巴巴副总裁宋洁成为了新晋的第13位女性合伙人。

而阿里合伙人中女性的占比也超过了34%,现将她们总结如下:

站在马云身后的“铁娘子”们

阿里的女性合伙人和男性合伙人不太一样,13人中有一大半(7人)是2000年也就是阿里初创时期加入阿里的。

例如彭蕾、戴珊、蒋芳这三位99年加入的元老,还是曾经的阿里十八罗汉。

另外,还有几位合伙人是04-05年加入的,当时也是阿里发展的一个重要时间点,因为在2004年2月,阿里巴巴集团融资8200万美元,成为当时中国互联网届最大规模的私募融资。

到了2007年阿里巴巴在香港联交所上市,此时有两位女合伙人进入了阿里。可以说,女性合伙人们,都选择了在阿里的每个“关键时刻”加入。

而从工作职责上看,阿里女合伙人多在财务、人力、企业文化、内部控制、文娱等管理岗位上释放着光和热,今天,先来介绍四位“阿里女将”。

你不知道的前台小妹童文红

提起童文红,她的身影经常出现在成功学和鸡汤文里,常见的描述是“前台小妹逆袭成亿万富豪和阿里合伙人”。

但少被提及的是,童文红其实毕业于浙江大学,自己的学习能力非常强,不然你以为合伙人是好当的?

站在马云身后的“铁娘子”们

故事的开始是这样的,2000年,童文红刚坐完月子,打着雨伞骑着单车四处找工作。

误打误撞到了阿里,她两次面试的结果,本来应聘的岗位是行政助理,却“不幸”被安排到了前台,入职一个星期,甚至想过辞职。说实话,就现在来看,浙大的毕业生去做前台大家也会觉得有点“埋没”不是?

但由于业务不熟,童文红刚来公司常和同事发生摩擦,就连马云也训斥过她。

有一天,一位客人来阿里,指名找马云谈点事情。童文红按照流程请这个人登记一下信息,没想到却惹恼了他,他认为没有受到尊重,当场就要走。

马云听到声音后赶过来,操着一口杭州普通话把她训了一顿。她觉得自己并没有做错什么,只是按照制度来办事,委屈极了。

这样的职场开端实在不如人意,没过多久,她就向彭蕾提出了辞职,当然,彭蕾没有同意。

童文红留下来后对自己作了一番总结,从此之后在前台岗位上展现出惊人的能力。

她会把沪杭的铁路车次时间表发给常去上海出差的同事;夏天到了会主动安排咖啡吧进一些冷饮;帮一直打电话找客服的客户解答疑问……

直到后来,童文红在行政中搞的有声有色,并且在行政工作中学会了控制项目的进度和质量。

在担任行政主管期间,童文红打了两场硬仗:

第一场是当年马云要装修办公室,装修行业的灰色利益很高,但面对装修公司和建材商的重金利诱和一包一包的礼品,童文红从没心动过。

她不仅自己不下水,还对团队中贪腐的成员严查到底,把所有浑水摸鱼的人都揪了出来。

最后装修公司都怕:“这个女人太精明了!”

第二场硬仗是当年的非典。马云当机立断,安排员工同步隔离,抵抗非典。实施隔离后,作为行政部负责人,童文红不但要和领导沟通、汇报,还要和保安联络,安装紧急疏散设备、安慰并照顾部门发烧的人,统筹协调保证每一位被隔离员工能按时得到食物和水。

在这两场硬仗后,童文红先后担任了集团客服、人力资源等部门的管理工作,后来又执掌菜鸟,到现在的首席人力官。

站在马云身后的“铁娘子”们

在阿里巴巴的员工眼里,童文红是一个“气场强大、很真实”的女强人。

 

阿里双姝

财富杂志曾将彭蕾与武卫并称“阿里双姝”,“是公司的顶级女明星,并拥有广泛的影响力”,而且这两人都是财务专家。

 

站在马云身后的“铁娘子”们

彭蕾是阿里工号为7的创始人,被誉为马云的“左膀右臂”,是第一个陪马云去酒店跟投资人谈判的见证者,也是与马云并肩作战20余年的战友。

彭蕾从浙江工商大学毕业后,在浙江财经学院当了5年的经济学讲师,这份体面的工作让很多人羡慕,收入稳定,压力不大。

1997年,彭蕾与同系师兄孙彤宇(十八罗汉之一)相爱,而孙彤宇当时则狂热地追随着马云要进京创业。

所以彭蕾便毅然辞职,心甘情愿地追随丈夫上了马云的“贼船”。

放到现在,创业公司这么多,也没人有把自己安稳工作说辞就辞的勇气,可见当年彭蕾的勇气有多大。

阿里创业之初,彭蕾要管钱、管人、管市场,但本是财务出身的彭蕾,其实在阿里最大的成就在“管人”上。

据说马云有点什么想法,她就得想方设法实现。

据说,当时马云经常提什么“独孤九剑”、“六脉神剑”这样的怪词,听起来头头是道,做起来谁也不知道什么鬼。

没办法,彭蕾只能一条条琢磨着变具体、落地实现,例如“六脉神剑”中说要“团队合作”,彭蕾就规定为:有意见开会说,开完会埋头干,免得当面没意见,背后牢骚多。

站在马云身后的“铁娘子”们

如果说马云是组织的高手,彭蕾则是组织中最核心的灵魂设计者。

曾经在猎头圈一直流传着这样一段话:阿里的人最难挖,不认同的早跑了,剩下的都是死忠粉。而这种超强的认同感,与彭蕾卓越的管理不无关系。

而武卫则是一个在阿里将财务工作践行到底的女人,先看一下武卫的简历:

首都经济贸易大学会计学学士学位,手持ACCA和CPA。大学毕业后加入了毕马威北京分所,毕马威会计师事务所工作近15年,比在阿里的工作时间还长。

有位做审计的财友说,在毕马威这种高强度、高要求的四大做十五年,可见武卫本身就有很强的专业素质和很好的自我控制能力。

作为毕马威的合伙人,武卫曾为摩托罗拉、西门子等大型外商投资企业以及中国石化等提供审计及咨询服务。

过硬的专业能力和高效的工作业绩使她在圈内小有名气,机缘巧合之下,她于2007年7月加入了阿里,和张勇刚好是前后脚。

进入阿里巴巴的第一年,武卫参与了阿里B2B子公司赴港上市工作;此后,她又在2012年参与主持了该上市子公司的私有化进程。

站在马云身后的“铁娘子”们

阿里B2B上市时蔡崇信、马云、卫哲、武卫

2013年5月,阿里巴巴集团CFO蔡崇信出任集团董事局执行副主席,武卫正式接任阿里巴巴集团首席财务官职位。

其实比起彭蕾来说,武卫更加低调,携程的首席运营官孙洁曾经在20世纪90年代中期与武卫在毕马威位于硅谷的办公室里共事。

她说,当时年轻的武卫就已经渴望收集雅虎、网景等新兴公司的财务战略。每当她们一起去客户的办公室时,武卫总是急着学习和比较差异。

对比一下屏幕前做审计的你,是不是去了客户那里总是急着问中午吃什么呢?

所以说,这两位财务女将,是既具有过人的胆识,又具有不断学习的精神,另外还具有过硬的专业知识。

 

真正的逆袭

如果说到逆袭,其实童文红还不算逆袭,十八罗汉中的蒋芳才是真的逆袭,有人评价她:“从一个默默无闻的农村女孩到震撼阿里”。

马云大学毕业后,被分配到杭州电子工业学院教英语,在杭电的第一堂课,蒋芳见到了一个其貌不扬英语老师——马云。

之后,来自绵阳的农村女孩蒋芳大学也没什么突出表现,各方各面都非常平庸。

直到1996年,马云自己创业去杭电招聘,这是蒋芳面临毕业,她记起了当时那个饱含激情的讲课的英语老师,所以加入了马老师的队伍。

有人说,这步棋是蒋芳命运转折的关键,她无论如何也想不到,20年后她能身家数亿。

当时,马云在北京倒腾黄页失败了,大家要回杭州大本营了,1998年平安夜,蒋芳和马云夫人张瑛坐了一夜火车,从北京回到杭州。

站在马云身后的“铁娘子”们

因为打不起的士,她们提着几个大箱子,转了两趟公交车,最后来到湖畔花园马云的家。

第二天,蒋芳去跳蚤市场买电脑桌。买完后,送货三轮嫌地方远,要收6块钱送货费,被蒋芳一口拒绝。

她后来回忆说:“我们苦口婆心地扯了半小时,最后免费给我们送,可高兴了。”

紧接着,蒋芳又去门口买扫把、窗帘、最便宜的地毯,去电信开通上网,忙的时候,整天都在小跑。

所以,有时候打杂并不重要,重要的是给谁打杂。

蒋芳个子小人又瘦,但在她人畜无害的外表下,掩藏了一颗非常较真的心。

而在阿里,她也被认为是“唯一敢拆马云台的人”。正是因为这份无所畏惧,2010年底,她被调到了中供(中国供应商)。

中供这个部门很牛,它被称为“中供铁军”,人才非常多,滴滴CEO程维、美团COO干嘉伟、大众点评COO吕广渝、去哪儿网COO张强,赶集网COO陈国环等等,都出自中供。

它曾经还被称为阿里“现金奶牛”,每天都有上百亿的现金流,也因此它成为阿里水最深的一块业务。

站在马云身后的“铁娘子”们

把蒋芳调到中供,意味着马云对她的充分信任。

蒋芳的大公无私、如同一道屏障,即使是老板兼老师的马云,也迈不过去,曾经“马云挥泪斩卫哲”的故事就发生在这里。

之后,“大到上亿的项目,小到几盒月饼的好处,都逃不过她的法眼。

从此,蒋芳被阿里内部视为防腐“铁娘子”、“带刀锦衣卫”。在蒋芳的带领下,阿里内部慢慢地养成了良好的风气。

“带刀侍卫”蒋芳的经历,真正是在阿里中的“逆袭”。任劳任怨,不计较个人的得失,用时间换取成长,以忠诚赢得信任和尊重。

监督着、缔造着阿里企业文化的蒋芳曾在采访中,用一句表达了自己的态度。

前半句:企业文化非常关键;

后半句:要有牺牲的精神投入在企业文化的建设上。

“企业文化不是甜点,是正餐。花时间和经历只是付出这不够,你应该为此剧烈痛苦。”

蒋芳笑了笑又补充道:“如果你怕疼,可以先从小的牺牲开始。

财友们看完了这四位阿里女将的故事,你有什么感想呢?

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