卓越与平庸之间,只隔一个"哈…

文章作者:刘勇
文章来源:世界经理人

如果你问一位领导:"你愿意任用比你表现更优秀的人吗?"相信每一位领导都会回答:"愿意"。但现实的情况是:大多数人都希望并会雇佣能力比自己差的人。

这就是南加州大学校长史蒂文B•桑普尔在《卓越领导的思维方式》中提到的"哈利规则",意思是人们总会雇佣不高于自己能力的人。

按照哈利规则,如果一个人的综合能力为99%,那么他会雇佣相当于自己能力99%得人——即:综合能力的绝对值只有98%。也就是说,如果一个企业的最高层领导者是具备99%能力的人,那么企业中第四层雇员的能力绝对值将是不低于92%的人。

但是,如果最高领导者的综合能力只有90%。根据哈利的规则,他将雇佣相当于自己能力90%的人——即:这些人的绝对能力为81%。而这些绝对能力为81%的人所雇用的人,其绝对能力为66%,因此,企业第四层雇员的综合能力绝对值只有43%。

就如同"彼得原理"一样,哈利规则同样揭示我们不愿意看到的一种现象:是我们自己阻碍了我们自己的成长。

而且,我们很多人都难以摆脱这一规则,即使意识到这一点,也难以摆脱。或者说,我们在用人上都面临"一道坎",迈过去了你就会走向卓越,迈不过去,你只能接受平庸。

难以摆脱的"哈利规则"

实际上,在很多人身上,也包括我自己都或多或少地存在着这样那样的"哈利现象",比如阻碍或忽视下属的表现,任用一些自己喜欢的人等等。为什么会出现这样的现象呢?我认为主要有以下两个方面的原因:

一是相似性在作怪。人们都喜欢与自己相似的人,排斥与自己不相似的人,在他们看来,喜欢比能力更重要。如果有人提出疑义,他们就会说"德比才更重要",我们需要有能力的人,但我们更需要有德性的人。

不相似,就是德性还不够,很多表现优秀的人才就是这样被踢出局的。但是,能够比我们表现更优秀的人往往都是与我们不相似的人,甚至是我们所讨厌的人,我们需要的是包容,而不是相似。

二是虚荣心在作怪。人们往往接受不了他人比自己更优秀,特别是下属比自己更优秀,这会让自己很难堪。担心"能力出众"的下属会让自己相形见绌,甚至会影响自己的前程和发展。这在等级森严的组织中尤其显得突出,比如在国企。

总觉得自己是最优秀的,下属有什么表现,就是在和自己做对,许多人三缄其口就是不想为自己惹麻烦。但实际上,下属不"出众",做上司的也无法"出众",没有得力的下属,我们恐怕做什么事也会力不从心,虚荣心阻碍了我们前进的步伐。

"
哈利规则"就是领导生涯中的一道坎

一个人的成功并不在于自己的表现如何,而在于他人的表现如何,只有充分地发挥了他人的优势,整体的效力才能够得到最大的发挥,我们也才有可能在与他人的竞争中获得优势,取得成功。这似乎是一个非常显然的道理,但我们往往就输在这里。

有很多人,特别是那些高高在上的领导们,觉得自己是一个人物,有权威,有能力,似乎没有成不了的事,但做起事来,总是感觉力所不能及,下面的人不给力,左右的人也不给力,就是因为不能避开这个哈利规则,在潜意识里不自觉地排斥那些比自己更聪明更有学识的人才。

我曾经仔细观察过一些领导者,有的人很聪明,人际关系经营的也不错;也很有能力,专业知识也很强,精力旺盛、雄心勃勃,年经轻轻就走上了领导岗位,按说应该有很好的发展,可总是走到"半程"就停止了,再也很难往前迈进了,有的甚至开始走下坡路。

当然,这里面的原因有很多,但主要的一条原因是"哈利规则"在作怪,不能尊重和任用一些比自己更有水平和能力的人。而且他们在日常的工作中总是想法设法"打压"一些人,限制一些人的表现,从不把他人放在眼里,处处表现自己"卓越的领导才能",如此以来,下属的主动性和积极性都消磨殆尽了

可以说,哈利规则就是每个领导者生涯中的一道坎,有的人迈过去,成就了卓越,有的人没有迈过去,只能忍受平庸。
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
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