领导误解了你,批评了你,请务必用上这个锦囊。

 

前天因为某件事,我批评了一位员工。他感到很委屈,给我发了一长段微信内容,解释这件事。后来好像感觉没解释清楚,又补充了一大段。

 

事情很简单,提交的报表出错了。他只是负责收集,也没太注意EXCEL中有些公式不正确。造成计算有误。

 

我们在职场中经常会遇到这样的事情,遇到这个事被上司批评时,总会感觉领导目光狭隘,冤枉自己。不了解真实情况就随便批评,让人难以承受。

 

其实这反映了一个共性的问题,就是认为证明自己做得没错更重要。

 

比如我们写的方案请求专家们评审,别人对具体的细节发表意见,我们很自然地反驳和解释,其实就是为了说明这个方案的思路是正确的,而对方没认真了解就发表评论。

 

又如与客户谈论需求。客户认为我们做的不行。我们就会不厌其烦的试图证明我们产品用到了多么先进的技术或多么广泛的开源框架。

 

再如上司说你对某个过错有责任,你会感到很委屈,可能事情本来就不是自己的责任,却无故躺枪,为了证明自己的清白,会不断地解说这事与自己无关。

 

发生以上现象,是因为我们忽略了一个重要的问题。沟通的目的是什么?

 

沟通是为了证明自己做的正确,还是为了达成一个共识或某个诉求?

 

我们让专家评审的目的是为了让这个方案更完善,而不是为了辩论方案的对与错。

 

我们跟领导沟通的目的,是让领导相信我们值得信任,值得培养,可以担当重任,而不是让领导顺从我们的观点和判断。

 

那么,我们可以体会,努力试图说服对方,是否能达成自己的目标?

 

对于上述场景,我们这样做是不是会更好一些:

 

方案评审会上,其它同事或专家提出意见时,我们要做的就是倾听,认真把大家的意见记下来。梳理多方的共同认知,大家的意见基本上代表着总体的看法。

 

这时自己再针对问题进行解释说明,并进行持续深入讨论,方案不完善的,会后可以再修改。把共性的问题解决掉,这样方案才会全面。从而达成自己本次沟通的目的。

 

针对客户提的要求。我们先站在对方的位置考虑这个问题。想想这个问题的核心点是什么。

 

比如客户要求把“提交”按钮放置在屏幕中间,其实是想简化操作员的点击次数。

 

了解客户的诉求,一起把系统做好。如果实在难以实现,是否可以考虑其它的辅助手段,简化操作。

 

和客户沟通的最终目的肯定是把这个事情有效的解决掉。尽量避免争吵,控制住情绪。理性的沟通和解决问题。

 

 

领导上司批评了你,也可能他确实不了解实情,误解了你。自己也不必反复证明清白,就从自己角度出发,用全局的思维,写份逻辑清晰的事故报告,把这个事故产生的原因,存在的问题,以及解决思路,临时方案怎么处理,长期措施怎样执行等等都总结到位,同时对于属于自己的那份责任不推脱。另外,不属于自己的责任,主动承担又何妨。

 

领导都是聪明人,看了报告自己会明白。你可以不计较个人得失,勇于担当,你愿意承担其他同事的责任,报告写得深刻得体,领导为什么不器重你呢?

 

很多事情就是这样,你越急于证明自己没错,越容易和别人产生对抗,对抗的结果就是,各自觉得对方啥都不懂。

 

你达成诉求了么?你完成目标了么?

 

你本来有机会提高能力的,变成平庸之人了;你本来有机会做为优秀产品经理的,把客户给挤兑到竞争对手那里去了;你本来有机会升职的,变成背锅侠了。

 

我们在职场上,矛盾产生时,别总想着怼。怼人一时爽,结果误终身。多理性地考虑多方利益,达成一个共识或妥协,最终形成一个各方较为满意的结果。这才是我们更应该做的。

 

再次重复:沟通的目的是为了达成一种共识或某种诉求,这比证明自己没错更重要!

 

我打开《程序员生存指南》,把这个要点记录其中。 

 

* 作者简介:王不留(微信: wbliu85),早晨四点开启奔跑人生的一枚非典型程序员。

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 2
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