为什么有些人加班累死还不如有些人轻轻松松赚钱多(转)

前言

最近一直在思考一个问题,为什么都是创业 都是做生意,

有些人轻松的赚钱,不怎么加班 没事度度假 打打球,(时间自由,财务自由)

有些人累死累活,天天朋友圈晒为了梦想加班,什么凌晨的淘宝城,马云的996去画饼(时间不自由,财务不自由)

 

为什么要加班和996

多年来我一直以为创业一定要勤奋,最好每天996
一天24小时贡献给公司或者理想上,
这种想法我想应该不只有我一个人这么想


随便看看朋友圈,这种图片什么的应该经常看到:

 

 

为什么创业

这个是之前12年博客园最火的故事,这是令我醍醐灌顶的一篇文章

关于为什么要去创业而不是打工相信很多人都看过这个故事:

从前,有两个和尚住在相邻的两座山的庙里,一个叫“一休”和尚,一个叫“二休”和尚。这两座山上都没有水,因此两个和尚都需要到山下面的一条小溪去挑水,才有水喝。他们经常会在挑水的时候遇到,因此久而久之两人便成为妤朋友。

  就这样,时间在每天挑水中不知不觉己经过了五年。有一天,二休像往常一样到小溪去挑水,发现一休竟然没有出现。二休想,一休和尚大概睡过头了。第二天,二休再去挑水,还是没有见到一休,过了一个星期,又过了一个月,一休还是没有出现。二休很担心,心想:“我的朋友可能生病了,我要去拜访一下他,看能帮上什么忙。”

  当他上山找到一休所在的庙宇,却发现一休和尚正在庙前打太极,一点都不像生了病的人。他吃惊地问:“一休,你已经一个月没有下山挑水了,为什么你没有挑水还有水喝?”一休笑着带他到寺庙的后院,指着一口井说:“这五年来,我每天挑完水,完成功课之后,都会利用零碎的时间来挖井,即使有时候很忙,也会挖多少算多少。现在我已经挖好一口井,井水源源不断地涌出,从今以后我再也不用下山挑水了!我还可以省下许多时间来做我自己喜欢做的事情,比如说练我最喜欢的太极拳,哈哈!”

  因此,一休从此不用再辛苦劳累花时间去挑水了,而二休却依然每天都要下山,没得休息。这就是“一不做二不休”的由来。

  聪明的人,总是知道利用闲暇的时间,来帮自己找到一份持续的收入,或者是发展自己另一方面的实力,以让人生获得持久的财富来源和成功。每一个商务时代,都会锻造一大批富翁,而每一个富翁的锻造都是当别人不明白时,他默默地在做什么;当别人不理解时,他理解他自己在做什么!所以当别人明白时他已经成功了,当别人理解时他已经富有了!

  做挖井人还是挑水人,都是由自己决定的。在你还没有井之前,挑水可以保证你眼前的所需,但如果有长远的目光,有智慧的头脑,就会想到挖一口属于自己的财富之井,才是真正的财富源流。当然,在挑水的同时去挖井,注定要比只顾挑水的人更加辛苦劳累,付出更多的努力。然而,当你成功地挖得一口好井,它将给你和你的家庭一生丰厚的回报!

 

这个文章告诉我们:要挖一口自己的井,修建一条自己的管道,可以躺着赚钱

可以实现:财务自由,时间自由

 

但是当我们走入创业之路的时候,又发现进去一个怪圈

 

创业第一年:

好像比打工更辛苦,这时候我们会安慰自己

,我们在挖管道的路上,以后就会躺着赚钱啦,
所以我要更辛苦更拼命

创业第三年:

卧槽 为什么管道还没有挖成,

感觉自己努力辛苦没有质的飞跃,只不过进步一点点,但是感觉每周都像打一场硬仗一样,

走每一步都很艰难,看看有些人创业 尼玛轻轻松松的 看起来比自己赚的还多,

这个时候想起雷军的一句话:不要用战术上的勤奋掩盖战略上的懒惰

 

生意和生意的差距在哪

是的,这个时候我们一定要思考一下商业的本质

只是个人的浅显思考,抛砖引玉

 

好多年前我一直有一个感觉

如果赚50万 靠自己或者夫妻档可以实现
如果赚百万以上 至少要几十个员工吧
如果赚千万以上 起码上百个员工吧


但是最近发现2个老板,让自己三观尽毁

老板A
某经销商,只靠自己和老婆2个人卖货
年收入在4-5百万,如果折算年薪的话 将近200+万/年,
估计可以秒杀大部分白领阶级,和小创业公司

老板B
传统行业,只有十几个员工,工人的工资真低啊 才三四千,每天准点上下班,从不加班
老板一年几千万的利润,是的,你没有看错!!!

人家赚的比你多就算了,关键人家还很轻松,起码不像你一样天天996的折腾

同样是创业 做生意,差价咋就那么大呢?


商业的本质是什么

1:高利润


一种是成本低,还有一种毛利高
集中在:蓝海或者行政垄断行业

比较适合小团体操作

2:刚需


高度契合市场需求,解决市场刚性需求

3:小类目


蓝海行业,不是完成竞争行业,客户都可以稳定或者形成圈内口碑效应
,后期维护成本低

4:拥抱变化

永远跟着市场走,不要和生意谈恋爱

 

即使是创业 我们也要学会选择,不然有些创业项目真他妈的不如打工,

创业的目的无非就两个:

财务自由,时间自由

 

如果两个都不能满足,趁早转型

 

以上只是个人浅见,抛砖引玉罢了,欢迎各位讨论

转载于:https://www.cnblogs.com/ExMan/p/5570506.html

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