为什么应对危机,企业倒闭比裁员好,裁员比降薪好?

点击上方 "程序员小乐"关注, 星标或置顶一起成长

每天凌晨00点00分, 第一时间与你相约

每日英文

If someone hurts you, please continue good good, to enjoy life, hurt the same. One day, that person will be sorry to miss you.

如果有人伤害了你,请一如既往的善良美好,好好享受生活享受爱情,就像没受过伤一样。终有一天那个人会后悔错过你。

每日掏心

面对嘲笑,总要努力一下,就算破茧变不成蝴蝶,也要变成幺蛾子晃花那些人的眼。

责编:乐乐

程序员小乐(ID:study_tech)第 808 次推文   图片来自百度

往日回顾:最全最强解析:支付宝系统架构内部剖析(架构图)

     

   正文   

疫情过后,大部分公司将面临三大困难

1、3月份的工资还能正常发吗?

今年过年是1月底,比往年早,大部分公司1月中旬一过,业务就渐渐停下来,只有催收账款的工作更忙了,老板们年前最后几天的一项重要任务就是在银行停止结算之前,让账上有足够发2月份工资的钱。

钱只有流动起来,才能带利润,所以老板也不会让太多的钱趴在账户上不动。至少保证两个月的工资、少量货款和其他费用,这是流动资金安全的底限。

不过对于普通员工而言,按月拿工资是天经地义,才不管什么春节不春节的,所以不管业务受到多大的影响,大部分公司2月份工资还是没问题的。

但3月份的发工资日,可能让很多公司陷入两难。

除了少数资金链绷得紧的公司,大部分公司虽然发工资的钱还是有的,但这其中一部分是备料的钱,只是上游开工不足,没有花掉。

更糟糕的是,下游的需求不知道什么时候能恢复,所以货款也不知道什么时候才能到账。

如果三月份工资如数照发,可公司上下游整个产业链复工率到了3月中旬还不能恢复到八成以上,4月份就真得没钱发工资了。

所以,三月份的工资,很多公司开始跟员工商量降薪,或延迟发工资。

普通员工没有什么财务知识,不知道销售收入和现金流的区别,可能完全想不通,公司去年不是还赚了好几个亿吗?年终奖都是一个个的大红包,怎么才一个月,就好像要倒闭了一样,连工资都发不出来?难道是老板故意哭穷,坑我们一把?

平时我们只要把自己的一亩三分地搞好,就万事大吉,升职加薪,但在这种关键时期,我们还是要知道,疫情对一家普通的公司到底意味着什么?未来还有什么更大的困难等着我们?

2、老板将面对的三大问题

即便疫情以最乐观的时间结束,2020年的上半年甚至全年,中小企业的老板们仍将面对三大问题,如果这三道槛过不去,好好的企业就会突然死亡。

而工资发不出来,正是其中的第一个问题。

在企业的各种经营支出中,工资是最刚性的,供应商的货款可以拖,但如果工资发不出来(指正常情况下,别的公司都好好的),人心就散了,业务就没法做了。所以企业一般不到山穷水尽,不会拖欠工资。

但这次的情况特殊,大环境如此,很多企业并不是账上真的没钱,而是不敢发,因为更大的困难还在后面。

老板可能面对的第二个问题,是可能出现的下游的坏账风险和上游的供货风险。

虽然国家已经出了一堆减负政策,但必然有一批企业是活不到疫情结束的,这些企业在2018-19年的去杠杆或贸易战中严重受伤,本来就在靠融资苦苦支撑,而疫情直接断绝了最后的希望。

问题在于,这些本来应该在今后一两年内陆陆续续倒闭的企业,因为疫情,集中在三个月内突然死亡,会产生连锁债务危机,上游企业因为下游企业倒闭,而发生资金链断裂,下游因为上游倒闭而出现供应链危机。

更重要的是,春节本是消费旺季,往年的资金流是这样的:年前企业的钱大规模转移到居民手中,而过年时,居民把钱通过消费再大规模转化为企业存款。但是因为疫情,现在大量的钱还是压在居民手里(顺带拉了一波股市小牛市),导致实体经济缺血。虽然国家大量释放流动性,但这些钱短期内到不了企业手里,企业更不敢用钱。

那么,疫情过后,这些钱还是要消费的,再到企业手里,是不是问题就解决了呢?

但更有可能,这些钱暂时就不消费了。

这就是第三个问题,也是最最严重的问题:收入增长预期变差,导致消费需求的下降。

朋友圈里有一份来历不明的阿里电商内部数据,说疫情期间,30-40岁的中产消费受到极大的影响,类似高档化妆品、欧洲游预定等典型的中产消费断崖式下降。

真假我不知道,就不贴出来了,但逻辑上非常合理。

可选消费与收入预期的关系,大于绝对收入本身。如果收入预期好,就算手里没现金,也会刷卡消费。反之,收入预期变差,就算手里一大把现金。也不敢花。

而收入预期变差的罪魁祸首,正是降薪。

大规模的降薪缓发薪,影响最大的就是中高层管理者,而且这些人对公司经营更了解,危机意识更强。他们又是房贷的最大承受者,从而降低消费欲望,未来几个月将持续影响汽车、手机、家电、高端化妆品、旅游、餐饮、娱乐等可选消费品的支出。

为了预防未来的风险而降薪,结果反而导致消费需求下降,真的把风险给招来了,这就是把以往经济萧条的恶性循环“企业效益不好——预期收入下降——消费下降——企业效益更加不好”,按了5倍快进。

这三大问题,注定2020年会非常艰难。

当然,国家不可能坐视不管,毕竟刺激经济是老任务了,总比防疫要轻车熟路得多吧。国家会有哪些对策呢?

3、倒闭?裁员?降薪?

先不谈国家的政策,其实我认为如果纯粹从经济学角度出发的话,让企业倒闭比裁员好,让企业裁员比降薪好。

上策是放手让一批本来就不行了的小企业倒闭,国家加强失业救济,这是最快的疗伤方法。

从消费的角度看,短期失业对消费的负面影响,跟降薪差不多,都是对未来没信心,降低可选消费预算。

虽然短期会冲击经济,但产能快速出清,生意才能早日转到活下来的企业,让这些企业早点扩张招人,消费就可以早日提振,这个就叫“空间换时间”。

当然,任何理智的政府都不会接受这种”休克疗法“,它造成的失业潮,可能让政府陷入信任危机。

所以,中策是放手让活得一般的企业裁员,同样,国家也要加强失业救济

道理其实是一样的,裁员必然带来产能的缩减,就是供给减少,相当于“倒闭”的效果。

从企业的层面看,同样也是裁员比降薪更好。

裁员是优化人员结构,优胜劣汰,是企业的一次重生;而降薪,表面上是同甘共苦,实际上很容易伤害有能力的员工,造成日后人才流失的后遗症。

而且,降薪还有道义上的问题。今天,遇到天灾,企业都跟员工说我们要全员降薪,要共度难关,大家想想也无Fuck可说。但本来是一个简单的劳务关系,你今天搞得那么煽情,你明天还怎么跟别人讲规则?

不过,倒闭、裁员,我也就图个嘴爽。不管是国家,还是公司,现在都在采用下策——减薪,让企业一时半会儿死不了。

大家都死不了,那就意味着,相当长的一段时间内,谁也活不好。

这就是“时间换空间”了,慢慢磨,看谁能别同行耗得时间长,实际上到了最后,该死的企业还是死了,该裁的员工还是裁了,经济也就慢慢恢复了。

很多人用2003年非典疫情过后的报复性消费来说明问题不大,实际上,2003年的中国,刚刚加入WTO,经济处于上升阶段,疫情造成的困难反而成了一个最佳的投资良机。

可今非昔比,GDP前几年保八,去年保六,好像是一个往下坡走的人,结果摔了一跤,那接下来就是咕噜咕噜地往下滚。

这还是在三月底前达到80%以上的复工,大家也敢出来消费的前提下。

比较有可比性的是2008年美国金融危机导致海外订单突然消失,导致的经济快速回落。

所以,可以预期的是,像2009年政府为了应付金融危机而出台的“四万亿”一样,中国很快就会有大规模地刺激经济的政策——这也是前面说,该死的企业,一时半会儿还死不了的另一个原因。

但后遗症也很明显,回放“四万亿”后的2010~2013年,放的水进不了实体经济,先是让房价疯涨,后是各种大宗商品价格暴涨——还记得“蒜你狠”“姜你军”吗?

而抹去金融表面的喧嚣之后,我们看到是“国进民退”,大量的小企业在十年内慢慢地死去,大企业大象起舞,中国经济的产业集中度缓慢而坚定的提升。

 

4、解决问题的思维

分析了不不同经济时期,大公司和小公司的不同趋势:

经济上行阶段,整个行业以增量竞争为主时,一些小的细分市场不断涌现,龙头企业很难顾及,创业企业利用细分市场的机会站稳脚跟后,凭借各种低成本经营优势,其成长性往往高于龙头企业。

但到了经济下行期,各行业都进入存量竞争时代,规模优势就显现了,一旦遇上黑天鹅事件,中小企业抗风险能力不足的问题就暴露出来,无论是传统制造业、还是新兴产业,都出现了集中度上升,龙头企业高成长的情况。

所以在此文中,我提出一个观点,二十年轰轰烈烈的大创业浪潮将走向灰暗时代,未来是属于大公司的,中国已经进入一个不适合创业的时代。

写这篇文章的2018年年初,可以说是中国经济最后的好时光,供应侧改革大获得成功,去杠杆和贸易战还未开启。那时我就预言,未来能活下去的创业企业基本上只有三种类型:

第一种介于创业企业与自由职业者之间的微型个人企业,没有正式员工,只雇佣兼职者和临时合作者,没有固定的办公场地,不用报税,把经营成本降到最低。

第二种少数具有成本和定价优势的中小企业。

第三种是极少数迅速成长后被大企业并购。

当然,这并不代表最好的出路就是到大公司当个员工,到政府机关当公务员,人生同样可以有不一样的选择。

我在《反脆弱:为什么有些人更能适应工作的剧烈变化?》一文中,借用《反脆弱》一书的核心观点,提出了一个“如何利用‘反脆弱结构’解决‘35岁危机’的建议,核心就是:不要单纯的去防范风险,而是建立一个“反脆弱职业结构”的“杠铃策略”,在风险来临时,利用风险,在风险中获益。

具体到职业发展上,就是放弃单一的中庸职业,让自己永远保留“最保守的职业”和“最激进的职业”两个选择权,而且总收益为正。

相信经历了这次的风险,大家会对这篇文章有更深刻的体会。

最后好像是跑题了,可总得说点积极向上的东西做为结尾吧,就这样了。

来源:职场学习类微信公众号:人神共奋(ID:tongyipaocha)


欢迎在留言区留下你的观点,一起讨论提高。如果今天的文章让你有新的启发,学习能力的提升上有新的认识,欢迎转发分享给更多人。

欢迎各位读者加入订阅号程序员小乐技术群,在后台回复“加群”或者“学习”即可。

猜你还想看

阿里、腾讯、百度、华为、京东最新面试题汇集

深入理解JVM,7种垃圾收集器,看完我跪了!

再无包夜!网络游戏或实行宵禁,午夜之前关闭服务器,你赞同吗?

面试官我:什么是NIO?NIO的原理是什么机制?我竟然没回答上来...

关注订阅号「程序员小乐」,收看更多精彩内容

嘿,你在看吗

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