管理中用人的两种思维

    “不要让你的员工为你干活,而让他们为我们的目标干活,共同努力,团结在一个共同的目标下面,就要比团结在你一个企业家底下容易的多。所以首先要说服大家认同共同的理想,而不是让大家来为你干活。”

    这是一个当代名人说的话。很有道理。

    这其实体现了两种用人的思维,开放思维和封闭思维。

    封闭思维是把员工当作自己的私有劳动力,认为既然我发工资了,那让你干活就是天经地义的(尚有些道理),让你干啥就干啥(开始有些无道理了),让你怎么干就怎么干(更有无理的嫌疑了)。这是一种黑匣子机械式思维,把活人当成机器来管理,说的再严重点,就是把人当奴隶来使唤。再这种管理体制下,员工是机械式工作的,他们不知道干活的目的,不知道来龙去脉也就无法发挥积极主动性,除过领工资以外没有工作的成就感、自豪感、信任感和乐趣,最终的表现就是工作懈怠、缺乏激情、推卸责任,对公司没有归属感,团队松懈、效率低下,令不行禁不止……各种病症齐发。

    现象1:领导开会把门关的严严实实,压低声音、鬼鬼祟祟,像特务接头或小偷分赃。完全把员工当成了外人。
    现象2:接待客户、请客吃饭,总是刻意小心地回避着员工,好像每个员工都在想着去“噌饭”。
    现象3:员工询问工作流程,答曰:“这个你不要管,干好你自己的事就行了。”

    开放思维体现的是开放式管理。不强调谁是谁的“手下”,谁是谁的“顶头上司”。强调的是事务性的工作流程,大家是为工作而干活的,不是为某个人(领导)干活的。特别重要的是,员工与公司(团队)是“合作”关系,员工不是公司的人身依附关系,是经济性的商业合作关系。公司的日常事务是透明的,员工清楚地知道自己在公司这台运转的机器中的位置和作用,知道自己的贡献和重要性,知道自己的失误会带来什么后果。这样一来,员工会感觉自己是在干事业(起码是在做事情),而不仅仅是混工资。员工会认为公司是“我们”的,而不仅仅是老板的。

    具体做法1:用人不疑-相信他的人品和能力,给员工搭好展示自己的舞台,扶上马再送一程,领导只要做好督促者和好的观众就可以了,别忘了在精彩处叫好。
    具体做法2:告诉员工公司的发展图景,不时的激励和鼓劲,让员工知道自己是和公司的事业息息相关的。
    具体做法3:把公司打造成工作的场所,而不是像一个“家”。上班时是同事,下班后是朋友。

    张庆(网眼) 2009-4-8
    来自“网眼视界”:http://blog.why100000.com
    “十万个为什么”电脑学习网:http://www.why100000.com
    CSDN博客:http://blog.csdn.net/zhangking

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。
应用背景为变电站电力巡检,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 1
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