zoukankan      html  css  js  c++  java
  • 转型要回答的四个问题和一根筋变形Push法

    订阅郑昀到抓虾  google reader   订阅郑昀到鲜果

        郑昀 20080109

        一位做技术的朋友想转型sales或marketing,问我有没有好建议。(我发现自从写了这些文章之后:[组合竞争力] | [技术&能力] | [应届&研究生] | [创业&技术] | [起步] | [细节一 细节二 细节三] | [啥时创业] | [上升空间] | [大学] | [创业失败] | [走出公司] | [ShowMeTheMoney] ,我几乎变成了一个职业咨询顾问,很多人加我MSN就为了和我这半瓶子醋讨论人生、职场规划和创业。)

        我也是前几年曾经考虑过转型,比如试着去做售前,虽然知道性格不太适合,但抱着把帽子现扔过栏杆的想法觉得也许是一个新突破,可能走出困局。

       当然后来没有那么做,所以到现在为止还是技术路线为主,兼顾管理和市场。

       回到那位朋友的技术转型做销售问题,鉴于他现在的工作是他毕业后的第一份工作,而且是世界知名公司,我必须要弄清楚他起这个念头的真正理由。

       因为转型有两种,有的山穷水尽而转型,有的独孤求败而转型。两种都可以被接受。但如果不是这两种类型,那就要好好考虑了。

       比如,你不能因为这份工作失去了趣味性就转型,因为转过去也并不一定有看上去那么美好,这时候需要跟销售部的兄弟们好好唠唠嗑。听听那些酸甜苦辣,适当地跟着跑两回客户体会体会热脸贴冷屁股的滋味。

      我建议他先认真回答这四个问题:

        你是不是对现在的工作已经没有一点热情了?
        你是不是发现,再干现在的工作在职业上几乎没有什么发展了?
        你是不是现在已经是个明星员工了,在想后面的路怎么走?
        你是不是在一个领域已经做了很久,希望到一个新的领域给自己一个挑战?

      我估计他回答这些问题为时尚早,毕竟那是他的第一份工作,还不至于有这么多的体会。从我的个人经验来看,我更同意下面这种说法:

       “职业发展路径不能太芜杂,如果循着一条路径前进,很大的可能比目前的成就要高。

         不管是做学者,还是销售、市场方面的业务,不能什么都想要。考虑的层面太多,太关注兴趣,反而影响了自己的职业发展。

        “兴趣不一定是职业”。即使改变自己的能力很强,但从头来过毕竟在资源积累方面不利于职业发展。”

       也就是说,审视自己是不是全身心投入到现在的工作了,别让外部的接私活儿、泡论坛、泡MM等烂事儿分散自己的精力,把现在的工作做出彩来,赢得掌声口碑之后,再考虑转型。

        你可能说做出彩来并不是那么容易的。

        Okay,我问你,遇到困境、遇到更强悍的同事时,你是否尝试竭尽所能不断切换思路去Push呢?其实,创业也是如此,有些时候就是仿佛撞上了玻璃天花板,似乎无可奈何,但真的花时间静思,也并不是真的无计可施,还是能略有突破的。重要的是,你不能原地等死,也不能说声放弃,怎么着也要想办法往前推进,真的真的走到了掘地三尺也无所得你才可以退。否则,那就真的是说声放弃太容易了。我们管这个叫做一根筋变形Push法刘润不是举了这么一个卖生姜小姑娘突破性思考解决数硬币困境而与阿基米德比肩的例子吗?可见,车到山前必有路,问题只在于你一定要转型,只是选择转型的时机,在此之前,尽量多移形换位乾坤大挪移似的突破性思考,找到让自己在现在这个很有前途的“山贼”职业上扬名立万的办法。

       (p.s.: 最初看到梁宁的这篇文章还是若干年前的《计算机产品与流通》梁宁专栏上,那时候必看专栏还有方联城(后来还买了他的合集书)和孙峻涛,谨以此纪念)。

  • 相关阅读:
    《时间的朋友》跨年演讲金句
    2017《时间的朋友》罗振宇跨年演讲ppt
    Calculus on Computational Graphs: Backpropagation
    Machine Learning Trick of the Day (1): Replica Trick
    What Does “Neurons that Fire Together Wire Together” Mean?
    How to Tell Science Stories with Maps
    模型选择的一些基本思想和方法
    A Gentle Guide to Machine Learning
    EM算法(Expectation Maximization Algorithm)
    混合高斯模型(Mixtures of Gaussians)和EM算法
  • 原文地址:https://www.cnblogs.com/zhengyun_ustc/p/zhuanxing.html
Copyright © 2011-2022 走看看