最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
打印 上一主题 下一主题
开启左侧

经验和阅历从何而来?

[复制链接]
跳转到指定楼层
楼主
发表于 2015-1-8 21:51:08 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
今天在群里闲聊时,有一位朋友问“经验和阅历从何而来?”,另一位朋友回复说“多跳槽”,由此话题展开了一番讨论。我觉得自己的观点还不错,值得分享出来,所以写一篇文章发到博客上供大家探讨一下。

经验和阅历都来自我们自己主动的学习和积累,通过工作或跳槽获得的知识实际上是有限的,工作中更多的是实践知识。一个具有成长的工作空间,实际上是一个比较宽敞的施展空间,之所以我们觉得学习了很多,那是因为我们施展了很多,从实践中验证了很多知识,这些得到验证的知识被留了下来,所以我们觉得收获彼多。

除了一些大公司提供人才培育之外,其他公司都是没有这项福利的,所以很多时候我们是主动或被动去学习了很多知识,然后将这些知识运用到了工作中,在运用的过程中验证并保留正确的知识。

回归到第一句里提到的“跳槽获取知识”的论点,跳槽的原因通常有两种,一种是知识,另一种是工资。工资是一个可以量化的东西,而知识是比较感性的,一个工作是否还能获取知识,这个判断是主观的,没办法绝对,因人而异。

工资不是老板对你过去贡献的回报,而是对你未来贡献的预期,现任老板不可能给出让你满意的工资,下一任老板才会。等同于跳槽不管是为了知识还是工资,老板聘请你是看到你的预期价值,这个价值是你已经获得的知识,而不是等待你学习的知识。

所以我的观点就是,跳槽如果是为了知识,那么只是为了施展知识,而不是学习知识,当能力得不到最大化施展的时候,才会跳槽。企图通过跳槽学习知识的人,通常也是学不到知识的。牛X的人,不是因为有牛X的工作,而是有着牛X的学习能力,获得了牛X的知识,然后得到了牛X的施展空间,站在了牛X的职位上,成就了牛X的工作。

牛X的学习能力是因为有一套学习方法,获得这个方法通常也有两种,一种是天赋,另一种是有人教。如果一个人既没天赋,也没有人教,那么是非常郁闷的,这样的人最好的方法就是入职到大公司。

在大公司里的人,之所以牛X,是因为大公司有一套完善的工作流程,在这个流程中他只是一个螺丝钉,负责的工作很片面,所以需要掌握和运作的知识也非常有限。在这样一个完整的机器中工作,会有一套知识施展的指引,然后随着工作深入,再逐渐施展知识。这套机制的指引也是一套学习方法,但是有了这套方法也一样需要主动学习,如果不再学习了,发展也就停止了,甚至被淘汰了。

无论是否有天赋,是否在大公司里,学习知识最重要的是掌握方法论,牛X的人最核心的价值不是掌握了多少知识,而是学会了如何获取到知识。学会方法比学会知识更重要。

最后再回到最初的问题上“经验和阅历从何而来?”,我的回答就是“从学习和实践中而来,但是需要付出的是时间和精力,也可能附带点金钱”。

经验和阅历是一种积累,积累就是一种带有时间属性的过程,所谓“十年磨一剑”和“三十而立”说的就是通过时间逐渐聚集起有用的东西,使之慢慢增长,完善。

结语:天才在于积累,聪明在于勤奋。学会方法比学会知识更重要,而学会方法最重要的就是别做伸手党,那不是长久有效的方法。


楼主热帖
分享到:  QQ好友和群QQ好友和群 QQ空间QQ空间 腾讯微博腾讯微博 腾讯朋友腾讯朋友
收藏收藏 转播转播 分享分享 分享淘帖 赞 踩

168大数据 - 论坛版权1.本主题所有言论和图片纯属网友个人见解,与本站立场无关
2.本站所有主题由网友自行投稿发布。若为首发或独家,该帖子作者与168大数据享有帖子相关版权。
3.其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和168大数据的同意,并添加本文出处。
4.本站所收集的部分公开资料来源于网络,转载目的在于传递价值及用于交流学习,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。
5.任何通过此网页连接而得到的资讯、产品及服务,本站概不负责,亦不负任何法律责任。
6.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源,若标注有误或遗漏而侵犯到任何版权问题,请尽快告知,本站将及时删除。
7.168大数据管理员和版主有权不事先通知发贴者而删除本文。

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2024-5-11 20:11

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表