作者 | 你微笑时。好美来源 | ID:ctpm366288
有一些人,十分有意愿学习,非常努力,智商情商也都正常,然而工作产出却非常低,甚至不如很多资质低于他们的人。
我一直百思不得其解,一度怀疑自己看人不准。直到前阵子看到吴军的这段叙述,才幡然醒悟。
我仔细回想了这些人的工作方式,将其与产出高的人相比,发现他们无一例外都存在三个问题。
只关注任务,不关注目标
假如你的老板正在飞机上,还有1小时落地,下来之后需要给客户做一个重要汇报,而你需要给他做一份PPT。
但因为你错估了时间,导致PPT草草做完,而且发现其中一些数据没有,你怎么办?
低效人士的做法是:疯狂地找数据,最后可能数据有了,然而PPT没有来得及做完,或者质量不高。
一般人的做法是:找人帮自己一起找数据。
而最高效的那些人:会根据老板此次汇报的目的,判断这些数据在其中的作用大小。如果作用不大,那么就把时间花在完善重要页数、而不是找数据上;如果很关键,那么就找其他人帮忙,或者找一些替代数据。
这三类人之间的差距,其实就是任务导向与目标导向的差距。
我此前的咨询公司,在做高潜人才研究的时候,有个发现:
高潜力的人才是有共性的,具备这些共性的人,几乎做什么都能做好,而不具备的,几乎做任何工作都会障碍重重。
这其中,有一项共性就是Result-driven(结果驱动)。
那些高产出的人,未必动作更快,而是更善于判断,什么事情对结果是最有效的。然后,用尽一切办法保证结果达成,而不是死守着原有的工作任务。
实际上,结果驱动不仅仅是一种工作习惯,更是一种思维方式,以终为始的思维模式。
这种以终为始的思维模式,是我自己刻意训练的最有用的思维模式之一。
比如以前有人问我:“如何让自己对一个行业有真知灼见?”
想想看,如果是你,会如何回答?
我的回答方式是反问她:“具备真知灼见的目的是什么呢?是想让客户更加信任你,还是想让老板看到你的进步?”
假设你是希望客户信任你,觉得你懂他,那你要做的,就是看这个行业里的客户有什么痛点,然后针对这几个痛点,下功夫研究和分析,有更多洞见,然后借机沟通出去。
了解一个行业,是一个太大的话题,没有目标,根本无从下手。
没有结果驱动的思维,而仅仅死守着工作任务,最终就是出工不出活儿。
激式工作,而非统筹式工作
如果你观察周围的同事,会发现,整天风风火火、急得上蹿下跳、各种任务来回切换的人,有时候产出并不高。
看他们工作,就好像打地鼠一样,打完一个,另一个又冒上来,连看的人都跟着焦虑起来。
而另一类人,他们做事专注、条理清晰、看起来很淡定,但最后,多困难的事儿都默默搞定了。
两者的差别就在于,第一类人总是应激式工作。
他们每天起来的第一件事,不是规划当天的工作,而是马上投入工作,以至于到了下班之后,发现还有很多事情没做完,而没做完的,可能又是最重要的。
另外,领导临时给个任务、客户临时有个要求、同事临时要个数据,他们都会停下手里的事情,去忙这些。最终,在任务的切换上花费了巨大的精力。
我跟公司的运营打过一个比方:
假设你每项工作任务平均半小时可以做完,而任务之间的切换通常也要半小时,如果你经常一项不做完就切换到下一项,就算每个任务中途切换一次吧。
那就意味着,8小时的工作时间,你至少有4小时都花在任务切换上了。
这种应激式工作方式无疑是低效的。那什么才是高效的呢?统筹式工作。
真正的统筹式工作,有几个特征:
1 有计划地工作
我通常周日晚上就会排好下周每天的工作,而每天早上会排好当天的工作。
而且,任务清单在工作的时候一直开着、实时更新,完成一项删掉一项,临时增加一项就插入相应的时间段,当天完不成的、非紧急的任务,我就改成第二天的日期。
这种方式,会让自己很有掌控感,多少事情来了,都不会乱了阵脚。
当然,在做计划的时候,你需要为高价值问题分配最多的专项时间。
因为大部分人在80%的时间里都是做无用功,根本原因就是没搞清楚真正要解决的问题。
2 形成自己固定的时间习惯
比如我的习惯是:
在上午做需要烧脑的事情、在交通工具上听书、在饭后效率不高的时候集中回复微信消息和留言、在等人的时候构思下篇文章主题、在疲劳的时候刷一下公众号、在傍晚的时候跟团队开会、在晚上做一个简单总结。
这种习惯,一方面把不同难度的工作跟自己的效率波峰波谷相匹配,达到效率最大化。
另一方面,我会清楚地知道,5分钟、10分钟、30分钟,对我来说分别可以干什么,这样就不会一有碎片时间,就习惯性地刷朋友圈了。
3 及时记录、每天总结
当你正在工作的时候,老板布置了一个任务、客户又来了一个问题,你会如何呢?
很多人就直接扑到临时任务上去了,但真正好的做法是:
如果不是十万火急,你可以快速用关键词记在笔记本上,不需要任何思考,然后马上回到刚才的任务,做完再看笔记本。
另外,你在一天当中,学到了什么、犯了什么错误,当时也要记下来,因为过了那个时候,你很快就会忘,然后继续犯这个错误。
当然,这些记录,晚上都需要进行整理。
我曾说过,此前8年多的顾问生涯里,成长最快的那半年,我每天都坚持写工作日记。
另外,记录还有一个好处,就是可以减轻大脑负担。
每天的例行工作、自己常犯的错误,这些都可以列清单。
你的大脑是用来思考的,是很宝贵的,别把一支笔就可以做的事情,强加给你的大脑来做。
03
几乎从不“偷懒”
“懒癌”是第一生产力。
仔细盘点一下,我们哪样创新不是因为懒呢?
不想走路,有了汽车;不想爬楼,有了电梯;不想打扫,有了扫地机器人……
工作中的大部分事情,并不是一次性的,而是持续的,那么就可以在第一次做的时候,搭好框架。
比如,我让运营每周做一次数据分析,这个事情是重复性的,所以高效的做法是:
建一张excel表格,把固定需要分析的参数都做好公式,每周只需要把导出来的源数据贴进去,刷新之后参数就出来,然后只需要看参数来得出结论。
当然,这里所说的“偷懒”,不仅是善用工具,还包括善用他人。
比如,你从来没做过数据分析,那么就先去找找前人怎么做的;
比如,你有自己的团队或者实习生,那就不要做任何他们就可以做的事情;
再比如,去运营社群,摸索出一套群主激励机制,比你自己去做群主,要高效得多。
所以,这三个让你Work Smart的工作方式,听起来难吗?一点也不,而且你很可能也听说过。
但是,为什么很多人做不到呢?我观察下来,有几个障碍:
1 工作环境所限
很多人的工作性质,就不是结果导向型的,而是任务导向型的。
他的工作岗位要求他做的,就是完成任务,至于背后的出发点,不需要知道。而且,领导有可能就是考核努力、考核苦劳,而不是考核产出。
实际上,工作性质对一个人的思维方式、行为习惯的影响,大到超乎想象。
你去看,刚毕业的时候,一个学校一个专业的同学,看起来差不多。
但过了几年,你会发现,只要接触一个人几分钟,听他说几句话,就能大致判断出他的职业。
再极端一些的,多年前我曾经因为要帮客户设计流程,去他们的生产线观察生产过程。
在噪音极大、灯光昏暗的厂房里,我看着流水线工人机械地盯着机器、等待换箱,几个小时下来,我自己也开始反应迟钝、敏锐度下降了。
2 没有资深的人辅导
从开头的案例可以看出,Google工程师那么优秀的一群人,在从校园进入公司之后,也需要有经验的人辅导。
但很多公司并不像Google那样,重视对新人工作方式的培养,将Work Smart提到非常高的位置。
他们往往只重视教员工What(需要做哪些事情、用什么工具等等),却没有How(如何聪明地做这些事情)和Why(这些事情对公司、对客户有什么帮助、要达到何种目的),导致员工的聪明才干发挥不出来,没有成就感。
3 思维方式固化
一部分人,会在工作多年之后,发现工作性质和工作环境的负面影响,醒悟过来想要改变。
然而,从学校踏入社会的这几年,是思维和工作方式形成的关键几年。如果任务导向、应激式努力、闷头蛮干的工作方式在大脑中固化了,形成了下意识思维,是很难扭转过来的。
我带过几个人,此前的工作经历都是任务式、应激式的,在跟他们合作的时候,的确能够感受到他们与自己固有思维作斗争的痛苦与挣扎。
然而,并不是每个人最终都能挣扎出来、突破自我。
所以,年轻时候的工作选择,你选择的不只是一份工作,而是一种思维习惯、工作方式、价值观甚至生活方式。
在初入职场的几年,处于何种工作环境、跟谁一起工作、被谁辅导工作,足以影响你的下半辈子。
数据分析咨询请扫描二维码
需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20