
“吃得苦中苦,方为人上人。”这句话在我的成长中曾被多次提到,从学校老师到家中长辈,再到职场领导。仿佛在告诉我们只有不断努力、吃苦才是成功的唯一出路。
可事实真的是这样吗?
在知乎上看到过一个问题,为什么工厂里边月薪8000的流水线,却面临着招不到人。互联网公司月薪5000的工作大家抢着应聘,是不是现在的年轻人都不愿意吃苦了?
评论区里边一大群人跟着附和,他们觉得一代人不如一代人了,现在的年轻人矫情、不如他们那个年代的人能吃苦。
可是人生中的有些“苦”,真的有必要吃吗?许多人吃了几十年的苦,到头来也没有成为人上人。更让人难过的是,有些人根本就没有怎么吃苦,他们就成为了人上人。
吃苦的本质是什么,是为了以后能够幸福,但是失去现在的年轻人,未来还会幸福吗?
崔永元曾经说过:“在所有人生模式中,为了未来牺牲现在是最坏的一种,它把幸福永远向后推延,实际上是取消了幸福。”
有一位网友在知乎上留言,他的爷爷是煤矿的矿井工,一连工作了30多年才退休。
到头来攒下的那点钱还不够去医院看病的费用,每天被腰痛折磨,生活起居很痛苦。
看到这段故事,一位读者非常不解:为什么要干30年?真的没有其他选择吗?
其实每一个时代每个人都是矿井工,他们在不同的地方、以不同的身份努力着。他们并非不愿意离开。只是他们身边的人都是这么干的。他们之所以选择这条路,不是因为他们能吃苦,而是他们不想吃太多苦。
他们遇到问题后,不是想着如何解决这个问题,而是忍一忍就过去了。时间一长就把忍一忍当成了一种习惯,变成了自己很能吃苦的样子。
有一次去上班的路上,我遇到了一个乞丐,他在地铁旁边乞讨,眼前还放了一个碗,穿了一身破烂衣裳,我当时心软就放了20元钱进去。
第二天上班路上我又碰到了他,第三天、第四天...我奇怪那个乞丐为什么一直都在那里,他为什么不去找一份工作。
后来朋友告诉我,他每天就是在上班呀,他每天也付出了努力,也早出晚归。我恍然大悟,无论是苦是累,是勤奋还是懒惰,当一个人习惯了一件事后,就很难再去改变。
工作多年后,我发现了一个问题,每一家公司每年都有新人走、老人走。每个岗位都会有人觉得累,即使是很轻松的岗位,干一段时间后,也要离职休息一段时间。当然,也都有人持续成长,不断完成更高的业绩目标,工资也越来越高。
这其中有一个有趣的现象,最优秀的那批员工,很少谈论工作辛不辛苦,更不会在意自己能不能吃苦。他们更关注的,其实是自己的价值。尤其是,同样的时间,他们如何创造更高的价值。
而且我还发现,工作成绩最优秀的那批员工,往往也是生活中最会玩的。
我想说的是每个人的每一个阶段都要有自己的目标,无论是什么目标都要去完成他。很遗憾能够做到的人屈指可数,大部分的人重要的事,从来不做。该做的事,也从来不做。
美团创始人王兴说过一句话:
“趁着我们还年轻,多用一点脑子,多学一点技能,多积累一些知识,少一点关注自己辛不辛苦;少吃一点没有必要的苦,更不要用能不能吃苦,评价一个人。”
老一辈的人,觉得现在的年轻人不能吃苦了,没有他们那个年代的人能吃苦。这里边忽略了一个问题,就是不同年代,老一辈有他们的奋斗方式,现在的年轻人也有自己的奋斗方式,两者之间并没有太多的可比性。
能吃苦未必是件好事,我们要理清的是,找对方法,认准目标,少吃一点没有必要的苦。
很多时候,过分强调一个人的吃苦精神,并不能让我们成为真正的“牛人”,定义你想要的价值回报,是“吃苦”的前提,认知就好比一颗种子,一旦错误,种子就无法生长,我们要浇灌正确的吃苦观,而不是把无价值的吃苦看成崇高。
随着5G时代的到来,“大数据”这个词出现的频率越来越高。据统计,国外有90%以上的企业都成立了数据分析团队,而我国数据分析人才缺口达到了230万。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12