
“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
在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13