京公网安备 11010802034615号
经营许可证编号:京B2-20210330
一个图片在热搜上待了两天,很少见。
就是下面这个:
当时这个热搜的名字叫“月薪一万和月薪十万最真实的差距”。
网友们大呼太真实、太扎心了。
其实这还只是月薪一万的,而我们大部分人都是月薪四、五千。
听到这个消息后全都是背后脊柱一片发凉。
之前公布的2018届毕业大学生的月薪只有4624元,那这些人和月薪十万的精英们相比,差距就远远不止是100倍了。
这就是马太效应,有钱人会越来越有钱,而没钱的会越来越没钱,整个世界都是按照这个趋势在发展。
法国经济学家Thomas piketty对马太效应研究了50年。
他发现在过去50年里,最穷的50%美国人收入增加不到1%,而最富有的1%美国人收入却增长了300%。
前段时间,招商银行发布了一份《2019中国私人财富报告》,让人无比窒息。
中国高净值人群的年均复合增长率是12%(投资资产1000万人民币以上),而有钱人之中的有钱人(投资资产超过5千万),其年均复合增长率高达17%。
也就是说,月薪一万的人,辛辛苦苦工作,可能一年到头来薪水的涨幅不会超过4000块。
而那些千万富翁年底的时候看自己的银行卡,突然发现又多了一百多万。
富豪们的财富像坐了火箭般以恐怖的速度在上涨,而普通人即使24小时不眠不休地工作,也赶不上他们财富增加的速度。
普通人被陷入在生活成本、房贷、车贷、孩子上学费用、交通费用等等里面,他们的财富只会被不断消耗。
而富人们早就超脱了这些束缚,他们有了更多的筹码用来增长财富,越往上面走差距越大。
所以,看起来月薪一万和月薪十万只有10倍的差距,而他们的背后早就有了一个放大镜,不断扩大他们的差距。
众所周知,2017年某地产大佬的财富增长了1812亿元(股票价值),而我们国家2017年有3046万贫困人口。
什么叫贫困人口?
在2017年的标准是家庭人均年收入不到3300元的人。
这3046万人所有的年收入加到一起还不到1000亿,而他一个人账面上的财富增长是 1812个亿(股票价值)。
一个人就可以吊打这几千万人,中国最贫穷的3046万人加一起远不如他一个人赚的多。
穷人和富人走向两个极端,这是这个世界最残忍的地方。
有个段子说的好,按照马云现在的身家,一个人每天中500万,也要连续中70年才能赶上他。
然而最为可悲的是,即使他70年之后赶上了马云,按照马云财富增长的速度,70年后已经远远不是今天这个财富了。
所以,你和马云之间仅仅是差70年的五百万吗?
不,那些远远无法企及的增速,才是真正令人恐怖的。
其实,马太效应在各行各业都适用。
我有一个堂弟在某商业步行街开了一家餐馆,开餐馆嘛,很多人都会想去问赚不赚钱。
而我也免不了嘴欠,问他生意怎么样?
他清楚的告诉我,亏了不少,起码有二十几万。
什么原因呢?
因为这个商业步行街做餐饮的有100多家,真正赚钱的只有4家,40%-50%就是维持着生存。
还有剩下的40%-50%就是上演着这样的戏码:
新店装修——开业几个月倒闭——转让新店再装修——再倒闭转让……
永远都有人来接盘,而我堂弟的店子,据说他是第八波接盘侠。
都是开餐馆,但他们的真实差距就不是月薪一万和月薪十万的差距了。
一个可以年入几百、几千万,而一个是亏得血本无归,账面上整个都是负的。
商业竞争就是一个丛林法则,赚钱的就会越来越赚钱,而不赚钱的就会越来越不赚钱,旱的旱死,涝的涝死。
这样的现象,你一定不陌生。
两家并排的餐饮店,一家排起了很长的队,里面门庭若市,而另外一家,毫无生机,门可罗雀。
那些排队的人,宁愿等2个小时,也不愿意去另外一家店吃饭。
很多人觉得差距很大,但其实这只是一次次细微偏差被马太效应放大之后的结果。
比如他家的某一道菜比较好吃,他家的服务态度不错,他家的营销策划不错,刚开始也只是好那么一丁点而已,但是他做好了这一点就超出了一大批的同行。
其实你想想看,大家都是做餐饮,难道真的是天差地别的差距吗?
不是,就是那么一点点的细微差别,因为大家都不蠢。
但是,就是好那么一点点,多那么几个人吃饭,然后他们再不断调整优化,而他们的生意就会越来越好,而差的就会越来越差。
这个世界的丛林法则就是这样,你弱的时候坏人越多,你生意越差,你遇到的麻烦就越多,而你生意越好,你就越顺风顺水。
马太效应在职场上就更加血淋淋了。
我有个朋友是公司老总,他们公司刚好有月薪一万和月薪十万的员工。
如果涨工资的话,他说他会优先给月薪十万的人涨,而月薪几千或者一万的,就算要涨,也不会有什么大的涨幅。
很多人可能难以接受,觉得这样不公平,为什么要这样做?
这也是一个职场潜规则了,工资越高的就要多给他涨,工资越少的,就要少涨。
什么原因呢?
最核心的原因就是,工资高的人具有不可替代性。
缺少这样一个人,我去外面招不到,或者要花很高的价钱才能挖到,所以老板们担心他们会辞职,会涨工资肯定优先他们。
而工资低的,你要辞职就辞职吧,我去外面一招聘就是一大把,简单培训之后就可以上岗,所以我不怕,给个行业内差不多的工资就行。
所以,很多人找我抱怨,说老板给的工资太低,工作太累,分分钟只想辞职。
那么我只想反问你一句,你在你们单位,是不是具备了不可替代性?
除此之外,马太效应还存在于各行各业中,整个世界就是一个大的马太效应,20%的人掌握80%的财富。
这没什么好评价的,我能告诉你的就是,努力成为那20%的人。
怎么做?
对我们常人来说,最好的办法就是慢慢增加你的核心竞争力,增加你的不可替代性。
我们再说回我那个公司老总朋友。
他告诉我,一开始的时候,月薪一万和月薪十万的员工,差距真的很小。
或许情商高一点,或许是更懂管理一点,或许是业务更好那么一丁点。
但是呢,精彩的来了。
就是那个好那么一点的人,会得到他更多的授权和信任。
然后这个员工得到正面的激励之后,管理水平和业务能力会更快速的成长,所以这个员工进入良性循环,越来越好,工资越来越高。
然而那些差那么一点的人,会得到较少的授权和信任,而得到负面的反馈之后,这个员工表现越来越差。
一点点不一样,一点点差距,其实就是核心竞争力。
其实,我们生存在这个世界上,智商、情商都差不多,但是你比别人强那么一点点,然后再不断强化,这就是你的核心竞争力。
以前在航空公司的同事,她也只是英语比别人好一点点,后来不断加强后,她去了外航,年薪几十万。
以前在教育行业的同事,他也只是业务比别人好那么一点点,后来做到了副总辞职组建自己的公司,干得风生水起。
以前的我,也只是一个比别人更喜欢在QQ空间写日志的青年而已,后来在公众号上坚持了三年后,他已经有了自己的工作室。
人生最可怕的就是你没有进步,那就是在后退了。
这样的差距一开始看起来不大,但是发展是恐怖的,几年下来就完全是两个不同世界的人。
若抽不出时间来创造自己想要的生活,那么最终不得不花更多的时间来面对自己不想要的生活。
写了这么多,就是想告诉你,要敢于让自己变得和别人不一样,这样命运眷顾你的时候,也知道好从哪里去下手。
不是看到希望了才去努力,而是努力了才会有希望。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据技术飞速迭代、数字营销竞争日趋激烈的今天,“精准触达、高效转化、成本可控”已成为企业营销的核心诉求。传统广告投放 ...
2026-04-24在游戏行业竞争白热化的当下,用户流失已成为制约游戏生命周期、影响营收增长的核心痛点。据行业报告显示,2024年移动游戏平均次 ...
2026-04-24 很多业务负责人开会常说“我们要数据驱动”,最后却变成“看哪张报表数据多就用哪个”,往往因为缺乏一套结构性的方法去搭建 ...
2026-04-24在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16