京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
若不方便扫码,搜微信号:CDAshujufenxi
随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02数据分析的核心并非单纯操作工具、整理报表或绘制图表,而是依靠科学的思维逻辑挖掘数据价值、解释业务现象、指导经营决策。在完 ...
2026-09-02在社会经济、产业研究、区域治理与大数据实证分析中,面板数据是最具研究价值的数据类型。面板数据同时包含截面维度与时间维度信 ...
2026-09-02 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-09-02在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27