北京儿童插座价格联盟

外企工作三年教给我的思维方式(仅个人观点,不代表所有外企)

只看楼主 收藏 回复
  • - -
楼主


前段时间请了一周长假回家待了几天,有好几个朋友会调侃说我休假在家的时候,回复微信语音的声音都是懒洋洋的,但一回到北京的声音立马变得中气十足,整个人都进入到战斗的状态。

我自己其实并没有注意到。不过假期里,除了偶尔有紧急的工作需要处理,其他时间几乎完全不去想工作上的事。整个人会完全放松下来,之后再回来工作的时候,反而有满满的动力和创造力。

这次趁空想总结回顾一下这几年工作学到的思维方式。因为工作时间越久越发现,教育背景、学历、工作经历这些越来越不重要,而那些看上去虚无缥缈的左右着我们,价值观指引我们往哪儿走,而思维方式,决定了我们能够走多远。

和学生时代的朋友沟通的时候,经常会得到说我思维方式提升的反馈。我自己也有感觉到这几年的变化,比如看问题更全面直击本质,这和工作环境是分不开的。

虽然外企常常被人诟病,水土不服,不接地气,这几年也不再是毕业生最理想的去处,但作为职业生涯的起点,我还是很感激自己是从这里开始的,让我少走了很多弯路,得已站在一个广阔的平台上看问题,接受专业的思维训练。遇到的大多数人也都有自己坚持的价值观,以及独立思考的能力。

至于为什么外企逐渐没落,有很多原因,身在其中很多时候也确实感觉到一些限制和无奈,这篇文章按下不表,主要说一说思维方式对我的影响,以下大致按照问题解决过程的顺序逐一罗列。

(另外,这些是我自己的直接感受和分享,不代表所有外企都是一样的,所以不要拿一些公司的个例来说事儿,谢谢)


Problem Solving:解决问题为导向

外企文化比较宽容。在事情出现状况的时候,会以解决问题为导向,上来先解决问题,很少第一个步骤就是问谁干的。

问题解决之后,让负责的同事查原因,事情发生的原因和经过比惩罚更重要,找到具体原因之后优化流程和系统,有同事因此将功补过。

Why:拆解问题,分析变量

好的员工会拆解问题,预测问题缺陷并提出解决方案;而差的员工会把所有问题合并成一个问题,推给客观原因。

拆解问题,其实就是结构化思考的过程,把事情的前因后果影响因素等变量罗列出来,自上而下,或者自下而上,按照一定的框架分层梳理,逐层推进。

说上去很玄乎,但其实就是根据变量之间的关系,提出合理假设再去验证,逐个排除,从而找到问题根源的方法。

Prioritization:选择更关键的事情

公司管理层在不同业务之间,要综合考量产出、性价比、用户体验、实现可能性,把时间和精力分配在最重要的业务上,这其实是一种价值选择。

对于我们来说也是一样,工作中的每一天我们都面临无数选择,选择先做这件事而不是另一间,归根结底都是价值选择,所以理论上,我们应该优先选择价值高的事情做。

但这点往往容易被忽略,人们更愿意在一些简单的事情上花费更多时间,导致考虑一件事情的时间和事情的重要性成反比,这叫做帕金森鸡毛蒜皮定律。因为简单的事容易懂,但复杂问题摸不着头脑所以容易回避。Do the right thing, not the easy one.

Automation+Dial up:寻求长期解决方案,自动化、大范围的应用

公司各个层面有一个比较好的导向,那就是不全把苦劳当功劳。

做一个项目,为了确保好的效果,有时候在过渡阶段不得已用短期堆积人工和工作时长的方法,汇报工作的时候,老板总是会问,有什么样的方式能够以最小的投入起到比较好的结果,用关键环节作为杠杆实现高性价比。

哪怕项目最后证明效果很好,老板也都会引导性地提出问题:是否能实现自动化,能否在更大的范围内批量应用。

可能是因为外企在人员成本控制上更为严格,所以久而久之大家都形成了一种思路:动根上的问题是解决问题所在,只治标,靠短期人工的方法不能够长期持续地交付结果。

MVP:快速迭代,不断修正

MVP(Minimum Viable Product)即最小化可行产品,是指开发产品时先做一个简单的原型,然后通过测试收集用户反馈,快速迭代,修正产品,最终适应市场需求。

在做business时,其实也是一样,如果想要尝试一种全新方案的时候,不确定是否可行,避免在一开始就盲目投入大量人力物力,先进行小范围的试点尝试,等成功了有了一些经验,再大范围地铺开来。

Testing:测试意识

在发布产品新功能的时候,进行一些测试,不贸然进行更新,这是现在整个行业都已普遍应用的方法。比如AB test,一部分用户看到的界面是A,另一部分看到的界面是B,看添加了新功能的版本是否能有更好的表现。数据的各项指标都有了显著的提升,新版本才可以上线。

Data:数据会说话

如果把数据意识分为几个阶段,那看懂数据是第一层,分析数据是第二层,应用数据是第三层。

把数据的定义和之间的联系弄清楚,基本就可以看懂数据了;知道什么样的做事方式能够影响什么数据,分析一个项目或原因需要调用哪些数据,这是进阶;但从一堆庞杂的数据本身看出问题,交叉验证,得出一些结论,作为应用时候的论据,这种最难。

跨部门谈合作我常会被问道,你们为什么希望用这种形式做,这种形式能带来什么样的效果,你们需要最好资源支持的理由是什么,这些时候就需要找到不同维度的数据证明自己的观点,增强说服力。

Sharing:站在前人的肩膀上继续添砖加瓦

项目的结果比较好,或者哪怕尝试了一种新的方法失败了,总结成best practice发出来,供其他同事借鉴,避免大家绕弯路花重复的时间做事。

公司有比较好的分享的氛围。基本没有人会想着保留自己独家秘笈,因为分享能够增加自己的曝光度(外企尤为看重这点),而且时间长了大家自然都能研究出来一些经验,分享出来的话所有人都能精进做事提高能力,其他人在此之上继续分享,形成良性循环,何乐而不为?

Curiosity:持续学习

由于使用全球系统,几乎每隔一段时间,就需要对原先的做事方式和流程进行优化升级,同时这种变化促使不断学习新的内容。

适应变化,是需要不断克服惯性的事情。

Work hard, play harder

这条不用解释。

来源:微信公众号Jobroker



或许你还会喜欢我们的另一个增刊:



举报 | 1楼 回复

友情链接