当你入职第一天，你就应该以终为始，去思考：

我为什么来到这家公司？

我最终希望做成什么样子？

我的职业经历，如何改变了自己的认知边界？

又给整个公司，带来了哪些不一样的变化？

能觉得，作为职场新人，是不是想的有点多了？

但相信我，这世界上没有人比你更相信

你自己，所以请一定要严肃地看待这一切，你才能真正的快速成长。

忘掉组织吧

年轻人在职业生涯发展早期，容易纠结组织内部的各类关系，

但一个人成长的高度要看向这个世界展现了什么作品，而不在于组织内部关系等等。

如果整理你的时间优先级，永远是：

对外>对内；

用户/客户>同事；

价值创造>价值评估/价值分配

极端点，你可以放弃任何公司内部协调事宜，比如拒绝参加任何低效会议，专注于价值创造，当然我知道你肯定要说，我一个新人，还能这么自由？肯定做不到，但是至少从你的内心来说，你要明确优先级，即使随波逐流，也要不断调整方向。

组织是平台，也是枷锁。当你从入职第一天开始，就应该习惯与众不同，独立思考，创造价值，那么，未来始终会是组织离不开你，而非你离不开组织。

植入角色定位

《盗梦空间》电影里面提到一个植入潜意识的概念，你也许要给你的同事们植入你的职场角色定位。

职业生涯发展早期，结合自己的优势与技能点，找到一个自己赋予他人的角色定位。这会让你有很多独特的机会

这个定位与名片上印的头衔并非一回事，也并非个人品牌，它是超越你的职业身份，多个职业身份交错而成。

比如，从我入行的第一天开始，就以「办公自动化达人」著称，在国企财务部门，是最懂自动化办公的人，也可以说是唯一能够Python编程实现自动化的人。从此，获得了大量机会。团队原先一天的对账，我上2个小时搞定；半天才能搞定的下载几十个账户的资料，我上全自动下载大大节省人力。

学会小题大做

刚入行的你，永远半懂不懂，永远欠缺资源，公司给你的活永远是简单而不充分的。

学会「小题大做」，会让你把工作变得有意思，同时走得更快。

接到任务，多想想假如把它做得更难更复杂是什么样子，任务瞬间变得有挑战。久而久之，你思考的层次和其他人永远不在一个层面，接触的信息源也和别人不一样。

举个例子，当年我刚毕业时，老板让我剪辑一下公司的视频，比如5个小时的要剪辑成100个。

同事们习惯用老方法来做，剪辑软件一个个剪，而我当时采取「小题大做」的手法，假如老板让我剪辑的是10000小时的视频怎么办？难道还手动剪辑？于是我从视频剪辑上升为自动化剪辑流程，花费了大量时间去研究自动化剪辑软件。最终，搭建了一套自动化剪辑流程，从梳理视频内容到剪辑加字幕等等全自动，大大提升效率，即使有天真的让我剪辑10000小时的视频，我也不怕。

用作品说话

依然是上面这个例子。当时我将那个自动化剪辑的思考，整理成系列课程，发布到课程平台，得到了很多做相关工作的剪辑师的关注，这是能大大提升他们的效率的技能。

不断地将不涉及机密的信息整理成作品。一来，可以建构外界的认同；再者，这些记录留存下来，会让你日后反思时，更清楚的看到自己当年做对了什么，做错了什么。

随着年岁增长，做过的项目大多会遗忘，可是自己写下的文章、留下的资料会让你想起来。

挑战大项目

你创造的价值越大，那么收益自然越大。

人类大脑有个很不好的习惯，喜欢比较同一量级的细节，比如新手在职业生涯早期，非常关心自己的薪资是7k还是9k，这个重要吗？更好的做法是什么呢？

四舍五入，从关心同一量级的细节转为关心不同量级之间的差异。

比自己的薪资是7k还是9k更重要的问题是，你做的项目是十万级还是百万级还是千万级？

无论你现在做的项目是什么，你都可以将手头的项目简单地划分为如下：

A.亿级；B.千万级；C.百万级；D.十万级。

在职业生涯早期，重要的事情是，你能否通过当下的项目成长起来，跃迁到更大量级的项目，成为新项目的主导者？

设定两年效应

想想两年内你想实现的目标。

比如我刚工作时，是希望自己成为数据分析领域顶尖的Python讲师，甚至更希望自己成为任职公司公认的Python讲师的培训师。当大家碰到Python难题，第一反应是来找我。

假设两年内自己要成为最优秀的Python讲师，那么这段时间这个行业的方方面面都要摸透，至少Python的基础知识得掌握吧；Python编程的经典读物得写过读书笔记吧；Python各种经典的包，得摸透吧，每个包得有实践项目吧。

如此一来，该见什么人，不该见什么人；该做什么项目，不该做什么；该读什么书，不该读什么书，一目了然。显然，Python技术大拿大于团队内部同事；专精大于轮岗；经典读物大于畅销书。

越认同你的职业身份，你越容易走得快。

你的时间利用率会比别人高很多，知道自己两年后想做到什么，就容易判断平时的时间该如何花费。如此一来，职业生涯容易实现良性循环，声誉、收入增加，体力活越来越少，慢慢地，工作重心逐步朝关键决策者、领导者倾斜。

如果刚入职的两年，找不到目标怎么办？正常。

重要的不是找对一个完美目标，而是这么去思考。通过选择一个点，来提高你的时间利用率。

你选定的领域里，成功的例子要看吧，经典著作要读吧，项目要挑难的做吧，技能点要补全吧，读书笔记心得该写要写吧。两年后，再换个职业太正常了。

提高数据思维

虽然今天是一个大数据的时代，但大多数人最缺的依然是「数据思维」，太凭经验太依赖感觉是通病。即使有的同学学历很高，但是「数据思维」依然少的可怜。

数据思维具体表现就是善于整理数据，通过数据来得出结论，通过数据来反应问题，一切用数据说话。

当下职场的经验主义太强，很多时候你的上司或者老板也只是凭着经验在做决策，但这样的经验其实不够全面，你作为新人，跟他们用经验讨论自然没有任何优势，但是如果你从数据的角度来给你建议，你将令所有人都刮目相看。

当你入职第一天，你就应该以「一切用数据说话」为你的原则。我看到的数据是什么？我得出的结论是什么？我的建议，如何帮助决策，又给整个公司业务，带来了哪些不一样的帮助？

职场新人如何打造自己的数据思维和数据技能？

首先，想要打造数据思维和数据技能，我们得先熟悉数据相关的几个重要概念。

什么是数据分析

数据分析，是为了提取有用信息和形成结论，而对数据加以详细研究和概括总结的过程。

简而言之，就是将数据（包括文本、音乐、文字、数字等）转化为知识、智慧的方法。

拥有数据分析思维的人，想不发光发亮都很难。因此，随着大数据时代到来，以这种思维为基础形成了一个朝阳产业，倍受社会各界人士的青睐。

现今，各大企业对数据分析能力过硬的人才，需求量也越来越大，供不应求的市场导向，让这个新风口行业的从业者薪资普遍偏高。

立刻扫码

直接和老师聊

数据分析要具备啥能力？

如果你想进入数据分析行业，成为该领域的佼佼者，下面这几块是优化方向，供大家参考！

基础知识

统计学

数据分析是在数学知识的基础上，引入了统计学，其基础知识包含数学、线性代数、统计学等，这些也是决定数据分析职业发展高度的基石。

对于初级数据分析师，学习描述统计相关的内容和公式即可，但要更进一步就需掌握统计算法，甚至机器学习算法等更多知识，对于算法相关的工作，则要对高数进行深入学习。

分析工具

Excel

Python

Excel运用最广，是最容易入门的数据分析工具之一，函数、数据透视表和公式必须熟练掌握。

另外，具备一个专业统计分析技能更好，SPSS作为入门是极好滴。不过随着数据的增长，编程语言的学习，如Python等将会使数据处理变得更高效。

当然，只要和数据打交道，我们就会接触到数据库，所以要学SQL（数据库），掌握基本的增、删、改、查等技能。

最后，可以学写主流的利器，如Python或R，有些行业可能会用到SAS或其他工具，请依据自己的行业选择。

业务/行业/商业知识

了如指掌

数据分析

种种迹象表明，脱离业务的纯数据分析不具任何意义，没行业背景的技术如空中楼阁。

别走进死胡同，想成为优秀的数据分析师或培养自己的数据分析思维，首先要对业务了如指掌。

熟悉业务后再去获取需要的数据，对数据进行业务分析，制定出相应方案，这才是王道。

沟通能力

跨部门

数据分析会涉及到很多和业务部门、技术部门的沟通，做出报告后也需要进行展示，并说服别人接受自己的结果。

因此，协调沟通能力对于数据分析者而言，也是非常重要的素质之一。

学习力

持续的

快速的

无论是数据分析，还是其他岗位，都需要有持续、快速学习的能力，学业务逻辑、行业知识、技术工具、分析框架……

对数据分析感兴趣

可扫码咨询

▼▼▼

戳这里，查看更多好课资源

版权申明: 本站文章来源于网络或网友自行上传，如果有侵权行为请联系站长及时删除。