一流人才从不关心如何取得成功

2018 年 8 月 3 日 华章管理

华章经管20周年 

传播知识 提升智慧 创造美好


导读:最好的人才是什么样子?有什么标志?可以从思考方式上将他们与二流人才区分开来。


一流人才总是从绝对角度思考,提出原则性问题,他们不需要依照规则行事,注重自我实现。一流人才通常容易识别,但难以复制。


现实中,二流人才在取得成功的欲望激励下往往更容易取得领先。卓越的企业懂得把握两者的心态,从而充分利用这两类人才各自的优势。以下,Enjoy:


最好的人才有什么标志?


最早,苏格拉底在柏拉图家里就经常讨论这个问题:一流人才是不是可以教出来?道德、勇气和魅力都可以教出来吗?德性可以教吗?


柏拉图认为德性是人的一种特征,他说,如果某事物特别卓越或优秀,那么就有了德性。一切都完美,很难具体描述什么是优秀的,什么是伟大的艺术,什么是俗气的,什么又是普普通通的作品。


什么是真正的美,能教吗?正义呢?智慧呢?风格呢?一流人才能不能教会二流人才什么是一流的东西? 



01 一流人才的原则:我如何做到最好


优秀人才提出这些原则性问题:


怎么踢好足球?

客户需要哪些“智慧简化”的产品和服务?

最漂亮的汽车是什么样的?

我们未来想要住什么样的房子?

哪些交通系统是最理想的?

在知识经济社会中如何办教育?

我们未来需要什么样的人才,如何培养他们?

我们是干什么的?

除了上班工作以外,我们还承担哪些责任?

什么是最好的研究、开发和工作?

如何能够做到最好?


一流人才从绝对角度提出问题,围绕这些问题去思考和行动(再行动),直到成功。他们对自己的目标充满热情,他们是开拓者和企业家。


有人经常讨论,如何识别一流人才。苏格拉底跟柏拉图探讨了很久,几乎没有得到结果。


他一方面认为,人们凭直觉能够知道或感觉到什么是一流人才,但同时又认为,这无法用语言来描述,因为别人能给出的标准触及不到实质。



就如同我们面对一个天才,或许能够知道他是天才,或者感觉到他是个天才,但是无法教给别人。


几乎所有伟大人物都有自己的特点,他们建立新的科学,在某个领域获得了创造性的成果或塑造了自己的风格。这通常容易看得到,但是他们的多样性和令人惊讶的独特性又很难让人用“统一的标准”来描述,他们的伟大之处我们只能从整体上识别。


我看柏拉图也许是这么认为的:多数人感觉到一流人才的存在,但是他们无法利用一流人才的经验,把自己塑造成一流人才。


二流人才在生产东西时需要依照规则、建议和配方,而这些对于一流人才来说通常都没有。



02 二流人才的原则:谁是最优秀的


大多数人都认为,在比较(排名)后得分最高或“成绩最好”者就是最优秀的人,这样描述太过于简单了!


在体育领域有成绩,在学校里有考试分数,在企业里有绩效评价、提拔和加薪。管理者们根据企业的盈利情况或部门的营业额进行评价,富人有排行榜,国家间有“国际学生能力评估计划”,谁在排名表中名列前茅,那就是最好的。


所有人都这么想的,但是那些所谓的“满分者”却又不遭人喜欢,他们什么题目都能做对,不管什么标准的排名都能排在前面。这些人按什么标准评价都是优秀,执行任何任务都不犯错误,他们什么都懂,是比别人聪明的“聪明书生”,他们具备各种能力(技能),但是没有一流人才的内在心态。


不少“满分者”缺乏创造性,仅按照安全的原则行事,应对生活不是很擅长。



所有这些“完美者”都是二流人才中的佼佼者。二流人才总体上按照标准和指令条目办事,他们为得到赞赏而完成职责。


二流人才对如何完成任务考虑很多,但几乎总是从相对角度去思考,不是绝对角度(一流人才几乎只从绝对角度思考)。


“真正成为最优秀者,是很难得的,我在商界比别人好这么一点就够了。”这就是不太完美的二流人才的信条。我比竞争对手好一点,这就够了,然后别人就超到前面去了。


有这样的例子:在大学期间,学生必须拿到许多成绩单,证明他成功地完成了许多课目。一般情况下,及格率都在50%上下。


我作为教授,不断地向学生们提出这样的问题:


“如果有人到了25周岁总是凭着五六十分的成绩读完了硕士,这种人是不是能从事一门职业?我们能不能指望一个医生、律师或者投资顾问,他历来只有一半是做对的?”


大多数学生经常在计算自己的学分。“我的学分总数够了吗?”他没有真正想过以后的职业,没有对专业本身强烈的兴趣。


许多人对自己说:“做对三分之二就已经很好了,因为做对一半就够及格了,做对三分之二我就满意了。”二流人才就想好好及格,并且做到了,这是相对角度考虑问题的心态。



一个人受到夸奖就算成功了?做对三分之二题目的成绩从绝对意义上看就算好吗? 



03 二流人才的原则:我如何取得成功


有的二流人才总是认认真真地获得三分之二的成绩分数,并因此认为有了可靠的保障,不仅可以拿到硕士文凭,而且也成为自己专业里的真正专家了


他们相应的信条就是“我已经是硕士了,所以我就是专家了!”埃里希·弗洛姆(《占有还是生存》一书的作者)听了这句话肯定要从墓穴里翻身起来了……


这类二流人才只求获得一张毕业证书,这是最终的成功。他们目标明确,也很务实,他们专注于如何有效地“搞定”一件事情,例如数学作业可以用抄答案的办法搞定。



另一类二流人才有创造性,最讲效率,他们在万不得已时,或不感兴趣时也采纳“作假”行为。而第一类二流人才仅仅在万不得已时才作假(“这是善意的谎言,是可以的。”)


一流人才的原则是绝不作假,因为卓越不能来自作假,而且这样就肯定丢掉了“绝对真实”了。


二流人才只在有什么好处可得时才真正全力以赴,譬如加薪、提拔,尤其是取得一场胜利时。


你何必在大学里还要这么玩命地学习,你明明知道,你的硕士毕业证书一生中只需要拿出来用一次,那就是在你第一次求职时。大学里学的东西你根本用不上,所有参加了工作的人都这么说的。


这话显然是对的,因为我们的高中毕业证书也只需要在上大学时拿出来用一次。中学里学到的东西我已经全部忘光了,这也没有给我造成任何坏处啊。那么为什么还要这样,为什么大学里还要全力以赴地学习呢?


如果众多的一流人才聚集到了一起(如硅谷),就如电影里的“七武士”一样组成了一个全能团队,这时就产生了高度的群体智慧。


第一类二流人才(他们为完成各类任务而工作)和第二类二流人才(他们想要展现自我)中通常由少数一流人才慢慢退化而来,因为他们做不到让其他人对卓越、超越和智慧而简化的东西感兴趣!



但这又是跟他们大多数都有关系的工作!老板要衡量营业额、成本、劳动时间、利用率、与其他部门和竞争对手相比的成绩。普通的管理理念注重的是只要比他人超出一点,哪怕只要相对比较下自己领先一点就满意了。


在实际工作中,领先的几乎总是那些二流人才,而且颇有传奇色彩的是,结果进入了高级管理层的都是那些最好的二流人才。


许多人无法协调好一流人才的完美做法与二流人才的实用做法——许多人采用了一流人才的原则却失败了。


一个人并非总要让自己按绝对的原则去做每件事情,在达到卓越的过程中也需要把两类二流人才的原则结合起来,或者干脆让一流人才围着自己。


关于作者:冈特·迪克 (Gunter Dueck),曾担任数学教授,被称作"野人迪克",哲学家。后来担任IBM德国公司技术总监,直至2011年8月退休。目前以作家身份进行自由创作,同时还是网络活动家,从事商业传播和讲演,继续为改造世界孜孜不倦地出力。


本文摘编自《群体性愚昧》,华章管理(ID:hzbook_gl)首发,转载请与我们联系取得授权。




延伸阅读《群体性愚昧

点击小程序了解及购买本书👆

转载请联系微信18361272808

点击文末右下角“写留言”发表你的观点


推荐语:德国经济类十佳图书;德国经理人杂志畅销书;企业管理领域的《乌合之众》;让精英们在一起更聪明地工作,摆脱企业衰亡怪圈。冈特·迪克在IBM德国公司担任技术总监20余年,对企业管理中普遍存在的负面现象进行的分析和思考。为什么这些精英在一起也会干蠢事呢?因为他们想在任期内尽可能凭业绩获得高额奖金和其他个人经济利益。


  今日推荐  


“创业路上有哪些弯路”“怎么避坑”,关注华章的你也一定关心这些问题。


今天华章妹给大家推荐一个公众号叫做:“谷仓创业观察”一天一篇干货文章,为你传递小米最地道的经营方法论,华章妹每天都在等着他更新呢。


每天看“谷仓创业观察”,创业路上少走弯路,大家识别二维码就可以关注了。




更多精彩

在公众号对话框输入以下关键词

查看更多优质内容!


德鲁克 | 定位 | 拉姆·查兰

稻盛和夫 | 陈春花

点击阅读原文,了解一本好书📕~
登录查看更多
0

相关内容

古希腊哲学家,和其学生柏拉图及柏拉图的学生亚里士多德被并称为希腊三哲人。他被后人广泛认为是西方哲学的奠基者。 苏格拉底相信「理想存在于一个只有智者才能了解的世界」。
打怪升级!2020机器学习工程师技术路线图
专知会员服务
98+阅读 · 2020年6月3日
专知会员服务
123+阅读 · 2020年3月26日
【经典书】精通机器学习特征工程,中文版,178页pdf
专知会员服务
354+阅读 · 2020年2月15日
【机器学习课程】机器学习中的常识性问题
专知会员服务
73+阅读 · 2019年12月2日
自然语言处理NLP的坑到底有多大?
专知
46+阅读 · 2018年11月12日
学人工智能,参加培训真的有用吗?
AINLP
6+阅读 · 2018年10月10日
2018,怎样成为抢手的机器学习人才
Python开发者
6+阅读 · 2018年3月1日
[遇见数学] 2017回顾 | 曾经推荐过的好书
遇见数学
4+阅读 · 2017年12月26日
机器学习应该准备哪些数学预备知识?
AI100
4+阅读 · 2017年11月26日
如何教育人工智能这个全球74亿人共同的小孩?
微软研究院AI头条
3+阅读 · 2017年11月17日
谈谈王者荣耀
小道消息
4+阅读 · 2017年7月6日
VrR-VG: Refocusing Visually-Relevant Relationships
Arxiv
6+阅读 · 2019年8月26日
Object detection on aerial imagery using CenterNet
Arxiv
6+阅读 · 2019年8月22日
Arxiv
3+阅读 · 2018年6月14日
Arxiv
3+阅读 · 2018年4月9日
Arxiv
10+阅读 · 2018年2月9日
VIP会员
相关资讯
自然语言处理NLP的坑到底有多大?
专知
46+阅读 · 2018年11月12日
学人工智能,参加培训真的有用吗?
AINLP
6+阅读 · 2018年10月10日
2018,怎样成为抢手的机器学习人才
Python开发者
6+阅读 · 2018年3月1日
[遇见数学] 2017回顾 | 曾经推荐过的好书
遇见数学
4+阅读 · 2017年12月26日
机器学习应该准备哪些数学预备知识?
AI100
4+阅读 · 2017年11月26日
如何教育人工智能这个全球74亿人共同的小孩?
微软研究院AI头条
3+阅读 · 2017年11月17日
谈谈王者荣耀
小道消息
4+阅读 · 2017年7月6日
相关论文
VrR-VG: Refocusing Visually-Relevant Relationships
Arxiv
6+阅读 · 2019年8月26日
Object detection on aerial imagery using CenterNet
Arxiv
6+阅读 · 2019年8月22日
Arxiv
3+阅读 · 2018年6月14日
Arxiv
3+阅读 · 2018年4月9日
Arxiv
10+阅读 · 2018年2月9日
Top
微信扫码咨询专知VIP会员