受益终生的世界顶级八大思维
1.吉德林法則
把難題清清楚楚地寫出來,便已經(jīng)解決了一半。只有先認(rèn)清問題,才能很好地解決問題。
結(jié)論:要想解決問題,必須清楚問題出在哪里。看到了問題的癥結(jié)所在,也就找到了解決問題的辦法了。所以,遇到問題后首要的就是要分析問題,只有這樣,在解決起問題來才會(huì)得心應(yīng)手,事半功倍。
圖片發(fā)自簡(jiǎn)書App
2.波克定理
原句:只有在爭(zhēng)辯中,才可能誕生最好的主意和最好的決定。
結(jié)論:問題只有經(jīng)過爭(zhēng)辯,才能找出問題的關(guān)鍵點(diǎn),只有爭(zhēng)論才會(huì)有應(yīng)對(duì)的高論。這個(gè)也是為何每個(gè)公司喜歡開會(huì)的原因,畢竟把所有人的智慧總結(jié)出來,再找出一個(gè)最符合實(shí)際的方案。
圖片發(fā)自簡(jiǎn)書App
3.奧格爾維法則
每個(gè)人都雇用比我們自己更強(qiáng)的人,我們就能成為巨人公司,如果你所用的人都比你差,那么他們就只能做出比你更差的事情。
結(jié)論:奧格威法則強(qiáng)調(diào)的是人才的重要性。一個(gè)好的公司固然是因?yàn)樗泻玫漠a(chǎn)品,有好的硬件設(shè)施,有雄厚的財(cái)力作為支撐,但最重要的還是要有優(yōu)秀的人才。光有財(cái)、物,并不能帶來任何新的變化,只有具有大批的優(yōu)秀人才才是最重要、最根本的。
圖片發(fā)自簡(jiǎn)書App
?
4.美既好效應(yīng)
對(duì)一個(gè)外表英俊漂亮的人,人們很容易誤認(rèn)為他或她的其他方面也很不錯(cuò)。
結(jié)論:印象一旦以情緒為基礎(chǔ),這一印象常會(huì)偏離事實(shí)。
圖片發(fā)自簡(jiǎn)書App
5.藍(lán)斯登定律
給員工快樂的工作環(huán)境,跟一位朋友一起工作,遠(yuǎn)較在父親之下工作有趣得多。你給員工快樂的工作環(huán)境,員工給你高效的工作回報(bào)。
結(jié)論:有很多公司管理者,比較喜歡在管理崗位上板起面孔,做出一副父親的模樣。他們大概覺得這樣才能贏得下屬的尊重,樹立起自己的權(quán)威,從而方便管理。這是走入了管理的誤區(qū)。現(xiàn)代人的平等意識(shí)普遍增強(qiáng)了,板起面孔不能真正成為權(quán)威!放下你的尊長(zhǎng)意識(shí),去做你下級(jí)的朋友吧,你會(huì)有更多的快樂,也將使工作更具效率、更富創(chuàng)意,你的事業(yè)也終將輝煌!
圖片發(fā)自簡(jiǎn)書App
6.洛伯定理
對(duì)于一個(gè)經(jīng)理人來說,最要緊的不是你在場(chǎng)時(shí)的情況,而是你不在場(chǎng)時(shí)發(fā)生了什么。
結(jié)論:如果只想讓下屬聽你的,那么當(dāng)你不在身邊時(shí)他們就不知道應(yīng)該聽誰的了。
圖片發(fā)自簡(jiǎn)書App
7.沃爾森法則
把信息和情報(bào)放在第一位,金錢就會(huì)滾滾而來。
結(jié)論:你能得到多少,往往取決于你能知道多少。要在變幻莫測(cè)的市場(chǎng)競(jìng)爭(zhēng)中立于不敗之地,你就必須準(zhǔn)確快速地獲悉各種情報(bào):市場(chǎng)有什么新動(dòng)向?競(jìng)爭(zhēng)對(duì)手有什么新舉措?……在獲得了這些情報(bào)后,果敢迅速地采取行動(dòng),這樣你不成功都難。
圖片發(fā)自簡(jiǎn)書App
8.墨菲定律
原句:如果有兩種或兩種以上的方式去做某件事情,而其中一種選擇方式將導(dǎo)致災(zāi)難,則必定有人會(huì)做出這種選擇。
主要內(nèi)容:
一、任何事都沒有表面看起來那么簡(jiǎn)單;
二、所有的事都會(huì)比你預(yù)計(jì)的時(shí)間長(zhǎng);
三、會(huì)出錯(cuò)的事總會(huì)出錯(cuò);
四、如果你擔(dān)心某種情況發(fā)生,那么它就更有可能發(fā)生。
墨菲定律根本內(nèi)容是:如果事情有變壞的可能,不管這種可能性有多小,它總會(huì)發(fā)生。
圖片發(fā)自簡(jiǎn)書App
作者:AventadoR王
鏈接:https://www.jianshu.com/p/1c8b86235776
總結(jié)
以上是生活随笔為你收集整理的受益终生的世界顶级八大思维的全部?jī)?nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 盘点上班族和大学生都适用的8个赚外快的小
- 下一篇: 机器学习入门案例简单理解——Tensor