要如何把工作的壞因素化爲優勢，優秀的行動者必然長於細緻的思考。在做出重要決策的關頭，他們會收集大量的事實情況進行分析；下面是要如何把工作的壞因素化爲優勢的方法！
要如何把工作的壞因素化爲優勢1
如何把工作的壞因素化爲優勢
但求卓越，不謀譁衆
要想使一個集體中的成員團結一致，維持一種和諧的氣氛，一個最有效的手段就是利用人們渴望獲得讚賞的心理。但是，如果這種獲得他人讚揚與好感的願望過於膨脹的話，就會徹底破壞你正直的品行與平和的心態。
如果研究一下偉人們的事蹟，就能發現一個重要的情況：與贏得他人讚賞相比，他們更專注於實現遠大的目標。正爲此，他們在完成了那些可欽可讚的偉績的同時，也獲得了卓著的聲望。
時刻堅持高標準
航海中的最高原則是：相信羅盤，按照它的指示前進。在現實生活中，明智的人也是這樣。他們時刻要求自己遵循自己的信條和道德準則，始終不愈。
一個正直的人之所以始終追求自己的最高理想，並非出於天性或是社會的壓力，而是源自對這些理想的堅定信仰。正直的人決不會在遇到困難或強烈誘惑的時候放棄自己的原則，甚至不允許有“僅此一次“的想法。
對挫折給予即時的回擊
直面困難，是克服困難積極的第一步。如果你剛剛得知你的身體出了問題，就要去勇敢地面對、明智地解決，就要去徵求最優秀的專家的意見：什麼是最好的療法？如果你正在努力工作，爭取按時完成一項計劃，卻遇到了嚴重的突發情況。這時，你就應當象科學家一樣認真地分析局面：問題是怎樣造成的？努力找出可處理現實問題的最好徐徑，發現最有助益的方法，然後遵照施行。
仔細權衡，做出最優決策
優秀的行動者必然長於細緻的思考。在做出重要決策的關頭，他們會收集大量的事實情況進行分析；而在分析權衡的過程中，他們會盡力摒除自身的偏見，以增強決策的客觀性和準確性。
事實上，有許多好的方法可以幫助人們做出明智的決策。其中之一就是：列出現實情況中所有的有利因素與不利因素，而後仔細估量其中的利弊與得失。之所以這樣做，其目的是要通盤考慮來自各個方面的因素，其中甚至可以包括你的個人感受。
不可失信於人
爲人誠信的聲譽是一個人最寶貴的財富之一。有了這種聲譽，你就會感受到他人對你的信任.當你發表意見時，人人都洗耳恭聽並深信不疑。
獲得信任的方法多種多樣，其行爲可大可校這需要一個人對自己高標準嚴要求，一貫誠實；經營作風光明正大；利益方面先人後已，並且重承諾守信用。
心存高遠，不爲小事所累
做事過程中，如果不懂得合理分配精力，各種問題便會紛至沓來。你的完成將僅限於小事，大事則無問津，撿了芝麻丟了西瓜。被瑣碎的.二流問題羈絆住了頭腦，自然不能留心頭等大事了。要想培養自己權衡輕重的能力，其奧祕在於：選定一個核心目標，緊緊追隨而不分心於小事。只有找到一個值得傾注一切的目標時，人們纔會全力以赴。唯其如此，他們才能做到最好。
吸取經驗，發展自我
一些自然形成的辦事習慣會導致思想僵化，而諸如“我已經做得夠好了“之類固步自封的想法更是使之根深蒂固。思想僵化是成功的大敵，它會導致落後於時代，喪失機遇和長期的不滿。
新奇與挑戰可以令人思想更豐富，意志更堅強。只有習慣於不懈追求的人們纔會在智力與情感方面得到進步。
要如何把工作的壞因素化爲優勢2
寫這篇文章時，筆者因新冠疫情影響與前公司溝通困難，正打算尋找一個新的數據科學家職位。
但現實並不順利，筆者在人才市場遭遇的境況比上次困難得多。但與其讓這些挑戰阻撓，甚至在最壞情況下破滅我們成爲數據科學家的夢想，筆者更願意努力理解這些挑戰，並提出對你我都有利的解決方案。
不切實際的職位描述
這似乎是我與數據科學求職者交流時最常見的話題：沒有人覺得自己與工作要求相匹配。
事實上，許多數據科學職位描述並沒有傳達崗位的實際要求。這帶來的一個問題：有追求的數據科學家會優先根據職位描述完善他們的個人能力和技術能力，但這將對他們產生誤導。還有另一個問題是，招聘人員會收到大量不符合要求的申請。
職位描述令人難以理解的原因有很多，你需要判斷自己遇到的問題屬於哪種：
解決問題的方法很多，因此很難將其縮小爲職位描述。
新的數據科學團隊鼓勵成員當萬金油，難以準確轉化爲職位描述。
公司缺乏經驗，不瞭解他們所遇到的問題，以及能夠解決這些問題的人應具備哪些能力 。
職位描述是由招聘人員撰寫的。
解決方案：找到職位描述不切實際的潛在原因十分重要，需要你有一定的洞察力，因爲這有可能會妨害你作爲一名數據科學家的成長之路。
你要明白工作描述只是公司的願望清單。公司是想僱傭一個他們認爲有能力解決實際問題的人。因此一定要展示自己的能力，讓公司覺得你有能力應對遇到的挑戰。如果你滿足任一職位描述中50%的要求，那麼你就很可能符合條件，應該嘗試應聘這個職位；如果你100%符合職位描述，選擇它很可能就屈才了。
數據科學正變得更加批量生產化
在過去，會使用JupyterNotebook應用程序進行一些可視化處理並構建模型就已足夠。但是在筆者看來，這些已經不再會使你脫穎而出。
Jupyter Notebook程序非常適合進行實驗，但在現實世界裏，我們已經超越了實驗階段。筆者相信每個數據科學家都知道如何使用Jupyter Notebook。隨着數據科學的批量生產化程度越來越高，編寫生產級代碼來節省時間和成本將成爲加分項。
每個數據科學家都應該知道如何編寫生產級代碼，原因如下：
1、從數據科學家轉接到工程師的過渡會導致內容丟失。
2、可以消除過程中的延遲。
3、一個人可以完成兩個人的工作，這使你更有價值。
解決方案：儘管存在爭議，但筆者相信在產品的數據科學應用方面，數據科學家和軟件工程師的技能逐漸趨同。因此更多的數據科學家應該學習軟件工程的最佳實踐。
競爭
數據科學是世界上發展最快的新興技術之一。成千上萬的人正蜂擁而至，嘗試更新他們的技能從而成爲一名數據科學家。如果你不相信，那麼請看數據，自Coursera成立以來，已有超過350萬人報名參加Andrew Ng機器學習課程（這是數據科學的重要組成部分）。
數據科學家成爲21世紀最性感的工作是有原因的。如今，越來越多的人試圖進入這個領域，工作競爭變得更加激烈，但這不是你決定不找工作的理由！
解決方案：根據筆者最近在LinkedIn上進行的一項投票，我們應該更努力讓自己脫穎而出，這並不意味着要擁有最美觀的簡歷。
當然，好的申請組合是一個脫穎而出的好方法。然而，在增加求職機會方面，還有一個立於不敗之地的方法，就是與你申請地區的高級招聘經理或數據科學家聯繫。LinkedIn讓人們很輕易地找到在某家公司工作的員工。在應聘工作時，這應該成爲求職流程的一部分。
雖然現實很艱難，但這絕不是你找不到工作的原因。在任何一份工作中，你都會面臨許多挑戰。獲得這份工作只是一個資格鑑定階段，看僱主是否相信你有能力面對這些挑戰，以及你是否希望僱主成爲你團隊中的一員。
要一直努力提升自己，不要等到準備好了纔去應聘。你可能一直認爲自己沒有準備好，害怕被拒絕，或害怕拒絕那些與你的目標不符的公司。猶豫就會敗北，勇敢才能白給！
