注册

驱动力

其他分类其他2021-12-26
313

Committed to protecting the environment

CONTENTS
目录

准绳

工信部重罚阿里云!安全漏洞先报美
国,阿里第二大发动机熄火

数说

看完《梅艳芳》
突然好想有个人好好爱我

秘籍

年底了,到底该如何制定明年的OKR?

可爱的你
祝你圣诞快乐

Merry Christmas

一线

用Python抓取2500份数据岗位招聘需
求,发现未来最吃香的岗位是这个!

以下文章来源于关于数据分析与可视化 ,作者俊欣
链接:https://mp.weixin.qq.com/s/5rWczyzoa5hR8f1VbAqAAg

@retry(stop=stop_after_attempt(7))
def make_requests(url):
    response = requests.get(url=url, headers=headers)
    response_1 = BeautifulSoup(response.text, "lxml")
    return response_1
解析数据的代码如下:
def process_data(index, job_title, response_text):
    response_2 = response_text.select("div.list__YibNq")
    for resp in response_2[0]:
        if resp.select("div.p-top__1F7CL a"):
            job_titles = resp.select("div.p-top__1F7CL a")[0].get_text()
        else:
            job_titles = ""
        if resp.select("span.money__3Lkgq"):
            payments = resp.select("span.money__3Lkgq")[0].get_text()
        else:
            payments = ""
        .........

        随着各行各业都在进行数字化转型,数据方面的人才也成为了各家企业招聘的重点对象,不同数据类型的岗位提供的薪资待遇又是如何的?哪个城市最需要数据方面的人才、未来的发展前景与钱途又是怎么样的?今天小编抓取了某互联网招聘平台上面的招聘信息,来为大家分析分析。我们大致会讲:
  * 数据抓取的流程与步骤
  * 数据清洗的流程与步骤
  * 可视化的结果与分析

驱动力

04

用Python抓取2500
份数据岗位招聘需求
,发现未来最吃香的
岗位是这个!

一线

我们用Python当中的requests模块来发送与接收请求,然后用BeautifulSoup模块也解析返回的数据,代码如下:

然后最后将收集到的数据导出到excel当中,代码如下:
df = pd.DataFrame(
        {"职位名称": job_titles_list, "薪资待遇": payments_list, "工作年限": work_years_list, "公司名称": company_name_list,
         "所处行业": industry_list, "岗位简介": job_title_description_list})
path = "job_files/"
if not os.path.exists(path):
    os.makedirs(path)
df.to_excel("./job_files/{}_{}.xlsx".format(job_title, index), index = False)

05

数据抓取的步骤

小编这次所抓取的岗位分别有“数据分析师”、“数据挖掘工程师”、“数据产品经理”、“大数据开发工程师”以及“数据运营助理”等等,接下来我们就针对所收集到的数据进行清洗与进一步的处理吧

驱动力

06

数据的清洗与处理

一线

· 删除重复项
数据集当中或许存在重复的内容,我们用drop_duplicates()方法来进行重复项的去除
df_all_1 = df_all.drop_duplicates()
df_all_1.info()
· output
<class 'pandas.core.frame.DataFrame'>
Int64Index: 2207 entries, 0 to 2237
Data columns (total 6 columns):
 # Column Non-Null Count Dtype 
--- ------ -------------- ----- 
 0 职位名称 2207 non-null object
 1 薪资待遇 2207 non-null object
 2 工作年限 2207 non-null object
 3 公司名称 2207 non-null object
 4 所处行业 2203 non-null object
 5 岗位简介 2207 non-null object
dtypes: object(6)
memory usage: 120.7+ KB
· 删除缺失值
df_all_1 = df_all_1.dropna(axis = 0, how = "any")
df_all_1.info()
· output
<class 'pandas.core.frame.DataFrame'>
Int64Index: 2203 entries, 0 to 2237
Data columns (total 6 columns):
 # Column Non-Null Count Dtype 
--- ------ -------------- ----- 
 0 职位名称 2203 non-null object
 1 薪资待遇 2203 non-null object
 2 工作年限 2203 non-null object
 3 公司名称 2203 non-null object
 4 所处行业 2203 non-null object
 5 岗位简介 2203 non-null object
dtypes: object(6)
memory usage: 120.5+ KB

07

我们用到的是Pandas模块,首先先导入所有收集到的数据:
import pandas as pd
import os
df_all = pd.DataFrame(columns=["职位名称", "薪资待遇", "工作年限", "公司名称", "所处行业", "岗位简介"])
for file in os.listdir("./job_files"):
    df = pd.read_excel("./job_files/" + file)
    df_all = df_all.append(df, ignore_index=True)
· 我们来看一下最终的数据集长什么样子
print(df_all.info())
· output
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 2238 entries, 0 to 2237
Data columns (total 6 columns):
 # Column Non-Null Count Dtype 
--- ------ -------------- ----- 
 0 职位名称 2238 non-null object
 1 薪资待遇 2238 non-null object
 2 工作年限 2238 non-null object
 3 公司名称 2238 non-null object
 4 所处行业 2234 non-null object
 5 岗位简介 2238 non-null object
dtypes: object(6)
memory usage: 105.0+ KB

· 对薪资数据的清洗
接下来为了方便对薪资数据进行统计分析,我们对此也需要进行相对应的处理
df_all_1["薪资待遇"] = df_all_1["薪资待遇"].str.replace("k", "000")

驱动力

08

可视化分析结果

一线

我们可以发现的是整体的市场中“数据产品经理”这个岗位的整体待遇是相对更好一点的,其次便是“数据挖掘工程师”这个岗位,薪资一般也比较容易达到20K-40K之间的区间
· 哪个城市的需求最多
接下来我们来看一下哪些城市对数据方面的人才需求是最多的,
df_all_1["城市分布"] = df_all_1["职位名称"].apply(lambda x: x.split("[")[1].split("·")[0])
df_all_1["城市分布"].value_counts().head(10)
· output
北京 702
上海 446
深圳 404
杭州 194
广州 190
成都 68
武汉 57
西安 23
南京 18
苏州 15
Name: 城市分布, dtype: int64
可以看到的是对于数据方面的人才需求最旺盛的仍然是北京,上海排在第二,与此同时呢,杭州在这方面的需求上面已经超过了广州,位列第四,同时在前十名当中成都、南京以及武汉与西安都纷纷上榜

09

· 薪资的不同
我们先来看薪资上面的差距,根据不同的职位名称来看,例如我们来看“数据产品经理”这个岗位
df_all_1[df_all_1["职位名称"].str.contains("产品经理")]['薪资待遇'].value_counts().head(5)
· output
20000-40000 66
15000-30000 48
15000-25000 46
20000-30000 27
25000-50000 26
Name: 薪资待遇, dtype: int64
较多的是集中在20K-40K这个范围当中,具体我们可以通过下面这个可视化的结果来看

· 哪个行业所需要的数据岗位最多呢?
接下来我们来看一下哪个行业所需要的数据方面的人才最多,
df_all_1["行业"] = df_all_1["所处行业"].apply(lambda x: x.split("")[0].split("/")[0])
df_all_1["行业"].value_counts().head(10)
· output
数据服务                 175
内容资讯,短视频     155
软件服务                 141
科技金融                 114
电商平台                 84
IT技术服务              68
企业服务                 61
游戏                        55
专业服务                 52
消费生活                 52
Name: 行业, dtype: int64
从上面的结果中看到,除了“数据服务”行业之外,还有“内容咨询、短视频”领域、“软件服务”、“科技金融”、“电商平台”、“IT技术服务”等领域对于数据方面的人才都有着相当旺盛的需求

驱动力

10

一线

· 对于学历的要求是什么样的呢?
我们来看一下各家公司对于数据方面的人才,在学历上又有何种要求呢?
df_all_1["学历要求"] = df_all_1["工作年限"].apply(lambda x: x.split("/")[-1])
df_all_1["学历要求"].value_counts()
· output
本科 1922
硕士 119
不限 77
大专 73
博士 12
Name: 学历要求, dtype: int64
一般来说仅仅是“本科”的学历就可以了,当然还有少数的公司对于学历的要求是局限在硕士之上
· 岗位的简短介绍
各家公司为了吸引越来越多的人才前往加入公司,也打出了各色各样的标语,小编做了汇总,并且做成词云图,首先我们用jieba模块对文本数据进行分词
word_num = jieba.lcut(text, cut_all = False)
rule = re.compile(r"^[\u4e00-\u9fa5]+$")
word_num_selected = [word for word in word_num if word not in stop_words and
                   re.search(rule, word) and len(word) >= 2]
接着我们使用stylecloud模块来进行词云图的绘制
stylecloud.gen_stylecloud(text=" ".join(review_list), max_words=100, collocations=False,
                          font_path="KAITI.ttf", icon_name="fab fa-apple", size=653,
                          output_name="4.png")
· output
(见下一页)

11

驱动力

12

准绳

13

—  END  —

工信部重罚阿里云!
安全漏洞先报美国,阿里第二大发动机熄火

以下文章来源于科技每日推送 ,作者飞翔的月月鸟
链接:
https://mp.weixin.qq.com/s/FE2Ibov3Xpg5n3G2sAQEzQ

阿里云发现的核弹级漏洞,第一反应报给了国外。过了半个月,工信部看新闻才知道......
12月22日,工业和信息化部网络安全管理局通报称,阿里云公司发现阿帕奇(Apache)Log4j2组件严重安全漏洞隐患后,未及时向电信主管部门报告,未有效支撑工信部开展网络安全威胁和漏洞管理。

14

驱动力

15

准绳

经研究,现暂停阿里云公司作为上述合作单位6个月。暂停期满后,根据阿里云公司整改情况,研究恢复其上述合作单位。
简单来说,阿里云技术非常好,率先发现了个核弹级的Log4j2漏洞,并且第一时间上报到国外Apache。
美国确实有有数千枚核弹,但不一定有数千个这样的漏洞!
而我们国家,要通过公开新闻,才知道上述漏洞。而那时候,距离阿里云首次发现漏洞,已过去了15天。

阿里云发现了个核弹

11月24日,阿里云安全团队,向Apache报告了Apache Log4j2远程代码执行(RCE)漏洞。
一时间,这个高危漏洞,引发全球网络安全震荡!

美国国家安全局、德国电信CERT、中国国家互联网应急中心(CERT/CC)等,多国安全机构,相继发出警告。

目前,包括苹果、亚马逊、特斯拉、谷歌、百度、腾讯、网易、京东、Twitter、 Steam等平台服务器,都证实了,有被攻击的风险。

已经有网友证实,更改iPhone名称,就可以触发漏洞。。。

16

驱动力

17

准绳

有关报道显示,黑客在72小时内利用Log4j2漏洞,向全球发起了超过84万次的攻击。
利用这个漏洞,攻击者几乎可以获得无限的权利。
比如他们可以提取敏感数据、将文件上传到服务器、删除数据、安装勒索软件、或进一步散播到其它服务器。
有业内人士戏称,这个漏洞可以参选:“计算机历史上最大的漏洞”。

为什么阿里云先报告给国外,却忘了上报给工信部

根据工信部这次重锤阿里云的通报,有两个重点:
1、并没有禁止阿里云,向产品供应方Apache通报漏洞。
2、对阿里云未及时向电信主管部门报告。
工信部在意的是太迟报告了!阿里云报告给了apache,反馈给开源社区没问题,但是只反馈给开源社区那问题就大了。
网络安全漏洞,打的就是时间差。我们顺下时间,大家知道问题有多严重。
11月24日,阿里云安全团队发现漏洞,报告给了Apache。
12月7日,Apache官方发布了安全补丁,可并没有多大作用。
12月9日,漏洞已经“完全武器化”,网络上出现大量利用漏洞的攻击行为。

到了这时候,工信部才知道,立即组织有关网络安全专业机构开展漏洞风险分析,召集阿里云、网络安全企业、网络安全专业机构等开展研判,通报督促阿帕奇软件基金会及时修补该漏洞,向行业单位进行风险预警。

直到12月10日凌晨,斗鱼、京东、网易等企业才相继发出了公告。

18

驱动力

19

准绳

中间足足17天时间,我们的某些科研院所,或者核心位置,是否一直暴露在危险范围内呢?
这17天,如果利用漏洞发起攻击,影响的范围将堪比2017年“永恒之蓝”病毒。
当年的WannaCry勒索病毒,致使美国、英国、俄罗斯、中国等至少150个国家,30万名用户中招。
有心人,完全可以利用这个公布漏洞的时间差,来做很多以前做不到,或难以做到的事,后果不堪设想。
作为阿里云,有没有责任?

阿里云,让人失望的合作方

阿里云和国家信安部是合作方,乙方发现了个漏洞,可能会危害甲方,第一时间提醒下甲方,这要求不过份吧?
而这次,阿里云似乎忘了。
要知道,这不单是工程伦理问题,也是个国家安全问题。

根据工业和信息化部 、网信办、公安部《关于印发网络产品安全漏洞管理规定的通知》,明确规定。
关于漏洞的规定是:应立即通知产品提供者,应当在2日内向工业和信息化部网络安全威胁和漏洞信息共享平台报送相关漏洞信息。

也就是说,发现漏洞,你当然可以通知Apache,但同时也应该要通报给工信部。
成年人能不做选择,两个都上报啊,中间完全没有难度。
但阿里这次半个月都不上报,漏洞还得工信部自己看新闻发现,也难怪工信部,重锤处罚阿里云了。
阿里巴巴美股股价,盘前跳水,跌约3.81%。

20

驱动力

21

准绳

阿里2021投资者日上,董事会主席兼首席执行官张勇表示,海外市场潜力巨大,海外业务增长迅速,并将其确定为阿里未来几年的主要增长动力之一。
张勇认为,全球市场的拓展离不开数字基础设施建设,阿里云在海外市场的产业数字化探索、蚂蚁在海外支付的多年投入,这些都将长期支持未来全球化战略的发展。

海外扩张中的阿里云

阿里云智能总裁张建锋表示:阿里云正在加速拓展海外市场,东南亚市场的营收增长超60%。
张建锋透露:
我们的服务团队、解决方案团队在逐渐实现本地化,这是我们在国际化过程中非常重要的一步。
这阿里云通报漏洞,或许也应该是本地化的一部分吧?
据公开数据,阿里云在马来西亚、新加坡、印尼、菲律宾、日本、德国、迪拜、美国等25个地域建立了数百座云数据中心,付费客户数量超过400万。

阿里的第二个新引擎

根据阿里发布财报显示,2021财年,阿里云营收达601.2亿元,比上一财年400亿元收入大幅增长50%。

22

驱动力

23

准绳

对比历史数据,2015财年,阿里巴巴首次披露云计算营收,当年阿里云全年收入为12.71亿元,到2021财年营收601.2亿元,7年间增长46倍。
其中,阿里云深耕政企服务市场,政企行业收入占比持续上升。
据IDC数据,阿里云在工业云市场、数字政府市场、金融云市场均排名市场第一。

而显然,此次被工信部暂停信息共享平台合作,显然会对阿里云的营收和市场份额,造成一定的影响。
我们无法知道阿里云怎么想的,但是他至少可以看看他怎么做的。虽然截稿前,月月鸟还没看到,阿里云的回应。
犯错要认罚,认罚要诚恳。
云服务,看来注定是个分散的市场,需要随时有随时替补的厂商。互联网野蛮生长的终点近在眼前。一鲸落,万物生。
华为云、腾讯云、电信都是有力的候选,云市场的竞争将不断升级。
综合自中国日报

一鲸落,万物生

此前 Canalys 发布中国云计算市场 2021 年第三季度报告显示,阿里云、华为云、腾讯云和百度智能云依旧占据市场第一梯队,其中阿里云市场份额排名第一。

24

看完《梅艳芳》
突然想有个人好好爱我

驱动力

最近,令无数梅迷期待的《梅艳芳》上映了!
周末下午,小咪带着闺蜜去观摩了梅姐的电影。看着梅姐这朵女人花跌宕起伏的40载,心中有震撼有触动有心疼。
4岁起登台献艺,19岁新秀出道,凭借着心里的那股劲儿,一路披荆斩棘,在舞台和大荧幕上夺目绽放。
梅艳芳,是形容词!
记忆里,小咪印象最深的,是梅姐在《逃学威龙3:龙过鸡年》的表演,饰演星爷王百万泼辣腹黑的老婆:女装扮相,简直惊艳!
身姿绰约,风情万种,是我作为一个女生都会回味的那种美艳动人;男装扮相,眉宇冷漠,干净利落,一撮小胡子别具一格。
人生若只如初见!梅姐扎着小辫儿,像一个少女般蹦跶着出现在星爷面前的那一刻,也偷走了我的心。
多么美好的人呀......现实中,梅姐没能遇到那个相守相爱的人。同样情路坎坷的闺蜜不禁感叹 : 突然好想有个人好好爱我!要是有个人好好爱我就好了~
贴心如我,这就安排!
所有男生女生请注意!脱单获爱秘笈来喽~
接下来 ,小咪将以男生版为示例教大家以一套标准的 「数据分析流程」从科学的角度脱单获爱♥

25

数说

原文出自巡山猫编辑部,作者猫小咪链接:https://mp.weixin.qq.com/s/0RNkMvu1YYgDLdybCB-TXg

第一步:明确问题

第二步:了解现状

26

驱动力

27

数说

第三步:设定目标

第四步:把握真因

28

驱动力

29

数说

第六步:实施对策

第五步:制定对策

30

驱动力

31

数说

第八步:评估方法并标准化

第七步:评估结果和过程

以上脱单秘笈,供娱乐参考
好的爱情从来不是顷刻间的燃烧
而是细水长流的滋养
祝愿大家都找到你的一生至爱♥
愿有人问你粥可温,有人与你立黄昏

32

驱动力

33

秘籍

以下文章来源于刘润 ,作者刘润
链接:https://mp.weixin.qq.com/s/Q9D_zut_xi6EFyh773J4PQ

年底了,你今年的目标,完成得怎么样?
如果很成功,那非常不容易,要祝贺自己。如果不顺利,可能是目标定得有问题,或者执行得有偏差。明年再来。
但是,明年,怎么办呢?
我想和你分享OKR的方法。你可能听过,也用过,但不一定真能用得好的方法。
今天,我和你分享OKR的逻辑,和我自己的一些例子。
希望能对你有启发。

年底了,到底该如何制定明年的OKR

首先,一个必须回答的问题,什么是OKR?
OKR,是最早Intel使用,后来在Google火起来的目标管理方法
简单来说,OKR就是年初,你结合公司、老板、和自己认为重要的事,定好O,和对应的KR。
什么是O?O,就是Objective,目标。
这个目标,应该是你在未来一段时间,非常渴望达成的事情。
非常渴望,有多渴望?
这么说吧,应该是一件让你夜不能寐的事情,1件能比得上10件的事情。
那什么是KR呢?KR,就是Key Results,关键结果。
关键结果,就是衡量是否能完成目标的那个东西。
但是请注意,这个关键结果,一定是基于具体数值的,不能是轻飘飘一句话拿来糊弄人的。
比如说,你的O(目标)是“建立一支销售团队”,那么你的KR(关键结果),就应该是“培养30名销售员工”,而不能是“销售团队有一定规模”。
如果KR没有数字,那整个OKR,都没有了意义。
而当你有了OKR,你明年就可以瞄着目标,好好大干一场了。
你不需要一直想,我到底要做什么?我为什么这么迷茫?我怎么像在转圈圈?
如果你有这样的感觉,几乎一定是你没有清晰的目标,和不知道怎么样算完成了自己的目标。
OKR,会像一块靶,时刻提醒着你,10环!10环!

1、什么是OKR

2、千万别忘了AP

34

驱动力

35

秘籍

但是,怎么打中10环呢?
很多人在制定OKR的时候,还忘了重要的一件事,就是制定自己的AP。
AP,又是什么?
AP,就是Action plans,行动计划。
有了O(目标),有了KR(关键结果),还不够,还必须有AP(行动计划)。
你准备怎么完成自己的O和KR?
“培养30名销售员工”,怎么培养?比如请行业内的名师来讲课,比如制定一份工作手册,比如用一些项目来训练和实战。
从计划,要到行动。
有行动,才有产出。
否则,就很容易沉浸在努力定目标的自我感动里面,这种错觉,常常会让人忘记了行动。

2,按照计划和行动。
AP→KR→O。
通过复盘,你会发现有些事情,做得不太好,可能是需要调整的。
但是,调整什么?
一般来说,我们调整AP,这个行动计划不太对,我们换一种做法试试看。
有的时候,是我们的KR,关键结果没有设好。这个KR,根本不能支撑我们的目标。这时,在KR的级别,就要做一些修改。
但还有时候,你可能会发现,做了一段时间,原来整个O,目标都没有找对。目标错了,那后面就全错了。
所以,迭代和调整,也是有不同颗粒度的。
一定要多回顾,多思考。

4、O和KR的自上而下,自下而上

3、不同颗粒度的迭代和调整

有了目标、关键结果、行动,那就开始做。
一旦做了,就会有反馈,是不是符合预期。
然后,就可以按照不同颗粒度,进行迭代和调整。
不同颗粒度?
对。你至少可以按照两种不同的颗粒度,来修正调整自己的OKR。
1,按照时间。
每周→每月→每季度→每年。
反馈的速度和频率,能决定你执行的效率,和效果。
每隔一段时间,就回头看看自己做得怎么样。
这样,不会漏掉小问题,也不会放过大问题。

但是,你一定有感觉,如果只是改AP,是必要的,也是能接受的。
可如果改了O和KR,说明一开始,咱们定的目标和关键结果就有问题。这不就返工了吗?降低了效率,浪费了时间啊。
所以,制定对O和KR,就很重要。
怎么办?
自上而下,自下而上。
咱们分别来说。
自上而下,咱们很熟悉了。CEO有了O,就会设定一系列的KR,分给下级。
上级的KR,也就变成了下级的O,然后,再层层分解,传递下去。
上级的决策,一般有更多的信息,更多的经验,O整体是靠谱的,很多时候是到下面动作变形了。

36

驱动力

37

秘籍

所以,这样逐级分解,就把一个大目标,变为一个个关键结果,互相承接。大家也能保持一致,力出一孔。
那么,自下而上呢?
我知道,也许有的人会说,万一上级有失误呢?万一我有更好的想法呢?
在一定程度上,允许一部分OKR自下而上,员工自己设定。
这样,发挥了员工的自主性,也让公司有了创造力和活力,留下缓冲空间和纠错余地。

还有一件事情,我觉得也很重要,想和你分享。
重要的事情,说三遍:
仪式感,仪式感,仪式感。
制定和执行OKR,需要一些仪式感。让大家更重视,让自己也更重视。
在我们这家小公司,每年的OKR制定,我都想尽量有更多的仪式感:

6、考核只是手段,不是目的

5、透明公开

当你定好OKR,也有了AP之后,还有一件事,记得透明公开。
别藏着捂着,要让所有人都知道。
为什么?
一方面,这是一种公开承诺的压力。
公开承诺,能更好激发自己去完成目标。
另一方面,是互相之间能够沟通协作。
虽然分配到每个人手上的目标是不同的,但这并不代表大家就各自为战,不能没有协同。
在我们公司开会的时候,大家经常会聊:诶,你今年的目标是什么?这个月你要完成到什么样子?
这样,就彼此对大家正在做什么心里有数。
然后,工作时也会想到对方。
我正在做的这件事,是不是可以顺便帮到你。你是不是有什么资源,也能支持我的。
最后,大家的目标都能完成,那个最大的目标,也得到了支持。
所以,一定要透明,公开。让每个人都知道。

那么,一定有人会问,我制定了目标、计划、行动,大家也互相配合,可是OKR,要考核吗?
熟悉我的人一定知道,我会说:看情况。
一般来说,OKR是不考核的。
因为一旦考核,员工和公司之间,关于目标的设定,就会开始讨价还价和互相博弈了。
不考核,还是希望大家能更有“野心”,定一个更大的目标。
但是,如果不考核,完不完成都可以,谁还会认真努力呢?
因此,在有的公司,会采用360°环评的方式。
老板、同事、下属,一起来给你打分。不是一个人说了算,是大家说了算。
你的工作,大家都看见了,群众的眼睛是雪亮的,大家一起打分。
但是,我想说,考核,只是手段,不是目的。
目的,是要能完成最终的结果和目标。
如果考核能让大家更好的实现目标,那就考核。
如果不考核更能激发大家的意愿,那就不考核。
最担心的就是,为了考核而考核,为了不考核而不考核,而忘记了目标。

7、仪式感、仪式感、仪式感!

38

驱动力

39

秘籍

1,三轮沟通。
和每位的OKR讨论,都会有至少三轮沟通。我说我的期待,你说你的想法,我们来碰撞交流,确保大家能形成共识。
在前面沟通的时间多一些,后面纠正的返工就少一点。
三轮沟通,我很重视,大家也很重视。
2,挂墙仪式。
制定完OKR后,我们会举行一个“挂墙仪式”。
不仅是把每个人的OKR发到群里,还要打印出来,拿一个相框装好,挂在墙上。
每当走进办公室,不管是我,还是小伙伴,都会被时刻提醒:这是我的目标。
3,年底总结。
然后,到了年底,再把相框,和里面装着的OKR,从墙上取下来。
大家来聊聊,完成了怎么样。
有什么做得好的,有什么需要明年修正的。
仪式感,还是很必要的。
我建议你,也可以做一些这样的事情。比如说,在朋友圈或者什么地方,发布自己的OKR吧。

8、我的OKR

年底了,一年快要过去,我正在总结今年的OKR,也在计划明年的OKR。
我就和你分享,我2021年的OKR吧。还有一些目标,我和团队正在冲刺,相信可以完成。
这份OKR,你也可以当作参考。希望能对你有些启发。

O1:收入持续增长
KR1:培训和咨询收入,不低于2020年
KR2:公众号广告收入,加速触及天花板
KR3:进化岛,收入增长10%
AP1:以每三个月为单位,提高基础人·天价格
AP2:公号商务机制,建立、迭代一套流程
AP3:支持进化岛的同事,一起做进化岛总体规划
O2:影响力持续提升
KR1:公众号订阅230万
KR2:私域流量用户25万
KR3:视频内容多平台周更
KR4:成功举办“进化的力量·刘润年度演讲”
AP1:推进流程化,并大力提升编辑团队的内容能力
AP2:支持私域的同事,一起做私域流量总体规划
AP3:在短视频投入人手,必要时继续招人
AP4:找到值得托付的团队。并把各项时间压缩,闭关一个月,留出足够的内容时间
O3:团队战斗力持续提升
KR1:编辑团队的内容水平比 2020 有提升
KR2:根据业务需要,新增 2-3 名优秀的新同事
KR3:提升团队协作能力、职业化能力
AP1:报销得到在线课程的一半
AP2:继续中午培训,给予一些参加外部活动的机会
AP3:要求每位员工有自我提升计划,并严格执行
AP4:对职业化做培训和考核
AP5:增设协作类奖励

最后的话
年底了,到底该如何制定明年的OKR?
自上而下、自下而上的制定好相应的O,KR,AP。然后,按照不同颗粒度进行反馈调整。公开透明给所有人。根据自身的情况,决定是否考核。以及,在做的过程中,充满仪式感。
不管是公司,还是个人,都可以用这样的方法。
最后,希望你记住,目标,目标,目标。10环,10环,10环。别忘记最重要的事情。
希望这篇文章,能给你启发。也希望明年,能听到你的好消息。

Copyright © 2024 陕西妙网网络科技有限责任公司 All Rights Reserved

增值电信业务经营许可证:陕B2-20210327 | 陕ICP备13005001号 陕公网安备 61102302611033号