如何在三个月内获得三年的工作经验(转载)

本文分享了如何通过提升基本技能、积累行业经验、建立个人品牌,快速提升职场竞争力。包括打字速度、逻辑清晰度、词汇量、沟通技巧等基本功的培养,以及如何设定职业目标、选择合适的行业、建立榜样与敌人角色,从而实现个人职业成长。同时,文章还强调了兴趣的重要性,鼓励年轻人进入大型广告公司学习,通过实际操作快速提高能力。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

很多职场新人都谈到了工作经验的问题,似乎招聘公司不给你机会,你就没办法获得必要的工作经验,其实并不一定。 

  很多资料在网上都是可以找到的,只是看你具备不具备足够的信息收集与处理能力,而这个收集与处理信息的过程,也能极大的提升你的职业能力。 

  我一直有个感觉,在模仿中成长,在创新中成功,其实在真正的职业工作中,大多数的工作都是模仿重复,强调的是工作效率,而不是创新。对于企业而言,过度的创新必然导致过多的失败,以及效率的低下。 

  以下方式是我的成长中曾经做过的,也是我用来训练新员工的方案。你们也可以试试。 

  看到很多谈应聘技巧的帖子,其实并不实用,有菜谱并不代表能做出好菜,能不能做出好菜仍要看你天天炒,日日炒,炒出来的本事。 

  所以,我这里要强调的一点是,你收集到的任何资料都不能只是看看,而必须自己手把手,动手去整理、去归类,去建立新的结构,这个信息收集与处理的过程甚至比你最后总结成文的文字更重要。 

  何谓学习?学习学习,学而习,习而成习惯。光学不习,那知识还只是书上的,老师教的,不是你自己的,只有你重复练习了,经过量变,才会有质变,当你形成条件反射时,你就真正掌握这个东西了。 

  这个过程需要维持两至三个月的时间,一定要坚持下去,你会看到自己的变化的。否则,你会用你最青春的两三年来慢慢沉淀出这些你两三个月就能掌握的东西。 

  一切一切,其实,你们比的不是其它的东西,只是比的速度。 

  这也是为什么我那么强调基本功的原因。 
  1. 职业分析: 
    A. 分析性格——分析长处和短处——分析大家都有的长处——确定自己最终发展的专业 
    B. 确定兴趣——分析竞争的激烈程度和发展的空间大小——寻找相对优势确定自己最终进入的行业 
    C. 确定行业内自己的专业方向,继续保持自身的专业优势。 
     
    2. 编写行业报告——着重对行业全面性的把握。 
    A. 通过上网查询和购买行业报刊,收集不少于三十万字的行业、重点企业的有效资料,在电脑中进行资料分析、分类、汇总。 
    B. 参考同类行业书籍,确定写作提纲,确定文章结构和逻辑方向,培养文字表达能力和逻辑能力,以及熟练的电脑使用技能。 
    C. 将三十万字资料浓缩成十至十五万字,写成一本符合出版行文格式要求的行业报告。如果选题好,还真的有出版的可能性。如果有一定的独特见解,也可以写成文章争取在专业刊物上发表,树立个人专业形象。 
     
    3. 编写讲座报告——着重对专业系统性的把握。 
    A. 根据你希望从事的专业岗位,从报告中选择两到三个重点,将书稿压缩成两万字的讲座稿(按每分钟150字的演讲速度,即两个小时)。 
    B. 将演讲稿再浓缩成两千字的提纲和重要内容,使用PPT软件编成演讲用演示文件,并根据相关内容配以精彩图片。 
    C. 培养职业化的公众表达能力和表达方式,练习普通话,使用讲座稿进行互动讲座和演讲练习,只到脱口而出。 
     


  告诉大家两个名人是这么成长的. 
   
  一个是教英语的李阳,他读大学时成绩不好,英语不及格,然后他做什么去了?他跑到没人的地方大声喊英语去了. 
   
  一个是做广告的叶茂中,他卖广告卖不出去了,他跑回家写书.别人看到的和他自己说的是拿着书出版出了名,发达了.其实做过这个事的人才会知道,当他把这本书写出来时,能不能出版已经不重要的,因为他知道他变化了. 
   
  我当时也是没办法了,把所有的钱买了台电脑,在家里做了三个月这个事,三个月后的变化是惊人的,我的父母、我兼职的公司的老总,最重要的是我自己,都感觉到了自己的变化。 






完全不同了。 


  其实我写的已经不是理论了,其实什么都没有技巧的,只是多看书,然后多做,硬磕,坚持下去,刚开始觉得没变化,没感觉,很累,坚持不下去,然后做着做着,就越来越快了,然后慢慢的有变化. 

  而且有意思的是,我在家呆了三个月,做的事其实根本与我所从事的工作没有一点关系.只是这三个月的训练,对于我的逻辑、结构、全局性、文字表达能力、口头表达能力有了极大的提升。 

  至于收入翻5翻,当年一个月也就八百块钱,然后做完这个训练后整个人的状态都变了,有自信了,然后写了一个方案去应聘,结果进了一家大公司,当然,开始我还不想去,因为对方只给我800/月,还要自己租房子,吃饭,觉得不好,但是对方连续四个月三次打电话找我,于是我去了,结果去了就后悔了,真正好的公司根本不在乎工资的,重要的是你自己的能力。第一个月,我就挣了八千块,我以前想都不敢想的。然后两个月就转了正,而有一个有关系的同事,呆了一年还没能转正。然后每个月的收入超过工资几倍,还有年终奖两万,出国旅游,其实也不累,我到这个家公司的同时,还到另一家广告公司兼职,呵呵,很回忆的过去。 


  现在看到太多的人谈工资,我确实不喜欢,我这几年都不和老板谈工资的,因为说出来好笑,帐面工资高了,还要多扣税. 

  我只在意公司的分配方式,怎么样算提成和奖金,年薪. 
   
  上个月有一个和我同龄的名牌大学MBA来我现在所在的小公司应聘,不愿意和人事小姐谈,老板不在,我就来谈了,我说好呀,以你的资历我不能和你谈给谁做副手的问题了,我跟你谈谈公司的分配方式吧,其实我们公司普通员工的收入都不高的,长沙平均水平,只是不忙,周末休两天,工作满一年还有一个星期的年休假
   
  但是公司几个部门负责人还是有钱的,象我三十岁,一年18万左右的年薪,其它的我就不清楚了,有几个我一个星期才见一次的,比我还小,只怕拿得比我还多.你应该也是这样的吧
   
  他要求6千一个月的月薪,我说这倒不重要,重要的是公司不会给你安排业务的,你自己找业务回来,公司给你平台,给你配团队,能挣多少钱是你的本事.
   
  我说完了,,你有什么想法吗?他说没想法,起身走人
   
  太有意思了,你在长沙想拿六千一个月,你等别人找事给你做,你为什么不能自己找到项目呀?六千是底薪呀,差不多72千的底薪,如果是这样的,那我自己算我应该拿到二十五万以上的年薪了
   
  从来拿底薪和拿年薪的人就是不一样的
   
  如果你不敢拿年薪,你就不要想着谈什么老板给你少了
   
  企业是要盈利的,资本家是要剥削的.问题是,如果你是一个真正能创造价值的人,你自己所创造的价值你是可以拿到手的
   
  大学毕业生,如果什么经验也没有,只有知识,没有技能,能找到一个给你几百块钱,让你在这里呆着学东西的企业就应该感谢了,如果你觉得这种企业不是你所向往的,你在上大学时就老老实实努力学,少玩,多练
   
  我工作有一个总结,钱永远不会是目标,但是它会是结果


  谈到职业规划,有人说过职业可以规划的,我也相信未来可以计划的,问题是,你是不是这个能不能计划出你未来的人,以及,你身边有没有熟悉你的高人指点,如果没有,那你自己都不会明白你自己的未来是什么的,就象象你去做所谓的性向测试,说不定是你自己在自欺欺人了,这种事多了,没人会把自己算成一个坏人的。 

  所以重要的还是那一句话,复杂的生活简单过,简单的事情重复做。 
   
  你是中文系的,如果你的年纪还不是很大,建议你凭你自己的能力,哪怕是工资少点,你都要进最好的广告公司,去呆上一年半载,按我说的方法偷师,基本能力提升了,慢慢的你会遇到一些贵人的,还有你会涉及一些行业,慢慢的,你会发觉你内心深处喜欢的行业。 
   
  呵呵,特别是哦,女孩子,只有努力才能进大公司,只有进了大公司才能遇到优秀的男生。好男生都关在写字楼里上班下班加班的,呵呵。生活圈子都小的,你选择的工作圈在你努力的阶段就是你的生活圈。 







  在你的成长过程中,有五个人非常重要。 
     
  第一个,导师,教练。 
  他教给你实用的技巧、一定的工作经验,而不是知识。他可以给你指明方向。 
  这个人可能是你的上司、前辈、学长。 
     
  第二个,陪练,同路人。 
  任何人的成长都不是学出来的,而是学而习,习而成习惯,练出来的。在这个练的过程中,是一件很苦的过程,是一系列简单动作的重复重复再重复,由量变到质变的过程,在这个过程中,一个人很难坚持下来,这时你需要一个同路人。 
  他可以是和你共同兴趣,共同目标的朋友,最好是你生命中所爱的人。 
     
  第三个,榜样,他是你人生的标杆。 
  在你一生中,在不同阶段,会有不同的标杆,你向他学习,受他鼓舞,一步一步向他靠扰。 
  最重要的是那个你看得到摸得着的人,你知道,不需要通过机遇,只需要通过努力就可以达到的榜样。 
     
  第四个,敌人,看不起你的人,拒绝过你的人。 
  人不到绝境是不会有斗志的,你要证明他是错的,他会给你真正的动力。 
     
  第五个,最重要的是第五个,你们觉得第五个人是你自己。 
  世界上没有救世主,任何希望当别人救世主的人不是疯子就是傻子,只有自己才可以救自己。 
  这个世界上,失败的人除了天分太差之外,只有以下几点,懒,方向不对,方法不对,没有坚持。 
  如果你自己做不到,你不要怪别人。 


  基本功是你自己的,细节所积累下来的,能让你迅速融入新环境. 
   
   
  不知道怎么跟大家谈基本功这个问题. 

  很多东西大家都没把它当基本功了. 

  比如说,我想要的人,他打字很快,他很少很少写错别字,有丰富的词汇量,逻辑很清晰,用词很准确,这些看上去难不难? 
   
  但是在我这两年见过的应聘的策划文案来看,只有两个人做到了.一个是做了三年文案的女孩子,慢慢磨的.一个是中文硕士生,还没毕业. 
   
  其实大学到底教给大家什么了? 
  知识? 
   
  大学阶段必须打好你的基本功,这些决定了你就业后的学习能力,阶层简单工作的工作效率. 
   
  如果谁还说打字、排版是文员做的事,那只能说他是真正不明白真正的职场需要。 
   
  你们在大学所学到的知识,都是同质化的了,如果将知识变为通用的、标准化的技能才是重要的。 
   
  既然学的东西没用,那在大学还要不要认真学习呢? 
   
  当然要,因为这些东西是系统性的,这个学习过程能培养你的学习能力。 
   
  知识不能改变你的命运了,但是它可以改变你的气质。 
   
  如果你读个四年大学出来,你的气质还不能好一点,那你的大学就真的白读了。 
   
  经常有人在问面试穿什么衣服呀? 
   
  穿什么衣服重要吗? 
   
  重要的是什么人在穿这些衣服。 
   
  重要的是你的精气神,你的气质。 
   
  有一天有一个应聘文案的来了,我叫设计总监先和他聊聊。 
   
  聊完了,我说这个人不行吧,设计总监说为什么? 
   
  我说我们调性不符,我们多少都有点书卷气,而他是一脸的江湖气。 
   
  果然,呵呵。 
   
  招聘方当然是要看应聘者的外形条件的,但并不是丑的就不招,重要的是能力和你的气质,是不是符合公司要求的。 



  重要的是兴趣。 
   
  然后是狂练基本功,简单重复积累。 
   
  学打拳,你先站三个月桩再说。 
   
  面对新人,我说很多东西,你会发现,每个字你都认识,每句话你都看得懂,但是你理解吗? 
   
  领悟,是教不了的。 
   
  自己努力吧,自己重复做,再会明白自己最想要的是什么。 
   
  你考公员员如果死活考不上,那你应该去想想,这种机械性的考试你都过不了,那是不是学习方法,或者兴趣不对呀? 
   
  做销售,同样的,从基阶做起吧。 
   
  你的财政学对你有没有帮助? 
   
  当然有,你对销售的认识会不同的。 
   
  象十年前我卖保险,人人都跟银行比,算利息,都算得没有银行高,只能说死了人有赔了。 
   
  而我是怎么算呢?我用递增,还是增减年金公式算,呵呵,比银行高呢。 
   
  另外,别人说死了人有赔,最多是说得婉转点。 
   
  我可没把它当死人卖呀,我把它当礼物卖,当成父母送给孩子的礼物卖,卖得可好了,呵呵。 
   
  现在哪个做人寿险的人敢说他一年做两百多单? 
   
  呵呵,我好象一年做了二百四十单左右,全是年缴哦。 



  这个世界上最穷的和最富的人都在做销售. 
   
  做销售的人底薪很低的,大多数人拼的只是体力罢了,如果你想做好,你多花心思就可以了.多想多跑,还是在一个行业里多坚持,找到高手做师父带你. 


  我说说当年我混日子的时候怎么过来的. 
   
  那年头电脑还紧俏,我只要一有机会就到别人电脑上练东西,终于练成了今天的电脑基本功,一方面要多学,一方面要多用心. 
   
  然后,我每天做记录,记下工作的流程,记下别人说过的工作中重要的话,其实什么叫行业经验,很多老手随便说的话,都是行话了,有它的意思的,听了就要想,就要去查,很多东西就知道了. 
   
  为什么要记录,因为什么叫职业化?职业化就是标准化、流程化,模式化,你多看多记多想就能明白了,这些东西在很多地方都是通用的。 
   

  有一点,如果这里收入还可以的话,你好好学吧,任何工作都要呆一两年,你才会有认识的,跳来跳去的对你不好,真的,你还在磨性情的时候,只要你保持学习的能力,别下班玩去了就可以了,有压力才有动力,好好留心心仪的公司招聘的要求,按那个要求去做一个一年的训练与学习计划,一年后,那个公司在等你。

注:转载自优快云的一个帖子,09年的事情了...

<think>好的,用户想用Spark RDD分析新浪微博的数据,具体有三个任务:找出被转载次数最多的前五个帖子、评论数最多的前五个帖子,以及按统计发帖数量。我需要一步步思考如何实现这些操作,同时结合Spark RDD的特性和相关引用内容。 首先,用户的数据是post.csv文件,假设里面包含的字段可能有帖子ID、发帖时间、转载次数、评论数等。读取CSV文件的话,可以用sc.textFile来创建RDD。然后可能需要解析每一行,分割成各个字段。需要注意处理可能的格式问题,比如引号或逗号在字段内的情况,但可能这里的数据比较规范,可以直接用split分割。 对于第一个任务,找出转载次数最多的前五个帖子。需要将每一行解析后,提取出转载次数的字段,假设是第三列。然后转换成键值对,键是帖子ID或其他唯一标识,值是转载次数。然后按转载次数降序排序,取前五。这里可以用map转换,然后用sortBy或top动作。根据引用[1]中的sortBy函数,可以指定排序的键和升降序,可能需要将转载次数转换为整数类型,否则排序可能不正确。另外,top函数可能更直接,但需要提供一个隐式的排序规则。 第二个任务类似,不过换成评论数最多的前五个。同样的步骤,只是提取评论数的字段,可能是第四列。同样需要转换数据类型,然后排序取前五。 第三个任务按统计发帖总数。首先需要从发帖时间字段中提取份。假设发帖时间是字符串,比如"2023-05-01 10:00:00",那么需要解析这个字符串,提取份部分。可以用split分割或者用substring截取。然后按份分组,统计每个的帖子数量。这里可以用map将每个记录转换为(份,1),然后用reduceByKey累加。最后按份排序或者按发帖数排序,根据用户需求,可能需要按份的自然顺序排序,或者按发帖数降序排列。但用户问题里说“汇总并排序每个的发帖总数”,可能指的是按份排序,所以结果应该是1到12的顺序。 接下来需要考虑的是代码的具体实现。比如,解析每一行时,可能需要处理异常情况,比如字段不足或者格式错误,但用户可能希望简化处理,假设数据都是正确的。或者使用filter过滤掉无效行。 对于转载和评论数的top5,可以考虑使用top函数,比如使用rdd.top(5)(Ordering.by(_._2)),但需要确保字段正确转换。或者使用sortBy,然后take(5),这样可能更直观。比如,先map成(帖子ID, 转载次数),然后sortBy(-转载次数),再take(5)。 对于时间处理,可能需要将时间字符串转换成日期类型,或者直接截取字符串中的份部分。例如,假设时间格式是"yyyy-MM-dd HH:mm:ss",那么份可以通过split("-")[1]来获取,或者用substring(5,7)来截取。得到份后,作为键进行统计。 另外,关于RDD的持久化,如果数据量大,可能需要缓存RDD以避免重复计算,但用户的问题可能不需要考虑性能优化,所以暂时可以忽略这一步。 现在结合引用内容,引用[1]提到sortBy函数,可以按照指定的键进行排序,升序或降序。例如,在转载次数排序时,可以用sortBy(-_._2, ascending=false)来降序排列。或者使用top函数,但需要注意隐式排序的存在。另外,引用[5]提到RDD的容错机制,但可能在这个问题中不需要特别处理,因为用户的数据处理流程是线性的,不会有重复计算的问题。 在代码实现中,可能需要以下步骤: 1. 读取文件:val lines = sc.textFile("post.csv") 2. 解析每一行:假设每行用逗号分隔,val posts = lines.map(line => line.split(","))。需要注意是否包含标题行,如果有的话需要跳过,比如用filter或者zipWithIndex来处理。 3. 对于转载次数最多的前五: val reposts = posts.map(fields => (fields(0), fields(2).toInt)) // 假设帖子ID是第一个字段,转载次数是第三个字段 val topReposts = reposts.sortBy(_._2, ascending=false).take(5) 或者用top: val topReposts = reposts.top(5)(Ordering.by(_._2)) 但可能sortBy更直观,尤其是需要处理shuffle的情况,因为sortBy会触发shuffle,但这里数据量可能不大,所以直接处理即可。 4. 评论数最多的前五同理: val comments = posts.map(fields => (fields(0), fields(3).toInt)) val topComments = comments.sortBy(_._2, ascending=false).take(5) 5. 按统计发帖数: val monthlyPosts = posts.map(fields => { val date = fields(1) // 假设发帖时间是第二个字段 val month = date.split("-")(1) (month, 1) }).reduceByKey(_ + _).sortByKey() 或者如果希望按份排序,可以直接用sortByKey,因为份字符串是"01"到"12",按字符串排序的话,可能没问题。但转换为整数可能更准确: val monthlyPosts = posts.map(fields => { val date = fields(1) val month = date.split("-")(1).toInt (month, 1) }).reduceByKey(_ + _).sortByKey().collect() 这样结果就会按1到12排列。 需要注意,用户是否希望结果包括年份,但问题中只提到按份汇总,可能假设所有数据都是同一年份,或者跨年份的份需要合并。比如,2023-05和2024-05会被视为同一个份,但可能用户的数据是同一年内的,所以不需要考虑。 现在,综合这些步骤,给出代码示例,并确保使用正确的RDD操作,如map、reduceByKey、sortBy等。同时,引用[1]中的sortBy函数支持指定排序顺序和分区数,但在这个案例中可能不需要调整分区数,保持默认即可。 最后,回答用户的问题时,需要将步骤分点说明,每个任务对应的代码块,并解释关键步骤。同时,引用相关的引用内容,比如在排序时引用[1],或者在处理RDD时引用[5]的容错机制,但可能在这个问题中不需要特别引用,除非有直接相关的内容。根据用户提供的引用,引用[1]关于sortBy的使用,可以在排序时提到。</think>### 分步实现方案 #### 1. 数据读取与解析 假设 `post.csv` 文件包含以下字段: `帖子ID, 发帖时间, 转载次数, 评论数, 内容` 使用 `sc.textFile` 读取文件并解析字段: ```python # 读取数据并去除标题行 raw_rdd = sc.textFile("post.csv") header = raw_rdd.first() data_rdd = raw_rdd.filter(lambda line: line != header) \ .map(lambda line: line.split(",")) ``` #### 2. 找出被转载次数最多的前五个帖子 ```python # 提取帖子ID和转载次数(假设第3列为转载次数) repost_rdd = data_rdd.map(lambda x: (x[0], int(x[2]))) \ .sortBy(lambda x: x[1], ascending=False) top5_reposts = repost_rdd.take(5) ``` 通过 `sortBy` 实现降序排序[^1],`take(5)` 获取前五条数据。 #### 3. 找出评论数最多的前五个帖子 ```python # 提取帖子ID和评论数(假设第4列为评论数) comment_rdd = data_rdd.map(lambda x: (x[0], int(x[3]))) \ .sortBy(lambda x: x[1], ascending=False) top5_comments = comment_rdd.take(5) ``` #### 4. 按份统计发帖总数 ```python # 提取份并统计(假设第2列为发帖时间,格式为YYYY-MM-DD) monthly_rdd = data_rdd.map(lambda x: (x[1].split("-")[1], 1)) \ .reduceByKey(lambda a, b: a + b) \ .sortByKey() monthly_counts = monthly_rdd.collect() ``` 通过 `reduceByKey` 聚合份发帖量,`sortByKey` 按份升序排列[^1]。 --- ### 完整代码示例 ```python # 1. 数据读取 raw_rdd = sc.textFile("post.csv") header = raw_rdd.first() data_rdd = raw_rdd.filter(lambda line: line != header) \ .map(lambda line: line.split(",")) # 2. 转载次数最多的前五帖子 top5_reposts = data_rdd.map(lambda x: (x[0], int(x[2]))) \ .sortBy(lambda x: x[1], ascending=False) \ .take(5) # 3. 评论数最多的前五帖子 top5_comments = data_rdd.map(lambda x: (x[0], int(x[3]))) \ .sortBy(lambda x: x[1], ascending=False) \ .take(5) # 4. 按统计发帖总数 monthly_counts = data_rdd.map(lambda x: (x[1].split("-")[1], 1)) \ .reduceByKey(lambda a, b: a + b) \ .sortByKey() \ .collect() ``` --- ### 关键点说明 1. **数据清洗**:通过 `filter` 去除标题行,避免干扰统计。 2. **排序优化**:`sortBy` 支持自定义排序规则,结合 `ascending=False` 实现降序。 3. **容错机制**:RDD 的中间计算结果在节点失效时可自动重算[^5]。 4. **性能建议**:若数据量较大,可对 `data_rdd` 进行缓存(`persist()`)以复用。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值