良好工作场所的12个问题


自己回答了一下,挺有意思的,对于带团队和建立一个好的工作氛围都很有帮助。可以反思你自己的团队和你所在的企业有那些可以提高的地方。

转载:http://business.sohu.com/78/75/article201207578.shtml

发明一种简单而精确的测量标尺,用来测量不同工作场所的相对优势,成为一种迫切的需求。在过去的25年中,盖洛普公司采访了数百种行业100多万名员工, 向每个人问了数以百计的问题,涉及工作场所的方方面面,这项用定量和定性方式测评管理的核心问题,研究得出了一亿个答题,如同一座由数据堆成的高耸的干草 垛,盖洛普公司就这样从一根稻草一根稻草地细心筛选中,研究分析,不断地删减、调整和编排,越挖越深,探究出一个良好工作场所的核心奥秘,他们发现,要测 量一个工作场所的优势,可以简化为12个问题。这12个问题虽不能覆盖关于工作场所的每个方面,但它们却能捕捉绝大部分信息和最重要的信息,这些问题能够 用来测量那些吸引指导和保留最有才干的员工所必需的核心要素。

这12个问题是:
1.我知道对我的工作要求吗?

2.我有做好我的工作所需要的材料和设备吗?

3.在工作中,我每天都有机会做我最擅长做的事吗?

4.在过去 的七天里,我因工作出色而受到表扬吗?

5.我觉得我的主管或同事关心我的个人情况吗?

6.工作单位有人鼓励我的发展吗?

7.在工作中,我觉得我的意见受到 重视吗?

8.公司的使命/目标使我觉得我的工作重要吗?

9.我的同事们致力于高质量的工作吗?

10.我在工作单位有一个最要好的朋友吗?

11.在过去的六 个月内,工作单位有人和我谈及我的进步吗?

12.过去一年里,我在工作中有机会学习和成长吗?

盖洛普称之为Q12,是测评一个工作场所的优势,最简单和最 精确的方法,也是测量一个企业管理优势的12个维度。

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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