Committed to protecting the environment
CONTENTS
目錄
準繩
工信部重罰阿里云！安全漏洞先報美
國，阿里第二大發動機熄火
數說
看完《梅艷芳》
突然好想有個人好好愛我
秘籍
年底了，到底該如何制定明年的OKR？
可愛的你
祝你圣誕快樂
Merry Christmas
一線
用Python抓取2500份數據崗位招聘需
求，發現未來最吃香的崗位是這個！
以下文章來源于關于數據分析與可視化 ，作者俊欣
鏈接：//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
解析數據的代碼如下：
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 = ""
? ? ? ? .........
? ? ? ? 隨著各行各業都在進行數字化轉型，數據方面的人才也成為了各家企業招聘的重點對象，不同數據類型的崗位提供的薪資待遇又是如何的？哪個城市最需要數據方面的人才、未來的發展前景與錢途又是怎么樣的？今天小編抓取了某互聯網招聘平臺上面的招聘信息，來為大家分析分析。我們大致會講：
? * 數據抓取的流程與步驟
? * 數據清洗的流程與步驟
? * 可視化的結果與分析
驅動力
04
用Python抓取2500
份數據崗位招聘需求
，發現未來最吃香的
崗位是這個！
一線
我們用Python當中的requests模塊來發送與接收請求，然后用BeautifulSoup模塊也解析返回的數據，代碼如下：
然后最后將收集到的數據導出到excel當中，代碼如下：
df = pd.DataFrame(
? ? ? ? {"職位名稱": job_titles_list, "薪資待遇": payments_list, "工作年限": work_years_list, "公司名稱": company_name_list,
? ? ? ? ?"所處行業": industry_list, "崗位簡介": 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
數據抓取的步驟
小編這次所抓取的崗位分別有“數據分析師”、“數據挖掘工程師”、“數據產品經理”、“大數據開發工程師”以及“數據運營助理”等等，接下來我們就針對所收集到的數據進行清洗與進一步的處理吧
驅動力
06
數據的清洗與處理
一線
· 刪除重復項
數據集當中或許存在重復的內容，我們用drop_duplicates()方法來進行重復項的去除
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 職位名稱 2207 non-null object
?1 薪資待遇 2207 non-null object
?2 工作年限 2207 non-null object
?3 公司名稱 2207 non-null object
?4 所處行業 2203 non-null object
?5 崗位簡介 2207 non-null object
dtypes: object(6)
memory usage: 120.7+ KB
· 刪除缺失值
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 職位名稱 2203 non-null object
?1 薪資待遇 2203 non-null object
?2 工作年限 2203 non-null object
?3 公司名稱 2203 non-null object
?4 所處行業 2203 non-null object
?5 崗位簡介 2203 non-null object
dtypes: object(6)
memory usage: 120.5+ KB
07
我們用到的是Pandas模塊，首先先導入所有收集到的數據：
import pandas as pd
import os
df_all = pd.DataFrame(columns=["職位名稱", "薪資待遇", "工作年限", "公司名稱", "所處行業", "崗位簡介"])
for file in os.listdir("./job_files"):
? ? df = pd.read_excel("./job_files/" + file)
? ? df_all = df_all.append(df, ignore_index=True)
· 我們來看一下最終的數據集長什么樣子
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 職位名稱 2238 non-null object
?1 薪資待遇 2238 non-null object
?2 工作年限 2238 non-null object
?3 公司名稱 2238 non-null object
?4 所處行業 2234 non-null object
?5 崗位簡介 2238 non-null object
dtypes: object(6)
memory usage: 105.0+ KB
· 對薪資數據的清洗
接下來為了方便對薪資數據進行統計分析，我們對此也需要進行相對應的處理
df_all_1["薪資待遇"] = df_all_1["薪資待遇"].str.replace("k", "000")
驅動力
08
可視化分析結果
一線
我們可以發現的是整體的市場中“數據產品經理”這個崗位的整體待遇是相對更好一點的，其次便是“數據挖掘工程師”這個崗位，薪資一般也比較容易達到20K-40K之間的區間
· 哪個城市的需求最多
接下來我們來看一下哪些城市對數據方面的人才需求是最多的，
df_all_1["城市分布"] = df_all_1["職位名稱"].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
廣州 190
成都 68
武漢 57
西安 23
南京 18
蘇州 15
Name: 城市分布, dtype: int64
可以看到的是對于數據方面的人才需求最旺盛的仍然是北京，上海排在第二，與此同時呢，杭州在這方面的需求上面已經超過了廣州，位列第四，同時在前十名當中成都、南京以及武漢與西安都紛紛上榜
09
· 薪資的不同
我們先來看薪資上面的差距，根據不同的職位名稱來看，例如我們來看“數據產品經理”這個崗位
df_all_1[df_all_1["職位名稱"].str.contains("產品經理")]['薪資待遇'].value_counts().head(5)
· output
20000-40000 66
15000-30000 48
15000-25000 46
20000-30000 27
25000-50000 26
Name: 薪資待遇, dtype: int64
較多的是集中在20K-40K這個范圍當中，具體我們可以通過下面這個可視化的結果來看
· 哪個行業所需要的數據崗位最多呢？
接下來我們來看一下哪個行業所需要的數據方面的人才最多，
df_all_1["行業"] = df_all_1["所處行業"].apply(lambda x: x.split("｜")[0].split("/")[0])
df_all_1["行業"].value_counts().head(10)
· output
數據服務? ? ? ? ? ? ? ? ?175
內容資訊,短視頻? ? ?155
軟件服務? ? ? ? ? ? ? ? ?141
科技金融? ? ? ? ? ? ? ? ?114
電商平臺? ? ? ? ? ? ? ? ?84
IT技術服務? ? ? ? ? ? ? 68
企業服務? ? ? ? ? ? ? ? ?61
游戲? ? ? ? ? ? ? ? ? ? ? ? 55
專業服務? ? ? ? ? ? ? ? ?52
消費生活? ? ? ? ? ? ? ? ?52
Name: 行業, dtype: int64
從上面的結果中看到，除了“數據服務”行業之外，還有“內容咨詢、短視頻”領域、“軟件服務”、“科技金融”、“電商平臺”、“IT技術服務”等領域對于數據方面的人才都有著相當旺盛的需求
驅動力
10
一線
· 對于學歷的要求是什么樣的呢？
我們來看一下各家公司對于數據方面的人才，在學歷上又有何種要求呢？
df_all_1["學歷要求"] = df_all_1["工作年限"].apply(lambda x: x.split("/")[-1])
df_all_1["學歷要求"].value_counts()
· output
本科 1922
碩士 119
不限 77
大專 73
博士 12
Name: 學歷要求, dtype: int64
一般來說僅僅是“本科”的學歷就可以了，當然還有少數的公司對于學歷的要求是局限在碩士之上
· 崗位的簡短介紹
各家公司為了吸引越來越多的人才前往加入公司，也打出了各色各樣的標語，小編做了匯總，并且做成詞云圖，首先我們用jieba模塊對文本數據進行分詞
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]
接著我們使用stylecloud模塊來進行詞云圖的繪制
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
（見下一頁）
11
驅動力
12
準繩
13
—? END? —
工信部重罰阿里云！
安全漏洞先報美國，阿里第二大發動機熄火
以下文章來源于科技每日推送 ，作者飛翔的月月鳥
鏈接：
//mp.weixin.qq.com/s/FE2Ibov3Xpg5n3G2sAQEzQ
阿里云發現的核彈級漏洞，第一反應報給了國外。過了半個月，工信部看新聞才知道......
12月22日，工業和信息化部網絡安全管理局通報稱，阿里云公司發現阿帕奇（Apache）Log4j2組件嚴重安全漏洞隱患后，未及時向電信主管部門報告，未有效支撐工信部開展網絡安全威脅和漏洞管理。
14
驅動力
15
準繩
經研究，現暫停阿里云公司作為上述合作單位6個月。暫停期滿后，根據阿里云公司整改情況，研究恢復其上述合作單位。
簡單來說，阿里云技術非常好，率先發現了個核彈級的Log4j2漏洞，并且第一時間上報到國外Apache。
美國確實有有數千枚核彈，但不一定有數千個這樣的漏洞！
而我們國家，要通過公開新聞，才知道上述漏洞。而那時候，距離阿里云首次發現漏洞，已過去了15天。
阿里云發現了個核彈
11月24日，阿里云安全團隊，向Apache報告了Apache Log4j2遠程代碼執行（RCE)漏洞。
一時間，這個高危漏洞，引發全球網絡安全震蕩！
美國國家安全局、德國電信CERT、中國國家互聯網應急中心（CERT/CC）等，多國安全機構，相繼發出警告。
目前，包括蘋果、亞馬遜、特斯拉、谷歌、百度、騰訊、網易、京東、Twitter、 Steam等平臺服務器，都證實了，有被攻擊的風險。
已經有網友證實，更改iPhone名稱，就可以觸發漏洞。。。
16
驅動力
17
準繩
有關報道顯示，黑客在72小時內利用Log4j2漏洞，向全球發起了超過84萬次的攻擊。
利用這個漏洞，攻擊者幾乎可以獲得無限的權利。
比如他們可以提取敏感數據、將文件上傳到服務器、刪除數據、安裝勒索軟件、或進一步散播到其它服務器。
有業內人士戲稱，這個漏洞可以參選：“計算機歷史上最大的漏洞”。
為什么阿里云先報告給國外，卻忘了上報給工信部
根據工信部這次重錘阿里云的通報，有兩個重點：
1、并沒有禁止阿里云，向產品供應方Apache通報漏洞。
2、對阿里云未及時向電信主管部門報告。
工信部在意的是太遲報告了！阿里云報告給了apache，反饋給開源社區沒問題，但是只反饋給開源社區那問題就大了。
網絡安全漏洞，打的就是時間差。我們順下時間，大家知道問題有多嚴重。
11月24日，阿里云安全團隊發現漏洞，報告給了Apache。
12月7日，Apache官方發布了安全補丁，可并沒有多大作用。
12月9日，漏洞已經“完全武器化”，網絡上出現大量利用漏洞的攻擊行為。
到了這時候，工信部才知道，立即組織有關網絡安全專業機構開展漏洞風險分析，召集阿里云、網絡安全企業、網絡安全專業機構等開展研判，通報督促阿帕奇軟件基金會及時修補該漏洞，向行業單位進行風險預警。
直到12月10日凌晨，斗魚、京東、網易等企業才相繼發出了公告。
18
驅動力
19
準繩
中間足足17天時間，我們的某些科研院所，或者核心位置，是否一直暴露在危險范圍內呢？
這17天，如果利用漏洞發起攻擊，影響的范圍將堪比2017年“永恒之藍”病毒。
當年的WannaCry勒索病毒，致使美國、英國、俄羅斯、中國等至少150個國家，30萬名用戶中招。
有心人，完全可以利用這個公布漏洞的時間差，來做很多以前做不到，或難以做到的事，后果不堪設想。
作為阿里云，有沒有責任？
阿里云，讓人失望的合作方
阿里云和國家信安部是合作方，乙方發現了個漏洞，可能會危害甲方，第一時間提醒下甲方，這要求不過份吧？
而這次，阿里云似乎忘了。
要知道，這不單是工程倫理問題，也是個國家安全問題。
根據工業和信息化部 、網信辦、公安部《關于印發網絡產品安全漏洞管理規定的通知》，明確規定。
關于漏洞的規定是：應立即通知產品提供者，應當在2日內向工業和信息化部網絡安全威脅和漏洞信息共享平臺報送相關漏洞信息。
也就是說，發現漏洞，你當然可以通知Apache，但同時也應該要通報給工信部。
成年人能不做選擇，兩個都上報啊，中間完全沒有難度。
但阿里這次半個月都不上報，漏洞還得工信部自己看新聞發現，也難怪工信部，重錘處罰阿里云了。
阿里巴巴美股股價，盤前跳水，跌約3.81%。
20
驅動力
21
準繩
阿里2021投資者日上，董事會主席兼首席執行官張勇表示，海外市場潛力巨大，海外業務增長迅速，并將其確定為阿里未來幾年的主要增長動力之一。
張勇認為，全球市場的拓展離不開數字基礎設施建設，阿里云在海外市場的產業數字化探索、螞蟻在海外支付的多年投入，這些都將長期支持未來全球化戰略的發展。
海外擴張中的阿里云
阿里云智能總裁張建鋒表示：阿里云正在加速拓展海外市場，東南亞市場的營收增長超60%。
張建鋒透露：
我們的服務團隊、解決方案團隊在逐漸實現本地化，這是我們在國際化過程中非常重要的一步。
這阿里云通報漏洞，或許也應該是本地化的一部分吧？
據公開數據，阿里云在馬來西亞、新加坡、印尼、菲律賓、日本、德國、迪拜、美國等25個地域建立了數百座云數據中心，付費客戶數量超過400萬。
阿里的第二個新引擎
根據阿里發布財報顯示，2021財年，阿里云營收達601.2億元，比上一財年400億元收入大幅增長50%。
22
驅動力
23
準繩
對比歷史數據，2015財年，阿里巴巴首次披露云計算營收，當年阿里云全年收入為12.71億元，到2021財年營收601.2億元，7年間增長46倍。
其中，阿里云深耕政企服務市場，政企行業收入占比持續上升。
據IDC數據，阿里云在工業云市場、數字政府市場、金融云市場均排名市場第一。
而顯然，此次被工信部暫停信息共享平臺合作，顯然會對阿里云的營收和市場份額，造成一定的影響。
我們無法知道阿里云怎么想的，但是他至少可以看看他怎么做的。雖然截稿前，月月鳥還沒看到，阿里云的回應。
犯錯要認罰，認罰要誠懇。
云服務，看來注定是個分散的市場，需要隨時有隨時替補的廠商。互聯網野蠻生長的終點近在眼前。一鯨落，萬物生。
華為云、騰訊云、電信都是有力的候選，云市場的競爭將不斷升級。
綜合自中國日報
一鯨落，萬物生
此前 Canalys 發布中國云計算市場 2021 年第三季度報告顯示，阿里云、華為云、騰訊云和百度智能云依舊占據市場第一梯隊，其中阿里云市場份額排名第一。
24
看完《梅艷芳》
突然想有個人好好愛我
驅動力
最近，令無數梅迷期待的《梅艷芳》上映了!
周末下午，小咪帶著閨蜜去觀摩了梅姐的電影。看著梅姐這朵女人花跌宕起伏的40載，心中有震撼有觸動有心疼。
4歲起登臺獻藝，19歲新秀出道，憑借著心里的那股勁兒，一路披荊斬棘，在舞臺和大熒幕上奪目綻放。
梅艷芳，是形容詞！
記憶里，小咪印象最深的，是梅姐在《逃學威龍3：龍過雞年》的表演，飾演星爺王百萬潑辣腹黑的老婆：女裝扮相，簡直驚艷！
身姿綽約，風情萬種，是我作為一個女生都會回味的那種美艷動人；男裝扮相，眉宇冷漠，干凈利落，一撮小胡子別具一格。
人生若只如初見！梅姐扎著小辮兒，像一個少女般蹦跶著出現在星爺面前的那一刻，也偷走了我的心。
多么美好的人呀......現實中，梅姐沒能遇到那個相守相愛的人。同樣情路坎坷的閨蜜不禁感嘆 : 突然好想有個人好好愛我！要是有個人好好愛我就好了~
貼心如我，這就安排！
所有男生女生請注意！脫單獲愛秘笈來嘍~
接下來 ，小咪將以男生版為示例教大家以一套標準的 「數據分析流程」從科學的角度脫單獲愛?
25
數說
原文出自巡山貓編輯部，作者貓小咪鏈接：//mp.weixin.qq.com/s/0RNkMvu1YYgDLdybCB-TXg
第一步：明確問題
第二步：了解現狀
26
驅動力
27
數說
第三步：設定目標
第四步：把握真因
28
驅動力
29
數說
第六步：實施對策
第五步：制定對策
30
驅動力
31
數說
第八步：評估方法并標準化
第七步：評估結果和過程
以上脫單秘笈，供娛樂參考
好的愛情從來不是頃刻間的燃燒
而是細水長流的滋養
祝愿大家都找到你的一生至愛?
愿有人問你粥可溫，有人與你立黃昏
32
驅動力
33
秘籍
以下文章來源于劉潤 ，作者劉潤
鏈接：//mp.weixin.qq.com/s/Q9D_zut_xi6EFyh773J4PQ
年底了，你今年的目標，完成得怎么樣？
如果很成功，那非常不容易，要祝賀自己。如果不順利，可能是目標定得有問題，或者執行得有偏差。明年再來。
但是，明年，怎么辦呢？
我想和你分享OKR的方法。你可能聽過，也用過，但不一定真能用得好的方法。
今天，我和你分享OKR的邏輯，和我自己的一些例子。
希望能對你有啟發。
年底了，到底該如何制定明年的OKR？
首先，一個必須回答的問題，什么是OKR？
OKR，是最早Intel使用，后來在Google火起來的目標管理方法。
簡單來說，OKR就是年初，你結合公司、老板、和自己認為重要的事，定好O，和對應的KR。
什么是O？O，就是Objective，目標。
這個目標，應該是你在未來一段時間，非常渴望達成的事情。
非常渴望，有多渴望？
這么說吧，應該是一件讓你夜不能寐的事情，1件能比得上10件的事情。
那什么是KR呢？KR，就是Key Results，關鍵結果。
關鍵結果，就是衡量是否能完成目標的那個東西。
但是請注意，這個關鍵結果，一定是基于具體數值的，不能是輕飄飄一句話拿來糊弄人的。
比如說，你的O（目標）是“建立一支銷售團隊”，那么你的KR（關鍵結果），就應該是“培養30名銷售員工”，而不能是“銷售團隊有一定規模”。
如果KR沒有數字，那整個OKR，都沒有了意義。
而當你有了OKR，你明年就可以瞄著目標，好好大干一場了。
你不需要一直想，我到底要做什么？我為什么這么迷茫？我怎么像在轉圈圈？
如果你有這樣的感覺，幾乎一定是你沒有清晰的目標，和不知道怎么樣算完成了自己的目標。
OKR，會像一塊靶，時刻提醒著你，10環！10環！
1、什么是OKR
2、千萬別忘了AP
34
驅動力
35
秘籍
但是，怎么打中10環呢？
很多人在制定OKR的時候，還忘了重要的一件事，就是制定自己的AP。
AP，又是什么？
AP，就是Action plans，行動計劃。
有了O（目標），有了KR（關鍵結果），還不夠，還必須有AP（行動計劃）。
你準備怎么完成自己的O和KR？
“培養30名銷售員工”，怎么培養？比如請行業內的名師來講課，比如制定一份工作手冊，比如用一些項目來訓練和實戰。
從計劃，要到行動。
有行動，才有產出。
否則，就很容易沉浸在努力定目標的自我感動里面，這種錯覺，常常會讓人忘記了行動。
2，按照計劃和行動。
AP→KR→O。
通過復盤，你會發現有些事情，做得不太好，可能是需要調整的。
但是，調整什么？
一般來說，我們調整AP，這個行動計劃不太對，我們換一種做法試試看。
有的時候，是我們的KR，關鍵結果沒有設好。這個KR，根本不能支撐我們的目標。這時，在KR的級別，就要做一些修改。
但還有時候，你可能會發現，做了一段時間，原來整個O，目標都沒有找對。目標錯了，那后面就全錯了。
所以，迭代和調整，也是有不同顆粒度的。
一定要多回顧，多思考。
4、O和KR的自上而下，自下而上
3、不同顆粒度的迭代和調整
有了目標、關鍵結果、行動，那就開始做。
一旦做了，就會有反饋，是不是符合預期。
然后，就可以按照不同顆粒度，進行迭代和調整。
不同顆粒度？
對。你至少可以按照兩種不同的顆粒度，來修正調整自己的OKR。
1，按照時間。
每周→每月→每季度→每年。
反饋的速度和頻率，能決定你執行的效率，和效果。
每隔一段時間，就回頭看看自己做得怎么樣。
這樣，不會漏掉小問題，也不會放過大問題。
但是，你一定有感覺，如果只是改AP，是必要的，也是能接受的。
可如果改了O和KR，說明一開始，咱們定的目標和關鍵結果就有問題。這不就返工了嗎？降低了效率，浪費了時間啊。
所以，制定對O和KR，就很重要。
怎么辦？
自上而下，自下而上。
咱們分別來說。
自上而下，咱們很熟悉了。CEO有了O，就會設定一系列的KR，分給下級。
上級的KR，也就變成了下級的O，然后，再層層分解，傳遞下去。
上級的決策，一般有更多的信息，更多的經驗，O整體是靠譜的，很多時候是到下面動作變形了。
36
驅動力
37
秘籍
所以，這樣逐級分解，就把一個大目標，變為一個個關鍵結果，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，也許有的人會說，萬一上級有失誤呢？萬一我有更好的想法呢？
在一定程度上，允許一部分OKR自下而上，員工自己設定。
這樣，發揮了員工的自主性，也讓公司有了創造力和活力，留下緩沖空間和糾錯余地。
還有一件事情，我覺得也很重要，想和你分享。
重要的事情，說三遍：
儀式感，儀式感，儀式感。
制定和執行OKR，需要一些儀式感。讓大家更重視，讓自己也更重視。
在我們這家小公司，每年的OKR制定，我都想盡量有更多的儀式感：
6、考核只是手段，不是目的
5、透明公開
當你定好OKR，也有了AP之后，還有一件事，記得透明公開。
別藏著捂著，要讓所有人都知道。
為什么？
一方面，這是一種公開承諾的壓力。
公開承諾，能更好激發自己去完成目標。
另一方面，是互相之間能夠溝通協作。
雖然分配到每個人手上的目標是不同的，但這并不代表大家就各自為戰，不能沒有協同。
在我們公司開會的時候，大家經常會聊：誒，你今年的目標是什么？這個月你要完成到什么樣子？
這樣，就彼此對大家正在做什么心里有數。
然后，工作時也會想到對方。
我正在做的這件事，是不是可以順便幫到你。你是不是有什么資源，也能支持我的。
最后，大家的目標都能完成，那個最大的目標，也得到了支持。
所以，一定要透明，公開。讓每個人都知道。
那么，一定有人會問，我制定了目標、計劃、行動，大家也互相配合，可是OKR，要考核嗎？
熟悉我的人一定知道，我會說：看情況。
一般來說，OKR是不考核的。
因為一旦考核，員工和公司之間，關于目標的設定，就會開始討價還價和互相博弈了。
不考核，還是希望大家能更有“野心”，定一個更大的目標。
但是，如果不考核，完不完成都可以，誰還會認真努力呢？
因此，在有的公司，會采用360°環評的方式。
老板、同事、下屬，一起來給你打分。不是一個人說了算，是大家說了算。
你的工作，大家都看見了，群眾的眼睛是雪亮的，大家一起打分。
但是，我想說，考核，只是手段，不是目的。
目的，是要能完成最終的結果和目標。
如果考核能讓大家更好的實現目標，那就考核。
如果不考核更能激發大家的意愿，那就不考核。
最擔心的就是，為了考核而考核，為了不考核而不考核，而忘記了目標。
7、儀式感、儀式感、儀式感！
38
驅動力
39
秘籍
1，三輪溝通。
和每位的OKR討論，都會有至少三輪溝通。我說我的期待，你說你的想法，我們來碰撞交流，確保大家能形成共識。
在前面溝通的時間多一些，后面糾正的返工就少一點。
三輪溝通，我很重視，大家也很重視。
2，掛墻儀式。
制定完OKR后，我們會舉行一個“掛墻儀式”。
不僅是把每個人的OKR發到群里，還要打印出來，拿一個相框裝好，掛在墻上。
每當走進辦公室，不管是我，還是小伙伴，都會被時刻提醒：這是我的目標。
3，年底總結。
然后，到了年底，再把相框，和里面裝著的OKR，從墻上取下來。
大家來聊聊，完成了怎么樣。
有什么做得好的，有什么需要明年修正的。
儀式感，還是很必要的。
我建議你，也可以做一些這樣的事情。比如說，在朋友圈或者什么地方，發布自己的OKR吧。
8、我的OKR
年底了，一年快要過去，我正在總結今年的OKR，也在計劃明年的OKR。
我就和你分享，我2021年的OKR吧。還有一些目標，我和團隊正在沖刺，相信可以完成。
這份OKR，你也可以當作參考。希望能對你有些啟發。
O1：收入持續增長
KR1：培訓和咨詢收入，不低于2020年
KR2：公眾號廣告收入，加速觸及天花板
KR3：進化島，收入增長10%
AP1：以每三個月為單位，提高基礎人·天價格
AP2：公號商務機制，建立、迭代一套流程
AP3：支持進化島的同事，一起做進化島總體規劃
O2：影響力持續提升
KR1：公眾號訂閱230萬
KR2：私域流量用戶25萬
KR3：視頻內容多平臺周更
KR4：成功舉辦“進化的力量·劉潤年度演講”
AP1：推進流程化，并大力提升編輯團隊的內容能力
AP2：支持私域的同事，一起做私域流量總體規劃
AP3：在短視頻投入人手，必要時繼續招人
AP4：找到值得托付的團隊。并把各項時間壓縮，閉關一個月，留出足夠的內容時間
O3：團隊戰斗力持續提升
KR1：編輯團隊的內容水平比 2020 有提升
KR2：根據業務需要，新增 2-3 名優秀的新同事
KR3：提升團隊協作能力、職業化能力
AP1：報銷得到在線課程的一半
AP2：繼續中午培訓，給予一些參加外部活動的機會
AP3：要求每位員工有自我提升計劃，并嚴格執行
AP4：對職業化做培訓和考核
AP5：增設協作類獎勵
最后的話
年底了，到底該如何制定明年的OKR？
自上而下、自下而上的制定好相應的O，KR，AP。然后，按照不同顆粒度進行反饋調整。公開透明給所有人。根據自身的情況，決定是否考核。以及，在做的過程中，充滿儀式感。
不管是公司，還是個人，都可以用這樣的方法。
最后，希望你記住，目標，目標，目標。10環，10環，10環。別忘記最重要的事情。
希望這篇文章，能給你啟發。也希望明年，能聽到你的好消息。
增值電信業務經營許可證：陜B2-20210327 |