善于分解大的任务

简介:
每个人都可能会碰到这样的情况:一项任务需要在一定的时间期限内完成,而这样的任务对你来说可能是繁重的、有极大挑战性的。你有足够的热情去完成上司交给你的任务,但却感到无从下手,不知该采取什么样的办法啃掉这根“硬骨头”,有时甚至有被它压得喘不过气来的感觉,久而久之,大量的时间被浪费了而结果却不尽如人意,尽管你在这项任务上贡献了足够的精力。
  这样的情况并不少见,原因归根到底在于不具备处理大的任务时的时间管理能力。如何培养这种能力?其实,从我们经常见到的嗑瓜子现象中就可以找到答案。
  喜欢嗑瓜子的人会认同这样一个嗑瓜子的规律:
  无论人们喜欢与否,很客易拿起第一颗瓜子;
  一旦吃上第一颗,就会吃起第二颗、第三颗……停不下来;
  在吃瓜子的过程中,人们可能会做一些别的事情,比如去洗手间等等,但是回到座位以后,都会继续吃瓜子,不需要他人提醒、督促;
  大多数情况下,人们会一直吃下去,直到吃光为止。
  为什么会这样?仅仅是因为人们喜欢嗑瓜子吗?不是。总的来看,应该有三大原因:
  (1) 嗑瓜子这种行为很简单。因为简单,人们很容易开始这种行为;因为简单,人们很容易掌握技巧,成为熟手,并且不断改进嗑瓜子的方法,这个过程增强了人们的自信,在潜意识中人们期望享受这个过程。
  (2) 每嗑开一颗瓜子,人们马上就会享受到一粒瓜子仁。这一点至关重要。嗑开瓜子后马上享受到香香的瓜子仁,这对嗑瓜子的人来说是一个回报。就是这种即时回报微妙地发挥着作用——激励着人们不停地去嗑下一颗瓜子。
  (3)一盘瓜子一个一个嗑起来。过一会就出现一堆瓜子皮——能够看到嗑瓜子的成就。
  这种现象给我们的启示在于:无论做什么工作,如果能做到像嗑瓜子一样愉快地完成,那么就非常成功了。通过上述分析,我们发现要做到这一点并不困难,关键的一点就在于:我们要善于将大的、复杂的任务分解成若干个小的、简单的、容易做的小任务,如同嗑瓜子一样容易做。在这之后,依据这些小的任务,相应地安排你的时间。这样做有几个好处,首先,你明确了完成整个任务的各个步骤,只要循序渐进地完成各项小任务,你就能成功,畏难情绪就会减轻;其次,把一项大任务拆分为若干项小任务,可以使你的进度显得更显著,并能多次体会达到目标的喜悦;再次,较小的任务易于估计时间,从而加强对完成时间的控制。如此,一项大的任务便很容易在不知不觉中、在心情愉悦的状态下顺利完成。

  文章来源:《世界500强员工能力素质模型》



本文转自左正博客园博客,原文链接:http://www.cnblogs.com/soundcode/archive/2011/04/05/2005986.html,如需转载请自行联系原作者

目录
相关文章
|
1天前
|
弹性计算 关系型数据库 微服务
基于 Docker 与 Kubernetes(K3s)的微服务:阿里云生产环境扩容实践
在微服务架构中,如何实现“稳定扩容”与“成本可控”是企业面临的核心挑战。本文结合 Python FastAPI 微服务实战,详解如何基于阿里云基础设施,利用 Docker 封装服务、K3s 实现容器编排,构建生产级微服务架构。内容涵盖容器构建、集群部署、自动扩缩容、可观测性等关键环节,适配阿里云资源特性与服务生态,助力企业打造低成本、高可靠、易扩展的微服务解决方案。
1063 0
|
10天前
|
人工智能 运维 安全
|
1天前
|
弹性计算 Kubernetes jenkins
如何在 ECS/EKS 集群中有效使用 Jenkins
本文探讨了如何将 Jenkins 与 AWS ECS 和 EKS 集群集成,以构建高效、灵活且具备自动扩缩容能力的 CI/CD 流水线,提升软件交付效率并优化资源成本。
245 0
|
8天前
|
人工智能 异构计算
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
|
9天前
|
人工智能 测试技术 API
智能体(AI Agent)搭建全攻略:从概念到实践的终极指南
在人工智能浪潮中,智能体(AI Agent)正成为变革性技术。它们具备自主决策、环境感知、任务执行等能力,广泛应用于日常任务与商业流程。本文详解智能体概念、架构及七步搭建指南,助你打造专属智能体,迎接智能自动化新时代。
|
9天前
|
机器学习/深度学习 人工智能 自然语言处理
B站开源IndexTTS2,用极致表现力颠覆听觉体验
在语音合成技术不断演进的背景下,早期版本的IndexTTS虽然在多场景应用中展现出良好的表现,但在情感表达的细腻度与时长控制的精准性方面仍存在提升空间。为了解决这些问题,并进一步推动零样本语音合成在实际场景中的落地能力,B站语音团队对模型架构与训练策略进行了深度优化,推出了全新一代语音合成模型——IndexTTS2 。
738 23