要如何把工作的坏因素化为优势，优秀的行动者必然长于细致的思考。在做出重要决策的关头，他们会收集大量的事实情况进行分析；下面是要如何把工作的坏因素化为优势的方法！
要如何把工作的坏因素化为优势1
如何把工作的坏因素化为优势
但求卓越，不谋哗众
要想使一个集体中的成员团结一致，维持一种和谐的气氛，一个最有效的手段就是利用人们渴望获得赞赏的心理。但是，如果这种获得他人赞扬与好感的愿望过于膨胀的话，就会彻底破坏你正直的品行与平和的心态。
如果研究一下伟人们的事迹，就能发现一个重要的情况：与赢得他人赞赏相比，他们更专注于实现远大的目标。正为此，他们在完成了那些可钦可赞的伟绩的同时，也获得了卓著的声望。
时刻坚持高标准
航海中的最高原则是：相信罗盘，按照它的指示前进。在现实生活中，明智的人也是这样。他们时刻要求自己遵循自己的信条和道德准则，始终不愈。
一个正直的人之所以始终追求自己的最高理想，并非出于天性或是社会的压力，而是源自对这些理想的坚定信仰。正直的人决不会在遇到困难或强烈诱惑的时候放弃自己的原则，甚至不允许有“仅此一次“的想法。
对挫折给予即时的回击
直面困难，是克服困难积极的第一步。如果你刚刚得知你的身体出了问题，就要去勇敢地面对、明智地解决，就要去征求最优秀的专家的意见：什么是最好的疗法？如果你正在努力工作，争取按时完成一项计划，却遇到了严重的突发情况。这时，你就应当象科学家一样认真地分析局面：问题是怎样造成的？努力找出可处理现实问题的最好徐径，发现最有助益的方法，然后遵照施行。
仔细权衡，做出最优决策
优秀的行动者必然长于细致的思考。在做出重要决策的关头，他们会收集大量的事实情况进行分析；而在分析权衡的过程中，他们会尽力摒除自身的偏见，以增强决策的客观性和准确性。
事实上，有许多好的方法可以帮助人们做出明智的决策。其中之一就是：列出现实情况中所有的有利因素与不利因素，而后仔细估量其中的利弊与得失。之所以这样做，其目的是要通盘考虑来自各个方面的因素，其中甚至可以包括你的个人感受。
不可失信于人
为人诚信的声誉是一个人最宝贵的财富之一。有了这种声誉，你就会感受到他人对你的信任.当你发表意见时，人人都洗耳恭听并深信不疑。
获得信任的方法多种多样，其行为可大可校这需要一个人对自己高标准严要求，一贯诚实；经营作风光明正大；利益方面先人后已，并且重承诺守信用。
心存高远，不为小事所累
做事过程中，如果不懂得合理分配精力，各种问题便会纷至沓来。你的完成将仅限于小事，大事则无问津，捡了芝麻丢了西瓜。被琐碎的.二流问题羁绊住了头脑，自然不能留心头等大事了。要想培养自己权衡轻重的能力，其奥秘在于：选定一个核心目标，紧紧追随而不分心于小事。只有找到一个值得倾注一切的目标时，人们才会全力以赴。唯其如此，他们才能做到最好。
吸取经验，发展自我
一些自然形成的办事习惯会导致思想僵化，而诸如“我已经做得够好了“之类固步自封的想法更是使之根深蒂固。思想僵化是成功的大敌，它会导致落后于时代，丧失机遇和长期的不满。
新奇与挑战可以令人思想更丰富，意志更坚强。只有习惯于不懈追求的人们才会在智力与情感方面得到进步。
要如何把工作的坏因素化为优势2
写这篇文章时，笔者因新冠疫情影响与前公司沟通困难，正打算寻找一个新的数据科学家职位。
但现实并不顺利，笔者在人才市场遭遇的境况比上次困难得多。但与其让这些挑战阻挠，甚至在最坏情况下破灭我们成为数据科学家的梦想，笔者更愿意努力理解这些挑战，并提出对你我都有利的解决方案。
不切实际的职位描述
这似乎是我与数据科学求职者交流时最常见的话题：没有人觉得自己与工作要求相匹配。
事实上，许多数据科学职位描述并没有传达岗位的实际要求。这带来的一个问题：有追求的数据科学家会优先根据职位描述完善他们的个人能力和技术能力，但这将对他们产生误导。还有另一个问题是，招聘人员会收到大量不符合要求的申请。
职位描述令人难以理解的原因有很多，你需要判断自己遇到的问题属于哪种：
解决问题的方法很多，因此很难将其缩小为职位描述。
新的数据科学团队鼓励成员当万金油，难以准确转化为职位描述。
公司缺乏经验，不了解他们所遇到的问题，以及能够解决这些问题的人应具备哪些能力 。
职位描述是由招聘人员撰写的。
解决方案：找到职位描述不切实际的潜在原因十分重要，需要你有一定的洞察力，因为这有可能会妨害你作为一名数据科学家的成长之路。
你要明白工作描述只是公司的愿望清单。公司是想雇佣一个他们认为有能力解决实际问题的人。因此一定要展示自己的能力，让公司觉得你有能力应对遇到的挑战。如果你满足任一职位描述中50%的要求，那么你就很可能符合条件，应该尝试应聘这个职位；如果你100%符合职位描述，选择它很可能就屈才了。
数据科学正变得更加批量生产化
在过去，会使用JupyterNotebook应用程序进行一些可视化处理并构建模型就已足够。但是在笔者看来，这些已经不再会使你脱颖而出。
Jupyter Notebook程序非常适合进行实验，但在现实世界里，我们已经超越了实验阶段。笔者相信每个数据科学家都知道如何使用Jupyter Notebook。随着数据科学的批量生产化程度越来越高，编写生产级代码来节省时间和成本将成为加分项。
每个数据科学家都应该知道如何编写生产级代码，原因如下：
1、从数据科学家转接到工程师的过渡会导致内容丢失。
2、可以消除过程中的延迟。
3、一个人可以完成两个人的工作，这使你更有价值。
解决方案：尽管存在争议，但笔者相信在产品的数据科学应用方面，数据科学家和软件工程师的技能逐渐趋同。因此更多的数据科学家应该学习软件工程的最佳实践。
竞争
数据科学是世界上发展最快的新兴技术之一。成千上万的人正蜂拥而至，尝试更新他们的技能从而成为一名数据科学家。如果你不相信，那么请看数据，自Coursera成立以来，已有超过350万人报名参加Andrew Ng机器学习课程（这是数据科学的重要组成部分）。
数据科学家成为21世纪最性感的工作是有原因的。如今，越来越多的人试图进入这个领域，工作竞争变得更加激烈，但这不是你决定不找工作的理由！
解决方案：根据笔者最近在LinkedIn上进行的一项投票，我们应该更努力让自己脱颖而出，这并不意味着要拥有最美观的简历。
当然，好的申请组合是一个脱颖而出的好方法。然而，在增加求职机会方面，还有一个立于不败之地的方法，就是与你申请地区的高级招聘经理或数据科学家联系。LinkedIn让人们很轻易地找到在某家公司工作的员工。在应聘工作时，这应该成为求职流程的一部分。
虽然现实很艰难，但这绝不是你找不到工作的原因。在任何一份工作中，你都会面临许多挑战。获得这份工作只是一个资格鉴定阶段，看雇主是否相信你有能力面对这些挑战，以及你是否希望雇主成为你团队中的一员。
要一直努力提升自己，不要等到准备好了才去应聘。你可能一直认为自己没有准备好，害怕被拒绝，或害怕拒绝那些与你的目标不符的公司。犹豫就会败北，勇敢才能白给！
