如何应对经济不景气下的大裁员 – 中年危机裁员危机如何应对

2018年开始,金融危机风险乍现,从不停疯涨的房价突然被活活掐死,到中美贸易战的爆发,都是雪上加霜。

眼下面临的其实不是中年危机,而是经济不景气大前提下的危机。企业为了自保,当然会调整战略,选择更年轻力壮,更便宜的劳动力。

很多鸡汤文章都会说,职场人会遇到中年危机,是因为自身能力不行,要提升自身能力,要有不可替代性。虽然看似是对的,实际都是放屁,都是软文,为了推销他们的课程。这个世界上,人真的有不可替代性吗。知道世界上有多少人吗,而且现在有多少AI能代替人来做事。哪怕放在几百年前,即使没有爱因斯坦,没有达芬奇,也会有其他的科学家提出类似的观点。可以多看看爱迪生和特斯拉。特斯拉的科技成果,至今无人达到。但是爱迪生才更为人熟知。

人的能力,和其环境,平台是相关的。姜太公没能钓一辈子的鱼,诸葛亮没种一辈子的菜,这些都是少数。因为这样成名了,才被世人所熟知,而真正钓鱼一辈子,种菜一辈子的能人异士,应该有更多。这个就是所谓的幸存者偏差。成功的毕竟是少数,努力了只会在机遇来临时,获得成功的可能性略大一点点。最主要的其实是机遇而不是能力。只是大部分情况下,机遇不可控,而能力可控。但是能力带来的价值比机遇少太多了,实际上可以这么理解,即使有能力,没有机遇,那就是零。但是有机遇即使没能力,再取培养能力,再去请有能力的人来辅佐,一样可以成功。

真正经济不景气的大环境下,没有环境,没有平台,怎么可能人会有不可替代性。

而现在虽然不景气,但是前几年房价猛涨,即使买不起房,也绝对会因为房价猛涨,工资有所增长。只是突然一下不景气了,预期的收入没有了,但是大手大脚花钱的习惯却形成了。生活成本远大于预期收入则成了危机。

前几年房地产风生水起时,笔者买房遇到的几个中介,要说能力嘛,小学文化,吐词含糊,自己连政策和流程都搞不清楚。。带着笔者走了不少弯路才买到房。唯一看到他们的优势就时年轻,男的长得帅,女的漂亮。满嘴花言巧语,要是在封建时代绝对是一等一的奸佞。但是他们在这一波潮流中都算是发财了,其中的一个经常到处夸耀自己的故事,5年前揣着100块来到大城市,做了房地产中介,从每天睡公司啃馒头到现在四五处房子,没有贷款。

这个世界就是人太多,傻子太多。才好对付。想当年我们上一辈上上一辈,一个大学生多大的含金量。我小学看到我伯父的数学辞典,高中学的,就涵盖了我读大学数学学的全部知识还有多的。现在大面积扩招,大学生泛滥,硕士都泛滥。但是含金量确实变低了。大学生,硕士,是花钱的,毕业了是要赚钱的。只要把读书的年龄拉长拉大,就能解决很多经济和社会问题。以前很多行业45岁,50岁退休,现在基本全60,马上还要扩大到65。晚退休了,又能创造很多社会财富。

国家缓解了经济问题,但是这个问题还是存在,只是由人民来背。经济危机,中年危机是必然。最重要的是心态。能走得了上坡路,也要适应走下坡路。生活没有一帆风顺。

另一个中年危机的故事

作为职场人士,我发现一直以来,关于职场的话题总是没断过,年末岁初的时候,关于年终奖、企业裁员的话题又多了起来,加上一直存在着的三十多岁中年危机等元素糅合在一起,几乎每天都在撞击着职场人尤其是三十来岁的职场人的神经。

为什么这种话题具有如此的持久性,根本原因可能在于现在大量的八零后职场人正处于这个年龄段,九零后年龄较大的职场人也接近三十岁这个槛。

职场竞争的激烈让人们不敢有丝毫放松,再加上华为这种著名企业前期爆出的超过三十几岁就要裁掉的新闻,更让人们对有关年龄的职场话题倍加敏感。

一个人如果能在像华为那样的著名企业都做到了三十多岁,至少证明素质还是不错的,竟然也弃之如敝履,对企业没有了价值,那么众多在普通企业的职场人又将何以自处?这种深深的危机感时刻笼罩在人们的心头。

那么,三十多岁,我们会经历什么可能不受我们控制,事情到来之后我们有什么准备或者我们应该怎么去面对则是把握在我们自己手中的。

好朋友大壮,最近刚刚经历了一次职业上的大变动,他三十五岁,因原公司经营不善被迫离职,这在外人看来似乎应该是一场人生危机的时候,他却上演了一场不一样的转机。

大壮,83年的典型八零后,工科男,毕业于一个普通的 985 高校,专业学的是机械设计,毕业后进入一家制造业公司当了产品工程师,这是这个专业毕业生的一个最普通的职业入口。

过去的十多年中,大壮兢兢业业,从助理设计师慢慢成长为中级工程师、高级工程师。

公司里面类似这样的设计师很多,并不是所有的设计师都能够通过管理通道成为领导者,很多是走了另外一种叫做技术通道的上升渠道。

就像是大壮这样,在级别上也有所提升,但是并不担任管理职务,只是在管理项目的时候,会有专属于项目的下属,在组织架构上是没有下属的。

大壮本人技术还可以,自己也爱好钻研,公司虽然是制造业的公司,市场竞争激烈,但是大壮所参与开发的产品,有很多是公司重点的产品,这也给他自己带来了更多的深入研究的机会,一个项目下来,必然会有一些专利出自大壮之手。

此外,由于大壮善于思考和总结,还经常会有一些论文发表在本行业的核心期刊上,多年下来,大壮已经成为业内小有名气的研究型人才了,他就是这么一个典型的工程师。

由于个人的原因,大壮在工作第五年的时候也跳过一次槽,从一个城市到了另一个城市。

幸运的是,另一个城市也有很多同行业的公司,所以大壮当初找工作是毫不费力的,工作四五年的工程师,正是那个行业的人力部门最喜欢的一类人——工作经验比较丰富,而且工资要求也适中,干活上手很快,几乎到了就能上手。

在新公司,大壮一样勤勤恳恳,成为独当一面的技术人才。

这家新公司,前几年发展还可以,但是后来却开始走下坡路,一方面是行业竞争的激烈,另一方面也是最主要的就是高管团队的无能,把公司渐渐地带到了坑里。

回天乏力,公司动起了裁员的主意。大壮这样的高级工程师竟然被领导叫去谈话,领导的意思很明白,公司经营困难,希望降低人力成本,目前工资较高的人用不了那么多了,领导再三表示,不是因为你不行,相反,你很优秀,实在是公司遇到了问题,否则也不可能让你走的,但是公司会给走的员工以 N+2 的补偿。大壮看到留下没希望,补偿也还可以,只是这种被裁的名声有点不好,但事到如今,也只能离开。

于是开始投简历,并通过以前的熟人朋友打听哪家公司需要人。平时也有猎头听到了他想走的消息,也会不时地联系他。

一个月的功夫,大壮已经在好几家公司面谈过了,他作为资深的工程师,一般业内的公司是很容易收留的,有一家甲公司在下午通知他面试的时候就提醒他带着能证明工资收入的材料,于是大壮打印了一年的工资流水单,到了这家公司,用人部门谈过,人力马上来谈待遇,只是表示只能给涨 10%。

大壮想着自己准备仓促,手里也没多少 offer ,就答应了,这家公司当晚就把 offer 发到了大壮的邮箱。但是大壮总有些心有不甘,还是继续找机会等消息。

不久,另一个同行业乙公司,也给了 offer ,但是也是折腾了大壮去谈了好几次,最终的涨幅有不到两成,这家公司比起之前那家,工作氛围相对轻松,待遇涨幅也大点,手里有了两个 offer ,大壮心里稳了下来。

但是他所面谈过的一些公司里面,还有一家丙公司是他最想去的,虽然行业有些不同,但是实际的业务会和原行业相关,他感觉自己过去之后会有很大的发挥空间。

在离开原单位已经半个月的情况下,最想去的那家丙公司迟迟没有给消息,大壮终于还是坐不住了,先到了乙公司上班,当时他的想法就是,先去上班,按照法律有三个月的试用期,试用期内提出离职相对简单,一旦丙公司有了 offer ,就离开乙公司。

如果最终丙公司没了消息,就踏踏实实在乙公司干下去,慢慢再找机会,乙公司毕竟还算是个次优的选择。

果然,就在大壮已经在乙公司上班的一周后,丙公司给了消息,让大壮又去和总监面谈了一次,总体感觉不错,丙公司的人力部门依然让大壮提供收入证明,大壮把银行流水单发了过去。最终,丙公司人力和大壮商谈的结果是,涨薪 30%,希望大壮加盟丙公司。

于是在丙公司的录用邮件发到邮箱之后,大壮跟乙公司提出了离职,果然,刚干了一周的大壮的离职,手续非常简单,大壮以家中有事为由向人力部长表示歉意,人力部长也很客气,说没事,谁都有可能有预料不到的事情,只是你走了我们又要折腾一遍招人的流程了。

大壮询问要不要给开个离职证明,当时人力部门都还没把大壮的相关劳动信息上报,于是那部长建议干脆用原单位的离职证明算了,连新证明都懒得开了,直接找出来大壮叫过去的离职证明还给了他。

几天后,大壮去了丙公司报到,成为新公司的一员。原来的同事老杨,对他这次跳槽赞不绝口,说你给我们树立了一个换行业的榜样。

大壮问老杨为什么总是感觉原来行业不好?老杨说,这还不明显,夕阳行业啊,在走下坡路,我也已经在准备后路了,你这次真给我们树立了一个好榜样。

对大壮来说,新公司确实是一个更好的单位,公司所做的业务,也和当前比较热的人工智能有关,大壮一方面有制造业的丰富经验。

另一方面自己之前写的论文也是在讨论人工智能在产品上的应用,这不但在面试的时候给他加了分,而且未来所做的工作对大壮自己来说,既有一定基础,又有挑战性,大壮也感觉三十来岁的年纪,也该再博一次了。

没想到,别人眼中三十多岁被裁的危机,在大壮这里变成了转机,给自己找到了一个全新的更好的机会。

我也问过大壮,怎么能被另一个行业的公司看中呢?大壮说,也不是完全不相关。

首先他们招的职位和我之前相符啊,都是项目经理,这在职位方面保证了延续性。

另外他们做的新业务,其实和原来的产品也是有一些关系的,所以还是会和原来行业打交道,这也并非一个完全不懂的新领域。

大壮本人的简历,也相对比较亮眼,985 高校毕业,经历的两家公司也都是著名大企业,十几年的工作经历使得他懂设计、懂技术、懂产品、懂项目,这也是他被选中的一个重要原因。

三十来岁,这本应该是一个人生命最旺盛的年龄,三十而立,三十岁至少有了职业或者事业,有了家庭,也有了孩子,从整个生命阶段来看,这个阶段正应该是人生近午,即将怒放的时段。

或许是因为人们的压力,我们看到的大部分信息,好像这个年龄让人充满了无力感甚至有些挫败感。我们确实工作得太累了,生活德太疲惫了,相信很多人表达出来的信息和情绪也是真实的。

但是,大壮的经历,似乎能让我们看到一些不同,他也 35 岁,因为单位原因离开了,但是他选择了接受,选择了改变,选择了再放手一搏。

他在离开原单位而没有确定下家的日子里,内心也是恐慌的,也是没有着落的,但是他坚持过来了,没有把工作当成天大的事,他自己都开玩笑说,大不了自己去学摆摊卖煎饼。

但是,他自己的积累,还是让他的所谓“危机”成为了一次转机,开始了一段新的职业历程。

也许,三十来岁的人们,应该多一些自信和坚强,少一些恐慌和抱怨,与其天天跟着网上的热点去惶恐失措,还不如自己认准一个感兴趣的领域去深入钻研,找一个自己感兴趣的事情去做,哪怕不是为了工作,为了调整心态呢?

从计算机视觉分类失败谈起

研究人员们惊讶地发现,深度学习视觉算法之所以经常在图像分类时遭遇挑战,是因为它们主要从纹理——而非形状——当中提取判断线索。

在我们观察一张猫的照片时,往往能够很快认出这是橘猫还是虎斑猫——此外,图像是不是黑白、是否存在斑点、是否存在磨损以及褪色等等,也都是观察过程中能够轻松得到的结论。此外,我们还会发现这些小生灵是蜷缩在枕头后边,还是迅捷地跃上一张台面。总而言之,人类总能不知不觉快速学会识别小猫。相比之下,由深度神经网络驱动的机器视觉系统虽然能够在某些特定情况下提供优于人类的识别能力,但一旦构图较为罕见、存在噪点或者其它一些干扰因素,系统也有可能对一张内容明确的图像束手无策。

最近德国一支研究小组发现了当中令人意想不到的原因:人类对图像里各对象的形状较为敏感,而深度学习计算机视觉算法却通常更关注对象的纹理。

这一发现发表在今年5月举办的国际学习代表大会上,主要强调了人与机器在“思考”方式之间的鲜明差异,并阐述了我们的直觉如何误导人工智能。此外,这项研究也暗示了,人类的视觉为何会发展成今天的形式。

拥有大象皮肤的小猫与由钟表构成的飞机
举例来说,深度学习算法体现为一套神经网络,其中包含着成千上万张有猫或者无猫的图像素材。系统能够从这些数据当中找到模式,而后利用它来决定如何更好地标记自己从未见过的图像。网络的架构类似于人类视觉系统,但建模方式更为松散——这是因为,其中的连接层允许网络一步步从图像中提取出越来越抽象的特征。然而,这套系统实际上是一种“暗箱”流程,我们只能获得正确答案,却不知道这答案从何而来。并未参与此项研究的俄勒冈州立大学计算机科学家Thomas Dietterich指出,“我们一直在努力找到使得深度学习计算机视觉算法得出正确结果的原因,以及哪些因素有可能干扰这种视觉识别能力。”

为了达成这一目标,有些研究人员开始探索,在对图像内容进行修改之后,网络会因欺骗而得出怎样的结论。他们发现,某些非常小的变化都有可能导致系统完全错误地标记图像中的对象——但有些很大的变化,却反而不会让系统修改其标记内容。与此同时,也有其他一些专家通过网络进行了回溯,分析了其中单一“神经元”在图像中的响应,并据此为系统学习到的特征生成所谓“激活图集”。

其中计算神经科学家Matthias Bethge实验室的一组科学家,以及来自德国蒂宾根大学的心理物理学家Felix Wichmann采取了更为定性的方法。去年,该团队报告称,当他们在利用特定噪声进行干扰处理的图像上训练神经网络时,结果发现神经网络在对存在类似失真干扰的新图像进行分类方面,表现要优于人类。但只要对这些图像稍微进行一些新的模式调整,就能够完全骗过网络——即使新的内容扭曲与图中原本存在的扭曲看起来并无不同。

为了解释这一结果,研究人员们猜测,也许极低的噪音水平也可能会具有巨大的判定权重。在这方面,纹理似乎是个很不错的线索。Bethge和Wichmann实验室研究生,研究论文第一作者Robert Geirhos指出,“如果长时间添加大量噪音,图像对象的形状因素其实并不会受到太大的影响。但在另一方面,图像中的某些局部结构,在添加一丁点噪音因素时也可能变得极度扭曲。”因此,他们提出了一种巧妙的方法,以测试人类与深度学习系统究竟是如何处理图像的。

Geirhos、Bethge和他们的同事创造出两幅包含相互冲突线索的图像,即对象的形状取自某一物体,纹理则取自另一个物体。例如,用带裂纹的灰色纹理(大象皮肤)填充在猫的轮廓当中;或者制作小熊纹理的铝罐,乃至由钟面堆叠而成的飞机图形等。利用数百张此类图像,人类仍能够根据图像中的形状——猫、熊、飞机等——以极高的准确度进行标记。相比之下,四种不同的分类算法则倾向于另一种理解方式,即给出能够反映物体纹理的标记,包括大象、罐头、时钟等。

并未参与此项研究的哥伦比亚大学计算神经科学家Nikolaus Kriegeskorte指出,“这正在改变我们对深度前馈神经网络能够实现视觉识别能力、及其训练过程的理解方式。”

奇怪的是,人工智能采取的纹理大于形状的理解方式,似乎很有那么点现实意义。Kriegeskorte表示,“我们其实可以把纹理看成是一种更精细的形状。”神经系统能够更轻松地锁定高精度形状比例:具有纹理信息的像素数,要远远超过构成对象边界的像素数,而神经网络的第一步就是检测线条与边缘等局部特征。并未参与此项研究的多伦多约克大学计算视觉科学家John Tsotsos指出,“这就是纹理。所有的线段组都以相同的方式进行排列。”

Geirhos和他的同事已经证明,这些局部特征已经足以帮助神经网络完成图像分类任务。事实上,Bethge和该研究的另一位作者,博士后研究员Wieland Brendel在今年5月的大会上也通过一篇论文提到了这一点。在这次工作当中,他们构建起一套深度学习系统,但具体运行方式却与深度学习技术出现之前的分类算法非常相似——这更像是一种“特征包”。它最初会将图像分割成众多微小的块(类似于目前的Geirhos等现有模型),但接下来它并不像其它模型那样逐步整合信息并提取高级特征,而是立即识别出每个小块中的图像内容(「这个块中包含自行车的因素,另一块当中包含鸟的因素」等)。它会将这些决策结果叠加在一起以确定对象的实际内容(「如果包含自行车因素的小块更多,那么图像展示的就是自行车」),而完全不考虑不同图块之间的全局空间关系。但就是这种“笨办法”,却能够以惊人的准确度识别物体对象。

Brendel表示,“这一发现挑战了此前人们所认定的,深度学习技术与原有模型完全不同的假设。很明显……深度学习仍然代表着一种飞跃,只是不像有些人所希望的那么天翻地覆。”

根据约克大学与多伦多大学博士后研究员Amir Rosenfeld的观点(并未参与此项研究),“我们理解中的神经网络运作方式,与其实际运作方式之间仍然存在着「巨大的差异」”,其中也包括神经网络对人类行为的复制效果。

Brendel也表达出类似的观点,他表示人们很容易假设神经网络能够像人类一样解决任务,“但我们也忘了、或者说是在刻意忽略其中还存在着别的可能。”

一种更接近人类的观察方法
目前的深度学习方法可以将纹理等局部特征整合至更多全局模式当中。Kriegeskorte指出,例如在谈到形状时,“论文当中提出了令人惊讶、但又非常引人注目的证明,即虽然架构能够关注形状,但如果仅仅进行训练(对标准图像进行分类),那么神经网络不会自动提出形状这一概念。”

Geirhos希望看到当团队强迫这些神经模型忽略纹理因素时,会发生怎样的结果。该团队采用传统上用于训练分类算法的图像,并以不同的样式对图像加以“绘制”,从而在根本上剥离出有用的纹理信息。当他们在新图像上重新训练每套深度学习模型时,这些系统开始逐步关注更大、更为全局的模式,同时也表现出更类似于人类的形状偏好。

在采取这种方式时,算法能够更好地分辨包含噪音干扰的图像,甚至无需训练即可识别出其中的内容。Geirhos表示,“基于形状的网络能够提供更强大的识别功能。这让我们意识到,对于特定任务,其实是存在「正确的偏见」这一概念的。以我们的研究为例,形状偏见能够把视觉识别算法推广到更多新颖的场景当中。”

研究还暗示,人类有可能也会自然地产生这种偏见;因为对于前所未有或者干扰因素较多的情况,形状是一种更为健壮的指标,能够帮助我们更好地定义自己看到的内容。人类生活在一个三维世界当中,很多物体在不同条件、不同角度之下都会呈现出不同的状态。而我们的其它感官,例如触觉,可以根据需要完善物体识别能力。因此,我们的固有思维就认定形状优先于纹理。(此外,也有一些心理学家提出,语言、学习与人类形状偏见之间的联系;当幼儿接受训练时,他们可以专门学习某些特定类别的单词以更多关注形状因素。如此一来,他们在后续掌握名词或物体相关词汇时,往往会表现出较超未训练孩子的学习能力。)

Wichamnn表示,这项工作提醒人们“数据会产生远超我们认知的偏见与影响。”这已经不是研究人员们第一次面对这个难题:人脸识别程序、自动招聘算法以及其它神经网络,此前都已经被证明会过度重视某些出人意料的特征。这是因为这些神经网络所使用的训练数据之内,已经存在着根深蒂固的偏见。事实证明,从决策过程当中消除这些不必要的偏见往往非常困难,但Wichmann认为此次新研究展示出新的可能性,也让他对此充满信心。

然而,以便Geirhos的模型已经开始关注形状这一因素,也有可能被图像当中的大量噪音或特定像素变化所干扰——这表明其距离还原人类视觉能力还有很长的道路要走。(同样的,Tsosenos实验室研究生Rosenfeld、Tsotsos以及Markus Solbach最近也发表了研究报告,认为机器学习算法无法像人类那样感知不同图像之间的相似性。)不过Krigeskorte指出,“通过此项研究,我们终于开始触及一个实质性问题——计算机视觉识别算法并没能把握住人类大脑当中的某些重要机制。”而在Wichmann看来,“在某些情况下,关注数据集可能更为重要。”

多伦多大学计算机科学家Sanja Fidler(并未参与此项研究)也对这一观点表示赞同。她解释称,“具体结果,取决于我们能否设计出聪明的数据与聪明的任务。”她和她的同事目前正在研究如何为神经网络提供辅助,以帮助网络提取出最重要的特征。受到Geirhos调查结果的启发,他们最近训练出一种图像分类算法,其不仅能够识别出物体本身,同时也可以判断哪些像素属于其轮廓或者形状的组成部分。该网络在常规对象识别任务中能够自动提升判断水平。Fidler指出,“只要完成了一项任务,我们就会自然地在关注当中带有选择性,同时忽略掉其它很多不同的因素。但如果面对多个任务,我们可能会发现更多影响要素。这些算法也是如此。”算法在解决各种任务的过程中会“对不同的信息产生偏见”,这与Geirhos在形状与纹理实验中的发现高度契合。

Dietterich总结称,所有这些研究都代表着“在深入了解深度学习中具体步骤与内容方面,一个个令人兴奋的阶段。这也许将帮助我们克服一系列当下困扰着我们的局限。因此,我非常赞赏此次发布的一系列论文。”

招聘中的各种歧视

一名单亲妈妈去某单位面试,对方一听是离异的,就说不要离异的,这是啥理由?

一名资深码农去某大型互联网公司应聘,一听年龄35岁,面试官立刻没有继续交谈的意图。

一名大学生去某公司应聘时,对方问了是否是211,985之后,就没下文了。

这是赤裸裸的用工歧视。其实歧视也可以让公司招聘到更好的人才,让求职者的整体素质提升。但是:

不管是出于什么缘由,难道应聘者的简历里没写么,让别人无缘无故跑一趟,然后再受到这种屈辱合适么。而这种情况,在大公司也屡见不鲜。HR的素质才是首要需要提高的,这种素质的HR是怎么应聘进这种刁难人的公司?

不过种种歧视的缘由,还是因为市场供需,供大于求,所以企业优先选用更“好”的人才。而传统实业的用工荒,普通工厂工人的年龄经常是45岁以下,而一些家政,清洁工,不介意70岁的退休老人去工作。

为什么公司裁员的同时,还在发招聘广告

这种“一边裁员一边招人”现象比较常见,有以下几种情况:
1、结构性裁员
大型集团内会包含很多不同的业务板块、产品线、区域公司、职能部门等,我们可以将其称之为“业务单元”。
每个业务单元就像一个人一样,千人千面,每个单元的工作状态、盈利情况、发展前景也是不同的。
一些业务单元,受制于本身发展不利、前景不佳,公司不看好,就会进行裁员,而同时另一些业务单元发展的比较好,就会持续招人。
公司内部不同单元的情况都不同,不可能安置所有的人,出现这样的结构性裁员非常正常。
对于大型集团来说,每年初都是梳理业务线,调整组织架构的时间,因此大家经常会在年初,看到一些公司的某些单元撤销了,大批人出来,而另一些板块却还在招人,这是较普遍的现象。

2、优化性裁员
人员优化是近几年很多公司都在说的词,其实就是末位淘汰,只不过过去很多年中国经济增长快,人才供应跟不上需求,企业长期处于缺人状态,所以淘汰比例很低。
而这几年经济增长压力大,很多公司的业务发展并不顺利,市场上的人才供给也越来越充沛,所以不少大公司都在加大人员优化的比例。
从我的个人感受来说,七八年前大家谈淘汰是很少的,每年也就是淘汰个位数,后来慢慢出现了5%的强制淘汰率,如今很多企业已经在施行10%的强制淘汰了。
对企业来说,这就像是一种新陈代谢,对公司的健康发展有利,一般人员优化都会结合绩效结果,所以每年底和次年初会出现固定的减员,然后再招聘更加合适的人。

3、提效性裁员
对公司而言,并不是人越多越好,很多人都会有一个感受,就是本来一个人干很快能搞定的事情,分给两个人做反而效率变低了。
这就是典型的大公司病,一个和尚挑水吃,两个和尚抬水吃,三个和尚没水吃。
人多之后,企业运作效率会显著下降,出现人员冗余、工作低效、人浮于事、推诿不作为等,等有一天老板忍受不了这种情况,就会要求重新梳理团队、减员增效。
这种其实跟优化性裁员比较像,但一般是由于弊病积累了多年,一次爆发就会规模比较大。
去年下半年到今年,这种提效性裁员出现的很多,核心原因也是企业经营不顺,到生死存亡的时候了,老板也必须正视问题,对组织动刀子。
这种情况下,往往现有人员已经习惯了低效的工作方式,所以公司只能把三个和尚都裁掉,再重新招愿意自己干活的一个和尚来,也会出现一边裁一边招的情况。

4、经营性裁员
企业经营遇到重大挑战时,也会出现大幅裁员,主要是为了降低人工成本,减少费用支出,减轻现金流压力,但伴随大裁员也有有一些副作用。
一种是裁员动作打击了整个团队的凝聚力,引起人员动荡,使得本该保留的人员也主动离职了,关键岗位出现空缺,会对经营造成影响,所以要招聘补人。
另一种是老板为了改变企业危机的现状,主动推动团队换血,换掉一批人,再招一批新人以求解决问题,这时也会出现大量的岗位招聘。

5、总结
对大多数市场化的企业来说,出现结构性裁员、优化性裁员,都是企业经营的正常动作,而提效性裁员、经营性裁员则一般说明企业遇到了某些问题。
总体而言,你会发现在各类裁员情境下,都会有需要补充人员的情况,因此企业一边裁、一边招是比较常见的情况,只要归类到以上四类,你就大致能明白背后的原因。

金融危机为什么总是十年一次

过去40年中,每10年左右年都会发生一次世界金融危机,2018年底,新的金融危机已经到来。

为什么金融危机总是十年左右一次?

首先我们得知道,金融危机是什么?

   金融危机一般指金融资产价格大幅下跌30-70%以上,或大量金融机构破产或区域甚至全球金融市场股市,债市,楼市全线连续暴跌。系统性金融危机指的是那些波及整个金融体系乃至整个经济体系的危机,比如1929年引发西方经济大萧条的金融危机和2008年爆发并引发全球百年一遇金融危机。

  金融危机的特征是人们基于经济未来将更加悲观的预期,整个区域内货币币值出现较大幅度的贬值,经济总量与经济规模出现较大幅度的缩减,经济增长受到打击,往往伴随着企业大量倒闭的现象,失业率提高,社会普遍的经济萧条,有时候甚至伴随着社会动荡或国家政治层面的动荡。

  现代金融上近120年时间中,1900-1971年之间是比较少发生金融危机的,除在1929年的大萧条。

  但是在近30年,已发生了三次的比较大的金融危机(1987,1998,2008)。

  为什么近120年很少发生金融危机,但是近3年会有这么多次的金融危机?

我们政治课还学过一个理论,一个国家的货币,是由国家储备的黄金决定的。货币的价值是黄金价值的提现。这个理论叫做 金本位。而现在,1973年之后,很多国家的货币和黄金储量完全无关。这个也说明了一个问题,贵金属没有货币价值了,黄金,期货,比特币,股市,全是资本营造的数字游戏。而这之后,我国的货币严重超发,体现为广义货币M2就从40万亿翻了4倍到168万亿,还有银行理财所代表的影子银行从5000亿翻了60倍到30万亿,加总之后的中国真实货币在十年之内翻了5倍,年均增速接近20%。

  超发货币,可以更多的稀释有钱人的钱,但是因为各种问题,实际上超发的货币最终也难到最底层的人民手中。最后贫富差距被拉得越来越大。

2008年的金融危机,还历历在目。

掌握着货币供应的美联储是金融市场的天,滔天的祸水正是来自美联储。

   危机的源头要追溯到2000年,那年美国的科技泡沫破灭,紧接着于次年发生了911恐怖袭击事件。担心美国经济因此而陷入衰退,美联储紧急减息,将利率降到了前所未有的低水平(图一),并一直保持到2005年。当人们盛赞格林斯潘为有史以来最伟大的中央银行家时,祸根已悄然种下。2001年至2005年低利率环境中形成了美国战后最大的房地产泡沫,2005开始的急促加息刺破泡沫,引发金融海啸。

   美联储向市场注入的大量流动性并未进入实体经济,和我们今天在中国看到的一样,资金避实就虚,涌进了资产市场。由于股市刚刚遭受科技股暴跌的重创,房地产就成为不二的选择。

   投资者偏好房地产,因为股市低迷造成融资困难,科技创新暂时退潮,缺乏新的增长点,实体经济的投资回报不能达到预期。另一方面,房地产供应短期具有刚性,资金进入带来房价的上涨,立刻就可看到资产增值。在不断上涨的房价和低利率的诱惑下,美国家庭大借按揭,负债率直线上升(图二),按揭贷款余额对GDP的比率从2001年的60%,冲到2007年的100%以上的高峰。

2008年的大反转是对金融和实体长期脱节的惩罚,极具讽刺意味的是,惩罚之手和肇事之手都是同一只。

   当货币发行超过实体经济中财富的创造时,通胀是必然的结果。意识到通胀抬头,美联储于2005年开始加息,动作之快,就像2001年减息一样。在不到两年的时间里,17次加息将基准利率从1%提高到5%以上,这使得美国家庭偿还按揭贷款的月供负担增加了50%到100%不等,对于几乎没有现金储蓄的美国月光族家庭来说,简直就是当头一棒,很多家庭因此宣告破产,来自实体经济的现金收入不足以支付债务还本付息的现金流出,用会计学的语言讲,加息使家庭的资产负债表问题转化为现金流量的问题。现金流枯竭之时,便是金融危机爆发之日。

   家庭负债能力归根结底是由实体经济中的收入决定的,而收入又取决于效率也就是劳动生产率。美联储利用低利率诱导家庭增加负债,却不能相应提高它们的收入即偿还能力,因此增加而不是降低了金融和经济的系统性风险。

   低利率时期,欧盟和美国都经历了加杠杆,也都在2008年泡沫破灭后被迫去杠杆。美国去杠杆明显比欧盟快,这是美国经济复苏强劲的一个重要原因(参照图四)

   在2001到2005的低利率时期,美国房地产出现明显的泡沫,房价收入比脱离历史平均线,持续上升到2008年。地产泡沫破灭后,这个比值随着去杠杆的进行,在两三年的时间里重回平均线。

   2007年,美国家庭部门发生大面积的债务违约,作为抵押品的房屋被银行收回,银行再把这些房屋在市场上拍卖套现用于抵债,由于卖家太多,房地产价格崩盘了。

   房价的下跌促使银行要求债务人追加抵押品,财务原本就紧张的美国家庭捉襟见肘,更多的家庭宣告破产。在房价下跌和债务违约的恶性循环中,以按揭贷款为基础的证券(MBS,Mortgage-backed Securities)价格大跌,拖累重仓持有这些证券的金融机构例如雷曼兄弟和花旗银行,雷曼兄弟在请求政府救援被拒后倒闭,金融市场发生恐慌,恐慌情绪经由MBS和金融衍生品的交易迅速扩散到全世界。

   凯恩斯主义者将危机归咎于华尔街,指责华尔街在贪婪驱使下的金融创新过度,例如次级按揭(Subprime Mortgage)、次级按揭为基础的证券化资产MBS、 CDO(Collateralized Debt Obligation)等等,经过层层包装之后,终端投资者已经看不清底层资产的风险所在,贸然购买衍生金融产品,“受骗上当”。银行则卖出打包资产回收现金,发放更多的次级按揭,如此形成恶性循环。凯恩斯主义者虽然没有放过美联储,但他们的批评集中在监管而不是银根的放松上。

   创新过度和监管不力的解释听起来很有道理,却经不起仔细的推敲。为什么不早不晚,华尔街偏偏在2002年之后掀起一轮金融创新高潮?原因仍然是美联储的超低利率(图一)。

   数据显示,次级按揭和MBS的猛增都出现在低利率时期。受美联储基准利率的牵制,现有金融产品的收益率未能达到华尔街的预期,金融机构自然瞄上了收益和风险相对较高的次级按揭贷款,用金融工程的方法,打包按揭贷款,切块卖给投资者。

   在不断上涨的房价面前,投资者只顾获取这类金融产品的高收益,对于风险则视而不见。我们固然不能因此说过度金融创新完全是低利率的结果,但美联储的货币政策在相当大的程度上确实要对金融创新负责。

   危机爆发后,美联储和美国财政部使出浑身解数,紧急向市场投放货币,为濒于破产的大型金融机构和大型企业注资,终使美国的金融体系免于崩溃。凯恩斯主义者这时一面欢呼美联储救市的伟大功绩;一面痛批新自由主义经济学,认为放松和解除管制造成了这场金融危机。学派和门户的偏见之深,可以置事实于不顾!

   尽管美联储化解金融危机的行动有可圈可点之处,我们不会因其救火之功,而宽恕其纵火之罪。罪之大者,莫过于扭曲市场经济中的一个重要价格——资金的价格即利率。价格信号错误,资源的错配就无法避免,错配的表现形式是过度借债产生的虚假需求和不断膨胀的资产泡沫,以及与“非理性繁荣”形成鲜明对照的实体经济的停滞。

而这一幕,其实和这几年国内的现象一模一样。房地产泡沫,超发货币但是进不了实业,最终还是全部涌向于房地产,贷款,影视,游戏等高利润行业。

2019年年初就有媒体报导,世界各地的股市都在崩盘,外汇市场出现了极其猛烈的“闪电崩盘”,全球经济状况正在放缓,恐惧让许多投资者变得极其紧张。2018年的股市崩盘抹去了全球股市约12万亿美元的财富,投资者期待着,到了2019年,情况应该会平静下来。

  但很明显这并没有发生。在苹果宣布第一季度的销售额将远低于之前的预期之后,苹果(205.21, 1.91, 0.94%)的股价开始像火箭一样急速下跌,截至周四收盘,该公司已经损失了750亿美元的市值。与此同时,“闪电崩盘”引发了外汇市场有史以来最剧烈的波动。

过去10年里,华尔街也有过动荡不安的时候,但这些动荡最多只持续了几周。现在已经过去了3个月,这一新的危机没有任何迹象表明会在短期内减弱。这意味着美国有一堆麻烦。因为一旦这个巨大的金融雪崩完全开始,它将不可能停止。

2019年将会有好有坏,有起有落。但现在已经非常清楚的是,许多人一直害怕的经济衰退终于到来了,2019年的金融危机看起来将是一场难以磨灭的危机。

为什么Facebook ecpm会这么低

众所周知,当我们在Facebook上做广告时,我们必须赢得广告拍卖,拍卖价格要高于其他广告商,目的是向我们的潜在客户展示他们的广告。一个次要的知识,也是最重要的知识。Facebook用来决定我们所接触到的大量可用广告中的哪一个将在正确的时间,在正确的位置展示给正确的人的过程。

当我们建立一个Facebook广告活动时,我们被要求设定一个代表我们愿意为特定结果支付的最大金额的出价。就金钱而言,Facebook声称,通过出价一个人的真实价值(你可以提出的达到最低利润成本的最高出价),广告商将最大限度地提高一项活动的绩效,并基本上每次都获得较低的每结果成本。

但是还有什么需要知道的吗?

与传统媒体渠道(电视、广播、报纸)相比,社交媒体广告的附加值在于,它们能够根据用户表现出的行为和兴趣,向用户提供定制的、独特的服务。简而言之,没有人会看到和我在新闻提要上看到的广告一样的广告,因为它们不会平等地适合每个人。

每天都有数以百万计的广告商试图达到相同的目标简档,Facebook必须确保为用户提供最相关的广告,因为维克瑞-克拉克-格罗夫斯拍卖旨在扩大广告商的价值,同时个性化消费者体验。因此,Facebook的广告拍卖旨在通过向用户展示他们可能在寻找的东西,让企业从他们的广告中获得丰厚利润的方式,最大限度地为人们和广告商创造价值。因此,在这样一个量身定制的市场中,一个人为其竞选目标出价的金额必然只是众多其他因素中的一个,这些因素可能会让一个广告填补脸书的空缺。拍卖的赢家并不一定是出价最高的广告,而是创造最大价值的广告;在这个阶段,无限量的用户信息加上对大数据极其精确的阐述,接管了Facebook,并使其从竞争对手中脱颖而出。

FB广告推荐算法依赖于一个复杂的数学方程,该方程根据用户投入的最大货币价值乘以广告将获得的估计行动率(根据最终活动目标的点击率或转换率),再加上广告在正面(互动、分享、时间膨胀)和负面信号(出局、快速滚动、跳跃率等方面的创意相关性,来计算广告客户出价总额。)和超过其他成千上万个因素(用户历史、广告历史、账户历史、用户特征、设备、页面类型等)进行广告表现预测。)组成全球质量分数。值得一提的是,在上述相关因素中,它还包括了一个有机分数。用户每天可以看到的广告数量肯定是最大的,但与其说是数量上的竞争,不如说是对人们在新闻提要中可能看到的内容的定性选择;这意味着本地广告也将与部分有机内容竞争,并获得可观看性,以防它们能为用户的旅程提供更流畅和无缝的体验。简而言之,Facebook能够对什么是最相关的有机内容和什么是用户可能看到的最相关的广告做出可靠的预测,然后将这些东西相互平衡,以建立一个准确的基准。鉴于广告永远不会首先出现在任何人的新闻提要中,一段付费内容也可能最终与一些有机帖子(提要)竞争,因此获得有机竞价。

总出价=广告商出价*估计行动率+广告相关性

然后我们看到,上面等式的第一个元素——通常是最常被滥用的——是广告商的出价,然而Facebook提供了四种不同的出价类型:

CPM(每百万次印象的成本最大化:广告服务于任何人,同时试图以最低的成本接触尽可能多的人。

点击费用最大化,只针对有用的点击:广告是为最有可能执行与活动目标相关的点击的用户提供的。

OCPM(每百万次优化成本)最大限度地提高了用户的印象,他们最有可能采取您想要的行动,同时仍按每1000次印象付费。

CPA(最大化应用安装) :广告面向最有可能在智能手机上安装应用的用户。

在许多品牌营销活动中,Facebook被要求使用相同的投标类型来衡量广告商,因此评估是即时的,因为比较苹果和苹果很容易,但是当投标类型彼此完全不同时会发生什么,因为在许多情况下,同一个人可以通过不同的投标方式成为多个企业的目标?Facebook如何计算哪个投标最有竞争力?它如何比较最终在同一次拍卖中竞争的不同出价类型?实际上,如果Clothes.com开展一项网站流量活动,目标是意大利18-35岁的男性,每个网站点击率和钱包出价0.30美元。它开展同样的活动,目标是意大利18-35岁的男性,出价1 CPM,脸谱如何比较这两个完全不同的指标,以确定谁将赢得广告拍卖?以同样的方式,如何衡量一个1美元的开放式课程管理出价与一个1,30美元的产品总分类出价?

Facebook公平均衡所有投标类型的唯一方法是将它们简化为一个单一的共同标准,无论投标的是什么,这个标准都是独一无二的。

如前所述,Facebook反对所有其他依赖第二价格拍卖的平台(谷歌、推特、Snapchat),声称其基于维克里-克拉克-格罗夫斯模型的个性化广告拍卖保证了所有广告商以最便宜的价格获得最大的收视率。因此,当具有相同或不同竞价类型的企业最终争夺一个广告位时,Facebook必须确保根据用户的价值和他们提供的个性化体验水平向他们收取适当的费用。总出价(如上所述,考虑了所有已经提到的BEAR因素(最大货币出价、估计行动、相关性))被更具体地分解成称为eCPM(每百万英镑的有效成本)的经济价值,并且当总出价确定广告拍卖中的位置时,eCPM根据在该拍卖中竞争的其他玩家损失的价值动态地帮助计算广告客户将支付的每结果的最终成本。因此,每个结果的成本来自于eCPM等式中的比率,因为这依赖于复杂的脸谱智商存储和重新阐述的无数大数据,以产生最终的经济成本和可预测的总价值。

让我们详细了解一下如何将所有出价都缩减为唯一的eCPM值,以及影响广告可视性的因素有哪些:

如果我们出价购买CPM
eCPM =最高投标价/1000 + QS

该系统考虑了广告愿意为一个单一印象支付的费用加上相关性分数。这里没有行动率预测,因为我们最大限度地接触目标受众中尽可能多的人,而不要求他们采取任何具体行动。

如果我们购买CPC
eCPM =最高投标价*eCTR+ QS

eCTR(Estimated Click-through-rate) 估计点击率
系统将计算一次点击所需的印象数量(Estimated Click-through-rate)加上广告的相关性。动作速率现在包括在这个等式中,并且基本上它与最终的eCPM建立了比例关系。ECt越高,eCPM就越高(我们将会看到,赢得拍卖所需支付的费用就越低)。

如果我们出价oCPM
eCPM =最高投标价/1000 *eCTR* eCVR + QS

eCVR(estimated conversation rate) 转换可能性
系统将计算广告客户愿意为一个印象支付多少乘以点击概率和点击后发生转换的可能性(estimated conversation rate)加上广告的相关性。与前一个相比,不是你的广告被点击的可能性有多大,而是用户在点击后采取广告客户想要的行动的可能性有多大(例如,在网站上买东西)。如果我们的目标是点击率高但购买意愿低的用户,我们的广告将在广告拍卖中被压低,并将难以赢得另一场价值较低用户的拍卖。然后,它可能不得不通过更高的货币出价进行补偿,以实现可视性。相反,如果我们的目标是那些已经完成类似转换并积极寻找新转换的人,eCVR会更高。

如果我们购买CPA
eCPM =最高投标价* eCTR * eCVR +QS

这个等式与上面的等式非常相似,但是,在这种情况下,我们不考虑广告商愿意为一个印象支付多少,因为他只需要为购买付费(应用程序安装是专门的)。

为了使它更实用,我们可以举一个例子,通过估计的行动率加上广告的质量分数,可以得到eCPM和一个假设的总值。让我们深入挖掘,看看Facebook用什么过程来确定每个广告客户损失的价值。

前。我们在广告拍卖和三个业务中有两个可用的广告位(答;b .c)针对不同投标类型的相同人员。作为前面公式的结果,让我们想象一下赋值:

A:ECpm:0.50美元;总值:100%

B:ECpm 0.30美元。总值:80%

C:ECpm 0.20美元。总价值:0%(因为他是拍卖中的第三个,所以他看不到任何东西)。

重要的是要考虑到,一个人将支付的是在广告拍卖中排名低于他的广告商损失的总价值。一个人决定出价的金额不会直接反映在最终的CpR中。

B 这个广告客户和他的竞争对手有20%的差距,eCPM为0,30美元,因此这个广告客户损失的价值是0,30 *0,2 = 0,06美元

C 根据同样的过程,这个广告客户损失的价值是0.20 * 0.8 = 0.16美元

现在我们知道了所有广告商的损失,我们可以计算出每个广告商需要支付多少:

B 不会收到任何邮件,所以他不支付任何费用,并被带到一个竞争不那么激烈的广告拍卖中,在那里他的总价值和eCPM可以得到更便宜和价值更低的用户。

C 将支付他下面所有广告商的损失:0.16美元

A:将支付他下面所有广告商的损失:0.16+0.06 = 0.22美元

一旦脸谱网确定了所有获胜广告商的eCPM,他们将被还原为CPM、CpC或CpA,这将是用户实际支付的最终金额。不用说,一则广告进入了数百万次拍卖,就像脸谱网上一天内给出的例子一样,它们决定了一场活动的总成本。

以上所述简单地证明,如果广告不是高质量的或非常相关的,那么金钱出价就没什么用处,因为等式中还有两个更重要的因素必须考虑。作为一个为用户服务的平台,而不是为出价高的企业服务的平台,也许并不能解决问题,也不是决定性的。一个人出价多少会影响他能得到多少广告位,但不会影响他将支付多少。相反,不相关的广告内容或错误的目标可能会阻碍任何经济风险,并损害商业目标的结果。从数学上来说,基本上等式是这样说的:如果我们的广告引人注目,并且我们瞄准了正确的人,我们需要最少的钱来展示它,相反,如果我们不是面向用户的,我们必须通过支付更多的钱给出价高于竞争对手来弥补这个差距,因为损失的价值肯定会更高。

理解VCG广告拍卖是如何运作的,以及如何将任何投标类型转换为标准的电子商务项目投标的过程是所有广告商需要知道的第一件也是唯一一件事,因为它包括了脸谱广告成功的所有必要手段。我们可能会玩几次这个系统,但如果我们不能清楚地掌握脸谱网的基础知识,不能掌握它复杂算法的齿轮以及所有可能影响广告拍卖的内部和外部因素,就不会有任何长期的盈利结果。所有广告商都需要考虑到,他们获得收视率的唯一途径是为他们的用户而不是他们自己创造相关和有影响力的体验。

Dario Di Feliciantonio

Dario担任脸书账户经理近两年,帮助EMEA中小企业建立成功的脸书战略,扩大活动规模,提高投资回报率。目前,他是AdGlow的客户策略师,AdGlow是脸书、推特、亚马逊、Snapchat和Pinterest营销合作伙伴,也是广告技术行业最具创新性的初创公司之一,主要帮助大品牌和媒体机构在脸书、Instagram和Snapchat上实现营销目标。

中美贸易战持续一年了

去年7月6日,美国政府执意妄为,对340亿美元中国输美产品加征25%关税,打响了经济史上规模最大贸易战的第一枪。7月11日,美方又公布拟对2000亿美元中国输美产品加征10%关税清单。美看似有恃无恐,殊不知打贸易战没有赢家。中美是世界前两大经济体,挑起中美之间的贸易战,美国必将自食恶果

近日美国总统特朗普最近在接受媒体采访时首度承认,与中国爆发贸易冲突会给美国带来“痛苦”,但他拒绝因此作出退让。中国和美国双方互相加征关税对美国的杀伤力更大,美国的农业和制造业首当其冲受冲击,美企在中国经营也将受影响。此外,中美两大经济体的贸易战将不可避免冲击全球经济复苏,打乱国际供应链。

  英国媒体认为,中美贸易战帮助了中国

  英国《金融时报》刊文称,美国和中国的贸易战争使得两国利益发生了碰撞,但其实,中美贸易战帮助了中国。他认为这场贸易战使得中国可以用更长远的眼光来审视贸易战背后涉及的更多制度层面的调整。

  西班牙媒体怀疑美国打赢贸易战的能力

  西班牙《公众日报》网站报道,美国对进口钢材和铝加征关税的影响将超出白宫的控制范围,至少会在五个对美国而言具有重大经济或地缘战略意义的方面制造阴影,令人怀疑美国“打赢”贸易战的能力。

  法国媒体认为中国是第一个对美国采取具体反击措施的国家

  美国外交关系委员会(CFR)高级研究员阿登对法新社记者表示,中国做出这一行动的最大意义在于它是第一个对美国采取具体反击措施的国家,而且中国的行为表明,如果美国继续对华采取惩罚措施,中国还会进行其它反击。

  俄罗斯媒体认为中俄应该互相帮助,且俄罗斯农产品机会来了

  俄罗斯亚太问题专家弗拉基米尔·特雷霍夫在接受俄新社采访时表示:“鉴于近期西方国家在不同领域对中俄两国施加极大压力,我认为在这种情况下,中俄之间全面战略协作伙伴关系至关重要。中俄关系不应仅限于政府宣言,而需全方位拓展。”

贸易摩擦除了带来经济增速放缓、美国赤字急剧增加、全球对贸易协定信心下降以及各国对美关系可预测性降低外,没有任何作用。其结果不仅与特朗普所期望的相反,更使已经显现衰退迹象的全球经济雪上加霜。

不管人家怎么看,一旦是战争,哪怕是贸易战争,参与者不可能没有损失。而中国本身这几年正处在房地产崩盘的边缘,贸易战无疑是雪上加霜。

我国经济或许已经进入明斯基时刻。我们先看看明斯基时刻的通俗说法,按照百度百科的说法:明斯基时刻表示的是市场繁荣与衰退之间的转折点,即:好日子的时候,他们敢于冒险;好日子的时间越长,他们冒险越多,直到过度冒险。一步一步地,他们会到达一个临界点上,其资产所产生的现金(包括收益)不再足以偿付他们用来获得资产所举的债务,资产的损失促使放贷者收回其贷款,从而导致资产价值崩盘。

我们目前看到的一、二线房地产名义价格已经基本不再上涨,三、四线房地产价格依然在上涨,但是房地产信贷利率也在快速上涨。

一边是已经高高在上不再上涨的房地产价格,另一面是不断上涨的信贷利率和总成本,我们可以看到这个天平的右边正在不断增加砝码。那么,什么时候天平开始失衡呢,就是购买房地产的收益无法大于其信贷债务的成本时,就是我们看到的失衡时候。那么,如果这种情况出现,大家肯定会纷纷买房或者是停止买房,房地产的价格下跌已经成为必然。更严重的话,会出现严重下滑,那就是崩盘。

国内的媒体大都报道贸易战对于美国的损失,然而我们自己所受的损失也是无法估量的。战争已经开始,但是还看不到结束,

Facebook Instant game最近又出新问题

Facebook于4月中旬暂停了Instant Games小游戏平台审核,Facebook宣称因为排行算法漏洞需要修复,而暂时暂停审核。但是言辞含糊不清。具体原因不明,目前小游戏可提交但无法通过审核发布。这一突发消息发布之际,Facebook刚刚修复了instant Games上的两个重大漏洞。其中一个是在4月4日到6日之间修复的,这个漏洞导致游戏列表没有按照通常的排名算法正确排列,这让一些游戏的排名高于真实值。

截至到现在,依然没开通游戏审核。是否又有新的严重的技术故障发生,还是因为不可抗拒原因(比如苹果)导致要调整小游戏的过审规则,还有待进一步的消息透露,目前Facebook暂未做出回应。

有海外开发者反馈,因为审核无法通过,已影响到他们游戏的正常发布。

近日,Instant Game又出现大面积用户无法充值问题。FBInstance.payment.onReady无法正常进入回调。平台官方无任何新的动态。

恐龙开发者的面试经验 – 大龄程序猿如何找工作

当我31岁时,一个20出头的招聘人员告诉我,我“太老了”谢天谢地,我已经很久没听到这种事了。三周前,我在一次编程面试中获得了成功;上周,我开始了我作为应用程序程序员的新工作。对一个58岁的人来说还不错!

脱颖而出
作为一名年长的技术专业人员,我很幸运。我目前的工作利用了我在Delphi、C和C++的编程经验。在面试过程中,没有什么是理所当然的,我准备了一个小文件夹,展示了我为每种语言编写的应用程序。

说到这类事情,我已经做了几年了,用Techsmith的Camtasia制作屏幕截图。我编写并录制了一个7分钟的屏幕截图,展示了各种程序——包括一个快速评估扑克手牌的程序。这些都是基于我在过去18年里写的软件。

将节目视频上传到Dropbox后,我可以与招聘人员共享该链接,然后由招聘人员转发给潜在的客户或雇主。面试时,我带着一台笔记本电脑,里面有我所有的程序,还有源代码的打印输出。那是不是有点过分了?也许吧。但所有这些准备也有回报。

遗留编程语言
很长一段时间,COBOL和Fortran是镇上唯一的遗留语言;现在,Turbo Pascal, Delphi, Microsoft Basic, 各种 C++, ActionScript 和 Ada都在名单上。(多亏了 Swift, Objective-C 也可能很快在那里着陆!)

如果你是一个懂传统语言的老开发者,你的就业前景可能比你想象的要好。对公司来说,将应用程序转换成更新的语言是很昂贵的,尽管工具可以自动完成过程的某些部分。它通常需要一个有血有肉的技术专家来编码、测试、重组和维护程序。

不要做恐龙
有一种观点认为,老开发人员可能会有点固执己见。我和几个属于那一类的人一起工作过。一个这样的家伙比我小十岁;只要他能用Visual Basic 6编程并坚持使用视窗操作系统,他就很开心。他从未听说过版本控制系统,也不明白为什么要使用它。

他的主要业务包括支持一个用VB6编写的应用程序,该应用程序首次出现于1998年;对该平台的扩展支持于2008年结束。它也是32位技术,在某个时候,所有与微软相关的东西都将只剩下64位。对他来说不幸的是,我们的工作场所决定切换到一个竞争对手的基于网络的系统(这是有意义的——没有要安装的软件,对服务器的简单修复,等等)。他们不再需要他来支持。

这不仅仅是学习新的编程语言;这也是为了跟上广泛的技术组合。任何人都可以对网站进行编程;您还需要了解服务器端技术、网络服务以及如何在云中移动东西(无论是AWS、Azure还是谷歌)。

年长的开发人员通常分成两大阵营:一个是拥抱新技术的人,另一个是(像我以前的同事)停留在过去的人。至少有一项研究利用堆栈溢出的数据挖掘与年龄相关的知识,发现编程知识可以在开发人员的第五或第六个十年保持在较高的水平。新技术不应该成为你职业发展的障碍。

有些技术比你想象的更容易掌握。例如,如果你不知道超文本标记语言,没有比现在更好的开始时间了。上周我实际上开始学习一种新的专有编程语言;进展缓慢,因为文档仅限于帮助文件和代码库,但这是值得的。

为什么要看老开发者?
学完第三或第四种编程语言后,你会注意到相似之处;通过识别模式,语言变得更容易吸收。十八年前,我在特尔斐写了许多文本处理实用程序;本周,在我上一节提到的专有编程语言的培训课程中,我必须编写一个包含string Trim()函数的文本处理实用程序。去过那里,就这样!这就是作为一个老开发者的好处。

经验丰富的老开发人员通常拥有“软技能”,能够与特定组织中的人无缝互动。他们认识到经验的价值,即使项目以失败告终。(例如:“我在对数据库表进行实时修复时忘记提交事务,导致所有生产暂停了五分钟。我从中吸取的教训是,即使在提交之后,也要始终检查您的事务级别是否为0。”)

当面试一个新职位时,不要忘记用故事来说明你的经历和技能。我36年的职业生涯给我留下了丰富的开发轶事数据库(可以这么说):“为了学习Z80,我写了一个6502交叉编译器。我花了两周时间。”

结论
保持新鲜的秘密是永远不要脱离学习曲线。尝试新事物;只是为了好玩,挤出一些时间学习一门新的语言,比如Rust、Swift或Go。下载和安装东西从来没有这么容易过;许多语言都有在线编译器。

如果你有时间,除了编程语言之外,还要确保关注技术。今年,我已经在我的Hyper-V Ubuntu安装上安装了PHP 7.0。我的下一个任务是建立一个网站“在云端”大多数云提供商提供免费等级,所以这种自我教育不会花费任何费用,除非我犯了一个错误,这反过来会成为一种有趣的学习体验。(“忘记检查小数位数仅在一个周末就增加了17,000美元的费用!”)