
大数据显示互联网行业加班最狠 怎么破?
“加班”这个词对于现代上班族来说一定不会陌生,尤其是在互联网行业奋斗的人们,而在互联网行业中的程序猿们更被誉为加班中的“战斗机”。近日,滴滴发布的《中国智能出行2015大数据报告》更是从侧面印证了这一点,数据中显示,北京是全国加班最严重的地方,白领19点前下班的人数比例不到四成。综合多个行业的“大排名”,下班时间最晚前10名分别是:可口可乐、奇虎360、宝洁、阿里巴巴、京东、森马服饰、联合利华、百度、华为、腾讯。Top10公司中,互联网公司占据半壁江山,BAT全部上榜,其次为快消行业。
数据虽只是佐证,但的确能说明一些问题。那么,为什么互联网行业加班最严重?
网友推举,做什么最容易加班?
网友在谈到这个问题时由衷感叹:“做IT的命苦啊,搞开发的、做维护的加班最多,制造业这种现象比较少。”网友同样附和,认为做IT维护类工作的人加班最多,因为机器时刻运转,他必然也要整天在维护。虽然目前的技术已经向支持运维自动化的方向发展,但毕竟不是一时能看到成果的。
目前,网友在一家互联网创业公司工作,他分享了自己真实的故事:“最初,平台上线的这段时间几乎每天都在加班。没什么特别的原因,就是因为要赶项目进度。毕竟3个月开发一套平台,还要确保按时上线,这么十几个人去弄还是有难度的。虽然我在其中只是负责内外部资源的协调,但做为一个小团队的“头羊”,临阵脱逃肯定是不可取的。一边看着兄弟们拼死拼活的开发,一边是女儿在电话里殷切的呼唤,心里五味杂陈,冰火两重天。”不过他还是表示,创业公司大多是这样,这种加班还是可以理解的:“一将功成万骨枯,IT从业人员辛勤付出的同时,也在实现着自己的价值,学以致用,我觉得是值得的。”
其实,在网友的观点中可以发现,“IT”、“创业”是加班较为集中的地方,近一年互联网创业潮几乎达到巅峰,而互联网行业更是与开发、运维等密不可分。所以,互联网成为加班比例最高的行业也就不难理解了。除此之外,互联网行业瞬息万变的特性也决定了这一点,想在这个圈子里发展,你必须对突发事件足够敏感,一个事物通过互联网爆火可能仅需要几天甚至是几个小时,你需要不断关注并且与自身结合,借势营销,而营销方案之下,更多的还是开发人员加班加点的开发维护。
加了那么多班,真的有用吗?
提到加班是否有用,网友首先跳出来喊道:“先别说有没有用,不加班绩效考核都不及格!”网友原从事对日工作,他表示:“原来我做对日的时候经常加班,但工作基本没什么技术含量,拼的就是中国廉价的劳动力。这属于整个一个行业原因,和中国人不适应日本客户的严格要求也有关系,中国程序员做事有时候确实有些粗糙。”
网友与他们的观点有出入,他说:“我不常加班,只加过一次一个月的班,原因是人太少,项目也紧。我认为,所有的加班都是不合理安排时间的结果。在别人安排任务时尽量多要时间,以防止可能有变的因素,早点做出来联调测试,发现问题也能及时修改。”
网友也认为加班与效率不高有关,他说:“我们应该多学习快捷的方法,提高工作效率,尽量减少加班。每遇到一个问题就生成一个解决方案,久而久之工作效率也能有很大提升。”
怎样提高效率,减少加班?
对于提升工作效率,网友表示,他以前在Microsoft的领导经常向他强调:“重要的不是你做得多快,而是你对自己工作能力和工作量有合理的估计!也就是,给你一个任务,你要知道如果你用正常工作时间大概会花多久,不是打保票下决心说要攻克难题要不吃不喝不眠不休!只有正确的时间估计,才能让团队的进度合理。”
以前一直做PM,T通过做大大小小的项目积攒了经验,在应对流程性或突发性事件上有足够的准备和承受能力的,他总结了自己对时间管理的心得与大家分享。
想提升工作效率也不难。关键有这样几点:
1、事务的优先级:不管多少事情,总有急、慢之分,先理清楚事情的紧急程度再去动手,磨刀不误砍柴功,别担心会延误,计划得好,事半功倍;
2、事务的本质:不要被纷乱复杂的表面需求所迷惑,要学会看穿表象去究其本质。往往听完业务部门的需求分让人头很大,感觉不知所云,那么,换个人或方式,先确认对方需求点,再根据自己的理解复述,确定后再去套入到某个领域之中;
3、象限法:其实就是一种分类方法,可以按你的理解把事情归纳到不同的象限,再跟据分布情况得出处理优先级。总之得到任务之后,就是不断地按规则拆解、细分。如果你是一个LEADER,当面对大任务量时,可以有条不紊地合理分配工作任务,也不失为一种“得民心”的好途径。
不得不说网友中确是藏龙卧虎,以上对于互联网行业加班的分析已经十分深入。不过,身处互联网行业,无论是大环境影响还是个人原因,加班已经是普遍现象,我们只能在能力范围内尽量调整,提升效率。临近春节,很多人的心可能早早就飞往假期了,不如在这一时刻回望近一年的工作学习,稍作休整。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04