前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >“你技术这么牛,为啥还没发财?”

“你技术这么牛,为啥还没发财?”

作者头像
烟雨平生
发布于 2023-03-07 06:22:07
发布于 2023-03-07 06:22:07
1840
举报
文章被收录于专栏:数字化之路数字化之路

01

技术做得好,能不能发财?

技术做得好当然可以发财,比如雷军、李彦宏、比尔盖茨等等,技术出身经营商业,都取得了巨大的成功。再比如,BAT早期的技术人员,随着公司上市,也都实现了财务自由。

但是同样也有反面教材,比如苹果的联合创始人沃兹尼亚克(其实相对普通人而言他肯定也是发了财的,但是横向对比乔布斯他就差的太远了)。所以准确来说,做技术和发财其实根本没有必然关联。

02

技术做得好,为啥还没发财?

这个问得比较笼统,也只能笼统回答了。一种情况是,你还是个打工者,有稳定的收入,顶多是拿个高薪吧,发不了财。另一种情况,你已经创业,但公司还没有大成,比打工可能自主性强一点而已,压力反而更大。

那么,从哪些迹象表明你有发财的潜力?看你是否具备富人思维。富人思维,其实就是你对金钱、风险、成长、时间等方面的认知行为。简单来说,你是否深刻理解“复利”效应,并且在财富积累、事业发展上建立了一个系统,帮助你实现复利增长,在实现增长的过程中,你在风险,个人成长,时间管理上所采取的策略。

来看一个故事,Grace Groner 12岁就成了孤儿。她一直都没有结婚。从来没有过孩子。她也从未开过车。大部分时间内她都是独自一人住在一间单居室的屋内,她一辈子就干过一种工作:秘书。

据大家所说,她是一位可爱的女士。但她过的是一种简朴而平静的生活。这使得她在2010年以百岁的年纪逝世后,捐献出来的700万美元更加令人困惑。认得她的人问:Grace去哪儿弄那么多的钱呢?

其实这里并没有秘密。她没财产可继承。Grace只是从微薄的薪水里省出了一点钱投入到股市,然后撒手不管享受了80年的复利。

所以,问题的关键是,财富的增长不在于顶层的认知有多强,而在于底层的的操作是否足够好,Grace就是一个极致的案例。

03

做技术的,怎样才能发财?

企业说白了,就是“组团挣钱”,最挣钱的当然是团长,也就是公司老板。任何一个企业在做利益分配的时候,遵循的原则都是责任收益的对等。你的收入和你承担的责任成正比。

技术人员大多数追求的是一份稳定的工作,体面的收入,不愿意承担过高的风险,这种状态是不可能发财的

简单来说,打工,或者说打工者心态的人发不了财。企业中分为三类人:命运共同体,事业共同体、利益共同体。一般员工和企业之间只是利益共同体,是最低层级的合作,这类人永远发不了财。

你也许会说,不对啊,百度、阿里的前台小妹,在公司上市后都发财了,你别忘了,她们是在公司早期加入的,拿着比市面上低的工资,她们可以说是事业共同体,大多数的企业高管也属于事业共同体

公司里的股东、创始人、合伙人,他们是公司的命运共同体,公司到了生死存亡的那一刻,只有他们是扛起一切的人,他们承担着风险。然而打工者,大不了换个工作就完事了。

所以,对技术人来说,只有不断提升自己的认知天花板,提升自己所处的层次,成为公司的命运共同体、事业共同体,开拓自己的眼界才有机会发财,这个和是不是做技术一点关系都没有,任何一个职场人都一样。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-11-18,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 的数字化之路 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
【孟德尔随机化】02文献复现(一)
所以题目中的“single-cell”并非真正意义上的单细胞数据,而是整合了GTEx中49种组织和EyeGEx视网膜组织的e/sQTL数据。
生信菜鸟团
2024/03/18
6430
【孟德尔随机化】02文献复现(一)
【孟德尔随机化】共定位方法汇总
为什么选择这篇文献呢?主要原因是:To identify the effector transcript(s) regulated by CAD loci, we used 4 distinct colocalization approaches.
生信菜鸟团
2023/12/28
2.5K1
【孟德尔随机化】共定位方法汇总
Genome Biology | 基于RNA-seq的孟德尔疾病变异分析
今天给大家介绍的是沙特阿卜杜拉国王科技大学(KAUST)高欣教授课题组(http://sfb.kaust.edu.sa)发表在Genome Biology的一篇文章,“Analysis of transcript-deleterious variants in Mendelian disorders: implications for RNA-based diagnostic“。在全外显子组测序(Whole-exome sequencing, WES) 后,至少有50%的疑似孟德尔疾病患者仍未确诊,而未被WES捕获的非编码变体在多大程度上导致了这个比例还不清楚。全转录组测序(RNA-seq)是一种很有前途的WES的补充,但关于RNA分析对孟德尔疾病诊断的大规模贡献的经验数据很少。在这个研究中,作者对疑似孟德尔疾病的5647个家族进行了研究,描述了关于“转录有害变异(transcript-deleterious variants,TDVs)”的经验,为即将实施的RNA-seq结合基因组测序的临床诊断提供了非常需要的经验数据。
DrugAI
2021/02/01
6370
Genome Biology | 基于RNA-seq的孟德尔疾病变异分析
文献导读(二):循环炎症细胞因子与五种癌症的风险:孟德尔随机分析
作者团队曾进行过一项研究:从北芬兰 1966 年出生队列(NFBC1966)、芬兰年轻人心血管风险研究(YFS)以及 1997 年和 2002 年的 FINRISK 研究的样本中获得了47种炎性因子的GWAS数据。
生信菜鸟团
2023/09/09
2.2K0
文献导读(二):循环炎症细胞因子与五种癌症的风险:孟德尔随机分析
共病遗传的研究方法:关于多发性硬化症和炎症性肠炎遗传共病研究的例子
全文6,358字(不含代码),8 图,阅读 25 分钟。封面图源:pexels.com
黄树嘉
2021/10/18
2.4K0
共病遗传的研究方法:关于多发性硬化症和炎症性肠炎遗传共病研究的例子
bioRxiv | 破译疾病基因功能的单核跨组织分子参考图谱
本文介绍由麻省理工学院和哈佛大学布罗德研究所的Gokcen Eraslan等人发表于bioRxiv的研究成果:本文作者通过在单细胞水平上使用单核RNA-Seq (snRNA-seq) 技术对来自16个供体的25个样本中的每一个应用四种snRNA-seq方法,生成了209,126个核的跨组织图谱,并将它们与新鲜组织的scRNA-seq进行了基准测试。本文作者使用条件式变换自编码机 (cVAE) 来整合跨组织、个体和实验室方法的图谱。通过该图谱本文作者识别罕见的单基因肌肉疾病的基础细胞类型,对于常见复杂疾病识别了可能构成疾病机制的细胞类型和基因模块。本文描述的实验和分析框架将能够对细胞和分子过程如何在个体和群体之间变化展开大规模研究。
DrugAI
2021/08/24
9590
MR文献导读(一):通过孟德尔随机化分析确定多发性硬化症的潜在药物靶点
多发性硬化症是一种复杂的自身免疫性疾病,目前已开发出多种治疗多发性硬化症的疗法,并得到广泛应用。
生信菜鸟团
2023/08/23
7.8K0
MR文献导读(一):通过孟德尔随机化分析确定多发性硬化症的潜在药物靶点
【流行病学大背景下】:孟德尔随机化的现在与未来
GWAS(Genome-wide association studies) 是 20 世纪最后 25 年由假设驱动的候选基因关联研究(CGAS)演变而来的。随着技术的发展,无偏见的全基因组搜索成为可能。随着技术的发展,无偏见的全基因组成为可能。然而,与候选基因关联研究一样,这些研究最初也是为了产生两类有价值的知识:首先,研究人员希望发现疾病起源的潜在分子机制,特别是确定所有相关基因和基因变异(即疾病因果关系)。
生信菜鸟团
2023/10/06
1.6K0
【流行病学大背景下】:孟德尔随机化的现在与未来
孟德尔随机化之研究背景
久违的孟德尔随机化开始更新了,在今天的内容中,我将向大家介绍孟德尔随机化的基本概念及其背景知识,并举例说明何时可以使用该方法以及该方法为何能有效解释因果关系。本系列讲解内容主要基于Stephen Burgess和Simon G. Thompson共同撰写的孟德尔随机化图书。
生信与临床
2020/08/06
1.4K0
孟德尔随机化之研究背景
TwoSampleMR:孟德尔随机化一站式分析
包如其名,TwoSampleMR主要是为两样本孟德尔随机化分析而准备的,在应用这个包以前,我们来看看它的核心函数及其功能:
生信菜鸟团
2023/08/23
6.8K0
TwoSampleMR:孟德尔随机化一站式分析
【孟德尔随机化】如果SMR、Coloc、MR结果不一致该怎么办……
如今的孟德尔随机化日新月异,个人绵薄之力实在是无法及时跟踪最新的进展,有时候也会囿于自己的学识无法带给大家完全可靠的知识。
生信菜鸟团
2023/12/20
2.1K2
【孟德尔随机化】如果SMR、Coloc、MR结果不一致该怎么办……
【孟德尔随机化】GTEx数据和gwas数据可以直接MR吗?
生信菜鸟团
2024/04/18
1K0
【孟德尔随机化】GTEx数据和gwas数据可以直接MR吗?
溃疡性结肠炎患者的细胞内和细胞间重排
当你的才华还撑不起你的野心时,请潜下心来,脚踏实地,跟着我们慢慢进步。不知不觉在单细胞转录组领域做知识分析也快两年了,通过文献速递这个栏目很幸运聚集了一些小伙伴携手共进,一起成长。
生信技能树jimmy
2020/04/27
1.2K0
生信程序 | Nat.Genet | 在疾病关联位点精细定位因果组织和基因
生信菜鸟团
2025/02/06
1890
生信程序 | Nat.Genet | 在疾病关联位点精细定位因果组织和基因
孟德尔随机化理论知识一站式学习
Inferrence the causility between exposures and healthy outcomes using mendelian randomization approaches
用户11414625
2024/12/20
2930
孟德尔随机化理论知识一站式学习
MR-base:高效准确的进行孟德尔随机化研究的网站
通过孟德尔随机化研究,可以基于GWAS的结果来推断不同表型之间的因果关系, 比如使用的很广泛的两样本MR分析
生信修炼手册
2020/05/07
6.1K0
单细胞揭示了结直肠癌微环境中肥大细胞的激活
背景:肥大细胞(MCs)是一种免疫细胞,在机体对过敏原的反应和抵御病原体方面起着至关重要的作用。激活后MC会释放多种介质,包括蛋白酶、细胞因子、组胺和脂质介质,这些介质与各种疾病的发展有关,包括过敏、哮喘、自身免疫性疾病和感染。MCs在结直肠癌(CRC)中的作用仍不清楚,尚未对CRC MCs进行全面的单细胞研究。
生信菜鸟团
2025/02/03
1490
单细胞揭示了结直肠癌微环境中肥大细胞的激活
细胞图谱 | Cell | 人类免疫细胞中的亚洲多样性
◉ 图1. AIDA中的人类多样性 (A) 饼图表示AIDA中的细胞和其他健康血液(不包括脐带血和静脉血)在CZ CELLxGENE普查2023-12-15版本中的主要数据集。圆圈的半径与细胞数量成正比,切片的颜色由自报的种族元数据决定。(B) AIDA捐赠者人口统计(SG:新加坡人)。(C) 研究地点位置。改编自BioRender模板(出版许可KZ26TPRFSH)。(D) 来自AIDA Illumina GSAv3基因型PCA的前三个PC的图;颜色指示捐赠者的自报种族。另见图S1和表S1。◉ ,
生信菜鸟团
2025/05/17
870
细胞图谱 | Cell | 人类免疫细胞中的亚洲多样性
Nucleic Acids Research | 李磊团队构建单细胞遗传调控平台解析疾病位点的细胞特异性机制
全基因组关联分析(Genome-Wide Association Studies,GWAS)已经确定了数千个与复杂性状和疾病相关的遗传位点,然而超过90%的GWAS风险位点位于非编码区域,这为确定疾病相关变异的分子机制带来了极大的挑战。研究表明,非编码区GWAS风险SNP(Single Nucleotide Polymorphisms)可以通过调控其上下游基因表达来影响疾病的进展[1]。因此,研究人员开发了SNP与基因表达变化关联的分析方法,即表达数量性状位点(expression Quantitative Trait Locus,eQTL)将疾病变异与靶基因联系起来。传统eQTL研究通常评估来自整个组织或样本的数百万个细胞的平均表达水平,掩盖了某些细胞类型或处于特定细胞状态的生物调节关系,只有20-50%的常见疾病关联基因被报道与eQTL共定位[2]。这意味着传统的eQTL在理解疾病相关变异方面有很大的局限性。近些年随着单细胞转录组测序技术的迅速发展,使得单细胞水平的eQTL(single-cell eQTL,sc-eQTL)分析成为可能,sc-eQTL可以在更高的分辨率下研究遗传变异对基因表达的调控关系[3,4]。整合大规模多来源的sc-eQTL数据集对于精细识别疾病因果变异和理解潜在的基因调控机制至关重要,然而,目前缺乏系统性研究多种复杂疾病在细胞水平的精细调控机制。
生信宝典
2023/10/13
6750
Nucleic Acids Research | 李磊团队构建单细胞遗传调控平台解析疾病位点的细胞特异性机制
GWAS综述(生信文献阅读俱乐部精选)
从具有遗传标记的复杂性状的统计学关联推进到理解影响性状的功能性遗传变异往往是一个复杂的过程。精细定位可以选择遗传变异并对其进行优先级排序以供进一步研究,但是大量的分析策略和研究设计使得选择最佳方法具有挑战性。作者回顾了不同精细绘图方法的优缺点,强调了影响性能的主要因素。主题包括全基因组关联研究(GWAS)的解释结果,连锁不平衡的作用,统计精细绘图方法,跨种族研究,基因组注释和数据整合以及其他分析和设计问题。
生信技能树
2018/11/30
5.2K0
GWAS综述(生信文献阅读俱乐部精选)
推荐阅读
相关推荐
【孟德尔随机化】02文献复现(一)
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档