以前工作的公司曾經有一個同事，我覺得他超厲害，ＥＱ超高的。
他拜訪一些訪談對象，對方社會地位高，兇巴巴的，當場給他羞辱，他竟然還能不慌不忙的將滿地的筆記紙一張一張撿起來，恭恭敬敬的和對方說一聲抱歉，然後繼續訪問！
他被總編輯關起門來罵，罵完之後，他仍可以和總編輯一起吃中飯。
他被客戶放鴿子，對方態度也不佳，而他卻可以繼續柔和的約好下一次的會面時間。
總之，從這位高ＥＱ同事的言行，真的讓人覺得，他碰到這些職場上的恐怖事件，居然可以完全沒「疙瘩」，完全不放在心上？
到底，怎麼做到的？
直到有一天，我和他吃飯，忍不住好奇，請教他──
「你的『修養』怎麼這麼好，好像誰對你生氣，你都可以繼續和他保持關係？」我問。
「其實，」這位同事回答：「我脾氣沒多好啊！」
「但你都不會對你的主管生氣耶，都不會對你的訪談對象生氣，也不對你的客戶生氣。」我急著說：「誰說你脾氣不好，你脾氣超好的！」
一開始，這位同事也說不上所以然。
但後來，他慢慢的想起了什麼，於是，透露了一些有趣的「方法」。
「其實，有一點，」他說：「我會將我的主管，視為我『最好的朋友』。」
這句話，讓我差點將嘴裡的飯給噴出來！
「哈哈哈，最好的朋友？」我說。全世界最不能當「好朋友」的好朋友，大概就是那位總編輯和那位機車的受訪者了，怎麼可能是他的「最好的朋友」？
沒想到，同事說了一個概念。
「因為我從小就喜歡認一個人為『最好的朋友』，然後就一直一直的對他好。」同事說。
「出社會以後，我發現兒時這招仍然很有用，所以我會『故意』去『設定』那個難搞的人，成為我『最好的朋友』，我就自然而然的會對他很好很好。」這位同事徐徐的說。
哇，我瞭解了。
原來，重新啟動你小時候的「某一個堅持」，就是職場加分秘方！
比方說，有一個人，從小一定要有一個「最寶貝的東西」，今天是一個小玩具，明天是一個小水晶杯，後天可能是一支自動鉛筆……。
長大後，他雖然已經不再需要任何「最寶貝的東西」，他卻了解到，如果可以將某個東西「設定」為「最寶貝的東西」，他就可以非常非常的重視它、認真的做好這件事。
所以，每個人小時候，可能都有一個「最ＸＸ」的習慣。
一定要有一個最好的朋友。
一定要有一個最寶貝的東西。
還是，一定要某一個最ＸＸ的什麼。
你只要「設定」好，就算已經是成年人，依然可以「自然」又「自動」的以天份衝下去。
小時候的「偏執」，長大後就成了可控制的魔球；你使用過這個超能力了嗎？
好課城職場課程，報名即將截止，歡迎儘快點擊參與。
第一堂課是你的Big Data大數據的第一課：3小時談出真正可以幫助你的大數據策略，兼具實務理論的何宏新博士限額6~10人深度研討。
很多人笑，大數據，人人都在講，但沒有人知道怎麼合理的、真正的用在自己的工作上──大、中、小企業都在問！
大、中、小企業，通通不知道。
因此，我們開了這一堂深度的討論課程，讓一位真正懂大數據的專家，真正的和你互動，讓不同的產業，也能學到大數據！因為每家企業所需要的大數據，是不一樣的，預算不同（從零，到上百上千萬）、需求不同、執行者不同，每個人需要的Big Data是不一樣的。
簡單來說，這堂課，就是讓大數據，有機會可以真正的用在你的工作裡。
我們第一次聽過何博士，就被他的介紹給吸引住：「我是在銀行玩大數據的專業達人！」
這麼一堂高度互動的「大數據討論教室」，由何博士幫你解決大數據相關的問題，討論各種大數據的可能性。
此堂課較偏重於實務，輕理論，課程大綱：
大數據案例分析
– 製造業
– 零售業
– 金融業
分析資料的準備工作
– 如何定義分析的目標資料(期待解決的問題？)
– 資料分析與整理
– 大數據-資料準備
從分析工作到建立預測模型
– 分析方法與使用工具介紹
– 建立預測模型
– 建模-分析-決策：個案研究與應用
大數據分析的起步與建議
人數有限，歡迎立刻報名這場高度互動的豐富案例課程。
第二堂課是《從心理學看12個行銷技巧》:限6∼10人迷你課！教你兩小時一次學會並活用12個行銷技巧，幫助你立刻調整你的行銷策略，明天立刻帶上戰場使用。
《從心理學看12個行銷技巧》，是一種業務技巧，賣的商品是「你」。
沒有賣不出去的東西，只有不會包裝的人！
沒有無法成交的對象，『對象』一定有什麼在心理面。
只有創意的點子還不夠，還要『有用』的點子才算！
消費者心裡到底在想什麼？
如何讓他買下？
一定有什麼可以切入的角度或方向。
畢竟大家都是『人』，心理學就是研究『人』。
一個晚上可以以最直白的方式『一次學會』12種行銷技巧，幫助你立刻調整你的行銷策略，明天立刻用在職場上！2小時，讓你一次學會:
1. 80/20法則
2. 框架效應
3. 巴納姆效應
4. 驚喜效應
5. 選擇數量效應
6. 登門檻效應
7. 月暈效應
8. 富蘭克林效應
9. 從眾效應
10. 新近效應
11. 間隔效應
12. 睡眠者效應
名額有限，歡迎儘快報名!!
（圖片來源：gronman link）
沒有留言:
張貼留言