这些东西很多网上也会有一些公开的资料

　　?

　　不该拿的钱，不要碰。

　　也许你觉得，职场有没有信用无所谓，是的，大部分时候可能体现不出来它的价值，但是如同信用卡，信用等于你的贷款额度，在你最需要发展的时候，往往会给你最大的帮助。

　　最后说一点职场的规则和真实案例。

　　第一，背景调查是每个公司都会做的事情，如果你在前雇主或者业内口碑不佳，你可能不会知道哪次应聘就因为背景调查被刷掉。

　　第二，有些真的很有能力的人，因为守信的问题给关键人物留下了坏印象，这样的人在后续职场发展中，很难得到正面的背书支持。

　　第三，比如说市场活动或竞争关系，你需要写文章吹嘘公司，贬低对手，说实话，也能理解，各为其主，但要有个度。如果你的手段是制造谣言来攻击对手，三十年河东，三十年河西，你真的为这个公司效力一辈子？背着造谣的名声出去混，就算有饭吃，这饭吃得舒服吗？

　　第四，有些恶意竞争或者公司无节操发展的范例，一些特别有才华的年轻人，因为公司业务的事情做了一些违法的行为，结果真就出了事，为此可真就背负了案底。就算公司后来出了很多力，人没进去，背着“缓刑”继续给东家打工，这以后的麻烦有多少，自己想想？

　　第五，很多人因为行业原因、公司原因，为了业绩，为了给领导留下好印象，通过败人品的方式做业绩，丝毫不觉得这事有什么不对或者不妥，也不觉得自己社交有什么问题，然而，一旦某一天，他想要离开这个公司另谋出路，想要个人有更大的发展，突然发现，为什么之前交契深厚的朋友怎么突然各个都形同陌路？他没意识到，人家认识他只是因为他是某个公司负责某某业务的某某，脱离了这个公司，他什么都不是。没有人当他是回事，然而此时，他还只是慨叹人情淡薄，却从没想过，自己是怎么一步步地把信用败光而扬扬自得的。

　　谈谈艺多不压身

　　很多人常见的问题是，学了很多，然而不知道学了有什么用；以及，想学的很多，不知道学什么。在学习新技能、掌握新知识的时候，应该用怎样的一种思路来进行呢？

　　我个人建议按照这样的逻辑思考：理脉络，认场景，抠细节。

　　首先你肯定要有一个对自己未来的目标，你希望十年后成为怎样的一个职业人才。比如金融分析师，比如系统架构师，比如智能硬件的设计师……当然如果你把跨界当作一个重要的出发点，你可以考虑，比如，互联网金融系统的架构师（懂金融，懂互联网，还要懂技术）；比如，专门从事信息产业领域的知识产权律师（懂技术，懂知识产权，懂法律，空间极大），你要先定一个目标。

　　有了目标后，你在互联网上搜索一下，或者向相关领域的专家咨询一下，了解针对这个目标，你需要储备怎样的知识体系，你需要点亮的技能树有哪些，这就是理脉络。我们说技多不压身，但是说实话，现在世界上的技能和知识体系太庞大了，就算你是天才，就算你勤奋刻苦、日夜不休地学习，你能掌握的东西，和人类的知识体系相比，也不过是九牛一毛，在这样的一个认知下，你要知道如何筛选。

　　理清脉络，给自己一个学习计划，看看应该去选修什么课，或者从其他地方学什么东西，现在互联网各种开放课程很多，各个名校的课程都可以在网上看视频，还是很容易找到相关资源的。

　　第二步是认场景，学一门技术、一门课程，要结合应用场景，工作场景。一门课程，一项技术是在哪些工作场景中需要用到的，是如何体现出其价值的。有这种校园里的技术高手，学了一堆东西，会各种算法，成绩都很好，是同学里的“大牛”；但是到了工作场景，发现学到的用不上，用到的没学过，不知所措，甚至工作表现还不如那些成绩比自己差的同学。要多实习，多寻找贴近实战的实习机会，实习是一个了解工作场景，了解知识在职场具体表现的好方法。

　　最后是抠细节。那么什么是细节？从哪里抠细节？

　　我们从教科书上学了一个策略，或者一个算法，然后对比应用场景一看，正好和某互联网巨头的某个产品的某个功能或特性逻辑可以对应上，这时候你就知道，这课程有用了，然后你就要开始去思考，我用这个算法是不是可以完美实现这个功能逻辑。或者说，在实际中，如果要做到更好，在这个算法之外，还应该考虑什么？

　　大部分成功企业的产品、技术逻辑，其最基本的出发点和思路，都可以在书本上找到答案。但反过来说，如果你认为读完了书本就可以复制这样一个成功的系统，那就是太天真了。想象一下，如果你计算机的索引结构、数据结构都学得特别好，所有的基本理论你都学会了，你去做一个全文的中文索引系统，应该不是一个很难的事情，但是如果做到谷歌那样的系统，你想想还缺多少？你学了一个商业竞价的规则，你听说谷歌也是基于这样的规则，这说法没错，但是你觉得你用这个规则可以重建谷歌的商业系统吗？这里的细节就特别多，你说一个应届生坐那里都能琢磨出来？这不现实，但是不妨碍你去研究细节，去分析一些特性，并不断去验证。

　　回到上面的例子，比如说，你思考提高搜索的效果，除了全文索引的数据结构是你课堂可以学到的外，权重应该考虑哪些，如何平衡这些权重，如何防止过度SEO对自然搜索结果的干扰，以及如何对用户错误输入进行纠错，这些东西很多网上也会有一些公开的资料