高效学习的 36 种思维

林骥
林骥
林骥
44
文章
0
评论
2021-08-0416:46:24 评论 26 8060字
摘要

你好,我是林骥。下面我用自己的故事,结合对《高效学习 7 堂课》的理解,介绍高效学习的 36 种思维,从中反思自己的优势和不足,也相当于做一次复盘总结。

 

1. 目标思维

2008 年,我正在读研究生,再过一年即将毕业,那时实践能力比较弱,对未来很迷茫,不知道自己该干什么。

我当时的首要目标就是先找份工作,解决温饱问题,再寻求突破。

2. 排除思维

有了目标之后,我到招聘网站投了很多简历,发现就像石沈大海一样,没有回音。

我对此做了反思,自己用广撒网的方式投简历,效果太差,应该学会聚焦,排除那些明显不适合自己的公司和职位,只保留一个求职方向。

因为我的专业是数学,感觉数据分析师这个职业挺适合自己的,所以我排除了其他选项,修改自己的简历,尽量去贴合数据分析师的要求。

3. 串联思维

通过聚焦,我终于找到了一份数据分析师的实习工作,刚开始实习的时候,把全部业余时间都用于学习 Excel、SQL、SAS 等数据分析工具,并在实际工作中应用,提升工作的效率。

后来,我意识到技术的进步是没有止境的,不能只关注技术,还应该培养其他能力,因为在不同的阶段,需要的能力结构也是不同的。

要获得进步,就要打破原来的能力边界。所以我主动去与业务相关的人进行沟通交流,理解业务的需求和痛点,想办法解决业务中遇到的问题,让数据更有价值。

再后来,我成了团队的领导,要带领团队成员一起去完成更多的任务,这时,我迫切需要学习的是管理能力,经过摸索实践,我学习了一种 OKR 工作法,希望打造一个学习型的技术团队,让团队成员具有自我成长的能力,营造一种激发全员创造力和积极性的文化。

我努力把自己变成一个教练型的研究者和设计者,而不是命令型的控制者和监督者。我知道这条路还很长,自己的能力还有很多短板,但是有了方向,分阶段去学习,把每个阶段学到的能力串联起来,相信总有一天,我能到达期望的终点。

4. 标签思维

2012 年,我开通了微博账号,网名「数据化分析」,寓意用数据化解分析难题,从此我把「数据化分析」作为自己的一个标签。

我用「数据化分析」这个网名在博客上发表文章,有的文章获得大量转发,一篇文章的最高阅读量有 5 万左右,让我在数据分析领域有了一点小小的影响力。

5. 平台思维

比较遗憾的是,我的平台思维相对比较薄弱,当大家纷纷开始运营微信公众号的时候,我忙于解决现实中遇到的各种问题,在很长的一段时间内,基本放弃了写作,错过了借助微信公众平台放大影响力的黄金时间。

直到 2019 年,我逐渐恢复写作,在微信公众平台发表文章。因为我不想被「数据化分析」这个标签束缚住我的写作题材,所以我把微信公众号的名字改成了「林骥」,这样只要是我认为对读者有价值的东西,我都可以发表,比如说,我的读书笔记系列文章等。

我努力用高质量的输出倒逼高质量的输入,用利于他人的思维进行写作,通过一点一点地积累自己的平台势能,争取帮助到更多的人。

6. 地铁思维

曾经有一段时间,我每天重复着报表的制作,没有对数据进行思考和分析,不知道数据分析的目标是什么,感觉自己正在逐渐沦为「报表制作的机器」。

在技术不断进步的时代,连机器都在不断学习,机器正在变得越来越智能,越来越多的工作将被机器取代,这样发展下去,我想我的职业前途堪忧。

我意识自己应该洞察数据背后有价值的信息,并把信息结构化,变成知识地图,进而让自己对事物发展具有前瞻性的智慧。

有一张 IBM Watson 执行架构师绘制的图片:MetroMap to Data Scientist,翻译成中文就是:数据科学家的地铁线路图。

高效学习的 36 种思维

 

7. 行家思维

为了建立像专家一样的视野和格局,我曾经搭建过一个知识框架,后来我经过思考、实践和调整,按后台、中台、前台进行分类,并用思维导图画了出来:

高效学习的 36 种思维

我把图中的相关知识点,写成了数据化分析的系列文章。

8. 归纳思维

归纳思维是由个别到一般的过程,比如说,金、银、铜、铁都能导电,由此归纳出一般结论:金属能导电。

在《金字塔原理》这本书中,有一个 MECE 原则,也就是要做到各个部分之间相互独立、所有部分完全穷尽。在实际的工作中,运用归纳思维的时候,可以搭配使用 MECE 原则。

比如说,人可以细分为男性和女性,因为人只有男性和女性这两种性别,所以这样细分既相互独立,又完全穷尽。因此,根据男人有两只手,女人也有两只手,就能归纳总结出人人都有两只手的结论。

假如你把人细分为男性和小孩,那就不符合 MECE 原则,因为小孩也有男性和女性之分,所以这样细分既没有相互独立,又没有完全穷尽。因此,假如你发现男性和小孩都不涂口红,但你不能据此归纳出人人都不涂口红的结论。

9. 自学思维

建立了知识框架以后,我开始一步一步地自学相关的内容,此时我的学习模式发生了很大的变化。

我以前看一本书,通常都是从头看到尾,可能看到后面忘了前面,学习效果大打折扣。自从有了知识框架以后,我变成了按需学习的模式,针对某个知识点,我可能会看好几本书,看看不同作者分别是怎么写的,增进对所学知识的理解,如果还是不明白,就去网上搜索相关资料。

比如说,我在写 Python 系列文章的时候,就同时看了好几本相关的书,参考了 Pandas 的官方文档,还看了一些公众号作者的文章,就是想通过高质量的输入,让自己输出高质量的文章。

10. 木桶思维

一个人的能力木桶由 3 个部分组成,硬能力是底板,软能力是围板,软素质是箍绳。

我从事的数据分析工作,硬能力是要掌握数据分析的工具和思维,软能力是要学会沟通和表达,软素质是要有健康的身体和心理,包括细心、耐心和恒心。

数据分析专业领域的研究,可以穷尽一个人一辈子的精力,假如只有硬能力,没有软能力和软素质,那么很可能木桶就围不起来,就很难获得合理的回报。

11. 长板思维

在拥有了一个木桶之后,接下来应该做什么?

我的做法是尽可能把长板变得更长,用心打磨「数据化分析」这个专业能力,写作数据化分析系列文章,提升数据分析的硬能力,同时练习写作的软能力。

学习某一项技能,目的通常都是为了解决某一类问题。

比如说,我现在练习写作能力,是因为文字是人与人交流的重要工具,而良好的写作能力能更好地传递思想。

12. 换桶思维

木桶有大有小,一个人的成长,就是不断升级换桶的过程。

我从一个在校学生,到成为一个数据分析师;从带领一个人,到带领一个团队。

回顾这个过程,正好符合前面说的 3 种思维:木桶思维、长板思维、换桶思维,也就是先打造一个小木桶,再做一个有长板的木桶,然后换一个大木桶。

13. 逆袭思维

请不要用工作量的积累,掩饰自己低水平的重复,这样永远不会像高手那样逆袭。

我刚开始使用 Excel 做数据分析的时候,有大量简单重复的操作,为了提高工作效率,我买了一本《Excel 实战技巧精粹》,熟练运用之后,很多原来需要半天才能完成的工作,半个小时就搞定了。

要想办法从低水平的重复工作中解放出来,才有时间和精力去完成更大的目标,才有逆袭的可能。

14. 高手思维

要成为某个领域的高手,往往需要 10000 小时的刻意练习,而不是 10000 小时的简单重复。

比如说,很多人花在英语学习上的时间超过 10000 小时,但是英语水平低下的人却比比皆是。

在技能练习方面,有一个公式:

快速掌握技能=好的练习方法x足够的时间x合理强度x专业教练反馈

我刚开始学习数据库查询语言 SQL 的时候,看的书是《 SQL 入门经典》,作者是数据库教学与应用的专家,与网上那些杂七杂八的文章和教学视频相比,我觉得看经典书的学习效果要好的多。

好的练习方法,我认为是要在实际工作中加以应用,用于解决工作中遇到的问题。

利用互联网的优势,获得专业教练的反馈变得更加便利。如果经过认真思考,通过搜索也无法解决问题,那么可以试着去找专业的高手进行提问。

15. 成本思维

学习一项技能,达到专业水平要花 10000 小时,如果每天学习 4 小时,每年学习 250 天,就要花 10 年时间。

人这一辈子,能有几个 10 年用来学习呢?

所以,学习也要有成本意识,绝大部分技能,并不需要练到专业级别,也许只需要用 1000 小时,达到熟练程度,就可以满足工作需要。

比如说,我练习写作,并不期望达到作家的水平,我只要能够熟练写出自己的思想,达到让读者容易理解,并且能够有所收获的程度就可以了。

16. 教练思维

高水平的教练,懂得控制训练难度,知道循序渐进,并变换自己的训练方案,让人能够坚持进行艰苦的训练。

有研究表明,当学习的内容有 15.87% 是新知识时,难度适中,学习效率是最高的。当难度太高,人就容易焦虑,而当难度太低,人又容易觉得无聊。

我曾经买过一本 863 页的书:《深入解析 SAS —— 数据处理、分析优化与商业应用》,当时我还没有 SAS 编程基础,这么厚厚的一本书摆在我面前,让我产生了畏难情绪,结果这本书到目前为止都没有看完。

如果我当时知道教练思维,估计就不会在还没有入门的情况下,去买这么一本厚厚的专著。

后来我开始学习 Python,总结之前的经验教训,先是看了一本《笨方法学 Python》,有了一定的基础之后,才开始看《利用 Python 进行数据分析》等书。

17. 整合思维

现代社会,时间正变得越来越碎片化,如果我们能把零散的碎片时间整合到一个目标上,用知识框架整合碎片时间的学习成果,那么学习目的就会更加明确,注意力就会大大提高,经过日积月累,也能提升自己解决问题的能力。

我平时的工作很忙,还要经常加班,只能想办法把碎片时间充分整合起来。

我目前的做法是,在上班和下班的路上进行学习,坐车的时候看一看书,走路的时候听一听音频。

我会利用空闲的时间,把一些零散的知识,整合到相关主题中去,从而不断丰富自己的知识体系,虽然分支变得越来越多,但是都能与目标关联起来。

18. 网络思维

虽然互联网倡导的是网络互联,但是现在很多大型的互联网公司,考虑到自己的商业利益等因素,实际上正在变得越来越封闭。

所以,不要指望仅靠一个网站就能解决所有的问题。搜索不同类型的问题,建议使用不同的网站。

比如说,当我要找数据分析算法的代码,我会优先去 github 搜索。当我遇到程序相关的专业难题时,通常会到 Stack Overflow 上去寻找答案。

19. 搜索思维

我在学习、生活和工作中,都严重依赖搜索思维,每次遇到问题就喜欢搜一下,基本上 80% 的问题都能通过搜索找到答案。

以前,我囤积过大量的电子书等资料,甚至把这些资料妥善整理并保存到移动硬盘中,花了大量的时间去下载收集和分类整理,结果却发现,这些资料只是静静地躺在那里,几乎从来不会被用到。

学会搜索技巧之后,我只对少数非常重要的资料进行整理归类,而对于那些通过搜索就能快速找到的资料,就不再浪费时间去整理和存放了。

20. 焦点思维

在信息时代,每天的信息就像洪流一样涌现在我们面前,如果没有焦点,就容易感到焦虑。

当我看到一条信息时,往往会先想一想,这条信息对自己是不是有用?如果没用的话,就采取「阅后即焚」的模式,看完直接删除或关闭。

对于真正有用的焦点信息,我会尽量纳入自己的知识框架,让它和已有的知识产生关联。

比如说,我在写读书笔记的时候,有时候会链接一些以前写过的相关文章,这样不仅复习了以前的知识,而且增进了对新知识的理解。

在关注焦点信息的同时,我注意到有一个词叫「功能性文盲」,指的是有些人在不断地印证自己的旧有观念,陷入到「信息茧房」中不能自拔,不愿意接受新的观点和看法,即使看到了对旧有观念构成挑战的信息,也统统视而不见。

我觉得应该避免变成「功能性文盲」,所以时常提醒自己,关注的焦点不能一成不变,要努力让自己的视野更广阔一点。

21. 台阶思维

从入门到专家,是一个循序渐进的过程,就像走楼梯一样,沿着台阶一步一步往上爬。

如果你想踏上更高的台阶,前面的阶梯通常是必不可少的。

22. 结构思维

回顾我早期的学习经历,发现大多数时候都是在被动地接收一些零散的知识,不断地收藏和下载新的资料,却很少用结构思维进行吸收内化。

直到搭建了知识框架,才形成结构化的输入和输出,用于指导自己的学习。

搭建知识框架,前提是要有明确的目标。

比如说,做数据分析,目标是用技术促进业务,帮助业务解决问题,提升业务的效率。

只有围绕明确的目标,去搭建知识框架,结构才能牢固,否则可能就是花架子,一推就倒。

23. 拆解思维

学习技能的时候,仔细拆解高手的方法,比自己盲目学习的方法要好的多。

当我看《Excel 图表之道》这本书时,深深地被刘万祥老师的拆解思维所折服。书中专业图表的做法,我理解就是通过一步一步的拆解来实现的。

比如说, 一个简单的柱形图,通过对标「经济学人」、「华尔街日报」等专业杂志的配图,从标题、颜色、字体、坐标轴、网格线、标签、图标等一系列不同的元素进行拆解,上升为「道」的高度,而不是停留在「术」的层面,大大提升了图表的专业气质。

24. 联系思维

因果分析和相关分析,都是把事物联系起来的分析思维。

因果分析的代表方法是麦肯锡倡导的「现象 - 问题 - 原因 - 对策」,代表工具是「鱼骨图」,代表步骤是「连问 5 个为什么」,通过追问前因后果,明确适用边界,发现问题的本质。

比如说,经过连续五次不停地问「为什么」,知道生意的本质是流量。

相关性是不能靠举例子来证明的,倒是可以用数学模型来计算。

比如说,一个国家的人均巧克力消费量,与这个国家的诺贝尔奖得主人数,呈现正相关,但是巧克力吃得再多,也不会导致得诺贝尔奖的机会增加。

25. 换位思维

换位思考,理解别人的需要,想出互惠互利的方案,这样的合作才能长久。

比如说,通过换位思维,我理解共读社群的初衷,是想让更多的人「真读书」,那我能为此做些什么呢?

我选择给参与共读的书友点赞鼓励,在这个过程中,我自己也加深了对知识的理解,这是一个互惠互利的做法。

26. 复利思维

写作具有复利效应,因为写作可以复用到工作、学习和生活中的很多方面,比如工作中写邮件、写方案、写计划、写总结、写报告等,学习中写读书笔记、心得体会等,生活中写日记、写书信、微信聊天等。

如果写出了高质量的文章,那么还能带来认同、链接人脉、流量变现等复利。

为了更好地利用复利思维,提高自己的写作水平,我陆续看了很多关于写作的书,希望通过学习和练习写作,让自己成为一个更专业的人。

27. 跃迁思维

要真正实现跃迁,不能总是停留在低水平的输出上,而是要对标专业选手去努力。

比如作为数据分析师,学习 Excel 的时候,不能仅仅满足于会用 VLOOKUP 等简单的函数,而是要向一流的高手学习,努力掌握数据透视表、数据可视化等更多专业的技能,这样才有可能实现跃迁。

在《高效学习 7 堂课》中,秋叶老师介绍了输出的 7 种模式:

(1)记录笔记:用笔写胜过用手机拍照。

(2)思维导图:把所学内容的逻辑画出来。

(3)解读文章:带着自己的想法去消化新的信息。

(4)对外分享:最好的学习就是自己去教别人。

(5)内化实践:到现实中去印证别人的观点。

(6)复盘文章:写出自己的深度心得。

(7)课程研发:做培训课程或编写教材。

这 7 种模式的输出,难度是依次递增的,可以看作是难度由低到高的输出跃迁。

28. 问题思维

提出一个好问题,往往能激发出好的答案。

比如说,要了解数据分析领域,不妨先问以下 7 个问题:

(1)数据分析领域涉及哪些概念?

(2)数据分析的发展历史和前景如何?

(3)最近两年的数据分析报告有哪些?

(4)数据分析领域最知名的专著有哪些?

(5)数据分析行业的竞争格局是怎样的?

(6)数据分析领域里顶尖的几家企业是谁?

(7)数据分析业界有什么大的活动?

如果我们带着类似这样一组结构化的问题,去观察、学习和交流,并把信息梳理成知识体系,就能大大提高学习的效率。

29. 视觉思维

数据分析图表、思维导图、视觉笔记、流程图等,都属于视觉思维的输出形式,如果应用得当,就能明显提高信息传递的效率。

我认为视觉思维不仅要有视觉上的美观,而且要有思维上的逻辑。

数据可视化有十大黄金准则:

(1) 明确数据可视化的目的;

(2) 通过对比来反映问题;

(3) 提供数据指标的业务背景;

(4) 通过从总体到部分的形式,展示数据分析报告;

(5) 联系实际的生产和生活,对数据指标的大小进行可视化;

(6) 通过明确而全面的标注,尽可能消除误差和歧义;

(7) 将可视化的图标,同听觉上的描述,进行有机的整合;

(8) 通过图形化工具,增加信息的可读性和生动性;

(9) 允许但并非强制,通过表格的形式,呈现数据信息;

(10) 目标是:让受众思考呈现的数据指标,而非数据的呈现形式。

30. 清单思维

怎么避免在工作、学习、生活中犯下低级的错误?

清单思维是一种比较好的办法。

比如说,在工作中,我们应该重视职场的邮件礼仪,为了发邮件的时候不犯低级的错误,我总结了邮件发送前的检查清单:

(1)发件人的显示名,用自己的中文真名。

(2)标题是邮件核心内容的总结,少于20字。

(3)正文尽量用短句,不要有错别字。

(4)如需附件,不要忘了添加,更不要添错。

(5)前面要有称呼问候,后面要有自己的签名。

(6)字体的大小和颜色要美观、简洁、干净。

清单思维就是把执行细节标准化,用来指导和规范日常的行为。

31. 成果思维

学习之后,写读书笔记,画思维导图,列检查清单,都属于学习成果,但最根本的成果,还是解决问题的能力。

比如说,我做数据分析,想找一个恰当的分析方法,通过搜索,找到了合适的分析方法,在解决问题的同时,也锻炼了自己的能力。

高效学习者之所以高效,往往是因为他利用所学的成果,解决了现实中的问题,用高质量的输出检验能力,而不是用低质量的输出来感动自己。

32. 挑战思维

想进步,就要挑战自己的舒适区。

比如说,我学习了 Excel,后面扩展到 SQL,再扩展到 Python 和人工智能等领域,就是一步一步挑战自己的过程。

除了提高专业能力,还要训练写作能力、沟通能力、管理能力等,这些都是挑战。

我相信,在工作中勇于挑战,不断精进,就能获得成长。

33. 重复思维

我在学习数据分析的时候,往往会把数据分析的思维、方法和模型,重复应用,多次训练,不断去印证、改进和完善,也就是「举三反一」。

比如说,我学习一种算法,除了参考书中的例子去练习以外,还会想办法应用于实际的工作和生活当中。

当所学的知识或能力得到消化以后,再去多个领域「举一反三」。

34. 套路思维

不同的问题,往往有不同的套路,有时候老套路能够解决新问题。

比如说,「断舍离」是日本杂物管理咨询师山下英子提出的概念,我试着用来解决现代社会信息过载的问题,我卸载了手机和电脑大量的软件,专注于那些对自己确实有帮助的信息。

有时候新套路也能解决老问题。

比如说,我学习一些新的人工智能算法,用来解决以前难以解决的老问题。

35. 建模思维

我在读研究生的时候,参加全国研究生数学建模大赛,获得过二等奖,在参加建模大赛的过程中,我觉得自己解决问题的能力、团队协作的意识、模式创新的思维都得到了锻炼。

建模思维有助于提升「模式识别」的能力,大多数人的模式识别方法过于简单,在没有经过训练之前,很难快速地做出理性的思考。

比如说,专业的投资机构,往往是通过数据建模来开展工作,而业余的股民,常常依赖直觉或小道消息来买股票,因而后者更容易遭受损失。

36. 合作思维

互惠互利的合作,已成为现代社会发展的基础和前提。

哪怕生产一支普通的铅笔,也需要有很多人的分工合作,经过一系列非常复杂的工序,才能把铅笔制造出来。在这个世界上,甚至没有一个人,完全掌握制造铅笔所需要的全部知识。

合作最重要的表现形式之一,就是交易。作为一名公司的职员,其实就是在用自己的技能和时间,获得相应的工资报酬,然后再用赚到的钱,去购买生活所需的其他东西。

最后的话

我们所从事的工作,本身就是促进能力成长的最佳舞台,关键是要选好方向、搭好体系、请好教练、用好网络,做好总结、强化成果、轻松跨界。

以上就是高效学习的 7 种能力:定位力、框架力、精进力、联机力、复盘力、输出力、迁移力,而这 7 种能力的背后,其实就是高效学习的 36 种思维。

 

 

End.

爱数据网专栏作者:林骥

作者介绍:数据赋能者,专注数据分析 10 多年。

个人公众号:林骥(linjiwx)

本文为挖数网专栏作者原创文章,未经允许禁止转载,需要转载请微信联系授权(微信号:lovedata0520)

更多文章前往爱数据社区网站首页浏览http://www.itongji.cn/

  • 我的微信公众号
  • 微信扫一扫
  • weinxin
  • 我的微信公众号
  • 微信扫一扫
  • weinxin
匿名

发表评论

匿名网友 填写信息

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: