→ 左岸讀書,一如既往。

怎樣避免專業誤區或困境

2014-11-29 . 閱讀: 4,378 views

感謝文敏的分享!

知乎上有一個很有趣的討論
在你所熟知的專業領域,有哪些知識、思維方式和訓練方法是被認為能非常高效地理解和解決一些重要問題,但業外人對此常常毫不知曉而又屢屢因無知而陷入誤區或困境?

整理部分:
?
一.Raymond Wang(lawyer)
法律界有一句格言我覺得很有意思:“當事實對你有利時,多強調事實;當法律對你有利時,多強調法律;當事實和法律都對你不利時,敲桌子把事情攪渾”(When you have the facts on your side, pound on the facts. When the law is on your side, pound on the law. When neither the law nor the facts are on your side, pound on the table.)。
這句格言不僅在訴訟或談判中有用,在旁觀各種復雜的紛爭時,我也總是盡力在分辨,誰在講事實,誰在講道理,誰只是把桌子拍得震天響。
更新:關于這句格言,詳細的解讀請參考:http://www.zhihu.com/question/20398031/answer

二.拿叔(閑人也有忙時候)有兩個思維習慣,對我幫助很大:
1.能夠把簡單的事情想復雜。使你具備執行力。
2.能夠把復雜的事情想簡單。使你具備操控局面的能力。

三.chenqin(數據帝)
知乎上還有不少經濟學的朋友,比如@徐茂龍@Superhistorical,不敢多言,就說幾點自己的淺薄體會。
第一,拒絕特例。中國有一堆千奇百怪的經濟問題,許多問題在別的國家根本見不到,但這并不說明中國人和世界人民有什么不一樣的地方,所以別總把想不通的問題往特例的圈里套。這么做很輕松,但是對逼近事實毫無益處,反而可能讓你找到的解決方案南轅北轍。兩個最近的例子,中國生育率高——因為中國人的傳統就是養兒防老;中國儲蓄率高——因為中國人不喜歡借錢,而且喜歡省錢存下來。現在看看,中國的生育率還高嗎?家庭部門的儲蓄率還高嗎?盡管如此,特例說仍然很有市場,最近的一個例子是,為什么房價高?——因為中國人對房子是剛需。拒絕特例,類似的還有拒絕陰謀論,可能會增加你思考的強度,但更會增加你接近事實的概率。
第二,慎言因果。偽回歸,內生性……在你使用數據得出因果結論時,一個個陷阱正等著你。回答幾個直白的問題,1縮小班級規模有利于提高教育質量嗎?從數據看來,即使師資相同,小班的表現也更好,答案似乎很明顯,但如果你回答“是",那就犯了偽回歸的錯誤。經濟學家發現,所謂小班帶來教育質量提高,僅僅在那些大多數保持大班,只試驗了幾個小班的學校存在,小班試驗的份額越大,教育質量提高越不顯著,甚至會相反。原來,那些被編入小班的同學都覺得“原來自己是被選中的”,所以學習更努力,”被選中“的人越多,這種效應越小。當全校都是小班時,這種自我期望的提高就消失。只可惜當經濟學家發現這個問題時,美國早已經推行小班十幾年了。2技能培訓能提高工人工資嗎?你拿出兩組工人,一組參加了技能培訓一組沒有,必然參加技能培訓的人工資更高。但是,這些工資的提高往往是因為更努力,更上進這些個人特征而更傾向于參加技能培訓,即使沒有培訓,他們的工資也會因為他們的個人特征而提高,這就是內生性的問題,他會在一定程度上削弱你想證明的因果關系。所以,下一次在你的ppt中信心滿滿地放上相關性極高的散點圖或折線圖想要證明一個因果問題時,記得把整個邏輯都理順,多問自己,有沒有偽回歸?有沒有內生性?

四.Roy Li(微信公眾號?mintshow?人生如戲)
這個問題很不錯, 由于身份特殊性等原因, 不方便說太多機密,只能盡力了。
咨詢行業
咨詢行業應該是跨度最大和浮夸風最嚴重的行業。 99%的人不學無術指望守株待兔(極少數可以忽悠點飯錢),0.99%的人靠硬關系幫政府或者大企業拉點皮條,0.01%的人是混到人精并在“痛苦地”賺錢。雙引號里的形容詞只有行內人才懂,不做解釋。
在這里混到一定程度的人一般不怎么掛戰略或者咨詢的頭銜,但是他們創造價值的方式可以說八仙過海各有神通。過硬的硬技能比如技術,管理策略,人脈,資源,黑產價值等等是外界人所能想象了解的,這里不加以贅述。下面談一些切題的東西,因為行業面太寬水太深,個人經驗僅供參考。
1.知識
你需要資本,你必須要通過已有的知識能賺到一些起步的錢才可以玩花樣。空手道的年代已經過去了,資本是一個很大的門檻。外人以為做咨詢行業不需要資本,其實都是錯的,做的好的都是有錢。好比國外有一些名律師隨時準備一些錢去趁火打劫,當然不是以自己的名義,但是背后大家都知曉怎么回事。
資本+技術+關系是現在的王道,關系還分軟關系,硬關系。根據你認識人的性格特征關系帶來的價值還不同。
你需要非常多的法律知識,政策還有相關案例的了解。比如說你如果和國有企業合作你必須要了解MBO,私有化等等基本的知識。如果你做貿易你要了解外匯和外貿的相關法律。
懂法之后就要會合理利用法。比如說上市公司老總公司上市后可以離婚而不用賠錢,因為美元資產要對應美國的法律,中國法院判贏了都沒用。再比如古董等貴重物品,那個天價是具有戰略意義的。一塊百達翡麗,或者一顆價值上億的珍貴祖母綠,背后都藏著非常千絲萬縷的利益鏈。看問題足夠深了之后就會明白其中的道理。
等你有了相關知識后,你的復雜問題就會簡單化,很多問題直接迎刃而解了。
對于知識,自己領悟帶來的很少,你只有不斷跟不同的人學習才可以大量獲取。不要帶有任何歧視的眼光看待別人,無論對方是否比你有錢,是否比你成功,知識是無價的,不分貴賤的。
舉例:此次回國上海行,霍炬跟我提到19號文和75號文的事情,回家一查,立刻看到商機,由于資金來源審查嚴格,沒有機構可以批那么久的過橋貸款,美元基金大大受打壓。國內一時人民幣基金又起不來。于是各種擦邊球地帶的生意則紅火了起來。結合一些其他資料比如地方政府招商引資給4%傭金的政策,國內對注資的管理不力,合同上可做的文章。境外資金流入和對沖成了一個非常好的商機。手上正好有FITRAC的資質,利用2家公司合理避稅的情況進行搬運。
以上主要適用傳統行業,如果是國內互聯網咨詢行業,目前不建議人從事,因為大環境還是處于無腦流砸錢洗錢的階段,但是慢慢也往運用智慧上面發展。

2.思維方式
談思維方式之前先談一點謀略。在該張揚該謙遜的時候都不能相反地表現自己。具體表現在:套取情報,走灰色路線,以及成功雁過拔毛然后數錢的時候要絕對低調。再無懈可擊的人也經不起算計。知乎上的網民應該常愛看方舟子打假,那是網上公開的半娛樂性質的東西,已經足見殺傷力了。更不要說現實中的抓小尾巴,搞小動作,玩舉報這些。
該高調的時候則必須高調,關羽若不出戰斬華雄,演義中的故事就會改寫。
當你決定謀略方向后下一步就是思考,因為你必須根據所發生的事情情況變化來分析后才可以談到執行。
任何時候思維的第一步是要護短,如同練武之人護命門。你可以不立功但是絕對不能犯錯。沒好好護短就會造成李開復羅永浩那樣被攻擊。那些還只是網上過家家的,現實中間可能就是致命的。
引用三國的故事,會護短的就是劉備。即使你有一身武藝,能砍倒他,但是還沒等你動手,關二哥先一刀上來了。你想算計他,孔明會先一步把你識破了。項羽那樣太依賴自身硬件的做法則不可取,因為你鋒芒太露,難以護短。
第二部就是不要總是想著利益鏈,因為人不是棋子。上一步說命門,那么是人也都有命門。對于對方你可見的弱點,千萬不要加以利用或者是試圖攻克。你要用你的弱點去觸碰,讓對方沒有防范之心,然后大家開心平等地合作。任何一個抓人短處然后高姿態和人談判的人注定會失敗,除非你已經可以摧枯拉朽式地擊敗對方。
第三部就是必須要逆向思維。馬云的逆向思維理論其實就是博弈術的簡化提煉。你永遠不要以為你拿捏住對方了,而且不要用固定地眼光看待別人。多質疑自己,反駁自己,會避免翻船的局面。

3.訓練方法
一定要找導師,然后跟著導師去混。無師自通是不可能的,無論你多么天才。
第一步先提升心理學的知識,通過跟人打交道來分析對方的行為和思路。同時必須要對自己第一次的分析做一個全盤否定的反駁,然后在這2者之間選取有用的價值。
例:你托一名退休干部找某建設局副局長談一塊地的用途。局長跟你說某塊地屬于新建的工業園區規劃,當地村支書沒有辦法控制價格和使用期限。出來后你所托的退休干部跟你說能辦但是需要辦一點“其他事情”。那么你就要分析,是局長有這個權力但是故意給時間讓老干部跟你談談,還是說老干部暗示讓你知道需要更高級別的批示給當地村支書,對方讓你先繳械,別抖機靈,不然規劃批了但水電不接上,你可能還是玩完。以上2個可能之外還有若干不同的可能。你要分析所有的可能,并且順著這個可能去爬,往往走錯一步,說錯一句話,你就會失敗。
避免犯錯就是要察言觀色,分析對方的特征。你依托的人也是血肉之軀普通人一個,也有七情六欲。當你跟對方不是硬關系的時候要把對方徹底分析透,而你分析透了之后,就用平常心平等和其交往就可以了。
交往過后還不能將自己所謂的人脈作為資源進行轉換,在未來聯系中你進一步提升自己,并預防別人掉鏈子。
第二步是往失敗的方向去繞自己,多研究如何可以失敗而不是如何可以成功。金主通常是不見兔子不撒鷹的。你將失敗的路堵得封得差不多的時候才可以引金主出來,不然對方可能以會縮頭導致你什么都撈不到。咨詢不是靠忽悠,你要有足夠的硬件和抗擊打能力,不然上面抓得再牢,下盤空空,別人一個掃堂腿你就倒了。你認識再多牛人都不好使。
差不多寫到這里吧,不能寫太多灰色的東西,內容比較空洞,有興趣可以私信切磋。

五.maggie(安全行業)
這真是個令人眼前一亮的好問題,只是本人知識淺薄,說點不專業的。

畫素描和水粉的時候,從簡到繁,先是景物的形,然后是層層豐富渲染,任何時候,畫都有整體感和美感。先有整體再有局部,能夠時時審視和修正,不容易偏離本來的方向。另外,從開始就構建了完整的形,任何時候看都是完整的,只是開始粗放,后來細致,這樣做畫很容易獲得成就感

畫國畫考驗基本功,平時在草紙上反復練習,做畫時,先有腹稿,落到紙上從上到下,從左至右,一氣呵成,所謂胸有成竹。畫壞了只能重來,沒有后悔的機會。機會只給有準備的人的,而人一生中也就只有幾次重要的機會。

烹飪時要做出健康美味,要熟悉食材的四性、五味和五色,主料輔以佐料,互補搭配,掌握火候,才能成一盤營養好菜。這和用人有異曲同工之妙。

程序設計領域,UML的需求分析方法中,把系統當作一個黑盒來研究,先定義系統的邊界,再尋找角色和用例,用例表達了這個系統對外部可見的行為。這種分析方法能夠簡化問題,理清紛亂的關系,容易找到問題的本質。

項目管理的WBS任務分解,是根據項目目標把工作分解成許多層次分明的、可交付的工作任務。它是按層次分解的,先定義大階段或大目標,然后逐層分解細化。隨著分解層數的深入,定義的項目任務就越來越詳細和具體。WBS使得我們能對每個工作包的資源分配、交付物、交付期都心中有數。這種工作方法適合做估算

?六.鄒日佳哥倫比亞大學統計碩士一年級生)

說個可能有些偏門的領域,但也屬于統計的范疇。
最近在修習法學統計,這個領域是主要用來初步甄別罪犯的。
具體的有:膛線痕檢查,DNA檢測,纖維檢測,玻璃檢測。可以說對法律案件給予數據支持的這么一項學科。

這里要講的其實是三水哥的MECE,許多情況下,我們都往往關注與CE,為了保證有充分的證據,卻往往忽略了ME,造成了非常大的損失。
曾經有兩個例子,是非常讓人遺憾的。
在1960年左右,有個Collins的案例。一個witness聲稱他看到了一樁搶劫案。搶劫者是一名白人女性,有金色馬尾,穿著黑衣服,進了一輛黃顏色的汽車,這輛汽車是由一個男性黑人開的,這個黑人有胡須有髭。
于是乎警察逮捕了Collins以及他的女朋友,他們滿足上述描述
于是就有一個數學家來幫忙,檢方給了當時洛杉磯的一組數據:
Characteristic Probability
Black man with beard 0.10
Man with moustache 0.25
White woman with pony tail 0.10
White woman with blonde hair 0.33
Yellow car 0.10
Interracial couple in car 0.001
于是這個人將這些概率相乘,得到結論是這個match probability 是 1 in 12 million.
顯而易見,上面的這些有高度的相關性,不能簡單相乘來說明。
但是當時的Collins和他的女朋友就被定了有罪。好在后來到了加州高法(Superme court of California) 的時候,把案子給翻了過來。不過不是因為數學的問題,是Prosecutor&#?39;s fallacy,統計學家是不能說人有罪還是無罪的。
還有一個例子是1998年的Sally Clark
Sally Clark 被認為殺害了她自己的兩個嬰兒,其實是死于SIDS(Sudden Infant Death Syndrome).
非常遺憾的是,一個專家認為一個嬰兒死于SIDS的幾率是1 in 8500.于是他平方了一下,得到兩個孩子死于一個家庭的概率是1 in 73 million,于是被人為有罪。雖然之后案子被翻了過來,但是這個創傷實在太大,精神失常并死于酒精中毒。
顯然這個概率不是相乘那么簡單,生了一個SIDS的嬰兒之后再生一個SIDS的嬰兒不是簡單的平方。第二個嬰兒的SIDS的概率要比平常的要大。
其實這倆個案子都是想說,不論是怎樣的專家,都有可能忽略了幾件事的相互的聯系。就是平常的做一個決定也好,我們也會往往用許多個方面的理由來支持這個決定。不多說,就像三水哥提的MECE一樣。有些時候ME其實更重要,因為在自己為了證明這個決定是正確的時候,我們往往會把CE發揮的淋漓盡致,而往往忽略了ME

其實,還想再談談Prosecutor ? Fallacy 的一點.
有的時候會下意識的說,【如果要是另外一個人干的這件事情,那么這個證據就幾乎不可能在這兒了】于是乎給出了P(Evidence ?Innocense)的概率(比如說是1/n),于是乎說這個人無罪的可能性是1/n。
這是一個常見的錯誤,錯誤在我們要證明的是Innocense,要找的應該是P(Innocense Evidence),而并不是倒過來。這倆個概率很有可能會是不一樣的,熟悉貝葉斯的朋友就知道。
在生活中其實更會遇到這種情況,其實換一種思路往往能更容易較為全面地鎮定地思考。
比如說有人可能得知自己的男朋友去跟別的女生去音樂節,會很生氣,覺得如果他要是愛自己應該不會去跟別的女生去音樂節,于是就糾結起來。這就是常見的尋找了 P(男朋友跟別的女生看音樂節|男朋友愛自己)的概率。不如反過來想,想想 P(男朋友愛自己|男朋友跟別的女生看音樂節),這樣你就更容易地聯想到你的男性朋友也約過你看音樂節,雖然他也很愛他的老婆。就更容易地聯想到可能是你們倆音樂喜好類型不相投,你喜歡搖滾,他喜歡小清新。
再舉個更廣義的例子來講,比如一家公司現在要執行兩個決策的其中一個,調查了先前其他相似的公司的決策,我們可能繪制出來下表
決策X ? ?決策Y
成功 a ? ?b
失敗 c ? ?d
我們往往可能會這樣講,成功的幾家公司里有a家做了決策X,b家做了決策Y,做決策Y的人大于做決策X的人很多(i.e. b/(a+b) 很大),所以我們應該做決策Y。
這樣的描述口頭討論的情況下可能更多,而且也更具有迷惑性。人們往往不去尋找失敗的資料,從而單獨拿a,b來說事情。試想,如果我要跟你說,成功的公司里有90%都做了這個決策而沒有做那個,你是不是就心動了?
上述其實找的是P(決策X|成功),P(決策Y|成功)。而我們要找的應該是P(成功|決策X)以及P(成功|決策Y),正確的做法應該是在做了決策X公司里尋找多少成功(a/(a+c))。在做了決策Y的公司里尋找多少成功(b/(b+d))。成功的公司做決策X少,可能只是做決策X的公司少(不論成功與失敗)而已。相比較之下,如果c遠遠小于d,我們應該更傾向于做決策

失敗的(cd)總是容易被忽略的,其實他們是非常重要的。

七.莫陽(一個移動互聯網)
讀博士時候是學微電子的,導師是個意大利人,很牛,只發了幾篇文章就拿到了教授(與國內是反差啊,霍金也不過發了一篇文章,只不過那篇被譽為70年以來最牛的文章)。

剛開始是讀博選題階段,一次Group喝茶,我趁機問他,老師,您看選什么題比較好。潛臺詞是“選啥比較好畢業”。他卻說,你不如去研究一下晶體管吧。我一臉苦相說,“晶體管從發明到現在,多少博士教授研究過了,Paper都上十萬了,我不認為還有什么可以突破了”。導師突然很生氣的當著眾人的面批評到:“你這樣是最不可取的學術態度,你以為我們什么都搞懂了嗎?”

后來我就真的去研究了晶體管,運氣不錯,找到一點可研究的東西。論文答辯的時候,裁判教授最后合上我的論文,說,“你這個研究值得發表”。那個內牛滿面啊!

有時候,做研究,不用去刻意追新追奇,可能精彩的就在我們所認為最熟知的地方。

八.孫文亮(筆下雖有千言,胸中實無一策)
數學和計算機編程里經常用到一種方法叫做分治法。
分治法的設計思想是,將一個難以直接解決的大問題,分割成一些規模較小的相同問題,以便各個擊破,分而治之
遇到復雜的數學難題,就往往采用延伸、分解的思路,把一個復雜難題分解成為各種小的證明或計算,然后逐一攻克。常見的例如不定積分求解,往往利用分部積分法分解,逐項求解。
計算機排序算法中,分治排序如快速排序、歸并排序也都是非常高效、有用的排序算法。其中的分治思想就是把大的排序問題分散成小的排序。

生活中分治法主要解決的問題:
遇到困難猶豫不前。困難制約因素多,怎么看都是mission impossible。這時候就分解成個小問題,然后再分解成更小的,逐一解決。這樣就可以大大減少放棄的情況。
另外如果是必須要做的事情,最終被逼無奈經常就會采用分治法。養成主動去分解問題的習慣,可以更快入手。

限制主要在于:分解問題的能力。這個完全可以鍛煉出來,分解多了就成了習慣,遇到問題就如庖丁解牛一般分而治之。核心就是讓分解的行為從被動變主動。

九.張亮(耐心是美德)
說一個吧。
很多人不相信互聯網創業領域是一分耕耘一分收獲的。

大家似乎更愿意相信,Google、Amazon、Facebook 們是天外飛仙,連騰訊、百度都是祖墳冒青煙的產物。

但就我們的工作所見所聞,創業是一件一分耕耘一分收獲,你積累什么,你投入多少,最終會有相應的結果。我們見過的多數創業者,并不是運氣不好或者缺乏背景,而是不足夠努力,沒把事情想明白,沒有執行到位,諸如此類……

所以,當你認為投資人或市場是傻子的時候,還是先埋頭工作吧。

十.GentleYang 楊振濤(生物信息?互聯網?數據可視化)
感謝沒人邀請 ??
一個計算數學和計算機背景、從事基因序列數據分析和互聯網應用(B2C,移動)開發的人!

-這個問題讓我有一種身處quora的感覺!

-跨界是一個非常不錯的方向,不只是在工作,在生活中,跨界經常會給你很多意外的收獲!

-我的簡單想法:
·我算是個非常普通的農村長大然后讀大學然后在城市生活的人,然后我主修的計算數學和計算機軟件,輔修的生物信息學; 我對數學,IT 尤其是生命科學很有興趣。
·從數學比較理性的角度,我們深知做出一個足夠科學合理的決策或選擇是需要成本和代價的;同時,因為對心理學社會學及其他知識的粗淺了解,我很認同“環境以及主觀因素對人的影響極其大”這種觀點。也就是說,在大多數時候我們都帶著強烈的感情色彩和主觀偏好性以及個體價值傾向來做決策和選擇 - 這也符合人們在社會中的訴求,但矛盾的是人們同時希望自己的決策和選擇是盡可能接近絕對合理和科學的 。 所以,我個人在實踐中,一般是將面對的問題簡單化,然后識別出主次要部分,然后量化地去權衡;但這并不表示我買一個冰箱的時候,要對多個決策目標使用層次分析法來計算 --- 僅僅是對我的處事風格和解決問題方式有一些影響。
·典型的幾個容易被誤解或錯用的知識,
# 比如:人們在溝通中經常把充分條件或必要條件等同于充要條件,從而引發各種誤會甚至爭論吵架。
#又比如,人們在多目標決策中,經常會忽略一致性檢驗,具體:當你關注的目標超過7個時,人們可能會給出與自己前述答案完全相反的結論,也就是自我矛盾,但這時人們并不自知。
#再比如人們對數論相關的各種爭論和誤會:一般人不太清楚可數和不可數的概念區別,所以如果你問他:是0-1之間的數多呢,還是1-無窮大 之間的數多? 很多人都會迷茫,比如0-1之間的每一個數的倒數都可以映射到1-無窮大啊,是不是一樣多啊。 那你又問他:0-1時間的數多呢,還是1-2之間的數多呢? 他又迷茫,剛才好像答錯了。。。最后他自己也搞不清楚了 。[有朋友對這個比較有興趣,建議閱讀“連續統的不可數性”

再補充一個問題:關于三大論的,系統論,控制論,信息論。
#不是所有理工科的人都知道三大論,知道也不一定學習,學習也不一定深究。不過在我看來,理工科的人都應該去了解一下;這些理論知識非常有助于你的思維方式,讓你盡可能考慮科學的方法方式,而不是憑感覺拍腦袋等。
#錢學森,大多人可能知道他的一些牛X貢獻,部分人可能還知道除了火箭他還研究經濟學等,看似不搭嘎,實則大道至簡:他真正牛X的就是在系統工程方面的研究和貢獻,極大地推動了國內在系統科學方面的發展。
#信息論,大多數人都知道Shannon,實際上信息論是非常重要的基礎理論, 尤其在信息時代 ;做統計和數據分析的,大多會知道信息熵,這些相關的內容和方法都來自信息論! 信息熵可以簡單粗暴地認為就是一個對信息的度量單位和工具! ... 打住吧,說起來沒完了,猶如吹牛般...

·又補充一個:條理性
#至少對于大多數人在學習和生活中,條理性可以極大地提高效率;
#條理性讓你在學生時代會脫穎而出:小學和中學階段的大部分知識,條理性極強,甚至對于零散的知識只要善于總結也可以條理化; 這就是我在某些階段學習成績還不差的唯一法寶,盡管別人看來我不是個好學和勤奮的人,但成績不差(有事沒事還來個名列前茅);
#條理性讓你會主動去了解和學習 GTD 之類的相關內容,讓你關注效率等,對生活和工作都很有益。
#條理性也有弊端:比如一些人因此會變得不擅長寫文章不擅長比較文學和文藝方面的事情(只是一些人,不是所有)。 他們就算寫文章,也是1,2,3,A,B,C這樣羅列,層次分明,無法接受一鍋煮;這個類型的LEADER也無法接受下屬提交的密密麻麻一堆文字的文案或報告...
生命科學,讓人們認知生命及其在自然中的存;而數學,讓人們在另一個層次認識自己和所在的環境。二者都是認知,但對人的影響則非常不同

左岸

愛讀書,愛生活!

极速赛车走势 慧投金融配资 牛彩网3d字谜图迷 下载德州菜鸟麻将 电子体育比分屏 哈尔滨真人麻将 百宝彩官网 明星三缺一2004单机版 35选7辽宁福彩官网 好友一起打麻将的软件 辽宁十一选五 皇冠足球篮球即时比分 南宁股票配资公司