Home >  > 怎样避免专业误区或困境

怎样避免专业误区或困境

感谢文敏的分享!

知乎上有一个很有趣的讨论
在你所熟知的专业领域,有哪些知识、思维方式和训练方法是被认为能非常高效地理解和解决一些重要问题,但业外人对此常常毫不知晓而又屡屡因无知而陷入误区或困境?

整理部分:
 
一.Raymond Wang(lawyer)
法律界有一句格言我觉得很有意思:“当事实对你有利时,多强调事实;当法律对你有利时,多强调法律;当事实和法律都对你不利时,敲桌子把事情搅浑”(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.)。
这句格言不仅在诉讼或谈判中有用,在旁观各种复杂的纷争时,我也总是尽力在分辨,谁在讲事实,谁在讲道理,谁只是把桌子拍得震天响。
更新:关于这句格言,详细的解读请参考:http://www.zhihu.com/question/20398031/answer

二.拿叔(闲人也有忙时候)有两个思维习惯,对我帮助很大:
1.能够把简单的事情想复杂。使你具备执行力。
2.能够把复杂的事情想简单。使你具备操控局面的能力。

三.chenqin(数据帝)
知乎上还有不少经济学的朋友,比如@徐茂龙@Superhistorical,不敢多言,就说几点自己的浅薄体会。
第一,拒绝特例。中国有一堆千奇百怪的经济问题,许多问题在别的国家根本见不到,但这并不说明中国人和世界人民有什么不一样的地方,所以别总把想不通的问题往特例的圈里套。这么做很轻松,但是对逼近事实毫无益处,反而可能让你找到的解决方案南辕北辙。两个最近的例子,中国生育率高——因为中国人的传统就是养儿防老;中国储蓄率高——因为中国人不喜欢借钱,而且喜欢省钱存下来。现在看看,中国的生育率还高吗?家庭部门的储蓄率还高吗?尽管如此,特例说仍然很有市场,最近的一个例子是,为什么房价高?——因为中国人对房子是刚需。拒绝特例,类似的还有拒绝阴谋论,可能会增加你思考的强度,但更会增加你接近事实的概率。
第二,慎言因果。伪回归,内生性……在你使用数据得出因果结论时,一个个陷阱正等着你。回答几个直白的问题,1缩小班级规模有利于提高教育质量吗?从数据看来,即使师资相同,小班的表现也更好,答案似乎很明显,但如果你回答“是",那就犯了伪回归的错误。经济学家发现,所谓小班带来教育质量提高,仅仅在那些大多数保持大班,只试验了几个小班的学校存在,小班试验的份额越大,教育质量提高越不显著,甚至会相反。原来,那些被编入小班的同学都觉得“原来自己是被选中的”,所以学习更努力,”被选中“的人越多,这种效应越小。当全校都是小班时,这种自我期望的提高就消失。只可惜当经济学家发现这个问题时,美国早已经推行小班十几年了。2技能培训能提高工人工资吗?你拿出两组工人,一组参加了技能培训一组没有,必然参加技能培训的人工资更高。但是,这些工资的提高往往是因为更努力,更上进这些个人特征而更倾向于参加技能培训,即使没有培训,他们的工资也会因为他们的个人特征而提高,这就是内生性的问题,他会在一定程度上削弱你想证明的因果关系。所以,下一次在你的ppt中信心满满地放上相关性极高的散点图或折线图想要证明一个因果问题时,记得把整个逻辑都理顺,多问自己,有没有伪回归?有没有内生性?

四.Roy Li(微信公众号 mintshow 人生如戏)
这个问题很不错, 由于身份特殊性等原因, 不方便说太多机密,只能尽力了。
咨询行业
咨询行业应该是跨度最大和浮夸风最严重的行业。 99%的人不学无术指望守株待兔(极少数可以忽悠点饭钱),0.99%的人靠硬关系帮政府或者大企业拉点皮条,0.01%的人是混到人精并在“痛苦地”赚钱。双引号里的形容词只有行内人才懂,不做解释。
在这里混到一定程度的人一般不怎么挂战略或者咨询的头衔,但是他们创造价值的方式可以说八仙过海各有神通。过硬的硬技能比如技术,管理策略,人脉,资源,黑产价值等等是外界人所能想象了解的,这里不加以赘述。下面谈一些切题的东西,因为行业面太宽水太深,个人经验仅供参考。
1.知识
你需要资本,你必须要通过已有的知识能赚到一些起步的钱才可以玩花样。空手道的年代已经过去了,资本是一个很大的门槛。外人以为做咨询行业不需要资本,其实都是错的,做的好的都是有钱。好比国外有一些名律师随时准备一些钱去趁火打劫,当然不是以自己的名义,但是背后大家都知晓怎么回事。
资本+技术+关系是现在的王道,关系还分软关系,硬关系。根据你认识人的性格特征关系带来的价值还不同。
你需要非常多的法律知识,政策还有相关案例的了解。比如说你如果和国有企业合作你必须要了解MBO,私有化等等基本的知识。如果你做贸易你要了解外汇和外贸的相关法律。
懂法之后就要会合理利用法。比如说上市公司老总公司上市后可以离婚而不用赔钱,因为美元资产要对应美国的法律,中国法院判赢了都没用。再比如古董等贵重物品,那个天价是具有战略意义的。一块百达翡丽,或者一颗价值上亿的珍贵祖母绿,背后都藏着非常千丝万缕的利益链。看问题足够深了之后就会明白其中的道理。
等你有了相关知识后,你的复杂问题就会简单化,很多问题直接迎刃而解了。
对于知识,自己领悟带来的很少,你只有不断跟不同的人学习才可以大量获取。不要带有任何歧视的眼光看待别人,无论对方是否比你有钱,是否比你成功,知识是无价的,不分贵贱的。
举例:此次回国上海行,霍炬跟我提到19号文和75号文的事情,回家一查,立刻看到商机,由于资金来源审查严格,没有机构可以批那么久的过桥贷款,美元基金大大受打压。国内一时人民币基金又起不来。于是各种擦边球地带的生意则红火了起来。结合一些其他资料比如地方政府招商引资给4%佣金的政策,国内对注资的管理不力,合同上可做的文章。境外资金流入和对冲成了一个非常好的商机。手上正好有FITRAC的资质,利用2家公司合理避税的情况进行搬运。
以上主要适用传统行业,如果是国内互联网咨询行业,目前不建议人从事,因为大环境还是处于无脑流砸钱洗钱的阶段,但是慢慢也往运用智慧上面发展。

2.思维方式
谈思维方式之前先谈一点谋略。在该张扬该谦逊的时候都不能相反地表现自己。具体表现在:套取情报,走灰色路线,以及成功雁过拔毛然后数钱的时候要绝对低调。再无懈可击的人也经不起算计。知乎上的网民应该常爱看方舟子打假,那是网上公开的半娱乐性质的东西,已经足见杀伤力了。更不要说现实中的抓小尾巴,搞小动作,玩举报这些。
该高调的时候则必须高调,关羽若不出战斩华雄,演义中的故事就会改写。
当你决定谋略方向后下一步就是思考,因为你必须根据所发生的事情情况变化来分析后才可以谈到执行。
任何时候思维的第一步是要护短,如同练武之人护命门。你可以不立功但是绝对不能犯错。没好好护短就会造成李开复罗永浩那样被攻击。那些还只是网上过家家的,现实中间可能就是致命的。
引用三国的故事,会护短的就是刘备。即使你有一身武艺,能砍倒他,但是还没等你动手,关二哥先一刀上来了。你想算计他,孔明会先一步把你识破了。项羽那样太依赖自身硬件的做法则不可取,因为你锋芒太露,难以护短。
第二部就是不要总是想着利益链,因为人不是棋子。上一步说命门,那么是人也都有命门。对于对方你可见的弱点,千万不要加以利用或者是试图攻克。你要用你的弱点去触碰,让对方没有防范之心,然后大家开心平等地合作。任何一个抓人短处然后高姿态和人谈判的人注定会失败,除非你已经可以摧枯拉朽式地击败对方。
第三部就是必须要逆向思维。马云的逆向思维理论其实就是博弈术的简化提炼。你永远不要以为你拿捏住对方了,而且不要用固定地眼光看待别人。多质疑自己,反驳自己,会避免翻船的局面。

3.训练方法
一定要找导师,然后跟着导师去混。无师自通是不可能的,无论你多么天才。
第一步先提升心理学的知识,通过跟人打交道来分析对方的行为和思路。同时必须要对自己第一次的分析做一个全盘否定的反驳,然后在这2者之间选取有用的价值。
例:你托一名退休干部找某建设局副局长谈一块地的用途。局长跟你说某块地属于新建的工业园区规划,当地村支书没有办法控制价格和使用期限。出来后你所托的退休干部跟你说能办但是需要办一点“其他事情”。那么你就要分析,是局长有这个权力但是故意给时间让老干部跟你谈谈,还是说老干部暗示让你知道需要更高级别的批示给当地村支书,对方让你先缴械,别抖机灵,不然规划批了但水电不接上,你可能还是玩完。以上2个可能之外还有若干不同的可能。你要分析所有的可能,并且顺着这个可能去爬,往往走错一步,说错一句话,你就会失败。
避免犯错就是要察言观色,分析对方的特征。你依托的人也是血肉之躯普通人一个,也有七情六欲。当你跟对方不是硬关系的时候要把对方彻底分析透,而你分析透了之后,就用平常心平等和其交往就可以了。
交往过后还不能将自己所谓的人脉作为资源进行转换,在未来联系中你进一步提升自己,并预防别人掉链子。
第二步是往失败的方向去绕自己,多研究如何可以失败而不是如何可以成功。金主通常是不见兔子不撒鹰的。你将失败的路堵得封得差不多的时候才可以引金主出来,不然对方可能以会缩头导致你什么都捞不到。咨询不是靠忽悠,你要有足够的硬件和抗击打能力,不然上面抓得再牢,下盘空空,别人一个扫堂腿你就倒了。你认识再多牛人都不好使。
差不多写到这里吧,不能写太多灰色的东西,内容比较空洞,有兴趣可以私信切磋。

五.maggie(安全行业)
这真是个令人眼前一亮的好问题,只是本人知识浅薄,说点不专业的。

画素描和水粉的时候,从简到繁,先是景物的形,然后是层层丰富渲染,任何时候,画都有整体感和美感。先有整体再有局部,能够时时审视和修正,不容易偏离本来的方向。另外,从开始就构建了完整的形,任何时候看都是完整的,只是开始粗放,后来细致,这样做画很容易获得成就感

画国画考验基本功,平时在草纸上反复练习,做画时,先有腹稿,落到纸上从上到下,从左至右,一气呵成,所谓胸有成竹。画坏了只能重来,没有后悔的机会。机会只给有准备的人的,而人一生中也就只有几次重要的机会。

烹饪时要做出健康美味,要熟悉食材的四性、五味和五色,主料辅以佐料,互补搭配,掌握火候,才能成一盘营养好菜。这和用人有异曲同工之妙。

程序设计领域,UML的需求分析方法中,把系统当作一个黑盒来研究,先定义系统的边界,再寻找角色和用例,用例表达了这个系统对外部可见的行为。这种分析方法能够简化问题,理清纷乱的关系,容易找到问题的本质。

项目管理的WBS任务分解,是根据项目目标把工作分解成许多层次分明的、可交付的工作任务。它是按层次分解的,先定义大阶段或大目标,然后逐层分解细化。随着分解层数的深入,定义的项目任务就越来越详细和具体。WBS使得我们能对每个工作包的资源分配、交付物、交付期都心中有数。这种工作方法适合做估算

 六.邹日佳哥伦比亚大学统计硕士一年级生)

说个可能有些偏门的领域,但也属于统计的范畴。
最近在修习法学统计,这个领域是主要用来初步甄别罪犯的。
具体的有:膛线痕检查,DNA检测,纤维检测,玻璃检测。可以说对法律案件给予数据支持的这么一项学科。

这里要讲的其实是三水哥的MECE,许多情况下,我们都往往关注与CE,为了保证有充分的证据,却往往忽略了ME,造成了非常大的损失。
曾经有两个例子,是非常让人遗憾的。
在1960年左右,有个Collins的案例。一个witness声称他看到了一桩抢劫案。抢劫者是一名白人女性,有金色马尾,穿着黑衣服,进了一辆黄颜色的汽车,这辆汽车是由一个男性黑人开的,这个黑人有胡须有髭。
于是乎警察逮捕了Collins以及他的女朋友,他们满足上述描述
于是就有一个数学家来帮忙,检方给了当时洛杉矶的一组数据:
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
于是这个人将这些概率相乘,得到结论是这个match probability 是 1 in 12 million.
显而易见,上面的这些有高度的相关性,不能简单相乘来说明。
但是当时的Collins和他的女朋友就被定了有罪。好在后来到了加州高法(Superme court of California) 的时候,把案子给翻了过来。不过不是因为数学的问题,是Prosecutor&# 39;s fallacy,统计学家是不能说人有罪还是无罪的。
还有一个例子是1998年的Sally Clark
Sally Clark 被认为杀害了她自己的两个婴儿,其实是死于SIDS(Sudden Infant Death Syndrome).
非常遗憾的是,一个专家认为一个婴儿死于SIDS的几率是1 in 8500.于是他平方了一下,得到两个孩子死于一个家庭的概率是1 in 73 million,于是被人为有罪。虽然之后案子被翻了过来,但是这个创伤实在太大,精神失常并死于酒精中毒。
显然这个概率不是相乘那么简单,生了一个SIDS的婴儿之后再生一个SIDS的婴儿不是简单的平方。第二个婴儿的SIDS的概率要比平常的要大。
其实这俩个案子都是想说,不论是怎样的专家,都有可能忽略了几件事的相互的联系。就是平常的做一个决定也好,我们也会往往用许多个方面的理由来支持这个决定。不多说,就像三水哥提的MECE一样。有些时候ME其实更重要,因为在自己为了证明这个决定是正确的时候,我们往往会把CE发挥的淋漓尽致,而往往忽略了ME

其实,还想再谈谈Prosecutor   Fallacy 的一点.
有的时候会下意识的说,【如果要是另外一个人干的这件事情,那么这个证据就几乎不可能在这儿了】于是乎给出了P(Evidence  Innocense)的概率(比如说是1/n),于是乎说这个人无罪的可能性是1/n。
这是一个常见的错误,错误在我们要证明的是Innocense,要找的应该是P(Innocense Evidence),而并不是倒过来。这俩个概率很有可能会是不一样的,熟悉贝叶斯的朋友就知道。
在生活中其实更会遇到这种情况,其实换一种思路往往能更容易较为全面地镇定地思考。
比如说有人可能得知自己的男朋友去跟别的女生去音乐节,会很生气,觉得如果他要是爱自己应该不会去跟别的女生去音乐节,于是就纠结起来。这就是常见的寻找了 P(男朋友跟别的女生看音乐节|男朋友爱自己)的概率。不如反过来想,想想 P(男朋友爱自己|男朋友跟别的女生看音乐节),这样你就更容易地联想到你的男性朋友也约过你看音乐节,虽然他也很爱他的老婆。就更容易地联想到可能是你们俩音乐喜好类型不相投,你喜欢摇滚,他喜欢小清新。
再举个更广义的例子来讲,比如一家公司现在要执行两个决策的其中一个,调查了先前其他相似的公司的决策,我们可能绘制出来下表
决策X    决策Y
成功 a    b
失败 c    d
我们往往可能会这样讲,成功的几家公司里有a家做了决策X,b家做了决策Y,做决策Y的人大于做决策X的人很多(i.e. b/(a+b) 很大),所以我们应该做决策Y。
这样的描述口头讨论的情况下可能更多,而且也更具有迷惑性。人们往往不去寻找失败的资料,从而单独拿a,b来说事情。试想,如果我要跟你说,成功的公司里有90%都做了这个决策而没有做那个,你是不是就心动了?
上述其实找的是P(决策X|成功),P(决策Y|成功)。而我们要找的应该是P(成功|决策X)以及P(成功|决策Y),正确的做法应该是在做了决策X公司里寻找多少成功(a/(a+c))。在做了决策Y的公司里寻找多少成功(b/(b+d))。成功的公司做决策X少,可能只是做决策X的公司少(不论成功与失败)而已。相比较之下,如果c远远小于d,我们应该更倾向于做决策

失败的(cd)总是容易被忽略的,其实他们是非常重要的。

七.莫阳(一个移动互联网)
读博士时候是学微电子的,导师是个意大利人,很牛,只发了几篇文章就拿到了教授(与国内是反差啊,霍金也不过发了一篇文章,只不过那篇被誉为70年以来最牛的文章)。

刚开始是读博选题阶段,一次Group喝茶,我趁机问他,老师,您看选什么题比较好。潜台词是“选啥比较好毕业”。他却说,你不如去研究一下晶体管吧。我一脸苦相说,“晶体管从发明到现在,多少博士教授研究过了,Paper都上十万了,我不认为还有什么可以突破了”。导师突然很生气的当着众人的面批评到:“你这样是最不可取的学术态度,你以为我们什么都搞懂了吗?”

后来我就真的去研究了晶体管,运气不错,找到一点可研究的东西。论文答辩的时候,裁判教授最后合上我的论文,说,“你这个研究值得发表”。那个内牛满面啊!

有时候,做研究,不用去刻意追新追奇,可能精彩的就在我们所认为最熟知的地方。

八.孙文亮(笔下虽有千言,胸中实无一策)
数学和计算机编程里经常用到一种方法叫做分治法。
分治法的设计思想是,将一个难以直接解决的大问题,分割成一些规模较小的相同问题,以便各个击破,分而治之
遇到复杂的数学难题,就往往采用延伸、分解的思路,把一个复杂难题分解成为各种小的证明或计算,然后逐一攻克。常见的例如不定积分求解,往往利用分部积分法分解,逐项求解。
计算机排序算法中,分治排序如快速排序、归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问题分散成小的排序。

生活中分治法主要解决的问题:
遇到困难犹豫不前。困难制约因素多,怎么看都是mission impossible。这时候就分解成个小问题,然后再分解成更小的,逐一解决。这样就可以大大减少放弃的情况。
另外如果是必须要做的事情,最终被逼无奈经常就会采用分治法。养成主动去分解问题的习惯,可以更快入手。

限制主要在于:分解问题的能力。这个完全可以锻炼出来,分解多了就成了习惯,遇到问题就如庖丁解牛一般分而治之。核心就是让分解的行为从被动变主动。

九.张亮(耐心是美德)
说一个吧。
很多人不相信互联网创业领域是一分耕耘一分收获的。

大家似乎更愿意相信,Google、Amazon、Facebook 们是天外飞仙,连腾讯、百度都是祖坟冒青烟的产物。

但就我们的工作所见所闻,创业是一件一分耕耘一分收获,你积累什么,你投入多少,最终会有相应的结果。我们见过的多数创业者,并不是运气不好或者缺乏背景,而是不足够努力,没把事情想明白,没有执行到位,诸如此类……

所以,当你认为投资人或市场是傻子的时候,还是先埋头工作吧。

十.GentleYang 杨振涛(生物信息 互联网 数据可视化)
感谢没人邀请 🙂
一个计算数学和计算机背景、从事基因序列数据分析和互联网应用(B2C,移动)开发的人!

-这个问题让我有一种身处quora的感觉!

-跨界是一个非常不错的方向,不只是在工作,在生活中,跨界经常会给你很多意外的收获!

-我的简单想法:
·我算是个非常普通的农村长大然后读大学然后在城市生活的人,然后我主修的计算数学和计算机软件,辅修的生物信息学; 我对数学,IT 尤其是生命科学很有兴趣。
·从数学比较理性的角度,我们深知做出一个足够科学合理的决策或选择是需要成本和代价的;同时,因为对心理学社会学及其他知识的粗浅了解,我很认同“环境以及主观因素对人的影响极其大”这种观点。也就是说,在大多数时候我们都带着强烈的感情色彩和主观偏好性以及个体价值倾向来做决策和选择 - 这也符合人们在社会中的诉求,但矛盾的是人们同时希望自己的决策和选择是尽可能接近绝对合理和科学的 。 所以,我个人在实践中,一般是将面对的问题简单化,然后识别出主次要部分,然后量化地去权衡;但这并不表示我买一个冰箱的时候,要对多个决策目标使用层次分析法来计算 --- 仅仅是对我的处事风格和解决问题方式有一些影响。
·典型的几个容易被误解或错用的知识,
# 比如:人们在沟通中经常把充分条件或必要条件等同于充要条件,从而引发各种误会甚至争论吵架。
#又比如,人们在多目标决策中,经常会忽略一致性检验,具体:当你关注的目标超过7个时,人们可能会给出与自己前述答案完全相反的结论,也就是自我矛盾,但这时人们并不自知。
#再比如人们对数论相关的各种争论和误会:一般人不太清楚可数和不可数的概念区别,所以如果你问他:是0-1之间的数多呢,还是1-无穷大 之间的数多? 很多人都会迷茫,比如0-1之间的每一个数的倒数都可以映射到1-无穷大啊,是不是一样多啊。 那你又问他:0-1时间的数多呢,还是1-2之间的数多呢? 他又迷茫,刚才好像答错了。。。最后他自己也搞不清楚了 。[有朋友对这个比较有兴趣,建议阅读“连续统的不可数性”

再补充一个问题:关于三大论的,系统论,控制论,信息论。
#不是所有理工科的人都知道三大论,知道也不一定学习,学习也不一定深究。不过在我看来,理工科的人都应该去了解一下;这些理论知识非常有助于你的思维方式,让你尽可能考虑科学的方法方式,而不是凭感觉拍脑袋等。
#钱学森,大多人可能知道他的一些牛X贡献,部分人可能还知道除了火箭他还研究经济学等,看似不搭嘎,实则大道至简:他真正牛X的就是在系统工程方面的研究和贡献,极大地推动了国内在系统科学方面的发展。
#信息论,大多数人都知道Shannon,实际上信息论是非常重要的基础理论, 尤其在信息时代 ;做统计和数据分析的,大多会知道信息熵,这些相关的内容和方法都来自信息论! 信息熵可以简单粗暴地认为就是一个对信息的度量单位和工具! ... 打住吧,说起来没完了,犹如吹牛般...

·又补充一个:条理性
#至少对于大多数人在学习和生活中,条理性可以极大地提高效率;
#条理性让你在学生时代会脱颖而出:小学和中学阶段的大部分知识,条理性极强,甚至对于零散的知识只要善于总结也可以条理化; 这就是我在某些阶段学习成绩还不差的唯一法宝,尽管别人看来我不是个好学和勤奋的人,但成绩不差(有事没事还来个名列前茅);
#条理性让你会主动去了解和学习 GTD 之类的相关内容,让你关注效率等,对生活和工作都很有益。
#条理性也有弊端:比如一些人因此会变得不擅长写文章不擅长比较文学和文艺方面的事情(只是一些人,不是所有)。 他们就算写文章,也是1,2,3,A,B,C这样罗列,层次分明,无法接受一锅煮;这个类型的LEADER也无法接受下属提交的密密麻麻一堆文字的文案或报告...
生命科学,让人们认知生命及其在自然中的存;而数学,让人们在另一个层次认识自己和所在的环境。二者都是认知,但对人的影响则非常不同



发表评论

*

*