如何在新经济形势下成为赢家
领域的个中翘楚。在数字鸿沟不断扩大的当下,有什么窍门能够为进入此类有利领域提供助力?我认为如下两种核心能力
是关键。
迅速掌握复杂工具的能力
在工作质量和速度方面都达到精英层次的能力
我们先来探讨一下第一种能力。开始之前先要提醒一下,像推特和iPhone一类用户友好型的傻瓜科技已经把我们
惯坏了。然而这些只能算作消费品,根本谈不上真正的工具:引导大重组的智能机器大多数都非常复杂,很难理解和掌握。
回想一下我们在前文中举例靠熟练掌握复杂科技而取得成功时提到的内特·西尔弗。如果我们深入发掘一下他使用的
方法,就会发现生成数据驱动的选举结果预测并不像在搜索框中输入“谁将获得更多选票?”那么简单。实际上他汇集了一个
大型民调结果数据库(从250个民意调查机构处获取的数千项民意调查结果),然后输入到Stata软件中
(Stata是一种很流行的数据分析系统,由一家名为StataCorp的公司研发)。此类工具并不容易掌握,比如,
想要利用类似西尔弗使用的现代数据库工作,你就需要理解下面一类命令:
CREATE VIEW cities AS SELECT name,population,altitude
FROM capitals UNION SELECT name,population,altitude
FROM non_capitals;
此类数据库汇编成一种语言,称作SQL。你利用如上所列的命令与数据库中储存的信息进行交流。想要操控此类数据库
是一项非常精深的工作。比如上面一条命令会创建一种“视图”:一种从现有多种表中选取汇集数据的虚拟数据库表,该表
可成为标准表利用SQL核心进行基元处理。何时创建视图,如何熟练创建视图是个很微妙的问题,如果想要在现实世界的
数据库中梳理出理性的结果,你需要理解和掌握的事情很多,上述便是其中一例。
我们还继续分析内特·西尔弗的例子,思考一下他依赖的另一项科技:Stata。这是一种非常强大的工具,不可能
靠着本能随便动动脑就学会。比如下面一段话描述的是这种软件最新版本的一些新特性:“Stata13加入了很多新
特性,比如处理效果、多层广义线性模型(GLM)、检验效能和样本数、广义结构方程模型(SEM),预测、效应值、
项目管理器、、长字符串和BLOBs(二进制大对象)以及其他很多。”西尔弗利用此类复杂的软件(包含广义结构方程
模型和BLOBs)创建复杂的模型,内含各种互相联系的部分:比如自定义参数的多元线性回归,就可以在概率算式中
用来做顾客权重参考,等等。
这些细节旨在强调智能机器的复杂性是难以掌握的。因此,要想较好地运用这些机器,你就要培养出掌握复杂事物的
能力。而且由于这些科技变化很快,掌握复杂事物的过程便永远不会结束:你必须能够快速完成,一次又一次。
当然,这种迅速掌握复杂事物的能力并不仅仅是能熟练运用智能机器所必需的;基本上也是想要成为任何领域的超级
明星的关键因素,即便是与科技关联性很小的领域。比如,想要成为一名世界级的瑜伽训练师,就要求你掌握愈发复杂的身体
技能组合。再举一个例子,想要在某个特定的医学领域取得成功,就要求你能快速掌握相关程序的最新研究成果。用更简洁的
语言总结这些观察结果就是:如果你无法学习,就无法成功。
现在思考之前所提的第二项核心能力:达到精英水平。如果你想成为领域中的翘楚,掌握相关技能是必需的,但并不够。
之后你必须将潜能转化成人们珍视的实在成果。比如,很多程序员对编程都很在行,但是我此前举例的超级明星大卫·汉森能
利用这种能力创造出Ruby on Rails,正是这个项目为他带来了声誉。Ruby on Rails要求汉森将
他当前的技能推向极限,创造出实在的价值和成果。
这种产出的能力同时也适用于以掌握智能机器为目标的人。对于内特·西尔弗而言,学会如何掌握大型数据组合和进行
数据分析并不够;他还需要证明自己能够利用这种技能,从这些机器中提取大众关注的信息。西尔弗在棒球资料
(Baseball Prospectus) 工作期间与很多数据极客共事过,但是只有他努力将这些技能加以调整,
用于全新的、更有利可图的选举预测领域。由此我们总结出想要加入当前经济形势下赢家群体的另一项要点:如果你不产出,
就不会成功,不管你的技艺多么纯熟,天资多么聪颖。
我们已经列出两种在当今这个由科技分化的新世界里获得成功的能力,现在可以提一个显而易见的后续问题:如何才能
培养出这些核心能力?讲到这里,我们便触及了本书的核心主题:上文阐述的两种核心能力依赖于你进行深度工作的能力。
如果你没有掌握这项基本能力,想要学习艰涩的知识或达到精英水平就会很挣扎。
这些能力对于深度工作的依赖性并非即时显现的,这要求我们更深入地探究与学习、专注和生产力相关的科学。接下来的
章节将做深入探究,使深度工作和经济成功之间的这种联系为你转变——从意料之外到无懈可击。