人力资源行业文章

人力资源管理软件干货分享:如何在几天时间内快速理解一个陌生行业?

发布于 2020-12-24 9:05:41   阅读次数:


1/5

如何快速学习陌生行业的知识

从去年开始,我成为了一名职业投资者,它跟业余投资有一个很大的不同。

 

业余投资的资金量少,我只需要投资我过去很熟悉的几个行业就够了,最多再加上几个比较容易理解的消费品行业的上市公司。

 

但职业投资者因为操作资金量大,收益要求更高,且要求回撤少收益稳定,必须理解更多的行业。

 

比如你要投资苹果产业链的公司,除了通用的投资知识之外,你还要知道手机产业链的分工,关键部件的技术现状,如果你投资的是医药股,那基本上时时刻刻准备着百度一下。

 

投资这个职业对于新知识的学习能力要求很高,它的要求并不是科普型的“懂”,而是判断价值。

 

比如说PD-1,作为科普,你只需要理解它的药理机制就行了。但作为投资,你还要能判断技术未来的发展方向,这个赛道上哪些公司更具备优势,还要能定量的研究,这些新药将为这些公司带来多大的价值。

 

而且,这些新知识,你必须在非常短的时间内掌握,因为马上又有新的机会了。

 

事实上,不光是投资领域,越来越多的职业需要你能在很短的时间内掌握一门新的学科,比如我之前在银行做信贷,经常到企业实地调研,如果不懂这些行业,很容易被骗;后来做营销咨询,和电商运营,也要能在最短的时间内快速理解客户的产品和所在的行业。

 

学习陌生行业的新知识,不可能也没有必要像专业人士那样学习,最常用的方法,以前叫“触类旁通”,现在叫“知识迁移”,即把陌生领域的知识跟你之前所熟悉行业的知识框架进行比较,找到相同的因素,比如成份、知识结构、或者同样的分析过程,以帮助学习。

 

更重要的是,知识迁移也是创新性很强的工作的重要方法。

 

2/5

知识的广度与深度,哪一个更重要?

狭义的知识迁移几乎是学习的唯一的方法,比如我们学习英语语法时,总是先看一看语法现象(单数变复数),从这个现象中总结语法规则(复数规则),最后经过练习就把任意新的单数名词变成复数。

 

可以说,学习的本质就是知识迁移,只是大部分知识迁移都是发生在同一个专业内。随着知识储备量的增长,更多的知识迁移发生在专业与专业之间,就是本文所说的广义的、跨行业的知识迁移。

 

比如获2002年诺贝尔经济学奖的是一位心理学家丹尼尔· 卡尼曼,他把心理学的研究“迁移”到了经济学领域,并创造了一个新的经济学分支——行为经济学。

 

我以前认识一位编剧朋友,后来他成为职业生涯规划的网络大V,他最擅长的是做面试辅导,而这两个看似不相干的职业有一项共同的能力——讲故事。

 

具备跨行业知识迁移能力的人,其知识面必然横跨不同领域,而这就面对着一个矛盾,在有限的生命里,人的知识应该更广博还是应该更专精?

 

在网络时代之前,这个问题的答案更倾向于后者。知识在书本上,只有少数行业内的人士才能掌握,大部分人终其一生才能把本专业的知识从书本上搬到大脑里。所以,以前的工作很少要求跨专业的知识迁移能力。

 

但到了网络时代,知识触手可“搜”,你并不需要把这些知识都装到大脑里。专业学习的作用变成了建立知识架构,让你知道在这个系统中,某个知识所在的位置,以及知识与知识的联系,一旦用到,你便可轻易地搜索并理解相关专业知识。

 

这就让普通人有更多的时间涉猎多个领域,从而有可能进行“跨专业的知识迁移”。

 

而且,现代职业大多需要复合多个专业,也更需要知识迁移的能力。比如营销传播,可以说是商业与心理学的结合,如果只是从营销专业内理解营销,你很容易达到知识瓶颈,想要打破天花板,你必须跳出来,跳到上一级学科,从商业或心理学中进行“知识迁移”。

 

只不过,很多人还停留在功利式学习,每学习一件新事物,都要经受灵魂拷问:学了这个有什么用?

 

从知识迁移的角度来看,这个问题的答案很明显:到了有用的时候,自然有用,在它有用之前,你永远不会知道学它有什么用。

 

更何况,就算最后还是没用,无非就是浪费一点时间——如果你真心喜欢,那也谈不上浪费时间。

 

当然,跨领域的知识只是“知识迁移”的前提,“知识迁移”很少自发产生,就像面粉不会自动变成面包。

 

如果把“知识迁移”类比于通信中“编码”与“解码”,你还需要另外两项能力。

 

3/5

旧知识的“编码”

大部分人在本职工作之外,都有一两个爱好,可工作的知识和爱好的知识之间,几乎很少发生交集。

 

如果没有合理的方法,知识迁移只是一种非常偶然的现象。

 

这一点跟行业内的知识迁移不同,你是一名销售,掌握了几个典型类别的客户特征后,只要有基本的思考能力,自然能将“有效客户”的特征迁移到大部分客户身上。

 

想要提高跨行业的知识迁移能力,我们还需要培养从现象中抽象出事物发展本质的能力。

 

“爱迪生效应”为例。爱迪生团队在提高灯丝寿命的实验中,试着在碳丝附近安装了一小截铜丝,希望能阻止碳丝蒸发。虽然实验失败了,但工程师却汇报了一件古怪的事,没有连接在电路里的铜丝,却产生了微弱的电流。

 

爱迪生立刻敏锐地意识到它的价值——或者我们可以用这个现象发明出一个新的电流表。

 

但很快,爱迪生将其注册专利后便束之高阁。因为他觉得人们并不需要新的电流表。

 

直到十几年后,英国物理学家弗莱明在发明信号传递放大装置时,想到了“爱迪生效应”,发明了世界上第一支电子二极管,开创了一门新的工业体系——电子工业。

 

“发明之父”爱迪生居然与这项伟大的发明失之交臂,正是因为他是一个标准的“民科”,他不懂物理理论,也就无法从“爱迪生效应”这个现象中提炼出本质。

 

所以知识迁移的第二个条件是对知识内在逻辑的认知。不光要知道这条知识,更要理解这个知识为什么会出现?在什么前提下成立?它有什么内在规律?有什么外延?

 

当然“知识迁移”的“编码”是顺着知识下来的,相对比较容易,更困难的是“解码”,因为你根本不知道密码是什么?

 

4/5

提出问题的能力

跨行业的知识迁移并不是一种高效的学习方法,因为你不知道眼前的任务应该“迁移”什么知识,如果一个一个的寻找,那太花时间了。

 

那位改行做面试顾问的朋友,如果他改行做了厨师,这个编故事的能力就用不上了,如果他在做面试顾问之前,涉猎非常广泛,那么他也可能根本想不到要“迁移”他只是略知一二的编剧理论。

 

大量的知识,在没有找到一个好问题之前都是“无用的知识”,换言之,你只有对眼前的任务提出一个好问题,对应的“无用的知识”才能变成有用的答案。

 

“知识迁移”常常是一个先有答案,后有问题的学习过程,可提出好问题的能力,常常比找到好答案更难。

 

埃隆·马斯克不是第一个研究电动车的人,很多人也比他有更多的造汽车的经验,但马斯克是一个擅长提出好问题的人,所以他先找到了好答案。

 

电动车和传统汽车最大的区别是笨重的电池,所以每一个研究电动车的人都在解决电池重量和续航的问题。但这不是一个好问题,因为它直接把电动车的问题甩给了电池工业,然后汽车巨头们就可以在一旁等答案。

 

马斯克不喜欢等,他在思考另一个问题:除了汽车内燃机变成了电池和电动机之外,电动车还有什么不同吗?

 

之所以说,这就是一个好问题,并不是这个问题本身的价值高,而是因为它有一个好答案,这个答案出现了“知识迁移”。

 

汽车内燃机变成了电池和电动机,电线取代了以前的齿轮传动轴这些机械部件,这么一来,传统汽车的原子传动就变成了电路板与电线里的电子传动,汽车工业 的核心环节就被改造成了电子工业。

 

如果上面的描述还是太学科化的话,更直白的表达方式是:电动车不是在电动汽车上装一台电子显示屏,而是为手机装上轮子,是一台假装成汽车的电脑。

 

如果你想像不出“假装成汽车的电脑”跟传统的汽车有什么不同,那么更直白的场景是:传统汽车的维修需要你把车开到4S店,未来,电动汽车的大部分故障都可以用软件升级的方式去解决,或者——试着重启一下?

 

现代社会,几乎所有的创新,其原点都是通过“知识迁移”的方式得到的。

 

特斯拉并没有很好的解决续航的问题,但它解决了另一个更重要的问题——它重新定义了汽车。

 

5/5

重新定义知识

总结一下前面说的“知识迁移”的三个过程:

 

一、储备:丰富的跨领域知识

 

二、编码:习惯于总结事件的本质

 

三、解码:从多个角度对当前任务提出各种可能的问题

 

“知识迁移”并不是一个100%会成功的方法,可一旦成功,它创造的价值远远超越常规的工作和学习方法。

 

所以我们对知识的理解也会跟过去有很大不同:

 

1、出于兴趣而学习的“无用的知识”,将发挥越来越重要的作用

 

2、学习不是为了掌握知识,而是形成思考方法和建立知识结构。

 

3、学知识不要怕忘,重要的是记得自己曾经学过,并知道如何唤醒记忆。

 

4、养成学习陌生学科知识的习惯,提高快速学习陌生知识的能力。

 

5、在搜索时代,“不知道”并不可怕,不知道自己“不知道什么”,才可怕。而那些只知道一两个专业的知识的人,更容易成为后者。


本文摘自互联网

相关文章
集团企业的典型客户