Meetup memo

Meetup memo

接连两三天和好几个朋友做了长时间的交谈。内容很多,每一个小的方向都可以引申开来做细致讨论。但确实吸收的内容太多了,而精力又过于有限。害怕忘掉,先依靠自己的记忆碎片做一些记录。

1、关键是是否有技术洞见,从而找到合适的项目去练兵。而不是盲目地去做自己不擅长的项目,以此期望实现间接练兵的效果。这同样是思维的懒惰和不合逻辑的操作。

例如,在那篇批判腾讯技术栈的文章里,作者提到了腾讯不应该抛弃搜索和电商业务,以便维护一个练兵的项目去跟进云计算等最新技术。

跟进最新技术是对的,可是项目选择上还是不应该不加考量。应用云计算等前沿技术的项目有很多,可是,为什么一定要去发展自己不擅长的业务,为什么不能够为自己的能力圈添砖加瓦?!

这就是战略上的懒惰。

 

2、Tencent这边的主营收益是游戏而不是广告,这就决定了它的核心收益是由运营而不是由技术支撑的。阿里这边对标amazon,且电商行业的核心收益必须依靠技术的牢实。Tencent对标Facebook,可尴尬的是Facebook的主营收益是广告,它需要最厉害的AI来支撑这一块收益,所以投入当然巨大、不菲。但Tencent没有这样的欲求,它只需要做好游戏的运营就可以了。

所以,你要想在技术上有长久的建设,你必须观察的点是:这个行业的核心收益与你想要发展的技术行业有多大的相关性?!

为什么Facebook和Google的AI投入会那么大?你以为是在做公益么?Nope,这是假象。真正的原因是这两家大厂的核心收益,可以在AI的辅助下呈指数型的增长。而这个也间接地说明了,在目前这个时间节点上,AI的真正落地点是营销行业,而别的都是扯淡。关键点就在于,你的收益的80%的增长,是不是都来自于AI技术的贡献?!

所以,这是一个大的trick或者分析框架:

  • 你所在的公司,它的核心收益是什么?依靠的技能又是什么?
  • 你想要获得的技术技能,它的应用场景是什么?它能为哪个环节、哪个点贡献核心收益,或者说核心增长?

你必须把上面两个问题回到到位了,才可以做出正确的判断和未来规划。

 

3、你的饭碗,决定了你这个人自身的资源分配。如果你的饭碗,无法一直逼迫你去思考、去学习、去以open mind的方式做开拓,一个必然的结果是你的这些技能就会消失、会削弱。

所以,你在做职业规划的时候,不能单纯地考虑市场占有率和薪水,你还得考虑这个职位对“你这个人”的素质、能力有多少的促进、刺激和倒逼式的贡献。后者其实是你这个人的生存能力。

因为你永远没办法保证一个行业会基业长青,你只能是迎接变化。

【所以为什么求职、跳槽面试总是给人极大的压力?!因为它会直接挑战你的生存底线、挑战你的生存能力。它们是真的行业坍塌时,你会直面的残酷现实。

这是关乎饭碗的问题,对任何人来讲都不是件容易的事,进而也就不可能有一个通用性的方法去解决它。

所以,你最好是用更加实用主义的方式,通过大量的主动练习,通过大量的练习数据早日摸清楚它的逻辑、总结出自己的应对规律,才不会在真正的行业坍塌时,被挑战生存的底线。】

而是否具备迎接变化的能力,变取决于你的这些基本的“生存能力”是否够强、是否牢实。

 

4、从互联网产业开始,一个很有挑战的事情是:你很难区分那些表面相同的东西。雷同的UI设计、不怎么出彩的网页风格、low到爆的运营方式,都仅仅是表象。为何它能够起作用?为何不同的公司在同一个进入切口会有不同的表现?(例如手机预装App会有入口,但却从来没有被使用,这是场景的问题)原因就在于,在同一个地方其实复合了多层次的抽象概念,每一级的抽象概念都是一个产业的细分。你能否先认清楚这些不同,进而在精心打磨好这个不同,变得极富挑战。

“网红”就是这么一个粗糙的接口,集合了KOL、直播的营销人员、对用户真实需求的洞见、对用户需求的深入分析等好几个角色。表面上,这是一个人的事情,简简单单地在视频面前搔首弄姿,又或是在文章里写各种鸡汤文。但实际是,这就好比是一个App的产出,表面上就是这么一个小方块,没啥了不起的。可它背后的服务集群、各种类别的复杂技术栈、大批量的运营人员、一大波的数据分析师,是无法从这个小小的App方块看得出来的。

怎么办?格物致知,使劲儿地、玩儿命地看这个App小方块么?!

同样的,你要分析一个行业、要去对这个行业的财报、数据做深入、做统计分析,怎么办?顶着这个数据使劲儿地看么?!

我想,处理方法是一样的,你需要更深入、更细致地先了解清楚:

  • 这个行业、这个产品到底干了件什么事情?
  • 为了干成这件事情,需要哪些行为、技能、组织的支撑?
  • 为了实践这个组织体系,需要关注哪些东西?又是在以什么方式在落地?

也即是,“数据分析”本身其实和解数学题一样,是最后一步才该落实的事情。在此之前,你需要先弄清楚它的定义、它的motivation。你必须要先准确地表述清楚你的研究对象是什么,才有资格去谈你想如何去改进这个研究对象。

所以,从这个角度来讲,做数据分析、商业分析之前,你需要大量地阅读文字材料,先力求可以准确地刻画出研究对象。这些文字材料,应该由粗到精、由浅入深,先通过报道抓住框架大概,然后再层层深入。

在没有调查清楚研究对象、business对象之前,任何的数据分析和观点陈述都是没有意义的。这部分的核心能力,是journalist的强项——通过细密的文本,运用精密的逻辑做梳理。普通的理科人,没办法做第一步,面对文字材料,其理解总是流于表面或者产生抗拒,认为那不过是一堆废纸、都是官僚作风的体现。而事实上,文本是另一种形式的数据呈现,你需要自己去根据业务抽取出核心数据。进而,才能够运用理科的核心技能,逻辑分析,去做严密的分析和挖掘。

了解清楚这些之后,你便可以开始数据分析。你会因为你的需求而挑选不同的统计模型和统计方法,然后去“找需要的数据”而不是从“数据里找需要”。进而,你的数据分析才是有本之木、有源之水,才能够自然而然地做生长。

先把这个小环节做好、不断地操练,然后就应该可以入门数据分析。

 

5、腾讯为什么在今年突然地由赞美变成批判,一个重要的原因当然是股价下跌,即便是因为版号这样的非主观问题。

这里的逻辑是:盛世之下,没人会去关心你的阴影部分。而当盛世过去,人们便会去开始留意、观察阴影下面的细节。原来才发现,这里是个洞、那里是个洞,到处都是洞。

所以,虽然今年并不是因为自身原因而出现盈利的下降,但它会让人有更为充足的理由和好奇心去关心阴影部分的细节。

谁都会有阴影部分,但大众的导向,却可以被盛世所操作。所以:

  • 良好的盈利,就是那层“表”,那层可以绷着的脸面。这层颜面,可以遮羞、可以遮丑,可以挡住世人的舆论。
  • 谁都有阴影,要想深入了解,你就必须有能力在盛世之下,看到一个组织、一个人阴影部分的细节。

 

6、美国宗教衍生出的教会、社区关系(例如不可以单独把小孩留在家里,所以不得不托付给邻居照看)的互助,是如同职场一般的高耦合绑定关系。他给了每一个人更加严肃的生活关系,会造成更加高昂的舆论关系,进而提高了犯罪成本,也促进了婚姻关系的保守,不敢轻易乱来。

【法律强制性地让每一个个体,必须依赖于你周围的人,则就促进了每个个体同周围的连接和关系绑定。】

而中国社会中的关系,则要轻松得多,没有那么强的绑定关系(而之前的农村关系则不是,现在的高楼大厦尤其是)。再加上金钱至上的逻辑关系,你的出轨也好、你的胡作非为也罢,只要有“高收入”这块遮羞布,一切都不是问题。

 

 

 

近期回顾

为什么程序员需要知道互联网行业发展史
是大家突然变low了吗?
至暗时刻

 

如果你喜欢我的文章或分享,请长按下面的二维码关注我的微信公众号,谢谢!

 

更多信息交流和观点分享,可加入知识星球:

发表评论