數據科學家們的無知困境:只會 coding ,卻忘記用更大的格局思考問題

【我們為什麼挑選這篇文章】

這篇文章將「大格局思考」用心理學的角度來解釋,但簡單來說就是你能不能跳脫現在的視角,往後想到更遠的未來,或者是從事情的表面往下挖掘,找出「為什麼」的根源。以數據學家為例,只著重在 coding,卻對「為什麼這個結果發生」無法回答,就等於只做了表面功夫而已啊。

(責任編輯:謝秉芸)

 

作者:J 博士

數據科學家的煩惱

今年四月,J 博士成為了一家大數據諮詢公司的分析師(準確地說這一行叫業務分析,行業內的人喜歡稱為自己為「數據科學家」),從事著技術感十足的大數據分析工作,這對於長期浸淫商學院的我簡直是一次前所未有的體驗。在自己經歷的各類企業諮詢項目中,在這裡我第一次需要通過複雜的數學公式和成百上千行的程序代碼分析各類商業問題,也就是說,玩玩電子表格或畫畫 PPT 就能解決問題的日子一去不復返了。

起初來到這家公司,除了認為大數據分析是一個代表未來的行業外,更重要的原因是自己感覺編寫程序這件事很酷,畢竟身邊的小夥伴基本投身了金融和諮詢行業,我為何不學點他們聽不懂的算法和程式代碼,然後在聊天時嚇唬嚇唬他們。事實上我在入職的前三個月就實現了這個目標,當同學們問起我在新公司的工作經歷時,我會向他們展示電商網站推薦產品時背後的算法邏輯,或是分享一下處理幾億行數據的感受,可能是我依舊善於吹噓,「太酷了」是他們聽完後最多的反應,看上去我的確學會了一項酷炫的技能。

除了向不明真相的小夥伴耍酷,編程的確是一件有趣的事,當你面對一個商業問題時(比如計算一個應用的日活躍用戶數),你需要思考使用數據中的哪些變量,如何實現表的​​關聯,如何在程式上定義「日活躍」,需要將結果匯總到什麼粒度上等細節,在這個過程中你還需要非常仔細,哪怕少半邊括號,計算機都會送你一個鮮紅的錯誤。 總的來說編寫數據分析代碼是一個非常強調「怎麼做」的工作,就像給你一道高中數學題,你需要用正確的方式獲得正確的結果 ,而我每天便是在探索一道又一道編程題中度過。

直到某一天,當我正在思考某個算法如何實現時,老闆突然問我:「你說說看,為什麼這些用戶使用應用的活躍度每個月都在下滑?」聽到這個問題時我瞬間啞口無言,感覺失去了曾經的商業顧問氣質,這些結果的確是我親手計算的,但我在計算它們時都在思考「如何計算出這個結果」,而不是「這個結果為什麼發生」(哪怕只是猜想),但後者才是公司的管理者們真正關心的問題,只有明白了影響人們使用應用的因素,營銷人員才能開展相應的措施提高用戶的活躍度。很明顯,這些與商業更接近的「為什麼」被我在寫代碼時長期拋諸腦後。

那天開始我意識到,編程這個邏輯縝密,講求細節的工作會讓我們的大腦把注意力集中在代碼上,這能幫助我們寫出正確而高效的算法,但另一方面, 我們很可能因此被淹沒在幾千行的代碼裡,忽視了算法背後更重要的商業問題。

事實上,程序在數據分析中只是計算的工具,無論是諮詢顧問還是公司的管理者們更關心的是數據背後的商業意義,他們需要知道的是為什麼應用活躍用戶數會下降,什麼因素導致方便麵成了市場萎縮最快的快速消費品類,華為和小米增加線下門店的數量意味著什麼,這樣才能更好地制定下一步的戰略。

這便是數據科學家們的困境:代碼讓我們忘記用更大的格局思考問題。 記得公司的高層在入職的第一天講話時給我們強調:「不要忘記思考程序背後的 Big Picture」原來這句話是如此意味深長,於是我開始重新思考這個關於「思考的格局」的問題。

大格局思考的心理學意義

對於我們常說的思考問題的「格局」,心理學上的概念叫解釋水平(Construal Level),它指的是人思考問題時的抽象程度。 當我們使用抽象的方式理解某件事時,我們處於高解釋水平的狀態,也就是在用「大格局」思考問題,當我們使用具體的方式處理信息時,我們則處於低解釋水平的狀態,即用「小格局」思考問題。

如果給你出一道小學作文題,讓你描寫一位小朋友在草地上玩耍的樣子,高解釋水平會讓你把這個場景抽象地描述成「他很開心」;而低解釋水平會讓你把這個場景具體地描寫為「他在草地上和小夥伴踢足球」。

如果你在和女朋友計劃一場未來的旅行,漫步雲端的女朋友可能對這次旅行的想像可能是「去一個充滿愛的地方」,而腳踏實地的你想的卻是乘哪班飛機、訂哪家酒店以及具體哪天出發;如果你是一名公司的管理者,高解釋水平意味著你思考的是公司未來 5 年的發展願景,低解釋水平意味著你在考慮公司明天應該在上海的哪片區域展開推廣。

你或許會發現,高解釋水平意味著「務虛」,比如公司領導層週一早上與具體業務無關的講話,而低解釋水平意味著「務實」,它具體得能直接指導你的行動,比如修改程式代碼上的錯誤。

關於解釋水平的一個重要發現是,當人們的解釋水平較高時,他們會傾向於思考做一件事的價值,即為什麼(我們為什麼要在三、四線城市鋪貨?),當人們的解釋水平較低時,他們傾向於思考做一件事的手段,即怎麼做(我們要如何把貨鋪到三,四線城市的商超裡?)需要注意的是, 高解釋水平與低解釋水平是相互權衡的關係,我們很難同時用這兩種視角思考問題。

對解釋水平有重要影響的一個因素是心理距離(心理距離),它指的是我們對自己身體的時間,空間,社會關係,現實狀態的感知。研究者們發現當我們在考慮一件未來發生的事(v.s. 現在發生的事),瞭望遠處的一處景物(v.s. 近處的景物),考慮別人(v.s. 自己)或想像一件不太可能發生的事(v.s. 很可能發生的事)時,我們的心理距離都會提高(v.s. 降低)。 心理距離這個概念的奇妙之處在於,雖然聽上去時間、空間或社會關係的遙遠是完全不同的事,但人感知它們時的狀態是一致的,計劃明天的事好比眺望遠方的地平線,而考慮當前的工作好比觀察眼前的一棵樹。

當心理距離上升時,我們的解釋水平將上升,當心理距離下降時,我們的解釋水平也將隨之下降。在一項研究中,當研究者讓參與者制定他們未來的學習計劃時,如果是制定一個月後的計劃,參與者們會用「在學校好好表現」、「聽老師的話」等比較抽象的語言來描述他們未來的行為,如果是明天的計劃,參與者們則會給出更具體的描述,比如「讀心理學課本的第三章」或「晚上在自習室待到 10 點」。

你可能會覺得在計劃遙遠未來發生的某件事時,我們抽象地描述它並不奇怪(畢竟你在計劃一年後的夏威夷之旅時,不會最先想到飛機的航班號),但同樣抽象的描述在我們考慮一件發生在遠方(比如美國)的事或者一件不太可能發生的事時(比如馬里奧挖個管道從東京鑽到裡約)也會出現。

回到數據科學家們的問題,「淹沒在代碼裡」這樣的現象便不難解釋。當我們在為實現一個算法編寫程序時,我們腦子裡想的是「如何把眼前的這個需求編出來」,同時我們的目光一直盯著界面並不友好的編輯器,這時我們的心理距離極低,自然只能用更低的解釋水平想問題。

但對於一名公司的高管,他平時做的事可能是站在陸家嘴某寫字樓頂層的咖啡館遠眺上海的繁華,然後思考「三年後我們也要有一棟自己的辦公大樓」,此時這些關於未來的概念以及眼前開闊的空間自然會提高 CEO 們的解釋水平,讓他們用更加戰略的眼光看問題。

小員工也要有上帝之眼

在我們的工作和生活中,用高解釋水平思考問題是不是總是比低解釋水平好?當然不是。公司的高管當不會希望一個工程師整日將人類歷史、中美關係或滴滴的併購戰略掛在嘴邊,而不好好優化應用程序的底層代碼。在計劃一場旅行時,女朋友也不會喜歡你整日談論曼哈頓的繁華、聖托里尼的浪漫、或是台北的鳳梨酥,卻在最後一分鐘還不知道該在哪家網站訂機票。

提升思考格局的意義不在於它能幫你更有效地完成手頭的活,而是在於它能給予那些平日專注於繁忙的事務性工作,無暇看得更遠的小夥伴們(不是每個人都是公司的總裁,戰略諮詢顧問或者社會評論家)一個遇見廣闊世界的「上帝之眼」。

網路寫手和菜頭曾在他的專欄中寫過一篇題為《大公司裡的幸福時光》的文章,他在文中提到如果你在一家大公司工作,大公司給你帶來的價值並不是它能讓你在整日無休止的加班中獲得成長,相反,忙碌可能是出於很多與成長無關的因素,比如你的職位低,或你做的事沒什麼價值,只能用忙碌麻痺自己。

大公司對於你的真正意義在於:它在行業中的地位與成熟的運營流程,能給予你一個很好的用於觀察和思考的平台。比如通過公司的業務觀察行業所處的生命週期,或是思考當你離開公司給予的平台時,你還需要具備什麼能力。

當我意識到寫代碼這個工作本身存在的問題時,我做了一點調整。我開始在每完成一個任務後,給自己留出一小段時間,思考這件事的意義所在:我的工作在整個項目中的位置是什麼?它能給客戶提供什麼價值?團隊裡的其他小夥伴在做什麼?如果我是管理者,我今天會把工作推進到哪個程度?

我相信這些問題能讓自己跳出浩繁的代碼,「航拍」整個項目的全貌。正如和菜頭所說的,「如果你是以打工者的心態去看大公司,那麼你看見的全是壓力和麻煩;如果你是以老闆的心態去看大公司,那麼你看到的全是學習機會。」而他在這裡所說的「老闆心態」,正是那種能暫時脫離日常事務,用更高的解釋水平審視自己的工作的狀態。

一些小夥伴可能會有這樣的想法:作為剛入職的員工,我現在最重要的是做好本職工作,服務好買家,畫好 PPT,或者寫出高效的算法,大格局思考對我則沒有太大意義,畢竟我現在還不需要管理團隊,也不需要為公司指點江山。我無法引用數據或者研究來證明這樣的觀點的短視,但即使是通過有邏輯的推理,我們也能看到即使作為入門級,用更大的格局思考對於我們有三個重要的意義:

首先,大格局思考讓我們為未來成為公司的管理者做好思維上的準備。你可能會在入職的前幾年忙於編寫算法或者製作匯報 PPT,並沒有機會涉足更高層的管理事務此時。你有兩個選擇:當你升職為管理者後,開始學習你老闆曾經做的這些事;在入職的前期未雨綢繆,即使不親自指派團隊成員幹活,也能在思維上明白你應該如何激勵團隊,如何管控項目的時間截點,如何為客戶設置正確的期待。

大格局思考的意義無疑是為你鋪平第二條路,然你帶著運籌帷幄的思想擁有一個幾十人的團隊,而不是在你開始著手管理後,才意識到自己不應該去親手寫代碼。

其次,大格局思考能為我們提供大量的社交貨幣(social currency),讓我們在與他人的交流中擁有更豐富的談資。試想一下,如果你與某位妹子第一次認識,她讓你向她介紹一下你現在的工作,你會怎麼說?「我是個數據科學家,平時的工作就是編程序,負責計算優惠券為客戶帶來的利潤」這個回答中規中矩(我的意思是,面試官會喜歡)。

然而,如果你曾經思考過你編寫的每套代碼背後的商業邏輯,你的回答可能是這樣的:「你逛天貓的時候有沒有感覺到,它發到你手機的優惠券很符合你的胃口,感覺它知道了你太多秘密?我平時就是那個設計程式來吸引你們買買買的壞人。」如果你在撩妹,是不是第二種回答更有趣些?而這樣的「有趣」,只有當你看到程式代碼之外的故事才能實現。

最後,大格局思考能更好地幫助我們滿足對世界的好奇心。社會分工是現代商業社會的必然,我們初入一家公司時的角色好比流水線上的工人,我們清楚自己的分內之事,但對隔壁項目組同事的工作一無所知。即使你成為了公司的管理者,你了解的也只是自己的公司運營狀況,但對於國內最紅的綜藝節目、美國總統選舉的進展,或是最新的腦科學發現也不甚清楚。

而大格局的思考能促使我們去探索我們感興趣的問題,看到公司的財報之外的世界。如果要獲得一個查理·芒格口中的「優質知識體系」,即某一方面專精,在其它領域具有涉獵的Ť型知識結構,我們必須擁有一個更廣闊的視角。

無論你想在未來成為一名公司的高管,還是在社交場合吸引萬千迷妹,或是心懷對知識的渴望,想看到更寬廣的世界,我都建議你養成用大格局思考的習慣。畢竟,從下面提升解釋水平的方法中你會看到,做這件事的成本,多則是看一本書的時間,少則是在飲水機旁與同事的幾分鐘閒聊。

如何培養大格局思考的習慣

文章末尾,與大家分享幾個能提高我們思考的格局的小技巧,相信它們能在我們工作中一個又一個的特寫鏡頭中,偶爾幫助我們「航拍」,看到樹木之外的森林:

讀書無疑是幫助我們用大格局思考問題的有效手段,尤其是關於歷史、人類社會、宏觀經濟、企業戰略這些擁有宏大視角的著作。《人類簡史》是去年一部很紅的暢銷書,歷史學家赫拉用幾百頁的文字,幫助讀者縱覽了從宇宙大爆炸到人類統治地球的全過程。

在被「人類被小麥馴化」這樣的觀點嚇一跳的同時,我們還需要學習的是作者貫穿歷史長河的敘事方式,我們不一定要說清楚 7 萬年來人類歷史的三大革命,但如果我們可以像作者那樣加入時間的維度思考問題,從編寫程式代碼跳躍到思考公司核心戰略的演變,送便當之餘不忘分析外賣行業格局的變遷,在整日陪伴我們的微信中看到人類社交方式的迭代,這樣富有歷史感的時間視角,能明顯提升我們的思考格局。

第二個方法是遇到問題是主動思考「為什麼」,而不是「怎麼做」。 心理學研究發現當我們思考關於做某件事的原因時,我們的解釋水平會顯著提升,相反,當我們思考關於做某件事的方式時,我們的解釋水平會顯著下降。

比如當你思考「我為什麼要好好改履歷?」這件事時,你的回答可能是「要找一個好工作」,如果接著問你「為什麼要找一個好工作?」,你可能會說「因為要賺很多錢」,如果繼續這麼問下去,你可能會發現自己給出的答案越來越抽象,最後的回答可能是「有一個美好的生活」或者「獲得幸福」,在這樣的狀態下,你解釋水平便顯著提升了,因為你正在以更抽象的方式思考問題。

最後,我們還可以通過提高自己的心理距離實現更大格局的思考。我們從之前的分析已經知道,解釋水平與我們的心理距離密切相關,如果我們想用更加抽象的方式思考問題,我們可以通過調整時間、空間、社會關係、現實狀態等維度的距離,讓我們的心理距離更遠。

比如我們可以刻意想像一下一個月後的旅行,走到辦公室的一個有落地窗的地方遠眺窗外,或者看看《北京折疊》這個還不太可能發生的故事。這些事並不需要你專門請一天假,在飲水機旁邊休息時,就足以讓你的思想飛的更遠。

記得最初來到公司時,項目組的大老闆聽說我常年混跡管理諮詢行業,他的第一句話是「務虛務多了,來這務務實挺好的。」於是我就開始了與各種程式代碼打交道的日子。後來當我逐漸理解了人在思考時的解釋水平後,我意識到務實和務虛彷彿一個天平的兩端,通常都會向某一邊傾斜,而我們能做的,是讓自己有能力調整天平上的砝碼,「高高山頂立」與「深深海底行」對我們來說都是不可缺少的技能。

當這篇文章寫到末尾時,朋友圈正好被王健林 25 年前在香港的凌雲壯志刷屏,當王首富還是一位經理時,心中就已經盼著君悅對面的一棟樓了。用首富的話說,夢想是一點一點變大的。用今天我們的主題說,在變成首富之前,心中先要有一個大格局。

「比方說我先掙它一個億。」

(本文經微信公眾號 J 博士的心理實驗室(ID:drjpsych)授權轉載,並同意 TechOrange 編寫導讀與修訂標題,原文標題為 〈給初入職場的我們:不要忘記思考更大的格局,看到更遠的天空〉。)

延伸閱讀

數據科學看世大運:漠視運動科學,讓運動員只能靠天吃飯,迷信「氣勢」
地表最強大數據系統學習法:想變成數據科學家、工程師就看這篇!
【史上最強 AI 工程師養成日記】只用 4 個月打造機器學習必備技能,這位工程師成功翻轉職涯人生


321 倒數 ,2020 只剩 3 年,區塊鏈、5G、AI 技術將成熟到位。
從產業到社會,台灣沒剩多少時間準備。

12/9 TechOrange、BuzzOrange「CONNECT 2020」年度產業論壇,連結未來改革能量

點關鍵字看更多相關文章: