《数据化管理》读后感

最近在啃《数据化管理》一书，这是本讲述如何通过数据化管理洞悉零售及电子商务运营的工具书。数据化管理的基础是一个个独立的“元数据”，这些数据本身不具备任何内在联系。只有经过数据分析，并结合业务的实际情况制定出指标，这些数据才产生了价值。同样的，知识积累的过程也遵循着同样的规律。今天尝试通过数据化管理的一些原则来阐述知识管理的三个方面：基础—”知识积累”、过程—“构建知识体系”及目的—“开拓认知”。

一、知识积累

001 元知识

积累“元数据”是个枯燥且繁琐的过程，在这个阶段数据的分布还是一个个独立的点，不知道哪个元数据是合理的，看不到积累的价值在哪里。不过，数据化管理有个基本原则是“没有无效的数据，只有不恰当的数据”。知识也一样，一本书、两本书、三本书，可能读到第十本第二十本的时候，仍然没有发现读书带给自己的变化，可能会想放弃。但是，“量”还没够，有怎能奢求去“质”变呢？

002 “率”而不是“量”

本书给我的最大冲击是，注重“率”的指标而不是“量”的指标。比如有人告诉你我能1年读300本书，你会不会很震惊？如果再告诉你，真正有效的阅读只有1%呢？你又会是怎样的感想？然而很多人都陷于这样的迷境中而不自知，一味追逐“量”而忽略了“质”。

003 辨别合适的知识渠道

在碎片化时间泛滥和知识付费风行的今天，有数不清的知识获取渠道供你挑选。比如猫叔的“行动营”，得到App的“每天听本书”，比如樊登的“读书会”等等。“乱花渐欲迷人眼”，但你一定要找到适合自己品味和气质的那朵。每隔一段时间评估下你拥有的各渠道的知识转化情况，然后聚焦最有效的渠道全力提升自己。

二、构建知识体系

每个人职业不同，人生境遇不同，看到的世界不同，想要构建的知识体系也不同。这里介绍“广度-宽度-深度”三种构建方式。

001 广度型

我们经常在火车上遇到这样一种“大叔”，他好像什么都懂，军事、政治、体育、竞技哪个话题他都能扯两句。但如果针对一个话题稍微深入的聊，就一脸茫然了。这种就是只注重“宽度”的知识积累方式了，广而泛，经不起推敲。

002 深度型

我的一位同门堪称“深度型”构建知识体系的代表。入学时就决定把程序员当成毕生追求的职业，每天除了研究各种高深算法，敲代码，就是找大量高手切磋。三年后，我等还在为工作费心奔走时，鹅厂（腾讯）的offer已然送到了他手里。这种知识体系的构建常见于各类专业人士，比如医生、律师，程序员。

003 宽度型

知识覆盖的领域相对较广，并且每个领域都有较深的了解和研究，这就是“宽度型”的知识体系的特征。这类的代表人物是我们常说的斜杠青年，虽然不是什么都懂，但是懂的领域都比较专业。

于现在的我而言，急须构建“广度+深度”型知识体系，了解更多的知识并找到一个领域深入学习。

三、开拓认知

学习的最终目的不是知识积累也不是构建体系，而是开拓认知或者说是建立更好的心理表征，使我们能够洞见事物的本质规律，看到一个更简单更存粹的世界。

两个相对割裂但又有些联系的领域放在一起，居然写的很high。