比特幣聚類

Ⅰ 如何構建知識體系

從某種意義上來說，我們做很多事，其實是不需要體系的。

比如我們不必把所有食物嘗一遍，才決定吃什麼東西；去一個新的城市，也不必把整個城市規劃理解清楚才上街。

但是為什麼，喜歡看書的人，就都渴望建立知識體系呢？

這個問題我整整想了兩天，總結出來是這四個字——「復雜定位」。

在生活中，絕大多數的問題，是可以通過「簡單定位」來決定的。

比如你路過一個路邊水果攤賣櫻桃，買or不買，那嘗一個就知道了。「好吃」→「買」，「不好吃」→「不買」，這就是簡單定位。看到哪家餐館順眼，就走進去吃東西，這也是簡單定位。

生活中的事，為什麼多數都是「簡單定位」？

其實是因為你身後的社會秩序幫你解決了大部分「不確定性」。你不用擔心餐館會突然遭受恐怖襲擊，也不會擔心賣櫻桃的小販會騙你。

但如果我們去探索陌生領域。比如你如何創業？如何去開始寫作？如何規劃自己升職？如何去尋找人生意義？

這些問題充滿了各種「不確定性」，其中任何一個因素都需要你自己解決。

比如創業，你需要關心產品定位、如何營銷、團隊管理、市場競爭等等因素吧，甚至你會擔心員工哪天心情不好，導致工作滯後。所有這些因素組合起來才能決定你的創業路徑。這就是「復雜定位」，這時你就需要一個體系。

喜歡讀書的人，始終都是那些想去解決更大問題的人。如果把知識體系比作地圖，普通人在城市穿梭不需要地圖的。而少數人就像是在叢林探險，那肯定就需要一張詳細的求生地圖。

那麼，我們該如何建立知識體系呢？核心有三個，缺一不可。

| 廣泛收集「啟發性知識」

知識體系的建立路徑，應該是一條「微笑曲線」。如圖，剛開始從廣度去攝入知識，中途從某一個縱深去建立框架，最後又根據框架填充和豐富整棵知識樹。

為什麼第一步需要從廣度去攝入知識呢？原因有兩個：

一是因為知識體系是一張網，沒有足夠的知識點，是很難形成網狀的。

二是知識點需要不斷驗證，必須通過大量輸入。相互之間才有連接和驗證。

比如你想搞清楚什麼是情商，只看戈爾曼的理論可能不夠，你可以從更豐富的心理學，認知神經學去了解。

在第一步中，你主要的任務就是收集「啟發性知識」，就是你看到一個知識，有一種「原來是這樣啊」的感覺。

比如「人為什麼會有情緒呢」，《羅輯思維》有一期就解釋了：

其實情緒是人腦系統的「快捷方式」。比如我們愛吃甜食，吃到甜食會愉悅，那是因為甜食的熱量高，能幫我們補充能量。再比如恐懼，看到老虎，轉身就跑，是為了躲避危險。原始叢林中如此復雜，我們必須要產生許多人腦「快捷方式」來幫我們迅速作出反應。

再比如你去理解「故事」的重要性，你就可以看看猶太人是怎麼說：

「真理」來到村裡，一絲不掛，所有人都很害怕它，不敢直視。

後來，智慧老人把「真理」請回家裡，給它披上衣服。這個時候，真理就化名「故事」。

「故事」走到村裡，所有人都很喜歡它。

你在收集一個個「啟發性知識」時，你會非常享受其中。

一般來說，一個「啟發性知識」是由兩部分構成，即「理論」+「案例」。有些知識的理論部分更有啟發，比如「情緒是人腦的快捷方式」。而有些知識的案例部分更好，比如上面提到的猶太人講「真理」和「故事」的差別。
搜集「啟發性知識」最重要的，是今後可以搜索和隨意調用出來。尤其當你有幾千上萬條信息時，你得思考用一種什麼樣的方法。

比如我的辦法只有兩步，就足以保證我可以想起其中任何一條信息：

1、一句話理論陳述。比如剛剛說到的「情緒是人腦的快捷方式」。這讓我知道這是在講什麼的。

2、貼上標簽。上面的標簽肯定就是「情緒」，以後我在寫所有關於「情緒」相關的話題時，一搜索就可以看到它了。

實際上，當啟發性知識越來越多時，你的大腦都不自主去把各種知識聯系起來，這就是我們的第二步了。

| 深度建立一個「知識框架」

第二個步驟是「微笑曲線」的最下端，就是當你知識有一定積累後，你就需要在某一個領域，深度建立一個框架。

比如我一直對哲學、心理學等認知類學科很感興趣，之前也搜集了很多諸如「依戀機制」、「潛意識」、「斯多葛學派」、「人格理論」等知識點。現在我就需要努把力，大致建立一個個心理學的框架起來。

還是強調，先有知識點，後建立框架。這個過程就像你聽一首歌，反反復復對句子都很熟悉了，有一天想全部把歌詞記下來就很容易。

「知識框架」聽起來很高大上，但其實需要你用到最簡原則。即「奧坎姆剃刀原則」——如果你在同一個問題上遇到多個不同版本的解釋，選擇最簡單實用的那一個。

比如你每天在地鐵站，或電梯間里看到各式各樣的海報，覺得復雜吧。曾經一個讀者向我透露想去做平面設計師，但是看很多理論解釋都覺得太復雜。

然而無印良品首席設計師原研哉曾經提出一個概念，就可以讓你一下就看懂平面設計。

原研哉說，「無論多麼復雜的平面廣告設計，都靠三層建立：背景層，圖形層，信息層。好的設計作品，一定在三層中有其所長。」

例如，原研哉親自設計的2005日本世博會的海報，背景層使用了淺灰色，圖形層創作了兔子，森林與形狀的組合圖形，信息層創作了一個接近金色的文字組合。這三層以下、中、上的順序排列起來，形成了一幅大作。

你接下來用「背景層，圖形層，信息層」的概念去看你身邊的海報，就會發現自己對平面設計一下就入門了。

所以你會發現，在「知識框架」建立的時候，是需要建立在大量知識儲備和理解基礎上的。

這一步的核心原則是對大量知識點不斷組合和拆分，你可以想像這是一個玩樂高積木的過程。你可以參考別人的結構圖，但盡量需要你親自拼接一遍。

比如上一篇文章《與人交流時，如何能做到對答如流》中，其中探討該如何自我介紹呢?我就把「角色」、「經歷」和「價值觀」拼接成一個自我介紹的框架。

拼接的結構可以是簡單並列，也可以按一定邏輯，其中的關系按具體知識點的不同來建立。

| 形成「知識體系」

到這里你應該明白了：

第一個步驟收集「啟發性知識」，其實是你在收集各式各樣的樂高積木塊；

第二個步驟建立「知識框架」，則是用積木塊搭建一個一個小的結構，比如小房子、一座橋等。

第三個步驟形成「知識體系」，則是在各種結構和知識點的基礎上，形成一個巨大的樂高城市。

第三個步驟又回到廣度了，在這個過程中，知識體系才算真正形成。但樂高城市的擴張最好基於之前建立的「知識框架」。這個過程也很像一棵樹，在樹干基礎上開枝散葉。所以很多人，比如埃隆·馬斯克把自己的知識體系稱為「知識樹」。

一個「樂高城市」或一棵「知識樹」該形成什麼樣子，這是隨機演化出來的，每個人都不一樣。

但這個過程有一個非常重要的原則，就是一定要結合自己的工作和生活，形成「輸出」。

我見過很多講學習效率的文章，都會把美國學者埃德加.戴爾（Edgar Dale）提出的學習金字塔（Cone of Learning）理論搬出來。也就是「輸出」是最好的學習效率，學習知識，如果能夠輸出，大致可以對原知識掌握90%以上。

Ⅱ 大數據分析工具有哪些，有什麼特點

數據分析再怎麼說也是一個專業的領域，沒有數學、統計學、資料庫這些知識的支撐，對於我們這些市場、業務的人員來說，難度真的不是一點點。從國外一線大牌到國內宣傳造勢強大的品牌，我們基本試用了一個遍，總結一句話「人人都是數據分析師」這個坑實在太大，所有的數據分析工具無論宣傳怎樣，都有一定的學習成本，尤其是要深入業務實際。今天就我們用過的幾款工具簡單總結一下，與大家分享。
1、Tableau
這個號稱敏捷BI的扛把子，魔力象限常年位於領導者象限，界面清爽、功能確實很強大，實至名歸。將數據拖入相關區域，自動出圖，圖形展示豐富，交互性較好。圖形自定義功能強大，各種圖形參數配置、自定義設置可以靈活設置，具備較強的數據處理和計算能力，可視化分析、互動式分析體驗良好。確實是一款功能強大、全面的數據可視化分析工具。新版本也集成了很多高級分析功能，分析更強大。但是基於圖表、儀錶板、故事報告的邏輯，完成一個復雜的業務匯報，大量的圖表、儀錶板組合很費事。給領導匯報的PPT需要先一個個截圖，然後再放到PPT裡面。作為一個數據分析工具是合格的，但是在企業級這種應用匯報中有點局限。
2、PowerBI
PowerBI是蓋茨大佬推出的工具，我們也興奮的開始試用，確實完全不同於Tableau的操作邏輯，更符合我們普通數據分析小白的需求，操作和Excel、PPT類似，功能模塊劃分清晰，上手真的超級快，圖形豐富度和靈活性也是很不錯。但是說實話，畢竟剛推出，系統BUG很多，可視化分析的功能也比較簡單。雖然有很多復雜的數據處理功能，但是那是需要有對Excel函數深入理解應用的基礎的，所以要支持復雜的業務分析還需要一定基礎。不過版本更新倒是很快，可以等等新版本。
3、Qlik
和Tableau齊名的數據可視化分析工具，QlikView在業界也享有很高的聲譽。不過Qlik Seanse產品系列才在大陸市場有比較大的推廣和應用。真的是一股清流，界面簡潔、流程清晰、操作簡單，交互性較好，真的是一款簡單易用的BI工具。但是不支持深度的數據分析，圖形計算和深度計算功能缺失，不能滿足復雜的業務分析需求。

最後將視線聚焦國內，目前搜索排名和市場宣傳比較好的也很多，永洪BI、帆軟BI、BDP等。不過經過個人感覺整體宣傳大於實際。
4、永洪BI
永洪BI功能方面應該是相對比較完善的，也是拖拽出圖，有點類似Tableau的邏輯，不過功能與Tableau相比還是差的不是一點半點，但是操作難度居然比Tableau還難。預定義的分析功能比較豐富，圖表功能和靈活性較大，但是操作的友好性不足。宣傳擁有高級分析的數據挖掘功能，後來發現就集成了開源的幾個演算法，功能非常簡單。而操作過程中大量的彈出框、難以理解含義的配置項，真的讓人很暈。一個簡單的堆積柱圖，就研究了好久，看幫助、看視頻才搞定。哎，只感嘆功能藏得太深，不想給人用啊。
5、帆軟BI
再說號稱FBI的帆軟BI，帆軟報表很多國人都很熟悉，功能確實很不錯，但是BI工具就真的一般般了。只能簡單出圖，配合報表工具使用，能讓頁面更好看，但是比起其他的可視化分析、BI工具，功能還是比較簡單，分析的能力不足，功能還是比較簡單。帆軟名氣確實很大，號稱行業第一，但是主要在報表層面，而數據可視化分析方面就比較欠缺了。
6、Tempo
另一款工具，全名叫「Tempo大數據分析平台」，宣傳比較少，2017年Gartner報告發布後無意中看到的。是一款BS的工具，申請試用也是費盡了波折啊，永洪是不想讓人用，他直接不想賣的節奏。
第一次試用也是一臉懵逼，不知道該點那！不過抱著破罐子破摔的心態稍微點了幾下之後，操作居然越來越流暢。也是拖拽式操作，數據可視化效果比較豐富，支持很多便捷計算，能滿足常用的業務分析。最最驚喜的是它還支持可視化報告導出PPT，徹底解決了分析結果輸出的問題。深入了解後，才發現他們的核心居然是「數據挖掘」，演算法十分豐富，也是拖拽式操作，我一個文科的分析小白，居然跟著指導和說明做出了一個數據預測的挖掘流，簡直不要太驚喜。掌握了Tempo的基本操作邏輯後，居然發現他的易用性真的很不錯，功能完整性和豐富性也很好。不過沒有宣傳也是有原因的，系統整體配套的介紹、操作說明的完善性上還有待提升。