比特币聚类

Ⅰ 如何构建知识体系

从某种意义上来说，我们做很多事，其实是不需要体系的。

比如我们不必把所有食物尝一遍，才决定吃什么东西；去一个新的城市，也不必把整个城市规划理解清楚才上街。

但是为什么，喜欢看书的人，就都渴望建立知识体系呢？

这个问题我整整想了两天，总结出来是这四个字——「复杂定位」。

在生活中，绝大多数的问题，是可以通过「简单定位」来决定的。

比如你路过一个路边水果摊卖樱桃，买or不买，那尝一个就知道了。“好吃”→“买”，“不好吃”→“不买”，这就是简单定位。看到哪家餐馆顺眼，就走进去吃东西，这也是简单定位。

生活中的事，为什么多数都是「简单定位」？

其实是因为你身后的社会秩序帮你解决了大部分“不确定性”。你不用担心餐馆会突然遭受恐怖袭击，也不会担心卖樱桃的小贩会骗你。

但如果我们去探索陌生领域。比如你如何创业？如何去开始写作？如何规划自己升职？如何去寻找人生意义？

这些问题充满了各种“不确定性”，其中任何一个因素都需要你自己解决。

比如创业，你需要关心产品定位、如何营销、团队管理、市场竞争等等因素吧，甚至你会担心员工哪天心情不好，导致工作滞后。所有这些因素组合起来才能决定你的创业路径。这就是「复杂定位」，这时你就需要一个体系。

喜欢读书的人，始终都是那些想去解决更大问题的人。如果把知识体系比作地图，普通人在城市穿梭不需要地图的。而少数人就像是在丛林探险，那肯定就需要一张详细的求生地图。

那么，我们该如何建立知识体系呢？核心有三个，缺一不可。

| 广泛收集「启发性知识」

知识体系的建立路径，应该是一条“微笑曲线”。如图，刚开始从广度去摄入知识，中途从某一个纵深去建立框架，最后又根据框架填充和丰富整棵知识树。

为什么第一步需要从广度去摄入知识呢？原因有两个：

一是因为知识体系是一张网，没有足够的知识点，是很难形成网状的。

二是知识点需要不断验证，必须通过大量输入。相互之间才有连接和验证。

比如你想搞清楚什么是情商，只看戈尔曼的理论可能不够，你可以从更丰富的心理学，认知神经学去了解。

在第一步中，你主要的任务就是收集「启发性知识」，就是你看到一个知识，有一种“原来是这样啊”的感觉。

比如“人为什么会有情绪呢”，《罗辑思维》有一期就解释了：

其实情绪是人脑系统的“快捷方式”。比如我们爱吃甜食，吃到甜食会愉悦，那是因为甜食的热量高，能帮我们补充能量。再比如恐惧，看到老虎，转身就跑，是为了躲避危险。原始丛林中如此复杂，我们必须要产生许多人脑“快捷方式”来帮我们迅速作出反应。

再比如你去理解“故事”的重要性，你就可以看看犹太人是怎么说：

“真理”来到村里，一丝不挂，所有人都很害怕它，不敢直视。

后来，智慧老人把“真理”请回家里，给它披上衣服。这个时候，真理就化名“故事”。

“故事”走到村里，所有人都很喜欢它。

你在收集一个个「启发性知识」时，你会非常享受其中。

一般来说，一个「启发性知识」是由两部分构成，即「理论」+「案例」。有些知识的理论部分更有启发，比如“情绪是人脑的快捷方式”。而有些知识的案例部分更好，比如上面提到的犹太人讲“真理”和“故事”的差别。
搜集「启发性知识」最重要的，是今后可以搜索和随意调用出来。尤其当你有几千上万条信息时，你得思考用一种什么样的方法。

比如我的办法只有两步，就足以保证我可以想起其中任何一条信息：

1、一句话理论陈述。比如刚刚说到的“情绪是人脑的快捷方式”。这让我知道这是在讲什么的。

2、贴上标签。上面的标签肯定就是“情绪”，以后我在写所有关于“情绪”相关的话题时，一搜索就可以看到它了。

实际上，当启发性知识越来越多时，你的大脑都不自主去把各种知识联系起来，这就是我们的第二步了。

| 深度建立一个「知识框架」

第二个步骤是“微笑曲线”的最下端，就是当你知识有一定积累后，你就需要在某一个领域，深度建立一个框架。

比如我一直对哲学、心理学等认知类学科很感兴趣，之前也搜集了很多诸如“依恋机制”、“潜意识”、“斯多葛学派”、“人格理论”等知识点。现在我就需要努把力，大致建立一个个心理学的框架起来。

还是强调，先有知识点，后建立框架。这个过程就像你听一首歌，反反复复对句子都很熟悉了，有一天想全部把歌词记下来就很容易。

「知识框架」听起来很高大上，但其实需要你用到最简原则。即“奥坎姆剃刀原则”——如果你在同一个问题上遇到多个不同版本的解释，选择最简单实用的那一个。

比如你每天在地铁站，或电梯间里看到各式各样的海报，觉得复杂吧。曾经一个读者向我透露想去做平面设计师，但是看很多理论解释都觉得太复杂。

然而无印良品首席设计师原研哉曾经提出一个概念，就可以让你一下就看懂平面设计。

原研哉说，“无论多么复杂的平面广告设计，都靠三层建立：背景层，图形层，信息层。好的设计作品，一定在三层中有其所长。”

例如，原研哉亲自设计的2005日本世博会的海报，背景层使用了浅灰色，图形层创作了兔子，森林与形状的组合图形，信息层创作了一个接近金色的文字组合。这三层以下、中、上的顺序排列起来，形成了一幅大作。

你接下来用“背景层，图形层，信息层”的概念去看你身边的海报，就会发现自己对平面设计一下就入门了。

所以你会发现，在「知识框架」建立的时候，是需要建立在大量知识储备和理解基础上的。

这一步的核心原则是对大量知识点不断组合和拆分，你可以想象这是一个玩乐高积木的过程。你可以参考别人的结构图，但尽量需要你亲自拼接一遍。

比如上一篇文章《与人交流时，如何能做到对答如流》中，其中探讨该如何自我介绍呢?我就把“角色”、“经历”和“价值观”拼接成一个自我介绍的框架。

拼接的结构可以是简单并列，也可以按一定逻辑，其中的关系按具体知识点的不同来建立。

| 形成「知识体系」

到这里你应该明白了：

第一个步骤收集「启发性知识」，其实是你在收集各式各样的乐高积木块；

第二个步骤建立「知识框架」，则是用积木块搭建一个一个小的结构，比如小房子、一座桥等。

第三个步骤形成「知识体系」，则是在各种结构和知识点的基础上，形成一个巨大的乐高城市。

第三个步骤又回到广度了，在这个过程中，知识体系才算真正形成。但乐高城市的扩张最好基于之前建立的「知识框架」。这个过程也很像一棵树，在树干基础上开枝散叶。所以很多人，比如埃隆·马斯克把自己的知识体系称为「知识树」。

一个“乐高城市”或一棵“知识树”该形成什么样子，这是随机演化出来的，每个人都不一样。

但这个过程有一个非常重要的原则，就是一定要结合自己的工作和生活，形成「输出」。

我见过很多讲学习效率的文章，都会把美国学者埃德加.戴尔（Edgar Dale）提出的学习金字塔（Cone of Learning）理论搬出来。也就是「输出」是最好的学习效率，学习知识，如果能够输出，大致可以对原知识掌握90%以上。

Ⅱ 大数据分析工具有哪些，有什么特点

数据分析再怎么说也是一个专业的领域，没有数学、统计学、数据库这些知识的支撑，对于我们这些市场、业务的人员来说，难度真的不是一点点。从国外一线大牌到国内宣传造势强大的品牌，我们基本试用了一个遍，总结一句话“人人都是数据分析师”这个坑实在太大，所有的数据分析工具无论宣传怎样，都有一定的学习成本，尤其是要深入业务实际。今天就我们用过的几款工具简单总结一下，与大家分享。
1、Tableau
这个号称敏捷BI的扛把子，魔力象限常年位于领导者象限，界面清爽、功能确实很强大，实至名归。将数据拖入相关区域，自动出图，图形展示丰富，交互性较好。图形自定义功能强大，各种图形参数配置、自定义设置可以灵活设置，具备较强的数据处理和计算能力，可视化分析、交互式分析体验良好。确实是一款功能强大、全面的数据可视化分析工具。新版本也集成了很多高级分析功能，分析更强大。但是基于图表、仪表板、故事报告的逻辑，完成一个复杂的业务汇报，大量的图表、仪表板组合很费事。给领导汇报的PPT需要先一个个截图，然后再放到PPT里面。作为一个数据分析工具是合格的，但是在企业级这种应用汇报中有点局限。
2、PowerBI
PowerBI是盖茨大佬推出的工具，我们也兴奋的开始试用，确实完全不同于Tableau的操作逻辑，更符合我们普通数据分析小白的需求，操作和Excel、PPT类似，功能模块划分清晰，上手真的超级快，图形丰富度和灵活性也是很不错。但是说实话，毕竟刚推出，系统BUG很多，可视化分析的功能也比较简单。虽然有很多复杂的数据处理功能，但是那是需要有对Excel函数深入理解应用的基础的，所以要支持复杂的业务分析还需要一定基础。不过版本更新倒是很快，可以等等新版本。
3、Qlik
和Tableau齐名的数据可视化分析工具，QlikView在业界也享有很高的声誉。不过Qlik Seanse产品系列才在大陆市场有比较大的推广和应用。真的是一股清流，界面简洁、流程清晰、操作简单，交互性较好，真的是一款简单易用的BI工具。但是不支持深度的数据分析，图形计算和深度计算功能缺失，不能满足复杂的业务分析需求。

最后将视线聚焦国内，目前搜索排名和市场宣传比较好的也很多，永洪BI、帆软BI、BDP等。不过经过个人感觉整体宣传大于实际。
4、永洪BI
永洪BI功能方面应该是相对比较完善的，也是拖拽出图，有点类似Tableau的逻辑，不过功能与Tableau相比还是差的不是一点半点，但是操作难度居然比Tableau还难。预定义的分析功能比较丰富，图表功能和灵活性较大，但是操作的友好性不足。宣传拥有高级分析的数据挖掘功能，后来发现就集成了开源的几个算法，功能非常简单。而操作过程中大量的弹出框、难以理解含义的配置项，真的让人很晕。一个简单的堆积柱图，就研究了好久，看帮助、看视频才搞定。哎，只感叹功能藏得太深，不想给人用啊。
5、帆软BI
再说号称FBI的帆软BI，帆软报表很多国人都很熟悉，功能确实很不错，但是BI工具就真的一般般了。只能简单出图，配合报表工具使用，能让页面更好看，但是比起其他的可视化分析、BI工具，功能还是比较简单，分析的能力不足，功能还是比较简单。帆软名气确实很大，号称行业第一，但是主要在报表层面，而数据可视化分析方面就比较欠缺了。
6、Tempo
另一款工具，全名叫“Tempo大数据分析平台”，宣传比较少，2017年Gartner报告发布后无意中看到的。是一款BS的工具，申请试用也是费尽了波折啊，永洪是不想让人用，他直接不想卖的节奏。
第一次试用也是一脸懵逼，不知道该点那！不过抱着破罐子破摔的心态稍微点了几下之后，操作居然越来越流畅。也是拖拽式操作，数据可视化效果比较丰富，支持很多便捷计算，能满足常用的业务分析。最最惊喜的是它还支持可视化报告导出PPT，彻底解决了分析结果输出的问题。深入了解后，才发现他们的核心居然是“数据挖掘”，算法十分丰富，也是拖拽式操作，我一个文科的分析小白，居然跟着指导和说明做出了一个数据预测的挖掘流，简直不要太惊喜。掌握了Tempo的基本操作逻辑后，居然发现他的易用性真的很不错，功能完整性和丰富性也很好。不过没有宣传也是有原因的，系统整体配套的介绍、操作说明的完善性上还有待提升。