学习心态

进度条

打印

学习心态

要在创新中取得成功，您必须采用成长心态并为学习做好准备。为了帮助您建立正确的心态，您将探索一些学习障碍以及如何克服这些障碍

分享这个

在本次培训中，您将

了解持续学习的重要性
了解学习是一场马拉松，而不是短跑
了解您从学习中获得的知识是您希望取得的任何成功的基础
研究持续学习如何成为大型科技公司成功的基础
回顾阻碍我们学习的障碍
探索一些可用于克服学习障碍的心智模型
探索您可以参与以优化学习的活动

将要探索的技能

背景故事

传统公司在使用数据方面的顽固方式可能是西方教育的结果。从很小的时候开始，我们就被告知要学什么、如何学以及如何展示我们所学的知识。制度化的学习——学前班、公立学校、学院、大学、研究生工作和在职培训——在很大程度上要求我们模仿或应用知识。

我们被教导如何解决我们已经确定和理解的问题，但我们很少被教导质疑我们所教的。即使我们确实质疑我们学到的东西，我们也可能以一种学到的方式质疑它。换句话说，即使我们的异议也是习得的行为。我们中很少有人学会解析给定的数据并创建自己的故事。

作为人类，我们对熟悉的结构有着硬编码的偏好。我们习惯阅读的故事有开头、中间和结尾。最后，情节巧妙地结束，因此读者或观众要么想要更多，要么感到满意。因此，故事是人类为人类创造的。数据不关心你的感受、你的情绪状态，甚至不关心你的注意力。数据是惰性的。数据就是事实。在商业中，我们必须根据数据来创造故事，数据越好，故事就越可信。

在格雷洛克创业者的晚宴上，微软首席执行官萨蒂亚·纳德拉和格雷洛克合伙人里德·霍夫曼正在聊天。萨蒂亚·纳德拉说：“（我）如果你有两个孩子在学校里：其中一个有很多天生的能力但无所不知，另一个作为学习者的天生能力较差，你知道故事结束。全知的比全知的要好。对在校学生来说确实如此。这对企业家来说是真的。”

因此，企业家需要有准备和知情的头脑。这来自于首先用最相关的数据填充他们的头脑。然后，企业家必须克服他们的先入之见，以便他们创造的故事真实且没有偏见。有了事实，决策就会降低风险，成功的可能性就更大。

我们在谈论什么数据？

数据帮助我们忽略对现实的主观解释，从而看到世界的真实本质。从这一点来看，可以进行基准测试和增长。通过使用数据作为学习的基础，我们可以构建进化实体并从运营型组织转变为学习型组织。

扩张

数据意味着很多事情。这个词经常让人联想到电子表格、数据库和复杂计算，那么我们应该关注哪些数据呢？这个答案是：所有这些——不仅仅是来自分析部门的数据。电子表格和数据库仅提供可量化的数据，但定性数据也很重要。例如，酒店业使用每个可用房间的收入 (REVPAR) 和平均入住率等指标。但它也使用定性数据，例如在社交媒体上发布的客户评论、会员注册和使用情况以及客人满意度得分 (GSS)。

这 麦克纳马拉谬误 是一个以名字命名的概念罗伯特·麦克纳马拉，这美国国防部长从 1961 年到 1968 年，反映了他处理越南战争的经验。谬误描述了仅根据定量观察做出决定是错误的。

“第一步是测量任何可以轻松测量的东西。就目前而言，这是可以的。第二步是忽略那些不容易测量的或给它一个任意的定量值。这是人为的和误导性的。第三步是假设不能轻易衡量的东西真的不重要。这是失明。第四步是说不能轻易衡量的东西真的不存在。这是自杀。”
—丹尼尔·扬克洛维奇, “企业优先事项：对企业新需求的持续研究”

数据可以来自任何地方，包括个人意见、推理和知识。但企业家还必须考虑到这样一种可能性，即在做决定时，他们不知道的东西往往比他们知道的东西更重要。

知识矩阵

知识矩阵是一种对物质和数据进行分类的工具。该矩阵显示了企业家或个人在业务决策或战略方面知道和不知道的内容。未知的可以被认为是暗物质 [链接]。

就 HowDo 而言，知识或数据分为四类：已知已知、未知已知、已知未知和未知未知（暗物质）。我知道这是一口，但坚持我。这实际上有点意思。

扩张

这 已知的 是我们知道的事情和我们理解的事情。这是我们的知识。
这 已知-未知 是我们知道但我们不了解的事情：已知的知识差距。
未知数是 我们理解但不知道的事情。这是我们的直觉。
未知-未知 是我们一无所知的东西——对这个词的字面定义的无知。

这个矩阵提供了视角，因为现实是大多数公司知道的并不多，这没关系。当战略家敏锐地意识到他们不知道的事情时，战略就处于最佳状态。考虑到这一点，他们可以识别他们可以自信地做出的决定、需要测试的决定、需要发现的决定以及他们无法控制的决定。

知识矩阵是确定风险的关键工具。风险是基于已知的，未知的越多，风险就越大。如果您知道某事，您就会理解它，并且可以评估相关的风险。如果你不知道，你就无法评估风险。如果它是未知的，而你只有直觉，那是有风险的。如果它是一个未知的未知……好吧，那就太可怕了。

该过程应首先建立已知的已知信息。从那里，您可以浏览知识矩阵并分配已知-未知数，这些可以通过研究进行探索。已知未知数通过直觉表现出来，因此这些需要倾听您的直觉，然后找到数据来支持这些断言。未知 - 未知始终存在且无法量化，但通过矩阵其余部分的足够数据，可以更好地了解它们的风险。

一旦可以就已知的知识（真相）达成一致，就有可能实现对一项倡议的长期承诺。这种基于数据的叙述让我获得了财富 100 强和初创公司的利益相关者的支持。 HowDo 提供有关收集构建进化业务所需数据的指南。这些指南包括对客户、竞争、背景和公司能力的外部分析。正是这些数据需要通过知识矩阵。

公司应该致力于最大化具体的组织知识：“已知-已知”。应根据衡量现实的可能性对每条数据进行权衡。消息来源的可信度如何？数据有多新？这些是直接数字还是大概的预测？这些问题可以引导您对所有数据进行总体置信度评分，从而为质量分析和讨论奠定基础。

但现在是困难的部分。数据决定了两个数据点之间的相关性，但必须根据其真实含义来解释这种相关性。为此，企业家必须了解他们的恐惧 [add link]、偏见、动机和情绪。

初学者的心

“当新企业没有诞生时，自由企业制度和就业机会就会减少。如果没有不断增长的自由企业制度， “在 “在初学者的脑海中，有很多可能性。在专家心目中，寥寥无几。”
– 禅师 Shunryu Suzuki, Zen Mind, Beginner's Mind

要以最佳方式使用数据，企业家必须首先控制自己对数据的反应。你不能让你的动机或先入之见污染或破坏数据的解释。我们都相信世界是这样的，不幸的是，我们的大脑天生就拒绝新信息。

这些数据可能会确认您对您的业务和您经营的环境的理解；或者，数据可能会质疑或否定您认为正确的内容。无论哪种方式，您都必须对数据所揭示的内容持开放态度。

我已经向数十家财富 500 强公司提出了增长战略。我的推销失败的唯一一次是当有权势的高管拒绝接受数据时。这些高管可能有一个很好的借口来怀疑新数据：数据可能会挑战盛行的正统观念，直接违背他们对世界运作方式的理解，或者直接挑战他们的激励措施。然而，这些反应是基于恐惧和个人不安全感，而不是公司、客户或投资者的长期福祉。

许多企业和企业家不知道如何使用他们创建的数据。大多数人还没有充分利用他们的业务来理解数据告诉他们什么。其他人则被工具化，以至于他们淹没在所谓的“数据湖”中。

无论数据的熟练程度如何，企业可用的数据量都在增长。截至 2018 年 6 月，据估计每天创建 2.5 千亿字节的数据。到 2020 年，估计地球上每个人每秒将创建 1.7 兆字节的数据。现在的问题不是找到数据，而是学习如何区分信号（有用信息）和噪声（分散注意力的信息）。

知识矩阵

在我关于数据的文章中，我解释了知识矩阵。知识矩阵是一种工具，可以揭示可能围绕决策的未知因素。在商业战略中，我们不知道的往往比我们知道的更重要。我这么说是因为如果决策是基于数据的，并且在解析该数据时，我们会发现我们对正在考虑采取的路径知之甚少，那么这条路径的风险就会很大。另一方面，如果我们有可靠的数据告诉我们大量的信息，那么风险就会降低，这是一条可能导致突破的路径。