发布于 2020-12-24 9:05:41   阅读次数：

1/5

如何快速学习陌生行业的知识

从去年开始，我成为了一名职业投资者，它跟业余投资有一个很大的不同。

 

业余投资的资金量少，我只需要投资我过去很熟悉的几个行业就够了，最多再加上几个比较容易理解的消费品行业的上市公司。

 

但职业投资者因为操作资金量大，收益要求更高，且要求回撤少收益稳定，必须理解更多的行业。

 

比如你要投资苹果产业链的公司，除了通用的投资知识之外，你还要知道手机产业链的分工，关键部件的技术现状，如果你投资的是医药股，那基本上时时刻刻准备着百度一下。

 

投资这个职业对于新知识的学习能力要求很高，它的要求并不是科普型的“懂”，而是判断价值。

 

比如说PD-1，作为科普，你只需要理解它的药理机制就行了。但作为投资，你还要能判断技术未来的发展方向，这个赛道上哪些公司更具备优势，还要能定量的研究，这些新药将为这些公司带来多大的价值。

 

而且，这些新知识，你必须在非常短的时间内掌握，因为马上又有新的机会了。

 

事实上，不光是投资领域，越来越多的职业需要你能在很短的时间内掌握一门新的学科，比如我之前在银行做信贷，经常到企业实地调研，如果不懂这些行业，很容易被骗；后来做营销咨询，和电商运营，也要能在最短的时间内快速理解客户的产品和所在的行业。

 

学习陌生行业的新知识，不可能也没有必要像专业人士那样学习，最常用的方法，以前叫“触类旁通”，现在叫“知识迁移”，即把陌生领域的知识跟你之前所熟悉行业的知识框架进行比较，找到相同的因素，比如成份、知识结构、或者同样的分析过程，以帮助学习。

 

更重要的是，知识迁移也是创新性很强的工作的重要方法。

 

2/5

知识的广度与深度，哪一个更重要？

狭义的知识迁移几乎是学习的唯一的方法，比如我们学习英语语法时，总是先看一看语法现象（单数变复数），从这个现象中总结语法规则（复数规则），最后经过练习就把任意新的单数名词变成复数。

 

可以说，学习的本质就是知识迁移，只是大部分知识迁移都是发生在同一个专业内。随着知识储备量的增长，更多的知识迁移发生在专业与专业之间，就是本文所说的广义的、跨行业的知识迁移。

 

比如获2002年诺贝尔经济学奖的是一位心理学家丹尼尔· 卡尼曼，他把心理学的研究“迁移”到了经济学领域，并创造了一个新的经济学分支——行为经济学。

 

我以前认识一位编剧朋友，后来他成为职业生涯规划的网络大V，他最擅长的是做面试辅导，而这两个看似不相干的职业有一项共同的能力——讲故事。

 

具备跨行业知识迁移能力的人，其知识面必然横跨不同领域，而这就面对着一个矛盾，在有限的生命里，人的知识应该更广博还是应该更专精？

 

在网络时代之前，这个问题的答案更倾向于后者。知识在书本上，只有少数行业内的人士才能掌握，大部分人终其一生才能把本专业的知识从书本上搬到大脑里。所以，以前的工作很少要求跨专业的知识迁移能力。

 

但到了网络时代，知识触手可“搜”，你并不需要把这些知识都装到大脑里。专业学习的作用变成了建立知识架构，让你知道在这个系统中，某个知识所在的位置，以及知识与知识的联系，一旦用到，你便可轻易地搜索并理解相关专业知识。

 

这就让普通人有更多的时间涉猎多个领域，从而有可能进行“跨专业的知识迁移”。

 

而且，现代职业大多需要复合多个专业，也更需要知识迁移的能力。比如营销传播，可以说是商业与心理学的结合，如果只是从营销专业内理解营销，你很容易达到知识瓶颈，想要打破天花板，你必须跳出来，跳到上一级学科，从商业或心理学中进行“知识迁移”。

 

只不过，很多人还停留在功利式学习，每学习一件新事物，都要经受灵魂拷问：学了这个有什么用？

 

从知识迁移的角度来看，这个问题的答案很明显：到了有用的时候，自然有用，在它有用之前，你永远不会知道学它有什么用。

 

更何况，就算最后还是没用，无非就是浪费一点时间——如果你真心喜欢，那也谈不上浪费时间。

 

当然，跨领域的知识只是“知识迁移”的前提，“知识迁移”很少自发产生，就像面粉不会自动变成面包。

 

如果把“知识迁移”类比于通信中“编码”与“解码”，你还需要另外两项能力。

 

3/5

旧知识的“编码”

大部分人在本职工作之外，都有一两个爱好，可工作的知识和爱好的知识之间，几乎很少发生交集。

 

如果没有合理的方法，知识迁移只是一种非常偶然的现象。

 

这一点跟行业内的知识迁移不同，你是一名销售，掌握了几个典型类别的客户特征后，只要有基本的思考能力，自然能将“有效客户”的特征迁移到大部分客户身上。

 

想要提高跨行业的知识迁移能力，我们还需要培养从现象中抽象出事物发展本质的能力。

 

以“爱迪生效应”为例。爱迪生团队在提高灯丝寿命的实验中，试着在碳丝附近安装了一小截铜丝，希望能阻止碳丝蒸发。虽然实验失败了，但工程师却汇报了一件古怪的事，没有连接在电路里的铜丝，却产生了微弱的电流。

 

爱迪生立刻敏锐地意识到它的价值——或者我们可以用这个现象发明出一个新的电流表。

 

但很快，爱迪生将其注册专利后便束之高阁。因为他觉得人们并不需要新的电流表。

 

直到十几年后，英国物理学家弗莱明在发明信号传递放大装置时，想到了“爱迪生效应”，发明了世界上第一支电子二极管，开创了一门新的工业体系——电子工业。

 

“发明之父”爱迪生居然与这项伟大的发明失之交臂，正是因为他是一个标准的“民科”，他不懂物理理论，也就无法从“爱迪生效应”这个现象中提炼出本质。

 

所以知识迁移的第二个条件是对知识内在逻辑的认知。不光要知道这条知识，更要理解这个知识为什么会出现？在什么前提下成立？它有什么内在规律？有什么外延？

 

当然“知识迁移”的“编码”是顺着知识下来的，相对比较容易，更困难的是“解码”，因为你根本不知道密码是什么？

 

4/5

提出问题的能力

跨行业的知识迁移并不是一种高效的学习方法，因为你不知道眼前的任务应该“迁移”什么知识，如果一个一个的寻找，那太花时间了。

 

那位改行做面试顾问的朋友，如果他改行做了厨师，这个编故事的能力就用不上了，如果他在做面试顾问之前，涉猎非常广泛，那么他也可能根本想不到要“迁移”他只是略知一二的编剧理论。

 

大量的知识，在没有找到一个好问题之前都是“无用的知识”，换言之，你只有对眼前的任务提出一个好问题，对应的“无用的知识”才能变成有用的答案。

 

“知识迁移”常常是一个先有答案，后有问题的学习过程，可提出好问题的能力，常常比找到好答案更难。

 

埃隆·马斯克不是第一个研究电动车的人，很多人也比他有更多的造汽车的经验，但马斯克是一个擅长提出好问题的人，所以他先找到了好答案。

 

电动车和传统汽车最大的区别是笨重的电池，所以每一个研究电动车的人都在解决电池重量和续航的问题。但这不是一个好问题，因为它直接把电动车的问题甩给了电池工业，然后汽车巨头们就可以在一旁等答案。

 

马斯克不喜欢等，他在思考另一个问题：除了汽车内燃机变成了电池和电动机之外，电动车还有什么不同吗？

 

之所以说，这就是一个好问题，并不是这个问题本身的价值高，而是因为它有一个好答案，这个答案出现了“知识迁移”。

 

汽车内燃机变成了电池和电动机，电线取代了以前的齿轮传动轴这些机械部件，这么一来，传统汽车的原子传动就变成了电路板与电线里的电子传动，汽车工业 的核心环节就被改造成了电子工业。

 

如果上面的描述还是太学科化的话，更直白的表达方式是：电动车不是在电动汽车上装一台电子显示屏，而是为手机装上轮子，是一台假装成汽车的电脑。

 

如果你想像不出“假装成汽车的电脑”跟传统的汽车有什么不同，那么更直白的场景是：传统汽车的维修需要你把车开到4S店，未来，电动汽车的大部分故障都可以用软件升级的方式去解决，或者——试着重启一下？

 

现代社会，几乎所有的创新，其原点都是通过“知识迁移”的方式得到的。

 

特斯拉并没有很好的解决续航的问题，但它解决了另一个更重要的问题——它重新定义了汽车。

 

5/5

重新定义知识

总结一下前面说的“知识迁移”的三个过程：

 

一、储备：丰富的跨领域知识

 

二、编码：习惯于总结事件的本质

 

三、解码：从多个角度对当前任务提出各种可能的问题

 

“知识迁移”并不是一个100%会成功的方法，可一旦成功，它创造的价值远远超越常规的工作和学习方法。

 

所以我们对知识的理解也会跟过去有很大不同：

 

1、出于兴趣而学习的“无用的知识”，将发挥越来越重要的作用

 

2、学习不是为了掌握知识，而是形成思考方法和建立知识结构。

 

3、学知识不要怕忘，重要的是记得自己曾经学过，并知道如何唤醒记忆。

 

4、养成学习陌生学科知识的习惯，提高快速学习陌生知识的能力。

 

5、在搜索时代，“不知道”并不可怕，不知道自己“不知道什么”，才可怕。而那些只知道一两个专业的知识的人，更容易成为后者。

• 南沙科金控股集团携手合协EHR软件
• 人力资源管理软件职场干货：“我有五年招聘经验”“不，你根本没经验！”
• 人力资源管理软件职场干货：只要认真搞，没有什么KPI搞不挎的企业
• 人力资源管理软件职场干货：ChatGPT能否成为一位资深的HR？
• 人力资源管理软件职场干货：面试黑话翻译，听懂就是避坑
• 人力资源管理软件职场干货：关系与制度：从“为亲者隐”谈组织信任关系建设
• 人力资源管理软件职场干货：组织的平台化转型与人员管理
• 人力资源管理软件职场干货：这种HR，活该他在经济寒冬里挣钱