qg365 2022-01-18 15:34 3355 0
事理
“做难而准确的工作”，那个说法流行起来，也许是因为如今干事越来越难。
我赏识那句话出处背后的故事和配角。但是，“做难而准确的工作”，会给正在做“难而错误的工作”的人们以错觉。
未必准确的工作，可能因为难而显得准确，那错觉和“丑汉子很忠厚”一样不靠谱。
难而准确的工作，不是说做的时候难，而在于识别“准确的工作”很难，识别后做出选择更难。
本文将讲述一个“好命运的公式”：
好命运=做对的工作✖️把工作做对
那个所谓公式，能解释良多“事理”，例如：选择比勤奋更重要。
“做对的工作”，是选择；
“把工作做对”，是勤奋。
创业者如元气丛林的开创人，用贝叶斯定理的根底概率（或“根本比率”），来解释本身为什么要做饮料：
1、饮料范畴看起来很老土，但基数极大。中国饮料市场规模超越一万亿。
2、比照而言，类似于SaaS市场，看起来很性感，可市场规模仅为百亿级别。
3、所以，做饮料啃一小口也很大，做SaaS做到老迈也很小。（那不代表创业公司不因为某个范畴的增漫空间而去做。）
投资人如芒格，他鼓舞“去鱼多的处所打鱼”：
1、典型的例子如中国过去二十年的地产大牛市，赢家们是因为正好碰进了鱼多的处所。
2、而一旦鱼群退去，那些误认为本身是靠打鱼才能赚钱的人就可能陷入窘境。
伶俐勤恳的雷军，悟到“顺势而为”，中年再动身去做智妙手机，是一样的事理。
可是，智妙手机市场固然基数很大，为什么对绝大大都参与者并不是意味着时机呢？若是是一个赢家通吃的市场，基数再大有什么用呢？
“时代是万位数、行业是千位数、小我专业是百位数”那类提法很生动，但切当说：时代和小我之间，是一种乘积关系。
所以我们应该再完好地看看“好命运的公式”：
好命运=做对的工作✖️把工作做对
做对的工作，是指基数大的市场，大趋向，大要率准确的工作；
把工作做对，是指鱼再多，也要和你有关系才有价值；
上面两项中间的“✖️”，是指你在鱼多的处所抓住鱼的婚配战略。
我喜好大白话将之总结为“命运三问”：
1、天上为什么掉馅饼？
2、馅饼凭什么掉在你的头上？
3、你若何将那个馅饼吃进嘴巴里？
所以，智妙手机对雷军来说也许是个馅饼，对罗永浩来说也许就是个陷阱了。（我很喜好罗永浩，等待他早日回归科技界。）
我对那个话题感兴趣，是因为发现那个烂大街的事理，确实是许多高手们的“通用算法”。
可是，那个事理并没有得到很好的解释和描述。
刚好那个事理背后，又有一些严密而有趣的计算。
假设一个事理可以构建出一个模子，假设那个模子可以相对切确地被数学描述，没准儿实能成为“高手的公式”。
所以，本文是测验考试做一件“将老生常谈讲出新意”的工作，恰好那类工作也是契合该公式的。
计算
人们对根底概率的轻忽，经常带来现实中决策上的误判。
例如，你在陌头看见一个美女貌若天仙，于是你猜：
a、她是一位演员或者模特；
b、她是一位通俗的公司人员。
很多人会猜是a，但是该美女是后者的可能性更大，因为公司人员的基数远大于演员。
为什么会呈现误判？一个是因为新鲜效应，二是因为轻忽根底概率，三是倒置了因果。
综合以上三点，人类喜好按照明显的特征去套“规律”：
演员凡是很美，所以那位如斯美的美女大要率是位演员。
再好比你看到一项研究成果表白：四分之三的车祸发作在离家25英里以内的处所。于是有人起头阐发，离家近开车更不平安，是不是因为快到家了焦急或者放松警觉？
那也是一个根底概率错误。本相是90%的时间你都在家附近开车，发作车祸的概率当然更大。比拟3/4的比例，现实上离家近开车可能更平安。
我仍是用阿谁老掉牙的例子，来描述一下根底概率和相乘关系。
塔勒布在投资研讨会说：“我相信下个礼拜市场略微上涨的概率很高，上涨概率大要70%。”
但他却大量卖空尺度普尔500指数期货，赌市场会下跌。
他的定见是：市场上涨的可能性比力高（我看好后市），但更好是卖空（我看坏成果），因为万一市场下跌，它可能跌幅很大。
阐发如下：
假使下个礼拜市场有70%的概率上涨，30%的概率下跌。
但是若是上涨只会涨1%，下跌则可能跌10%。
将来预期成果是：70%×1%+30%×（-10%）=-2.3%。
因而应该赌跌，卖空股票盈利的时机更大。
好几个伶俐伴侣对我说，那类计算太简单了，初中就学过。但其实并没有。
并且之所以我老拿那个例子说事，是因为塔勒布的故事发作在华尔街，那帮顶尖伶俐人也会在那个简单计算上犯糊涂。
姑且用上面那个计算套一下“好命运的公式”：
先看一下天上掉下来的是什么馅饼。
看起来是一个“上涨”馅饼。但是按照公式我们晓得，要计算的是乘积，所以对好命运的计算应该是：
乘积的成果就是求面积。下跌的概率更低，但是可能下跌的幅度更大，所以下跌的期望值（红色面积），大于上涨的期望值（绿色面积）。
因为是乘积关系，所以长和宽是能够倒置的。其隐喻是，哪怕是根底概率小的工作，也能够靠把工作做得更好而扳回来。一些专业范畴的小而美的公司确实也是如许做的。
但是，假设二者的根底概率差一百倍，要扳回来的代价就高良多。
为什么如斯简单的计算，华尔街最伶俐的人城市搞错呢？
因为那里面的计算拐了两道弯，而我们的曲觉愈加合适处理拐一道弯的问题。
上面说了人类容易因为新鲜效应而轻忽根底概率，那么请允许我再拐一道弯：
假设你在陌头看见三位貌若天仙的美女在一路走，你认为她们是演员仍是通俗公司人员呢？
我们的曲觉，关于概率问题，凡是是两端扭捏的。
再看一道让良多绝顶伶俐的人也为难的标题问题：
某市八年级学生的均匀智商是100。为查验本地的教育程度，你随机选择了50论理学生承受测试。第一个学生的智商测试得分为150，请判断那50论理学生的均匀智商。
《思维的发现》
谜底莫非不该该是均匀数100吗？
究竟结果阿谁智商150的孩子只是特例，也许会被得分较低的拉平。
准确谜底应该是101。
假设你错了，没必要在意。昔时那道题曾经考倒了一群精通概率的专家。
看似只是多了个“1”，不同其实很大。背后的有趣逻辑，提醒了我们根底概率与新证据之间的互动关系。
应用
我用公式来讲述一个世俗的事理，绝非是用所谓天然科学来套用社会科学。
理解根底概率，有助于我们脱节人类典型性的依赖，制止由此产生的误判。
做为基于比力的曲不雅动物，人类在某种意义上缺乏全局性。所以，计算中的乘法，用面积来代表期望值，能帮忙我们做出全面而理性的决策
那也是一种基于第一性原理的思虑。
那么做，并不是完全基于根底概率来做判断。多个新证据的呈现，会大幅批改根底概率，那恰是贝叶斯定理的杠杆效应。
回到我们的“好命运的公式”：
好命运=做对的工作✖️把工作做对
来看一下那个公式无处不在的应用。
1、马斯克若何雇用？
马斯克雇用时，会问两个问题：
a、你处置过哪些棘手问题。处置得怎么样？
b、你在关键节点时若何做决策？
在围棋里，“处理难题”相当于做死活题，很有挑战，但有更优解，或者说在详细情境、资本约束、时间限造下，有更优解；
“决策”则是指选点才能，例如左上角有个对杀，右下角有个大场，选哪个战场？然后才是详细处理问题。
二者也是乘积关系，最末价值取决于二者相乘的面积。
决策之难，不行是价值评估之难，你需要构建一个价值函数，还要代入数据预算。
决策更难之处是：要超越能够计算（例若有解的死活题）、可以看见的事物，去预见将来的成果，进而做出跨期决策。
以上那两种才能，是二位一体的。只会做部分死活题，容易“赢了每一场部分战役却输掉整个战争”；
只会“选点”而不会做死活题……若是不会做死活题，底子谈不上“选点”那件事。
2、大局不雅和资本分配
选点才能，就是找寻“什么是准确的工作”。
不管企业，仍是小我，资本都是有限的。所谓选点，就是以全局视野，来找寻可以构成合作优势的主战场，并分配资本。
做到那一点，需要十分困难的思虑。所谓“做困难而准确的工作”，难在选择。
大部门人会为了逃避那种困难，而假拆很辛苦地埋头去干事情。
难在哪里？
难在大局不雅。
我将其概为三种大局不雅：
1、空间的大局不雅；
2、时间的大局不雅；
3、资本的大局不雅。
空间的大局不雅
就像下围棋，哪里重要下在哪里。
我从AI那里学到的最重要的一点，就是脱先：
AI永久去下全局中最重要的那一点，哪怕战场再剧烈，一旦不是主战场了，立即转移，绝不纠结。
围棋究竟结果仍是一个完美的二维游戏，现实世界要复杂得多。
现实世界不会像围棋那样在某个维度上有极深的计算，而是由良多个维度的不那么深的计算交错在一路。
所以，我们只要用概率去评估，去计算各类变量的可能性，并通过加权计算期望值。
事物的概率，是一大堆交错在一路的模糊因果。
所谓“准确的工作”，素质上是去找寻大要率准确的工作。
时间的大局不雅
那一点更容易在投资和创业那里找到案例。
例如“持久持股”。价值投资者的持久主义，成立在他们的计算深度、以及预留的足够的平安边际根底之上。时间的大局不雅消弭了短期的不确定性，令持久确实定性价值显露出来。
价值投资者的时间大局不雅，代表了概率的频次派。创业者的时间大局不雅，则代表了概率的贝叶斯派。
1、创业者大多从小概率事务动手，然后跟着时间不竭优化概率。
2、价值投资者更相信根底概率中的大要率事务，他们对“力挽狂澜”其实不感兴趣。
时间的大局不雅，还应该包罗对时代和周期的理解。
资本的局不雅
指的是若何按照空间的大局不雅和时间的大局不雅分配有限的资本。
所谓战略，就是对有限资本的权衡取舍，以确保在优势地带构成部分的差别化优势，以逃求到达某个浓度之后的“炸裂”。
3、选择之后的勤奋
假设“选择”有用，那么每个选择理论上都对应着几种差别的可能性，就像几个差别结局的平行宇宙。
然而在现实中，为什么命运似乎只是单线程地滑落？似乎并没有多个可能性的并行，哪怕只是在一念之间。
原因之一是，在已知变量里，个别的变量太微不敷道了，好像一滴水落入大海般带不来任何改动，所以“选择”所带来的此外可能性并不是没有，只是概率极低，能够忽略不计。
由此，选择也与浓度有关，进而与鸿沟有关。
所以，选择不只是一个过程，仍是一个系统。
个别的勤奋，必需基于一个相对封锁、但又可以与外界发作关系的系统。
就像造冷的冰箱，行驶的汽车。系统实现了部分的熵减，从而能够对外做功。
良多人去逃逐时代的大时机，去进修，去混圈子，但是假设没有本身的系统，没有手中的筹码，乘积仍然是零。（期乐会官方微信公家号平台ID：qlhclub）
当我们的选择过于聚焦时，可能丢失在过于狭小的空间里；
当我们的视野足够宏大时，选择的浓度不敷以产生改动。
前者的浓度，需要靠空间来实现；
后者的浓度，则有赖于前者通过时间的叠加来实现。
关于选择和勤奋，伶俐人最容易犯的错误是，试图将不准确的工作做成准确的工作。那并不是不成能，但概率较低，吃力很大。
例如马斯克选择本身的道路，也是先自上而下思虑，去找寻那些人类非做不成的工作。那些事当下也许是小概率的，但将来则可能是大要率的。
4、乘号和婚配量量
陈春花传授大约讲过一段类似的话：
处理问题的价值，也取决于该问题的需求的强度。
若是用公式来表达，就是：
价值=需求✖️处理。
那个公式和好命运的公式大致是一样的。
那就会引发出一个概念：婚配量量。
我在伴侣发来的一段文字里看到那个概念，它尤其适用于小我成就，关于孩子的教育非分特别有启发。
小我成就=范畴✖️小我勤奋。
一小我只要热爱本身的工做，才气够有持续的激情，长久的专注力。所以，持久主义历来都不是靠对峙的，而是靠高婚配量量下的兴趣和本性驱动。
围棋的关键是选点，企业的关键是选人。例如海底捞，办事员的热情不是靠培训出来的，而是靠选出来的。那是关于一小我的根底概率的命题。
有项研究表白，那些职业生活生计的早期，花了较多时间在“婚配量量”上的人，貌似起跑的时候有点儿游手好闲，兴趣太多，其实是在寻求对小我而言的全局更优点，一旦找到就会后来居上，势不成挡。
关于孩子的教育更是如斯，漫长童年期的创造，就是为了让孩子在适度紊乱的平安情况里，通过摸索和试错，快速而低成当地实现自我认识。
可惜我们的教育大多做反了：我们花了太多时间教会孩子去提早学那些迟早城市而且成年后根本用不上的应试常识，却让他们在成年之后才起头思虑“我喜好什么？我擅长什么？我该做什么。”
总结
本杰明·富兰克林说：20岁时起收配感化的是意志，30岁时是机智，40岁时是判断。
什么是准确的工作？
那是个十分复杂的问题。你需要有本身的价值评判尺度，有目的，进而构建一个用于评估的价值函数。
并且，“准确”老是一个概率化的问题，而且是一个渐进的过程。（期乐会官方微信公家号平台ID：qlhclub）
什么叫把工作做对？
同样十分复杂。
那背后仍是关于决策的话题，大之又大。
也许我会在别的的文章里讲述上面的话题。
关于“好命运的公式”：
好命运=做对的工作✖️把工作做对
请记住“命运三问”：
1、天上为什么掉馅饼？
2、馅饼凭什么掉在你的头上？
3、你若何将那个馅饼吃进嘴巴里？
那背后看似简单的数学计算，有着许多好玩儿让又让伶俐人犯晕的标题问题。
请允许我用下面那道题做为2022年的新年礼品送给你：
有一个净重10千克的西瓜，含水量十分丰硕，到达了99%，放在太阳底下晒了一段时间后，含水量酿成98%了，那么，那个西瓜如今多重？
好好算一下，你也许有意料之外的思虑乐趣。
祝你2022年走好运，全家安康安然！
Demand feedback
