在周星馳的電影《唐伯虎點秋香》中，唐伯虎為了追到秋香，不惜包了一艘「快船」去跟踪她，可惜他搭的那艘「快船」，它的「快」並不是海上前進的速度的「快」，而是下沉速度的「快」。在急速的工作生活中，數位產業者每天也忙著解決不同的難題，而在過程中我們可以怎樣保持頭腦清𥇦，條理分明地作出高質量的工作決策？今天 Mr.Sophie 就為大家介紹一套能幫助你拆解工作上複雜難題的底層思考方法：「七種問題結構」與「邏輯樹 」（ Logic Tree ）的概念與應用，讓你成為一位真正的解決問難高手。

你到底已明確理解你正在解決什麼問題了嗎？

大部份人在工作上遇見難題時，通常也會立即 Google 一下，期望找出直接的解決方案，可是你如果去問一個小說家，當他要準備寫出一部條理清𥇦的小說時，他猜他會第一時間先去雕琢角色之間的對話內容及詞藻修飾，還是先把故事大綱先整理出來？沒錯，好的小說作家必然會選擇後者，因為環環相扣的情節推演才是小說的核心。同樣地，當我們要解決一個工作難題時，如果你企圖想用一次 Google 就獲得「終極答案」，這就好比一個小說家連大綱都沒想好，便全力投入於「咬文嚼字」的世界，這是一種既低效率又「本末倒置」的解難手法。

那我們面對工作上的難題時，可以如何更好地梳理問題的脈絡呢？在麥肯錫顧問公司（McKinsey & Company）史上第一位女性顧問芭芭拉．明托（Barbara Minto）的經典作品《 金字塔原理 （The Minto Pyramid Principle ）》當中我們便可以得到很好的啟示：

在芭芭拉．明托的「金字塔原理」中，她講求： 「結論先行，以上統下，歸類分組及邏輯推進。」； 在運用原則上則講求：「先重要後次要，先總結後具體，先框架後細節，先結論後原因，先論點後論據。」，而為了幫助幫助你更容易理解上述原則到底如何運用，我將會在下半部份，以數位產業者的面對工作難題為例，用作解說。

先了解問題的現存背景及結構

要了解問題的背景，我們必須先看看「現狀」，我們眼前的問題，通常是源於一個「不期望的現狀」（Undesired Result，R1 ) ，而這個「不期望的現狀」（ R1 )與我們期望得到的結果或目標（Desired Result； R2 ）產生了差距，而這個差距就是你的「解決方案」：

也許有些讀者看完上面的問題基本結構圖，會忍不住噴：「Come On Mr.Sophie ! 你寫的這種問題結構，我幼稚園時已經知道，為什麼要『化簡為繁』浪費我時間去看你這種廢文？」，好的，你不滿的聲音我已經聽到了，但先請給我一秒，讓我再說一句：「上面所說的這種架構，只是眾多問題型態中的最基本款式，而根據 Barbara Minto 的看法，她認為問題的結構通常包含七種。」

七種常見的問題結構：

還記得我們上一篇提及的「最小必要知識架構術」（ Minimum Viable Knowledge Structure ）文章嗎？

那些產業大神不會告訴你的快速學習秘技： 「最小必要知識架構術」（ Minimum Viable Knowledge Structure）

在文章開首的主角小盛，他要解決問題，正屬於上述第一類問題結構，因為他的老闆對於公司品牌的臉書粉絲反應並不活躍（ 不滿意的現狀； R1 ），因此要求小盛要想辦法「增加粉絲的活躍度」，以達到「提昇品牌知名度」，「吸引新粉絲到公司網站消費」及「增加公司營業收入」的效果（ 達到期望目標，R2 ），而小盛要處理的就是「解決方案」這個問號。

承接上面小盛例子，當小盛使用完「最小必要知識架構術」（Minimum Viable Knowledge Structure），他明白了自己可以使用的解決方案，但他卻不肯定這個方案是否正確，也不清楚自己可以如何實踐，他的問題結構就屬於第二及三類的問題。

當小盛千辛萬苦，總算找到解決方案，而老闆也答應採用他的解決方案，但可惜在過程中，他卻發現自己的方法行不通，所以他開始猶豫著自己的解決方法到底在哪裏出了問題，也不知道下一步應該怎樣走下去，那他此刻面對的問題就屬於第四類問題結構。

當小盛使用完「最小必要知識架構術」（ Minimum Viable Knowledge Structure ），他知道有幾個解決方案也適合公司，於是他決定把這些方案都給老闆提案，此時小盛老闆大蝦哥面對的問題結構就是從小盛的 A、B、C 方案中，找出最能解決問題的方案，而小盛老闆大蝦哥面對的問題架構就屬於第五類問題結構。

當小盛的老闆大蝦哥近期看到公司的營業額一直無法增長，因此他知道公司的營業方向必須要變革，但是他卻不太清楚到底要如何變革，也不知道變革後公司可以達到什麼新目標，大蝦哥面對的問題類型就屬於第六類型問題結構。

大蝦哥在近期也看到自己的競爭對手也紛紛在自己的電商平台上引入美女直播導購的服務，銷量似乎也有大幅提昇， 大蝦哥一向只習慣請叔叔輩的編輯做踏實的開箱文，而且過去顯示文章也可以帶來不錯的營收，由於他對直播影音並不熟悉，所以他並不確定自己是不是也應該要為公司新設影音部門也來試做美女直播導購，而這個時侯大蝦哥面對的問題就屬於第七類問題結構。

解決方法：邏輯樹 （ Logic Tree ）

好了，當我們透過小盛及他的老闆大蝦哥作例子，解釋了七種常見的問題結構後，我相信你對問題架構已經有了初步的認識，那接下來我們就要使用「邏輯樹 」（ Logic Tree ）的方法去解決問題。

「邏輯樹」又稱問題樹、演繹樹或分解樹等，是麥肯錫顧問公司其中一種最常使用的分析工具，它的特點是把一個問題的所有子問題分層羅列，並盡可能以不同的維度加入相關的子問題分層，類似樹幹（主問題）與樹枝 （子問題）的概念。

而「邏輯樹」主要有分有三大類別： 議題樹（ Issue Tree ）、假設樹 （ Hypothesis Driven Tree ）及 是否樹 （ Issue Map ）。

議題樹 （ Issue Tree）

議題樹的特點是能夠將一項事物以不同維度的，細分為不同類別，它非常適用於你解決問題過程的早期。在問題早期，你通常對問題背景資訊或行業知識並不掌握，因此你很難有足夠的資訊或知識基礎去作出有利你解決問題的合理假設（Hypothesis）推演，而議題樹就有助擴充你解決問題的切入點。

在上述第一類問題結構： 「不知道如何從不滿意的現狀 （R1 ）到 達到期望目標 （ R2 ）？」及第三類問題結構：「知道如何從不滿意的現狀 （R1 ） 到達期望目標 （ R2 ） ，但不肯定如何實踐？」就是典型適用於議題樹的題型。

在我上一篇有關「最小必要知識架構術」（Minimum Viable Knowledge Structure），主角小盛為了要更清𥇦地理解老闆交託給他的工作任務，他把他的任務 ： 「增加營業收入」及「增加品牌知名度」，以議題樹 （ Issue Tree）的方法，把它分解成內在邏輯上能彼此關聯的子項目：

在議題樹 （ Issue Tree）的幫助下，小盛由「增加營業收入」及「增加品牌知名度」兩個解決問題的切入點，增加至「收入的種類」、「收入的控制」、「品牌知名度層次」、「建立知名度原則」及「建立知名度策略」五個問題切入點，大幅度提昇他可實踐解決方法的彈性和空間，從而擺脫他面對問題時，無從入手的困境。

假設樹 （ Hypothesis Driven Tree）

假設樹（ Hypothesis Driven Tree）是指你已為問題假制定了一個解決方案，為了確認這個方案，你需要羅列足夠的論據去証明或否定這個解決方案是否有用。假設樹（ Hypothesis Driven Tree）通常適用於你需要在有限的時間中，快速確認解決方案是否適用於你的問題，例如上述第五類的問題架構：「我們有不同的解決方案，哪一個是最好？」就是典型適用於假設樹（Hypothesis Driven Tree）的題型。

承接小盛的例子，當小盛運用了「最小必要知識架構術」（Minimum Viable Knowledge Structure）拆解老闆的任務後，他得出了三種解決方案，而其中一個解決方案如下：

他在假設樹的頂端先提出他的論點（解決方案）： 「以臉書廣告功能優化公司的現時銷售流程」，隨後向下延伸時，他在每一個層級都以不同的論據去說明他的論點，讓人更容易比較到各種解決方案的說服力有多少。

是否樹 （ Issue Map ）

是否樹（ Issue Map ）是用作說明「可能的決策」與「決策標準」之間的關係，它適用於解決問題的中後期，特別是你對問題背景、相關的資訊及產業背景也有清𥇦的理解後，你有能力為是否樹的的開端，提供一個接近「期望達到的目標」（ R2 ）的方案，便從中透過「是」與「否」推演出最佳解決方案。「是否樹」可以按著你是否已對問題的背景認知已到達一定程度，而用於上述七種問題結構的後期階段。

例如在小盛的例子中，當他已經花了一段時間去處理他的「臉書廣告企劃」任務，他已經掌握了臉書廣告的操作原則（ 解決方案 ），老闆對任務的期望（ 期望達到的目標； R2 ），現時公司的實際營銷情況、臉書的活躍度（ 不滿意的現狀；R1) ；公司各部門能就企劃配合的人力資源、其他競爭對手的社交媒體及營銷策略、國外同類成功的案例的實際操作手法 （ 額外的問題背景資料），使用是否樹（ Issue Map ) 便可以幫助他用更短時間作出更有效益的決策：

在小盛的是否樹（ Issue Map ) 中，他提出可以採用 A ／B Testing 作為其中一個解決方法，而能否採用這個解決方案的標準，他便提出「市場推廣部門今季的預算是否足夠」作為標準，以此推演最能符合公司現況的解決方案。

千篇一律的答案無法應對變化萬千的世界

看到這裏，相信細心聰明的你也會發現，Mr.Sophie 在三種「邏輯樹」（ Logic Tree ）的解釋及應用例子，只用上七種問題架構中的其中幾款問題型態作為對應例子，那為什麼我不直接幫你規劃出一款問題架構，配上一款「邏輯樹」樹，讓你以後我按著上面的建議去解決工作難題就好？我不這樣做是因為：

我們的世界是一個變化萬千的世界。

解決問題的高手，從來不會追求單一的答案。華人的教育制度一直教我們要「點對點」地直線方式思考所有問題，因此我們對解決問題的思考模型總是靜態的：

但在數位產業者，或者應該說在富有批判思考的數位產業高手的工作世界中，真實的問題情景是這樣的：

兩者之間的最大差別是在於後者擁有「動態時間軸」的視角

過去你大多會聽過身邊的同事會抱怨：「這個 XXX 超級難題，我們沒可能解決，你看我們都已經嘗試過 YYY ，但也解決不了，所以我們也沒辦法！」。面對這些抱怨，你是選擇用什麼態度去回應？

有關「為什麼你應該要立即停止再和那些愛抱怨的同事交往？」，歡迎你參考我早前寫的：

寫給 Digital Freelancer : 2017 年快速提昇收入的狠招

事實上，你那些愛抱怨的同事所說的「無法解決」，除了有機會是他對問題結構不理解，或從沒有意識要花時間去理解外，更重要的是在解決問題的心態上，他們從沒有加入「時間軸」的視角，以看似「身體上勤奮工作」的表面去掩蓋「自己腦袋的惰性」，企圖「安全又恆定」的答案，去解決所有真實動態世界的問題。

我們必須要明白到，數位產業者在工作上遇見的問題，往往是複雜多變，因為數位產業的本質就是「前衛」又具有「創造性」，產業的變動源自於各種的市場需求的變化及技術革新。當你遇見問題的初期，那些你被定義為「正確」的解決方法，在你到達問題的中後期時，因著你資訊採集的渠道變得更豐富更敏捷時，你也許又會推翻你當初的「正確」，而選擇另一種你認為對問題的當下或未來發展也會「更好」的解決方法。

因此 Mr.Sophie 不在這裏為你提供一個明確的答案，是因為我沒資格也沒能力在動態的世界中，為你提供一個完全適合你一切工作難題的「永恆最佳答案」。我可以做的只能跟你分享「底層思考」的原則，但真實在你數位世界的工作戰場上用到的，也只能靠你用你做事的個人風格去實踐。

因此即使你今天還未完全消化我在上面提出的問題結構或邏輯樣的運用，沒問題，但更重要的是我希望你由這一刻起，開始接受以變動的「解難之心」，去應對你千變萬化的工作難題。一旦你接受了這種心態，那我恭喜你，你已經開始擁有解決問題高手稱為「心態」的最底層基本功。

如果你沒時間，請你至少記得：

1. 七種常見的問題結構：

（ 1 ) 不知道如何解決；

（ 2 ) 知道怎樣解決，但不肯定是否正確；

（ 3 ) 知道怎樣解決，但不知怎樣實踐；

（ 4 ) 嘗試過解決，但行不通，不知道下一步可以怎樣做；

（ 5 ) 知道不同解決方案，但不肯定哪個是最好；

（ 6 ) 知道需要變革，但不知道問題是什麼，以及如何實踐目標；

（ 7 ) 不確定自己是否有問題，如果存在問題，可以如何解決？

2. 三種邏輯樹 （ Logie Tree ）：

（ 1 ) 議題樹 （ Issue Tree ) ；

（ 2 ) 假設樹 （ Hypothesis Driven Tree ）；

（ 3 ) 是否樹（ Issue Map ）

3. 解決問題高手的正確心態：

（ 1 ) 尊重「時間軸」的動態運作

（ 2 ) 以變動的「解難之心」去應對千變萬化的工作難題

知識需要配搭行動力，讓我們一起刻意練習：

1. 可否回顧一下你最近在工作上遇到的最大難題，嘗試用「七種常見的問題結構」去拆解問題並用「邏輯樹」（ Logic Tree ）找出新的解決方法？
2. 可否把你上面這個解決問題的新經驗與心得分享，放在你的社交媒體或 Blog 文中與你的朋友分享你對解決問題的新看法？

下星期預告：在這世界上「天生的天才」只是佔少數，大部份所謂的「天才」其實是「後天努力型」，而在努力的過程中，「不斷改良」是你擴大與身邊人專業能力高低差距的關鍵因素，那你到底如何為自己的專業能力打造一個高能量的「改良迴圈」？

好了，下星期一，晚上九時，讓我們再一起來探索什麼是「改良」，希望在這裏再見到你！

解決工作問題要「唯快不破」？你的問題方向弄錯了，快又有屁用？ was originally published in gurugurugo on Medium, where people are continuing the conversation by highlighting and responding to this story.

在談到提昇收入前，讓我們先談一談你理想的數位自由工作者月薪應該是多少，好嗎？怎樣？一時間還沒有想不出來嗎？那我就先給你先抓個一個 TWD 600,000 一個月，好嗎？以一個台灣獨立的數位自由業者來看，這應該已經是一個很不錯的月薪。

那確定這個月薪後，我又想問一下，你覺得你現時有什麼專業技能，值得有客戶願意持續向你支付每個月 TWD 600,000 一年？

這就是問題所在。

我相信你在數位自由工作者的產業待過一陣子後，總會遇見過不少渾身怨氣和怒氣的同行，由入行時由青春熱血小伙子，到入行幾年後慢慢變成整天在吐糟「某客戶不了解我的創意」、「某公司不解我的能力」及「我們這一代的機會都上一代的老屁股拿走了」等等的老怨靈，你對此有什麼感想？

你的這些同行也許也明白，當你被困在一間缺水缺糧的小房間內，整天對門鎖在咆哮和埋怨是沒有任何用處，他們也知道要做是立即想辦法找其他鎖匙和逃生出口，幫助自己逃出生天，但為何他們就是做不到？

為什麼我們知道「抱怨無用」，但大部人都選擇繼續抱怨？

因為對大部份來說，「抱怨」是成本最低的「反抗」方法。此話何解呢？中國著名的知識節目《羅輯思維》的主持人羅振宇就曾經談過這個世界分了兩種人，一種人叫「立場、感受和意見」，另一種人叫「目標、行動和方法」，前者就是我們平常在工作場境中經常都遇見的老怨靈，他們對公司文化、產業結構和工資水平問題都有諸多高見，但真正要他去親力親為去解決問題時，他們就總會推說「算吧！做也沒有用，世界就是這樣，就算我想做我也因為XXYYZZ （ N個原因 ）所以我都無辦法！」，對這些人來說，他們只要有機會在適當的場合，把這些工作的苦楚找個能和他圍著取暖，互吐苦水的人噴一下後，他們就覺得自已算是「有稍為有反抗一下」。對他們來說，「抱怨」就是現時工作困境的終點，到達終點後，他們又會再重新返回「埋怨之路」起點開始，重新累積壓抱怨力量，再走向走到上一次的終點。

而第二種稱為「目標、行動和方法」的人就大為不同，他們習慣用「行動的角度來思考」，習慣知行合一，坐言起行，他們會逼著自己把那些想法、意見，都轉化成直接的行動，並會根據每次行動的結果再反省再準備，以達到下次可以獲取更好的行動成果，這類人習慣會使用「里程碑式」( Milestone)思考模式，對他們來說，他們每次的行動永遠不會有終點，而只是一個又一個的讓自己變得更進步更好的里程碑。

為什麼我明明知「坐言起行」的重要性，但我卻無法持達到？

看到這裏，也許有讀者會問，你說的這些我都知道啊，但我不知為什麼總是無法堅持到底？為什麼？因為你一早已把你行動的力量拱手相讓於各種怪獸了！什麼意思？

中國比特幣（ Bitcoin ）首富李笑來曾經說過： 「人生最寶貴的財富就是專注力」，他的著作中，曾多次強調專注力的重要性。

在他的著作《把時間當作朋友》的書中曾提 : 「專注力相比起錢更重要，因為錢是可以再生；專注力比起時間更重要，因為本質上後者是無法全面控制，正如你無法控制自己的生老病死的時間一樣，所以你只能與時間做朋友」，而「專注力」就是你人生中唯一自己可以可以完全自主的力量，除非你自己主動選擇放棄。

「專注力」是自我成長的基石，也是你最快可以提昇自己配得擁有更多財富體質的方法。

日本樂天市場社長三木谷告史早就是說了「每天進步1%，一年就可以厲害37倍了！」，你試想想如果你把你每天兩三小時的專注力都放在學習你現時數位自由工作者的專業技術上，你只需花一年時間，以光速大大拋離和你同一程度技能水平的同行，持續下去你更可能有朝一日成為你產業中的大神級人物，這難道不是一宗很划算的交易嗎？

可是，為什麼你明明知道你應該要做，但總是做不來？因為的專注力早早就被三種怪獸吞吃了！那三種怪物是什麼怪獸？

三種專吞吃專注力的怪獸

第一種怪獸，名叫「名人八卦」，周杰倫與昆凌的婚禮規模，吳奇隆與劉詩詩的相遇故事，王菲與謝霆峰的姐弟戀，說真的他們的感情又關你何事，你總在花時間去打聽這些八卦對你的數位自由業者人生又何益處？可是你就是奈不住心癮，跑去花時間去滑臉書，找八卦。

在你的心癮下，你的專注力對媒體可就值錢，有了你的專注力，他們才有線上流量，有了流量他們才能透過各種線上廣告收入去變現為自己的財富，所以這隻「名人八卦怪獸」就是一隻專收割你專注力去建立自己財富的怪獸。

第二種怪獸，名叫「社交大好人」，這隻怪獸外表善良可愛，但其實是一隻狡滑的狐狸。他們最愛以「討拍」的形式去收割你的專注力。它們出現的場境大多是在你那些「立場、感受和意見」類的朋友附近，每當你這些朋友遇上工作瓶頸，家庭問題，對數位自由工作者產業的前景焦慮 ，反正他們都會第一時間找上你吐苦水。

對他們來說，他們最想得到的並不是什麼解決問題的方法，而僅僅只是「被聆聽、被認同、被安慰」，因此當你花了兩三小時聆聽他們的感受和意見，順利完成情緒垃圾桶使命後，他們便身心舒暢地離去，而只餘下還有一堆工作未完成的你，因此「社交大好人」怪獸是專門吸收你的體力和精神和收割你的專注力的怪獸。

第三隻怪獸，名叫「突然的趨勢」，如果你是一個創業者，應該對這隻怪獸最為耳熟能詳。這隻「突然的大趨勢」最愛就是吞吃「機會主義者」的專注力，在你的朋友圈中，突然一天興起了什麼「O2O創業」、「大數據」或「網紅經濟」的「大趨勢」，那些機會主義者通常連當中基本概念及市場操作原則也還沒有搞清楚，就立即心急如焚地放下自己手上的工作，一頭栽進去這些「突然的趨勢」，還要搖旗吶喊地游說他人一起加入，最後風風火火弄了個一年半載，卻發現那個產業原來「並不是我想像這樣」，最後白花花浪費了自己成長的時間，也浪費了別人寶貴的時間。

2017 年快速提昇收入的狠招： 對怪獸狠，對自己狠

在碎化片資訊的年代，人一天的專注力，往往只有兩三個小時，而這兩三小時的專注力不單是我們可以完全自由和控制的力量，更是令我們變得更好，更快成為數位自由工作者產業中最頂尖的 1 ％ 的關鍵。

「狠」，是對上述三隻「名人八卦」、「社交大好人」及 「突然的趨勢」的怪獸夠狠，以保護自己最重要的「專注力」。「狠」是對自己夠狠，把這些獲得了保護的「專注力」只投放在有利於自我成長和學習的事情身上，並要求自己不斷學習，以更短時間躋進數位自由工作者產業中最頂尖的 1 ％。

或許你又會說，上面你說的話是挺有道理，但現實上真的有人可以做得到？在本文章的最後請容我向你講述一個在 2016 年發生在中國的內容創業界一個極有意思的故事作結。

在 2016 年，中國興起了一個非常火紅的線上內容創作者（ Online Content Creator ），名叫「剽悍一隻貓」。在他微信的公眾號中，他曾立下了一個目標： 「我要在 2016 年要採訪 100 位大神級的人物，讀完 100 本學習應用類的書籍，寫 100 篇讀書筆記，並成為一個成功的內容創業者。」而為了達成這個目標，他選擇辭去工作，拿著 16 個載滿書的大麻袋，自己所有積蓄 RMB 10 萬元，離開了他待了六年的城市，開始了他達成目標的旅程。

上圖 ： 剽悍一隻貓曾公開過的在事業谷低時的銀行紀錄

可惜這個旅程並不順暢，雖然他在房間上已寫滿了各種勵志的字詞，手機裹全部都是提神的音樂，但他所寫的內容卻是一直無人問津，後來當他的銀行卡只餘下 RMB 183 時，他決定寫下一篇《為了詩和遠方，我終於實現了眼前的苟且》，而在他推出這篇文章後，竟然獲得了極大的迴響，文章推出當天就有讀者選擇給他 RMB 10,000的內容打賞。

而經過上述的試驗後，他決心投放更多時間，不斷自我學習，以完成他的目標。他曾公開分享過，他只會把專注力和最大的資源放在「自我學習」這件事情身上。

因此他每天也會規範自己必定在自己平台上公開發佈一篇對讀者有價值的文章，同時不斷仔細研究讀者愛好的閱讀模式，並把這類研究深入到付費內容產業的系統和週邊環境，無論是上載通路，到付費內容可以出現的各種商業變現方法，他都不斷測試及優化。而經過他的努力，在2017 年他的粉絲已暴漲至58萬人，而他去年更順勢成立，專門售賣自己內容的訂閱付費社群，粗略估計每個月最少能為他套現TWD 600,000，而現在他更同時更擔任著不同品牌的代言人，這個財富收入的巨變，前後他只花了一年時間。

總結上述的文章內容和剽悍一隻貓的故事，我們可以看到「讓自己的能力配得上自己的慾望」是數位自由工作者生存的確道理，放下抱怨，由今天起開始，開始裝備自己吧！

由今天起，讓我們一起刻意練習（ Deliberate Practice ) ：

1.在你平日的生活中，有什麼人和事就是上面這三隻怪獸的化身？你通常會花多少時間去處理？讀完這篇文章後，你又會花多少時間去處理？

2.由這一週開始，開始嘗試每週都寫自己的成長筆記，內容可包括：今個星期內，你把大部份專注力都花在哪裏？你用了多少專注力放在與你數位自由工作的產業技術的提昇上？從中你有什麼新的學習和得著?

3.把上述的成長筆記，找一個優質的發佈平台 （ 可以是個人臉書、個人博客或) ，和大家分享你這篇學習筆記，看看身邊人有什麼意見和回饋，可以使你變得更好？

延伸燒腦題： 對於數位自由工作者來說，人生最重要的能力是什麼？

>想知道這條問答案，歡迎你登入www.gurugurugo.com 探索更多

P.S : 與你一起學習進步，就是我的創作的最大動力！如果你對我這篇文章有任何意見，或覺得可以補充或進步的空間，歡迎你可以在下面留言享，我將會在收集大家意見後，把文章的共同修訂版本在下星期再重新上載分享，讓我們互相啟發，成為一個更有價值的數位自由人！

寫給 Digital Freelancer : 2017 年快速提昇收入的狠招 was originally published in gurugurugo on Medium, where people are continuing the conversation by highlighting and responding to this story.

「我會運用「第一性原理」思維而不是「類比」思維去思考問題。在日常生活中，人總是傾向於比較 — — 別人已經做過了或者正在做這件事情，我們也就去做。這樣的結果只能產生細小的叠代發展。「第一性原理」的思考方式是用物理學的角度看待世界的方法，也就是說一層層剝開事物的表象，看到裏面的本質，然後再從本質一層層往上走。」

— SpaceX、Tesla 電動汽車 及 PayPal 創辦人 Elon Musk

什麼是 「第一性原理」（ First Principle )？

所謂的「第一性原理」是一個量子力學中的一個術語，意思是從頭開始計算，只採用最基本的事實，然後根據事實推論，創造出新價值。在 Elon Musk 開發 Tesla 特斯拉電動車案例中，很多專家覺得電動車是不可能流行起來，因為電池成本在歷史上一直也降不下來。600美元 / 千瓦是市場的公價，電池從一直也是那麼貴，它的改進和降價總是很慢，所以它未來短時間內也不大可能大幅度降低價格。

但 Elon Musk 卻不認同，在他公司新電池的開發階段中，他率先屏棄現時市場所有生產電池組的已有技術，把電池組的構成物質全部分解，還原成最基礎的材料：碳、鎳、鋁及其他用於分離的聚合物，這種還原使他了解到重新構成了製造電池的「基本事實」（ Fact ）是什麼 。

無可否認，上述的金屬成本如果在市場需求沒有大幅度改變下，是絕對降不下去的，可是他卻發現了當中剩下來的成本還包含了很大部份是屬於「人類協作過程」而生的成本，而他相信凡是人類協進的事情，就必定存在優化空間。

透過這些「基本事實」，Elon Musk 和團隊再把原材料每個部分再細緻分析及實驗，並把每項工作流程再優化重組，比如，在美國生產可能稅費比較高，那就不要在美國生產了；某種原有技術的模塊設計上出了問題，那就改變設計，最後他和團隊把各部份優化原件，加上全面改良的生產方法，整合成現時以能大幅度降低電池的生產成本為前提的電動汽車。

而把「第一性原理」的思想放在 Elon Musk 的 SpaceX 計劃，他也同樣挑戰過去太空運輸技輸產業中「成本就是那麼貴」的專家偏見，他先還原製造火箭「基本事實」，發現了一架火箭的原料成本原來只佔火箭的總成本的2%，而餘下的成本其實是其他製造過程的成本，而有了這層認知，他便朝著優化另外98% 的成本方向，把現時製造火箭的成本，降低了到現時的10% 。

這就是「第一性原理」（ First Principle ) 的爆炸力。

可是為什麼我們明明和 Elon Musk 身處在同一個世界，卻看不到 Elon Musk 看到的「第一性原理」（ First Principle )？為什麼？難道真的只是因為他比較有錢，接觸到較多高級知識份子嗎？總結原因，我認為有三大理由:

一、我們看不到，因為我們缺乏「硬學科」訓練

「第一性原理」（ First Principle ) 其實是事物底層規律的總結，就以泥石流作為例子，當你知道「從山頂上滾下的石頭會愈來愈快」這個基本事實後，如果當你不幸遇上泥石流時，你會選擇儘可能往山的兩側跑，而不是和順著山谷和泥石比拼鬥快，這個知識對你來說，可算是「野外求生」的知識，然而如果你能把這個知識發掘到底層，它其實就是為牛頓第二定律 F＝ma，有了這個底層知識，你不單能避開泥石流，更有可能想出造火箭方法。

而你能把這個大家也看得見的眼前「基本事實」，或「野外求生」知識，向底層發掘為大家也無法輕易以肉見看見的牛頓第二定律 F＝ma，需要的就是「硬學科」，例如數學、物理及化學。這些「硬學科」也許我們在求學時期早已學過，但在現在日常生活中，或許只餘下發薪水或買菜時，常用的加減乘除外，已無用武之地。

那為什麼我們從不會思考過如何融會貫通地使用呢？因為我們不明白這些「硬學科」價值在哪裏。

相比起心理學、經濟學和社會學等人文學科需經常配搭前置假設才能應用，「硬學科」是完全建立在基礎假設及邏輯思維分析之上，例如數學就是一個完全不依托真實存在的世界，透過假定範圍，幾乎所有的推論都是正確，因此它的知識可以算是更可靠，更貼近「第一性原理」（ First Principle ) 的本質。

二、我們看不到，因我們「自以為知道」

在一般學習書藉經常提到 : 個人認知的「知道」與事實上的「知道」的四象限中，我嘗試提再把它演繹為四個不同的層次 :

「不知道自己不知道」Level 1 ：以為自己什麼都知道，自以為是的認知狀態

「知道自己不知道」Level 2 ：有敬畏之心，開始空杯心態，準備好投入學習

「知道自己知道」Level 3 ：抓住了事情的規律，提升了自己的認知

「極致的意會」Level 4：對事情的掌握，已經變成一種渾然天成的意會，在別人輾轉思量之際，你已立即能下準確的決定

「認知」幾乎是人和人之間唯一的本質差別，技能的差別是可量化，但認知的差別卻是本質性的，不可量化。人和人比拼的除了是實踐力外，更重要是洞察力，

你的求知慾通常是由「你知道了自己不知道」（Level 2 ）開始產生; 人選擇不去求知，主要是因為大部份人一直也停留在「不知道自己不知道」（Level 1 ）。

「不知道自己不知道」（Level 1 ）的狀態是因為自己連那個「不知道」是什麼都沒有搞清楚，這就好比西醫只知「發炎」，而不知何謂「上火」。

對中醫來說，西醫所謂的「發炎」（ Inflammation ），其實是指「上火」，而火是有「實火」與「虛火」之分，而在虛實之中，治療方法也是可以完全截然相反。

而西醫卻因為從不知「上火」一字 （ 或可以說就算就知道，也不重視「上火」在西方醫學知識系統的融合 ），只相信「發炎」便能解釋一切現象，因此亦錯過了在辨症時，以虛實之火去下更準確的藥方的機會，也錯過了自己發掘應對炎症不同程度症狀的新啟發，這就是「不知道自己不知道」（Level 1 ）的狀態所引發的問題。

三、我們看不到，因為我們「急功近利」的學習態度

學習是需要「基本功」的累積，凡事追根究底，深入學習，是要經歷流汗、未知、腦汁和時間付出。在華人以「考試結果及職業導向為最終學習目的」的情況下，我們早已失去了對學習的深索熱情和樂趣。

當你身邊人也在職場的高速公路上怒奔，大家終日也在看「三分鐘學會Google 的創新法則」，「三十分鐘不敗精讀法」，「三天快速增加你的財富收入」，並和你吹噓著上述的方法是如何啟發及有效，在創業場或職場上同樣具有競爭心的你怎能不焦急？在這裏我和你談學習需要時間練「基本功」，你也許會想 : 「別人都已進步都那麼快，再談基本功我就已做大輸家了！」

可是請停一停，讓我們能否用科學化的方法，再重新思考一下:

在正常人的能力成長曲綫中，其曲線的前期一般會隨著學會了具體方法和技術後快速增加，我們解決問題的時間會愈來愈短，對一些開始時還是有難度的事情，到達中期頂峰階段，經過練習後就會變得易如反掌，可是這個成長曲線到達後期就會失去向上升的動力，為什麼？

因為我們大多數人在日常認識問題時，一般只會依靠直覺、個人經驗、簡單的線性思維、因果關係、意識形態和價值觀偏好，而這些思維卻會引發 :

（1）我們無法發現事情之間深層次的關聯，我們眼前的認知都是一個分散的點，是一種孤立且斷裂式的認知，例如你無法明白到底 SpaceX 和 Tesla 電動汽車到底有什麼關係？

（2）我們面對超出自己日常工作的問題時，不知從何下手，更無法準確把握關鍵環節並合埋地預測事情的發展趨勢，例如你無法理解如何由電池組的構成基本原素，預測到解決澳洲電力危機的解決方向？

我們經常都聽到身邊那些在職場闖蕩了幾年的人會埋怨自己在公司已學不到任何新事物，感覺成長已到達天花板，真正原因不是你成長得太快，而是因為你的天花板太矮了。這個天花板，就是由你急功近利的學習方法所造成，因為你只看到天花板一個個孤立的點，而看不到天花板外原來還有樓宇的鋼筋水泥結構，城市空間的規劃原則，城市的發展的建築歷史。

相反如果我們能反其道，以慢打快，採用「第一性原理」（ First Principle ) 的學習原則，我們的成長曲線就會出現這個模樣 :

我們在學習的前期，雖然會因自己需不斷訓練和掌握基本原則，而令學習速度變慢，但當我們掌握了整個學科的理念和方法後，學習的能力就會大幅提升。

你可以透過「第一性原理」（ First Principle ) ，從底層的規律，以跨領域的方式，不停地活潑游走並累積，而隨著你的知識愈多，你的成長曲線會增長得愈來愈快，而當你能整合的知識愈多，你的知識就開始產生了爆炸性的威力 （股神巴菲特最親密的戰友 Charlie Munger 稱之為「Lollapalooza Effect」），透過這種學習和成長，你會更容易獲得對未來更準確的「預測」，從而獲得先機，成為產業中的新先知。

鑽研知識的路，從不擠擁

我曾經聽過長輩感嘆 : 「今天是一個資訊和知識爆炸的社會，比起以往互聯網年代前的世界，當年的世界單純和清靜好多。」我認為這個觀念是謬誤，人類文明的發展，本來就是包含著混亂和喧鬧，以往的世界你覺得清靜，是因為訊息傳遞缺乏效率，而訊息內容的力量在傳遞的過程中，也會像熱力傳遞過程中會逐步遞減，所以接受者才不會有現在如直播般的「衝擊」。

同時，我們必須在一片「資訊和知識已爆炸」喧鬧聲，重新分清在這些爆炸中，到底什麼是「資料」、「資訊」和「知識」（這個分類將會在下一篇文章詳細解釋 ），現今的社會爆炸的是「資訊」，更正確來說是「垃圾資訊」，而非知識。知識的製造門檻是極高，並非你說爆就爆，因此鑽研知識的路，是又闊又人煙稀少，你以為人多的部份其實也不過追求快速「學習具體技巧」的方法論人群，它們和我們今天所分享的「第一性原理」（ First Principle ) 或底層定律，是完全在處於不同的程度 。

總結今天的分享內容，我們理解了 :

1. 「第一性原理」（ First Principle ) 的定義

2. 我們看不到的「第一性原理」（ First Principle ) 的原因 : 缺乏「硬學科」訓練、「自以為知道」「急功近利」的學習態度

3. 我們學習「第一性原理」（ First Principle ) 的好處 : 獲得長遠累進的成長曲線; 得到對未來的洞見及獲得機遇

由今天起，讓我們一起刻意練習（ Deliberate Practice ) ：

1. 回想最近幾年，有什麼知識是你當初認為是不重要，但後來你才後悔自己沒有早點知道？
2. 反思自己在上述過程中，有什麼關鍵的事件、人物或原因令你醒覺上述的知識真的很重要？
3. 嘗試運用「第一性原理」（ First Principle ) 的思考方式，發掘出你在學習認知中，那些經常見到但自己卻一直沒有觀察到事情，並找出改良方法，例如 :

為什麼我對數字總是很不敏感？

原來過去我總會以「人類是有血有肉，不能被量化」和「人的靈感直覺比機械式操作更重要」這類借口，輕忽了逃避學習數理 ;

那為什麼我會輕忽數理的重要性？

因為我是人文學科的人，所以每次面對數理相關的問題都會總是很沒有安全感，覺得自己比理科生低人一等……

燒腦延伸題: 學習一個新領域，最佳的方法是什麼?

立即登入 Guru Guru Go 發掘出最佳答案！

P.S : 與你一起學習進步，就是我的創作的最大動力！如果你對我這篇文章有任何意見，或覺得可以補充或進步的空間，歡迎你可以在下面留言享，我將會在收集大家意見後，把文章的共同修訂版本在下星期再重新上載分享，讓我們互相啟發，成為一個更有價值的數位遊牧工作者！

引發驚人的爆炸力！ Elon Musk 知識軍火庫中最強殺傷力的武器 : 「第一性原理」（ First Principle ) was originally published in gurugurugo on Medium, where people are continuing the conversation by highlighting and responding to this story.

在資訊爆炸的年代，你每天都從不同渠道中接收到極多含水量極高的資訊，例如某新創公司發表驚人的成長數據，某產業大神分享其神奇的成功故事，某媒體發表的產業發展趨勢研究，而面對這些訊息，你稍一不留神，輕則會落入失去工作專注力（為什麼「專注力」對數位產業者如此重要？歡迎你參考我早前寫過文章： 《寫給 Digital Freelancer : 2017 年快速提昇收入的狠招》），重則更會導致你決擇錯誤，帶來金錢、時間及名聲上的損失，今天 Mr.Sophie 便為你提供三個能協助你快速戳破數位產業界的 Bullshit 方法。

Calling Bullshit In the Age of Big Data

最近美國華盛頓大學(University of Washington) 開了一門新課，名為《在大數據時代，分辨及駁斥狗屁》(Calling Bullshit In the Age of Big Data)，這門課程的設立目的是由於在大數據的年代，不同的媒體、權威人士及利益團體也熱愛以不同的「科學數據」作為其論點的論証，以圖令大眾相信及支持其論點，然而授課的學者卻發現這些論點，雖然有部份論點是經過嚴謹推論，但更大部份不過只是 Bullshit，散播者以鬆散混亂的推論過程配搭一大堆似是疑非的「科學數據」以圖震攝受眾，令受眾直覺上感到難以反抗並選擇信服，因此他們便決定設立這門課程，並在課程中透過教授不同的論証過程方法，令學生可以用更快捷的方法理解推論過程常見的漏洞。如果你對這個課程有興趣，歡迎你可以按以下的影片系列觀看 ：

這個課程內容非常豐富，從中我就先選出其中一個，我認為最有啟發的章節「狗屁者 （ Bullshite ）與 說謊者 （ Liar ) 的分別」為大家解讀。

狗屁者 （ Bullshiter ）與 說謊者 （ Liar ) 的分別

要了解狗屁者 （ Bullshiter ）與 說謊者 （ Liar ) 的兩者分別，我們首先要了解什麼是 Bullshit ? 根據課程中兩位教授，來自生物系的 Carl Bergstrom 和信息學院的 Jevin West 在課程中把 Bullshit 定義為：

Bullshit involves language, statistical figures, data graphics, and other forms of presentation intended to persuade by impressing and overwhelming a reader or listener, with a blatant disregard for truth and logical coherence.

（「狗屁」指的是公然罔顧事實和邏輯的語言、統計數據、圖表，以及其他呈現方式，它們的目的是讓受眾留下深刻印象並且讓人難以抗拒。）

「狗屁」不是「說謊」，說謊（ Lie ) 是說謊者明明知道事實是什麼，卻為了維護自己的利益而選擇講假話，而狗屁（ Bullshit ）是指狗屁者（Bullshiter ）為了令受眾對他留下深刻印象並且對他難以抗拒，因此他既不關心何者為真，何者為假，對事實如何也覺得毫無差別，最重要的是自己可以名利雙收，因此比起謊言，狗屁者（ Bullshiter ）對真理的破壞力是更為巨大。

而在這個資訊爆炸，到處都是 Bullshit 的年代，我們作為數位產業者，到底有什麼方法可以令自己避免被 Bullshit ？ 我認為美國批判思維界的其中一本經典作品，由 M. Neil Browne 及 Stuart M. Keeley 所著的《Asking The Right Questions : A Guide to Critical Thinking 》或許能給予我們一些啟示：

這本書指出在思考過程中，人經常會受到直覺及「眼見為實」而得出錯誤的認知及決擇，而批判思維就能令我們可以重新思考自己的「思考過程」，而訓練批判思維最好的方法就是學會「提問」。

為了方便你的理解，我把這本書的內容整理成以下的 Mind Map ，而用黃色標示的的部份是我認為是數位產業界中最常見的 Bullshit 手段 — （1）詞語歧義、（2）推論存在謬誤及（3）統計數據存有欺騙性，這三種手段對應的解決的章節：

首先，書中作者提出當人吸收新資訊時，通常會存在兩種思維的可能性： 「海綿式思維」與「淘金式思維」，擁有前者思維的人習慣被動地吸收與記住新資訊和觀點，卻不會主動取捨及評價資訊內容； 而擁有後者思維的人，則傾向帶著問題去主動思考自己新吸收的資訊，並保持對新訊息供應者的互動，從而對令自己可以更客觀地對論點作出評價。「批判思維」就是在「淘金式思維」的前提下誕生，而順著「淘金式思維」我們再來看看那些數位產業界三種常見的 BullShit 及破解方法。

三種方法，快速戳破數位產業界常見的 Bullshit ：

1．要求對方釐清論點中的「歧義詞語」

當一個詞語越抽象，就越有可能產生歧義，我們日常生活中很多自以為「理所當然」的詞語，其實往往含有多重意義，例如：

「自由」： 新聞自由？財務自由？言論自由？

「人權」：生存權？同性婚姻權？居住權？

「傳統價值觀」： 天人合一？男主外女主內？廟宇文化？

而在數位產業界中，我們經常也會看到由歧義詞語散播的偏激觀點，例如：

Alpha Go 大勝柯潔，人工智慧將會全面取代人類，令更多人面臨失業

在這個論點中，「人工智慧」是歧義詞，「人工智慧」的應用技術包含多種層面，Alpha Go 大戰柯潔的人工智慧是屬於「類神經網路」（ Neural Network ）及「深度學習」（ Deep Learning ) 技術，而隨著這種技術發展所引發的失業浪潮，針對的職業工種只包括一些機械性及非創造性的工作，例如客服代表、電話推銷員、股票和債券交易員、工廠工人及司機等； 而一些涉及創造性、規劃性、人際技能及「跨域」思維的工作，例如社會工作者、調酒師、庭審律師等等是「人工智慧」難以在短時間可以快速取代人類。

如果你缺乏批判思維，看到上述的論點，你最直覺的反應可能是對「人工智慧」產生敵意，或是立即跳到「機器始終不如人類有感情」的防衛狀態，而錯過了認識「人工智慧」的應用層次及如何客觀看待這些科技發展對協助你提昇你自身不可被取代的優勢。

因此如果你快速向訊息供應者查問有關「歧義詞語」的清楚解釋，例如：

你所指的「人工智慧」是哪一種人工智慧？

你所指的「更多人面臨失業」是哪一種人失業？

如果訊息供應者無法就這些歧義詞語提供一個清𥇦的定義及論証，那他就沒有權利是要求你相信他這個觀點，他所提供的資訊就是 Bullshit 。

2．時刻警覺推論過程中常見的十種謬誤

不想被別人Bullshit 你，就要先了解 Bullshiter 在推論過程中怎樣滲入 Bullshit：

1. 人身攻擊︰

．例如 ：「 XXX 根本就是一個富二代，怎會明白我們做工程師的辛酸？」

．謬誤： 不解釋原因，不反駁對方的理由，而是直接人身攻擊或侮辱對方。

2.滑坡推理︰

．例如： 「科技令人與人之間變得疏遠，疏遠令我們無法深度交流和溝通，無法交流和溝通令情侶願意結婚的意願下降，意願下降會令結婚人數變少，人數變少令全國出生率下降，出生率下降會導致人口老化，因此科技會令人口老化」

．謬誤：如果某事情發生，那麼與之相關（即使沒有因果聯絡）的很多事情也會發生。

3.苛求完美︰

例如：「即使政府從今天開始願意花更大筆預算去培育科技人材，但我們怎樣發展還是沒有可能比矽谷厲害，所以培育科技人才的措施根本沒必要」

．謬誤：如果某種措施不能徹底解決一個問題，那麼這種方法就不可取。

4.移花接木：

．例如： 「保障工人穩定收入」是勞動權益，因此我們必須抵制工廠進行任何自動化。

．謬誤 ： 勞動權益獲得保障 ≠抵制工廠進行自動化； 偷換概念，利用詞語的歧義，瞞天過海。

5.訴諸公眾︰

．例如： 「調查顯示，大部份台灣網絡行銷人員也希望可以獲得加薪30%，所以網絡公司負責人應該立即加薪 」

．謬誤：主觀假設很多人都在做同一件事情/相信同一件事物，這件事情就是對的。

6.訴諸假權威︰

．例如：「根據馬雲分析，高房價的推手是岳母造成，與新零售改革無關」

．謬誤：過分誇大權威人士的全能性，利用 A 領域的專家來確證 B 領域的觀點。

7.訴諸情感︰

．例如：「如果你不相信 Steven Job 的科技創業哲學，那你的創業將會很大機會失敗」

．謬誤：通過有意識操控聽眾的感情（代替理性論證）來增加認同，減少說服難度。

8.設計兩難困境︰

．例如 ： 「你們 UI 產業的設計師，，就是年紀太輕，就算我們公司給你們每月十五萬的預算，你們也做不來，所以每月給五千預算就夠了」

．謬誤：假設「年齡愈大＝工作能力愈好；預算只能給予年紀大的人」，故意制造邏輯上的兩難境地，不管現實的可能性。

9.亂貼標簽︰

．例如 ：「為什麼他總是那麼喜歡在把產品做到十全十美才上線？因為他就是一個『技術咖』」

．謬誤：用一個「技術咖」的名詞名詞，合理化地解釋了這個事件

10.循環論證

．例如 ：

甲：「 IPhone 是科技人的身份象徵，因為它有很強的 User Experience 。」

乙：怎麼知道 IPhone 有很強的 User Experience？

甲：因為 IPhone 是科技人的身份象徵

．謬誤：把論點轉換表述方式，作為論證的理由再次登場

3．思考論証數據是否存有欺騙性？

數據是怎樣來的？它是根據觀察、觀點、立場和理論而來。如果沒有理論，沒有觀察角度，就不存在數據。例如我今天拿出一個馬桶，要你紀錄馬桶的數據，你也會問我： 那你是要紀錄什麼？是它的形狀，顏色，重量，設置地點，還是因使用不當而產生的意外率？你必須有一個維度，才可以開始紀錄數據。

所以數據根本就不存在所謂的「純粹沒立場」，也就說數據產生的前題是先要有想法。

例如最近一個月，數位產業界也在熱烈討論的「互聯網女皇」華爾街証劵分析師 Mary Meeker 所發佈的 《2017 年的互聯網趨勢報告》，當中包含了不同互聯網產業的洞察及數據分析，而大家也因為 Mary Meeker 的「女皇」光環，而視此報告為數位產業者必讀之選，紛紛在自己的社交網絡中瘋傳。

然而在這個「女皇浪潮」中，除了支持者外，其實還有另一股反對聲音，反對者批評那些 Mary Meeker 報告的線上分享者，只把這份報告當作「炫燿」自己產業及專業的社交貨幣，而對 Mary Meeker 本人在報告中的獨立性及客觀性卻毫不關心， 例如： Mary Meeker 之前強烈看好但最後卻被證明一文不值的 Drugstore.com ； Mary Meeker 和 Morgan Stanley 公司對 eBay 和 Amazon 的研究報告中被指控涉嫌利益輸送； Mary Meeker 在報告中的視角及數據收集方法，譬如她的研究樣本如何取樣？研究領域是否存有局限性？Mary Meeker 作為 KPCB 的風投創辦人，她的報告中又是否涉及「刻意唱好」自己公司投資產業的嫌疑等等。

當然，我們今天在這裏要討論的並不是 Mary Meeker 的黑歷史，而我個人也認同在 Mary Meeker 過去所發佈互聯網趨勢報告中，還是有很多值得數位產業者去參考和研究的地方。只是我想提出的一個觀點： 大眾總是很容易取信和震攝於權威人士所發佈的研究數據，而無視這些數據是否存有欺騙性。

在 Mary Meeker 發佈 《2017 年的互聯網趨勢報告》後，我們不難發現在中文數位新聞世界，內容重點大多是朝向「認同並且解讀報告」的面向，是鮮少提出質疑、反駁及論証補充，以協助讀者了解 Mary Meeker 的背景資料及客觀平衡其過往預測趨勢的可信性。

而面對這個情況，如果我們學會「自我提問」，我們明白了「數據是可以包含觀點或欺騙性」，我們就可以更容易了解，有哪些訊息是有價值的洞察？有哪些也不過是「資訊供應者為了讓受眾留下深刻印象並且讓人難以抗拒的Bullshit 」。

如果你沒時間，至少記住這些重點

總結上述的內容及方法，讓我們快速回顧以上內容：

1. 說謊者 （ Liar ）與狗屁者 （ Bullshiter ）的分別 ： 前者是知道事實是什麼，卻要維護自己的利益而選擇講假話，而狗屁者（ Bullshiter ）去屁話連篇的唯一目的是令受眾對他留下深刻印象並且難以抗拒，因此狗屁者（ Bullshiter ）對真理的破壞力是比說謊者 （ Liar ）更為巨大。
2. 「海綿式思維」與「淘金式思維」： 前者是指被動去吸收新訊息的觀點及推理； 後者則是帶著問題去主動思考自己新吸收的資訊
3. 三種快速戳破數位產業界的 Bullshit 方法：一、要求對方釐清論點中的「歧義詞語」； 二、時刻警覺推論過程中常見的十種謬誤；三、思考論証數據是否存有欺騙性？

知識需要配搭行動力，讓我們一起刻意練習：

1. 最近你遇過什麼 Bullshiter ？這些 Bullshiter 用了上述什麼方法去Bullshit 你? 如果下次你再遇見這類 Bullshit時 ，你會選擇如何再提問？
2. 你自己過去有沒有成為過 Bullshiter？如果有，你是因為什麼利益考慮而要選擇成為 Bullshiter？未來你會用什麼方法，避免自己再成為 Bullshiter ？如何令自己進化成一個能在溝通過程中，為別人訊息增量的建設者？
3. 除了上述所提及的思考方法外，還有什麼方法或概念可以幫助我們更有效地訓練及建立自己的批判思維？

下星期預告：身在數位產業界中的你，今天你還引以為豪的專業技術，幾個月後可能已是不合時宜，因此「保持學習」就是我們數位產業者的生存之道。可是要學習一個新領域的知識及技能並不容易，那我們有什麼方法讓我們可以學得更快更好？

下星期一，晚上九點，讓我們再一起來談談「數位產業者如何在一個新領域中，學得更快更好？」

在資訊爆炸的年代，你如何快速戳破數位產業界的 Bullshit ？ was originally published in gurugurugo on Medium, where people are continuing the conversation by highlighting and responding to this story.

今天老闆跟小盛說： 「我們品牌臉書專頁都已上線了一陣子，但粉絲反應好像都不太活躍，所以我想替我們公司的臉書做些廣告，提昇一下品牌知名度，顺便吸引一些新粉絲到我們的網站消費，增加網站的營業收入，你這幾天就先做一份臉書廣告企劃給我，看看公司怎樣下廣告效果最好！」

在這個時侯，一向只主力負責社群小編的小盛，對臉書廣告操作實在不太熟悉，於是他決定第一時間先請教 Google ，可是當他輸入「Facebook Ads Tutorial 」，卻竟然發現有 400 多萬個結果，那一刻他呆了，一時無從入手； 於是他不死心，立即又再登入國外著名學習平台 Udemy 看看，卻發現平台上至少有 500 多個課程是關於臉書廣告教學，這一刻他更苦惱了，他只有幾天的時間去完成這件老闆交託給他的任務，那到底他到底怎樣應對才好？

小盛所面對難題也是今天很多數位產業者面對的難題，面對互聯網海量的資訊，要找出學習內容不難，難就難如何在有限時間內，如何找出對自己工作任務最具含金量的學習訊息？今天 Mr.Sophie 和你分享那些產業大神絕少公開的快速學習秘技： 「最小必要知識架構術」（ Minimum Viable Knowledge Structure）。

什麼是「最小必要知識架構術」（ Minimum Viable Knowledge Structure）？

在精實創業（ Lean Start Up ）的門派中，有一個稱為「最小可行性產品」 （Minimum Viable Product； MVP ） 的概念。它是指以「用最低的成本，快速完成一個既能回應客戶需求又能獲利的產品」，而整個概念的精粹在於「低成本的製作」、「顧客回饋」及「產品內容快速修正」，而這個概念也同樣適用於我們在工作上需要對某個新領域快速入門的學習情景上。

為了方便你進一步了解如何應用，我先把「最小必要知識架構術」（ Minimum Viable Knowledge Structure）化為三個簡單的操作步驟：

步驟一：以終為始，翻譯你的「學習目標」成為具體「學習任務」

目標是一種面向「結果」的語言，用來交待人「做什麼」； 任務是一種面向「過程」的語言，用來交待人「怎麼做」。當你學習一個新領域時，你心裏要先有一個「結果」，在心智上要先想出你希望透過這次學習能達到什麼目標？能解決什麼問題？當你能清楚明確地說出這個「學習目標」後，你就可以開始逆推你的學習過程要怎樣進行。

一般人在學習上最容易犯的毛病就是因著「焦頭爛額想解決問題」，而直覺地被「我要立即勤勞起來」、「現在做比坐著等一定更好！」及「別人都動起來了，我不能再等了！」這類思緒困擾著自己，而他們為了安撫自己的情緒壓力，大都會選擇把精力用在「能即時操作的學習任務」，而漠視了「需要花時間拆解及定位的學習目標」的重要性，而前者這種「焦頭爛額」式的學習，充其量也不過是一種「低水平的勤奮」。

就好像上述例子中，小盛的老闆表面上是要求小盛做一份「廣告企劃」，但他真正想達到的目標其實是： 一、利用臉書提昇品牌的知名度； 二、想提昇網站營業收入；如果小盛一開始只心急如焚地把學習焦點都放在「臉書廣告的基本操作」，那他做的事很大可能會和老闆的真正目標根本毫無關係。

那我們在開始學習一個新領域時，可以怎樣更好地拆解及定位我們的「學習目標」呢？「工作分解結構法」（ Work Breakdown Structure ； WBS ）是其中一種有效的方法。

WBS 最大的特點在於「維度分解」，而當中最常被用到的維度是「空間」及「時間」。所謂的「空間維度」是指他的學習任務總和，應該是等於老闆的真正目標，即是：

利用臉書提昇品牌的知名度＋提昇今個月的營業收入 ＝ 全部學習任務

而在目標分解時，要儘量達到「相互獨立，完全窮盡」； 而「時間維度」則是指把大目標分解成若階段性的小目標，過程中透過不斷調正學習方法，例如把任務折解成更小的學習元素，並按照各個學習目標的緩急輕重及自身的學習背景，逆推你的學習過程，好像這樣：

有了 WBS 協分解你的「學習目標」，你將會更效地把目標翻譯成自己可以有能力操作到的學習任務，在學習的過程中，你將會產生更宏觀的學習路徑，在過程中就你更不容易迷失在「焦急的資訊海」當中。

站在巨人的肩膊上會你使你飛得更高更遠，想知道創新大亨鋼鐵人 Elon Musk 是如何分解自己的創意目標？！歡迎你參考我早前寫過的文章：

引發驚人的爆炸力！ Elon Musk 知識軍火庫中最強殺傷力的武器 : 「第一性原理」（ First Principle )

步驟二： 找出你的「最小可行知識」( Minimum Viable Knowledge )

在精實創業界（ Lean Start Up）裏，有一個概念叫「最小可行產品」（Minimum Viable Product； MVP），這個概念強調在初創期間，由於創業者難以即時完全掌握客戶的需求，因此「產品會出錯」幾乎是必然會出現的事實，因此既然必然會犯錯，那創業者更應該用最低的成本儘量「試錯」，再從用戶的產品試用反饋中，修正錯誤，建立出真正受歡迎的產品。

而把 MVP 的概念應用在快速入門學習中，亦有類似的概念，我稱這個概念為： 「最小可行知識」( Minimum Viable Knowledge ； MVK )（註1） 。例如在小盛的例子中，經過小盛和老闆溝通後，他得知原來老闆最重視的目標是：「增加營業收入」； 其次才是「增加品牌知名度」，因此基於這個認知下，小盛先用 WBS 的方法，把學習目標拆解，然後在有限的學習時間內，根據老闆的期望，分配自己的學習次序及權重，然後整合成：

有了上述這個 Mind Map，小盛的學習目標就會變得非常明確，也可以正式進入Google 新知識的流程。同時除了臉書廣告學習外，「MVK」也可以應用在「如何選擇適合自己開發產品的語言」的初學者學習情景中。

如果你去問問身邊資深的工程師，當他們開發一個產品時，對於自己要不要選用一種新語言( Language )去協助自己開發 ，他們大多數會考慮以下三點：

1. 新語言使用者社群（ Community ）質量： 質量又分有「社群大小」及「互動程度」，產品開發的過程往往是動態的，因此一個規模大，活躍度又高的語言使用者社群，不單可以令這種語言的表現不斷提昇，如在開發上遇到任何難題，工程師也可以快速在不同的開發論壇上，找到相關的專家提問解決

2. 個人的學習週期 （ Learning Curve）：回顧自己的技術背景，這種新語言的學習門檻高不高？在有限開發時間內，自己是否有能力可以掌握到這種語言，令這種語言的表現（ Performance）達到水平以上？

3.使用案例（ Use Case）： 新語言過去是否獲得權威性的公司採用？市面上有沒有與新產品相似的應用開發 （Application）案例存在？

上述三點的原則，對一位資深工程師來說，只是一種專業知識上的基本功（Common Sense ) ，可是如果你是一個新手，要一下子便獲得一個全面的了解，是有一定的難度，而這個時侯你除了向資深的工程師請教外，使用「MVK」＋「課程大綱」（ Syllabus ）的概念也可以幫助你迅速學習到這些「基本功」。那 Syllabus 到底是什麼東西？

課程大綱（ Syllabus ）由Google 開始

在國外大學進行第一堂課前，學校老師大多會先請同學到大學課程的官網看看他們將會就讀課程大綱（ Syllabus ），在「Syllabus」中，你會找到這門課程的基本內容、適合哪個程度的學生、上課前要先準備或學習的素材或參考書籍等等，而當你去研究這些「Syllabus」時，你很容易就會看出這門課程的知識架構。

你看，在大學要開一門課程是很不容易的，教授在組織授課內容時，必須要遵照嚴謹的學術框架，課程的脈絡也必須引經據典才可以獲得學院的開課許可。因此當你學習一門新知識時，如果用大學入門課程「Syllabus」的好處是你可以用更短的時間，把基本功都建立在巨人的肩膊上。

那面對這些「Syllabus」的內容，我們可以怎樣活用 Google 技巧把它們統統都挖出來？我會建議你用：

[filetype]+[:]+[pdf]+[空格]+[學習關鍵字]

例如在上述工程師要決定到底是否選用一種新語言的例子中，你可以在Google 搜尋器中輸入：

「filetype:pdf Program Language Selection Criteria」

我會建議你選用 「 PDF 」作為搜尋格式是因為「 PDF 」不單排版整潔，讀起來賞心悅目外，它也是大學官網中常用的文件格式，因此用「 PDF 」格式作為搜尋導向，將可以更方便你發掘出那些隱藏在學校官網「深處」的「Syllabus」文件。

當你運用以上的搜尋語法，你很快就可以在 Google 找出了國外不同大學有關「開發語言的選擇標準」的課程「Syllabus」，譬如以下就是 Idaho State University （ 愛達荷州立大學 ）「Criteria for the selection of a programming language for introductory courses」的「Syllabus」：

你看，這門「Criteria for the selection of a programming language for introductory Courses Syllabus」的內容是不是似曾相識？無錯，它正正是上述資深工程師決策是否採用新語言時的「三大原則」內容，而它在「Syllabus」的格式中，內容更仔細，更有系統。

而當你再進一步，把這些你搜尋回來的「Syllabus」，對照不同大學的版本，你很容易就會發現這些專為初學者入門而設的「Syllabus」裏，會有一些重疊或不斷出現的題目內容，這些內容基本可以說就是這門領域中最為核心 「MVK」。

也許你會問，那如果有一些新領域的知識或技術是非常嶄新，可能連大學也還沒有相關的課程，那我可以怎樣找出我的 「MVK」？在這種情況下，我會建議你可以在「慕課」 （ MOOC ）的平台上去發掘這門新領域的「Syllabus」。

所謂的「MOOC」是指大規模網路免費公開課程（Massive Open Online Course，簡稱 MOOC），它是 2011 年末從美國矽谷發端起來的在線學習浪潮。 一些美國著名的大學，例如史丹褔大學（Stanford University）、哈佛大學 （ Harvard University） 、麻省理工學院 Massachusetts Institute of Technology: MIT 及其他開放教育資源平台也響應著這個浪潮，紛紛把他們的課程視頻上傳到特定的學習平台，例如： Academic Room 、Coursera、edX、 Khan Academy、Udacity 及 Reddit University 也供全世界人免費供學習。在這些平台中，你不單可以透過找出適合你的「Syllabus」，更可以免費參加他們的課程，和你的同學互相學習交流心得。

步驟三： 以教為學，把你新學到的知識找方法分享給別人聽

諾貝爾物理獎得主理查．費曼（Richard Feynman）是一個著名的物理學家，也是一個教育家。過去他現衷於把自己新學到的物理學知識，以簡單的語言去教授給不懂物理學的人聽。而他為了令這些人可以更容易理解他的教學，他決定為自己立下一個標準：所有的教學內容，必須要達到一個 8 歲小童也可以完全聽得懂的程度，因此當他分享知識時，他會儘可能摒除所有專業術語，化繁為簡。

而在這個複述傳授的過程中，費曼發現自己新學到的知識不單獲得鞏固，同時他也更理解到自己那些「無法簡單地向人解釋清楚」的部份，通常也是自己學習不夠透徹的部份，有了這個認知，他便更有方向自己要怎樣重新釐清、填補及複習新知識，而這個費曼的學習技巧，後來慢慢演進成一個稱為「費曼技巧」（ The Feynman Technique ）的學習模型，如果你想更了解「費曼技巧」，歡迎你參考以下的影片：

把「費曼技巧」應用在我們的快速入門學習上，我們也可以嘗試按以下四個小步驟進行：

1. 找出及學習你在新學習領域中的「最小可行知識」( Minimum Viable Knowledge )

2. 不用任何專業術語，以最簡單顯淺的詞彙把自己新學到的 「MVK 」教授給對這個領域完全不認識的人，教授的形式可以是面對面，寫 Blog文或製作視頻等等

3. 找出別人的反饋，了解自己到底有什麼地方使別人聽不懂，然後把這些地方重新學習

4. 重覆再次教授，看看今次情況有沒有改善，並從中再次獲得回饋及修正，直至你能把你的 「MVK」 向人簡單解釋清楚為止

小結 ：突破低水平的「勤奮學習」， 由「最小必要知識架構術」（ Minimum Viable Knowledge Structure）開始

我們華人由小到大，總是聽著年長一輩告誡我們要「勤有功」，可是在資訊爆炸的年代，如果你只為了舒緩自己對工作的壓力和焦慮，而妄顧「學習目標」，焦頭爛額地「勤𡚒學習」，那你的學習很大機會只會停留在「零價值創造」的平庸程度，再說白一些，這也不過是在浪費你和別人的時間而矣。

上述提出的學習框架及例子，不一定是最好或最適合你，但 Mr.Sophie 最希望達到的是引爆你的本身累積已久的學習潛力，並鼓勵你透過實際操作應用，建立你專屬的學習模型，建立你的競爭優勢。

最後如果你沒時間，請至少記住這些重點:

1. 「最小必要知識架構術」（ Minimum Viable Knowledge Structure； MVKS ）的定義 ：把精實創業中的 MVP 精神「用最低成本試錯」、「顧客回饋」及「快速修正產品」融入在快速入門學習的一個概念
2. MVKS 的操作步驟： （1) 以終為始，翻譯你的「學習目標」成為具體「學習任務」； （2) 找出哪些知識是你的「最小可行知識」( Minimum Viable Knowledge ；MVK ) ； （3) 以教為學，把你新學到的知識找方法分享給別人聽

知識需要配搭行動力，讓我們一起刻意練習：

1. 可否把 MVKS 模型應用你最近學習的新領域中？完成後把你的 MVK 分享到你的社交媒體，或相關的領域的學習社群，使更多更多人從中獲得啟發？
2. 可以和我分享一下，除了MVKS 的學習方法外，你還有沒有想到其他醠好的學習方法，可以幫助你在學習一個新領域時，令你學得更快更好？

下星期預告：數位產業的工作及創業路中，我們每天都忙著解決各式各樣的複雜問題，面對有限的資源，千絲萬縷的問題，我們可以怎樣更好應對？下星期一，我將會跟你一起探討「如何成為一個數位產業界的解難高手？」

好了，希望下星期一，晚上九時，可以在這裏再見到你！

註1: 「MVK」的概念並不是我首創，只是在中文世界中我暫時還沒有找到一個正式普及的譯名，因此我就暫且稱它為「最小可行知識」( Minimum Viable Knowledge ； MVK )，如果有讀者知道相關的中文譯名，歡迎再留言和我分享。而在國外早已有很多提倡學習效率的意見領袖，例如著名學習效率大神，超級暢銷書作家 《每週工作 4 小時》（The Four Hour Work Week 》的 Tim Ferriss 就有提出過類似觀念。

那些產業大神不會告訴你的快速學習秘技： 「最小必要知識架構術」（ Minimum Viable Knowledge Structure） was originally published in gurugurugo on Medium, where people are continuing the conversation by highlighting and responding to this story.