高效学习的种思维

　　这是林骥公众号的第57篇原创文章
　　引言
　　前面我已经陆续写了 6 篇关于高效学习的文章，本文把高效学习的 36 种思维合并成为一篇长文。
　　如果你已经看过前面的文章，那么可以直接跳到下面的第 27 种思维开始看。
　　1. 目标思维
　　2008 年，我正在读研究生，再过一年即将毕业，那时实践能力比较弱，对未来很迷茫，不知道自己该干什么。
　　我当时的首要目标就是先找份工作，解决温饱问题，再寻求突破。
　　2. 排除思维
　　有了目标之后，我到招聘网站投了很多简历，发现就像石沈大海一样，没有回音。我对此做了反思，自己用广撒网的方式投简历，效果太差，应该学会聚焦，排除那些明显不适合自己的公司和职位，只保留一个求职方向。
　　因为我的专业是数学，感觉数据分析师这个职业挺适合自己的，所以我排除了其他选项，修改自己的简历，尽量去贴合数据分析师的要求。
　　3. 串联思维
　　通过聚焦，我终于找到了一份数据分析师的实习工作，刚开始实习的时候，把全部业余时间都用于学习 Excel、SQL、SAS 等数据分析工具，并在实际工作中应用，提升工作的效率。
　　后来，我意识到技术的进步是没有止境的，不能只关注技术，还应该培养其他能力，因为在不同的阶段，需要的能力结构也是不同的。要获得进步，就要打破原来的能力边界。所以我主动去与业务相关的人进行沟通交流，理解业务的需求和痛点，想办法解决业务中遇到的问题，让数据更有价值。
　　再后来，我成了团队的领导，要带领团队成员一起去完成更多的任务，这时，我迫切需要学习的是管理能力，经过摸索实践，我学习了一种 OKR 工作法，希望打造一个学习型的技术团队，让团队成员具有自我成长的能力，营造一种激发全员创造力和积极性的文化。
　　我努力把自己变成一个教练型的研究者和设计者，而不是命令型的控制者和监督者。我知道这条路还很长，自己的能力还有很多短板，但是有了方向，分阶段去学习，把每个阶段学到的能力串联起来，相信总有一天，我能到达期望的终点。
　　4. 标签思维
　　2012 年，我开通了微博账号，网名「数据化分析」，寓意用数据化解分析难题，从此我把「数据化分析」作为自己的一个标签。
　　我用「数据化分析」这个网名在博客上发表文章，有的文章获得大量转发，一篇文章的最高阅读量有 5 万左右，让我在数据分析领域有了一点小小的影响力。
　　5. 平台思维
　　比较遗憾的是，我的平台思维相对比较薄弱，当大家纷纷开始运营微信公众号的时候，我忙于解决现实中遇到的各种问题，在很长的一段时间内，基本放弃了写作，错过了借助微信公众平台放大影响力的黄金时间。
　　直到 2019 年，我逐渐恢复写作，在微信公众平台发表文章。因为我不想被「数据化分析」这一个标签，束缚住我的写作题材，所以我把微信公众号的名字改成了「林骥」，这样只要是我认为对读者有价值的东西，我都可以发表，比如说，我的读书笔记系列文章。
　　我努力用高质量的输出倒逼高质量的输入，用利于他人的思维进行写作，通过一点一点地积累自己的平台势能，争取帮助到更多的人。
　　6. 地铁思维
　　曾经有一段时间，我每天重复着报表的制作，没有对数据进行思考和分析，不知道数据分析的目标是什么，感觉自己正在逐渐沦为「报表制作的机器」。
　　在技术不断进步的时代，连机器都在不断学习，机器正在变得越来越智能，越来越多的工作将被机器取代，这样发展下去，我想我的职业前途堪忧。
　　我意识自己应该洞察数据背后有价值的信息，并把信息结构化，变成知识地图，进而让自己对事物发展具有前瞻性的智慧。
　　在《》这篇文章中，我贴了一张 IBM Watson 执行架构师绘制的图片：MetroMap to Data Scientist，翻译成中文就是：数据科学家的地铁线路图。
　　（图片可点击放大）
　　我把图中的线路，看作是解决问题的路径，我相信自己掌握的线路越多，解决问题的能力就越强。
　　7. 行家思维
　　当我在写《》读书笔记的时候，为了建立像专家一样的视野和格局，我初步搭建了一个知识框架，后来我经过思考、实践和调整，按后台、中台、前台进行分类，并用思维导图画了出来：
　　我把图中的知识点，变成数据化分析的系列文章，目前还在继续更新当中，如果你有兴趣，可以扫描图中二维码，关注林骥的微信公众号。
　　8. 归纳思维
　　在《》这篇文章中，我也总结过归纳思维，说的是由个别到一般的过程，比如说，金、银、铜、铁都能导电，由此归纳出一般结论：金属能导电。
　　在《金字塔原理》一书中，有一个 MECE 原则，也就是要做到各个部分之间相互独立、所有部分完全穷尽。在实际的工作中，运用归纳思维的时候，可以搭配使用 MECE 原则。
　　比如说，人可以细分为男性和女性，因为人只有男性和女性这两种性别，所以这样细分既相互独立，又完全穷尽。因此，根据男人有两只手，女人也有两只手，就能归纳总结出人人都有两只手的结论。
　　假如你把人细分为男性和小孩，那就不符合 MECE 原则，因为小孩也有男性和女性之分，所以这样细分既没有相互独立，又没有完全穷尽。因此，假如你发现男性和小孩都不涂口红，但你不能据此归纳出人人都不涂口红的结论。
　　9. 自学思维
　　建立了知识框架以后，我开始一步一步地自学相关的内容，此时我的学习模式发生了很大的变化。
　　我以前看一本书，通常都是从头看到尾，可能看到后面忘了前面，学习效果大打折扣。自从有了知识框架以后，我变成了按需学习的模式，针对某个知识点，我可能会看好几本书，看看不同作者分别是怎么写的，增进对所学知识的理解，如果还是不明白，就去网上搜索相关资料。
　　比如说，我在写 Python 系列文章的时候，就同时看了好几本相关的书，参考了 Pandas 的官方文档，还看了一些公众号作者的文章，就是想通过高质量的输入，让自己输出高质量的文章。
　　10. 木桶思维
　　一个人的能力木桶由 3 个部分组成，硬能力是底板，软能力是围板，软素质是箍绳。
　　我从事的数据分析工作，硬能力是要掌握数据分析的工具和思维，软能力是要学会沟通和表达，软素质是要有健康的身体和心理，包括细心、耐心和恒心。
　　数据分析专业领域的研究，可以穷尽一个人一辈子的精力，假如只有硬能力，没有软能力和软素质，那么很可能木桶就围不起来，就很难获得合理的回报。
　　11. 长板思维
　　在拥有了一个木桶之后，接下来应该做什么？
　　我的做法是尽可能把长板变得更长，用心打磨「数据化分析」这个标签，写作数据化分析系列文章，提升数据分析的硬能力，同时练习写作的软能力。
　　我学习某一项技能，目的通常都是为了解决问题。比如说，我现在练习写作能力，是因为文字是人与人交流的重要工具，而良好的写作能力能更好地传递思想。
　　12.换桶思维
　　木桶有大有小，一个人的成长，就是不断升级换桶的过程。
　　我从一个在校学生，到成为一个数据分析师，然后给自己找了一个「数据化分析」的标签，从带领一个人，到带领一个大的团队，回顾这个过程，正好符合前面说的 3 种思维，也就是先打造一个小木桶，再做一个有长板的木桶，然后换一个大木桶。
　　13. 逆袭思维
　　在《高效学习 7 堂课》中，有一句比较扎心的话：请不要用工作量的积累，掩饰自己低水平的重复，这样永远不会像高手那样逆袭。
　　我刚开始使用 Excel 做数据分析的时候，有大量简单重复的操作，为了提高工作效率，我买了一本《Excel 实战技巧精粹》，熟练运用之后，很多原来需要半天才能完成的工作，半个小时就搞定了。
　　想办法从低水平的重复工作中解放出来，才有时间和精力去完成更大的目标，才有逆袭的可能。
　　14. 高手思维
　　要成为某个领域的高手，需要10000小时的刻意练习，而不是 10000 小时的简单重复。比如说，很多人花在英语学习上的时间绝对超过 10000 小时，但是英语水平低下的人却比比皆是。
　　在技能练习方面，有一个公式：
　　快速掌握技能 = 好的练习方法x足够的时间 x合理强度x专业教练反馈
　　我刚开始学习数据库查询语言 SQL 的时候，看的书是《 SQL 入门经典》，作者是数据库教学与应用的专家，与网上那些杂七杂八的文章和教学视频相比，我觉得看经典书的学习效果要好的多。
　　好的练习方法，我认为是要在实际工作中加以应用，用于解决工作中遇到的问题。
　　利用互联网的优势，获得专业教练的反馈变得更加便利。如果经过认真思考，通过搜索也无法解决问题，那么可以试着去找专业的高手进行提问。为了有效提问，更好地解决问题，我总结了《》。
　　15. 成本思维
　　学习一项技能，达到专业水平要花 10000 小时，如果每天学习 4 小时，每年学习 250 天，就要花 10 年时间。
　　人这一辈子，能有几个 10 年用来学习啊？
　　所以，学习也要有成本意识，绝大部分技能，并不需要练到专业级别，只需要用1000小时，达到熟练程度，就可以满足工作需要。比如说，我练习写作，并不期望达到作家的水平，我只要能够熟练写出自己的思想，达到让读者容易理解，并且能够有所收获的程度就可以了。
　　16. 教练思维
　　高水平的教练，懂得控制训练难度，知道循序渐进，并变换自己的训练方案，让人能够坚持进行艰苦的训练。
　　有研究表明，当学习的内容有 15.87% 是新知识时，难度适中，学习效率是最高的。如下图所示，当难度太高，人就容易焦虑，而当难度太低，人又容易觉得无聊。
　　我曾经买过一本 863 页的书：《深入解析 SAS —— 数据处理、分析优化与商业应用》，当时我还没有 SAS 编程基础，这么厚厚的一本书摆在我面前，让我产生了畏难情绪，结果这本书到目前为止都没有看完。
　　如果我当时知道教练思维，估计就不会在还没有入门的情况下，去买这么一本厚厚的专著。
　　后来我开始学习 Python，总结之前的经验教训，先是看了一本《笨方法学 Python》，有了一定的基础之后，才开始看《利用 Python 进行数据分析》等书。
　　17. 整合思维
　　现代社会，时间正变得越来越碎片化，如果我们能把零散的碎片时间整合到一个目标上，用知识框架整合碎片时间的学习成果，那么学习目的就会更加明确，注意力就会大大提高，经过日积月累，也能提升自己解决问题的能力。
　　我平时的工作很忙，还要经常加班，只能想办法把碎片时间充分整合起来。
　　我目前的做法是，在上班和下班的路上进行学习，坐车的时候看一看书，走路的时候听一听音频，一旦发现与知识框架相关的信息，就整合进去，从而不断丰富自己的知识体系。体现在思维导图中，就是分支变得越来越多，但是都与目标相关联。
　　我在睡觉之前，或者周末放假的时候，如果有空余时间的话，就把一些零散的知识整合起来，写进相关主题的文章中，经过日积月累，才有了到目前为止的 51 篇原创文章。
　　18. 网络思维
　　虽然互联网倡导的是网络互联，但是现在很多大型的互联网公司，考虑到自己的商业利益等因素，实际上正在变得越来越封闭，所以不要指望仅靠一个网站就能解决所有的问题。
　　搜索不同类型的内容，建议用不同的网站。
　　比如说，当我要找数据分析算法的代码，我会优先去 www.github.com 搜索。当我遇到程序相关的专业难题时，通常会到 Stack Overflow 上去寻找答案，因为这个网站有很多专业高手，问答基数够大，问题审核比较严格。
　　下面是一位书友「鹅妹子」做的知识卡片，在共读的时候获得了书友们大量的点赞和好评，经她本人同意，我转载到文章中。我觉得她的知识卡片做得非常棒，设计美观，信息精炼，对加深知识的理解和记忆都很有帮助。
　　19. 搜索思维
　　我在学习、生活和工作中，都严重依赖搜索思维，每次遇到问题就喜欢搜一下，基本上80%的问题都能通过搜索找到答案。我写过《》，当我遇到不懂的问题时，都是先利用搜索的技巧。
　　以前，我囤积过大量的电子书等资料，甚至把这些资料妥善整理并保存到移动硬盘中，花了大量的时间去下载收集和分类整理，结果却发现，这些资料只是静静地躺在那里，几乎从来不会被用到。
　　学会搜索技巧之后，我只对少数非常重要的资料进行整理归类，而对于那些通过搜索就能快速找到的资料，就不再浪费时间去整理和存放了。
　　20. 焦点思维
　　在信息时代，每天的信息就像洪流一样涌现在我们面前，如果没有焦点，就容易感到焦虑。
　　当我看到一条信息时，往往会先想一想，这条信息对自己是不是有用？如果没用的话，就采取「阅后即焚」的模式，看完直接删除或关闭。
　　对于真正有用的焦点信息，我会尽量纳入自己的知识框架，让它和已有的知识产生关联。比如说，我在写读书笔记的时候，有时候会链接一些以前写过的相关文章，这样不仅复习了以前的知识，而且增进了对新知识的理解。
　　在关注焦点信息的同时，我注意到有一个词叫「功能性文盲」，指的是有些人在不断地印证自己的旧有观念，陷入到「信息茧房」中不能自拔，不愿意接受新的观点和看法，即使看到了对旧有观念构成挑战的信息，也统统视而不见。
　　我觉得应该避免变成「功能性文盲」，所以时常提醒自己，关注的焦点不能一成不变，要努力让自己的视野更广阔一点。
　　21. 台阶思维
　　从入门到专家，是一个循序渐进的过程，就像走楼梯一样，沿着台阶一步一步往上爬，想要踏上更高的台阶，前面的阶梯是必不可少的。
　　下面我的一个朋友陈哲做的图，她已经出版了两本书，一本是《数据分析：企业的贤内助》，另外一本是《活用数据：驱动业务的数据分析实战》，我觉得都写得很好，适合用来入门和进阶。
　　22. 结构思维
　　回顾我早期的学习经历，发现大多数时候都是在被动地接收一些零散的知识，不断地收藏和下载新的资料，却很少用结构思维进行吸收内化。
　　直到搭建了知识框架，才形成结构化的输入和输出，用于指导自己的学习。
　　关于知识框架，我在前面的文章中有多次提到，前提是要有明确的目标。比如做数据分析，目标是用技术促进业务，帮助业务解决问题，提升业务的效率。
　　那目前有哪些技术能够促进业务呢？
　　我想到了人工智能，为了系统地学习人工智能，从而更好地用技术促进业务，我初步搭建了一个知识框架，买了 5 本纸质书，下载了 3 本电子书。
　　只有围绕明确的目标，去搭建知识框架，结构才能牢固，否则可能就是花架子，一推就倒。
　　23. 拆解思维
　　学习技能的时候，仔细拆解高手的方法，比自己盲目学习的方法要好的多。
　　当我看《Excel 图表之道》这本书时，深深地被刘万祥老师的拆解思维所折服。书中专业图表的做法，我理解就是通过一步一步的拆解来实现的。
　　比如说， 一个简单的柱形图，通过对标「经济学人」、「华尔街日报」等专业杂志的配图，从标题、颜色、字体、坐标轴、网格线、标签、图标等一系列不同的元素进行拆解，上升为「道」的高度，而不是停留在「术」的层面，大大提升了图表的专业气质。
　　24. 联系思维
　　因果分析和相关分析，都是把事物联系起来的分析思维。
　　因果分析的代表方法是麦肯锡倡导的「现象 - 问题 - 原因 - 对策」，代表工具是「鱼骨图」，代表步骤是「连问 5 个为什么」，通过追问前因后果，明确适用边界，发现问题的本质。比如说，我在《》中，经过连续五次不停地问「为什么」，知道生意的本质是流量。
　　相关性是不能靠举例子来证明的，倒是可以用数学模型来计算，我写过一篇《》，从数据分析的角度，演示了关联规则的计算方法。这里再举一个例子，一个国家的人均巧克力消费量，与这个国家的诺贝尔奖得主人数，呈现正相关，但是，巧克力吃得再多，也不会导致得诺贝尔奖的机会增加。
　　25. 换位思维
　　换位思考，理解别人的需要，想出互惠互利的方案，这样的合作才能长久。
　　我听罗振宇解读陈海贤老师写的《了不起的我》，书中讲到了现代社会的 3 种负面思维方式：僵固型思维、应该思维和绝对化思维，我理解都是缺乏换位思维。
　　比如说，我参加秋叶书友会共读计划，其中有个输出大奖的评选，我很认真地写了读书笔记，但还是落选了，那我应该怎么想呢？
　　以下 6 个选项，你觉得选哪一个比较好？
　　（1）我真的已经很好了，落选只是意外。
　　（2）我就是不够好，落选是应该的。
　　（3）这个评选很不公平，评委有偏见。
　　（4）我失去一次重要机会，真是太遗憾了。
　　（5）别太在意，这次评选没那么重要。
　　（6）生活就是这样，并不是总能一帆风顺。
　　按照陈海贤老师的观点，以上答案都不对，因为每个选项都是试图用一个抽象的解释，来让自己的现状合理化，并没有涉及接下来我该怎么办，从而丧失了和世界正确互动的能力。
　　通过换位思维，我理解秋叶书友会组织共读计划的初衷，是想让更多的人「真读书」，扩大秋叶团队的影响力。那我能为此做什么呢？
　　我选择申请参与秋叶书友会共读计划的运营，做了一名「回音官」，给书友们的优秀作业点赞喝彩，努力促进书友之间的沟通互动，在这个过程中，我自己也加深了对所学知识的理解，这是一个互惠互利的方案。
　　26. 复利思维
　　写作具有复利效应，因为写作可以复用到工作、学习和生活中的很多方面，比如工作中写邮件、写方案、写计划、写总结、写报告等，学习中写读书笔记、心得体会等，生活中写日记、写书信、微信聊天等。
　　如果写出了高质量的文章，那么还能带来认同、链接人脉、流量变现等复利。
　　为了更好地利用复利思维，提高自己的写作水平，我买了秋叶老师的《写作 7 堂课》，希望通过学习和练习写作，让自己成为一个更专业的人。
　　27. 跃迁思维
　　要真正实现跃迁，不能总是停留在低水平的输出上，而是要对标专业选手去努力。
　　比如作为数据分析师，学习 Excel 的时候，不能仅仅满足于会用 VLOOKUP 等简单的函数，而是要向一流的高手学习，努力掌握数据透视表、数据可视化等更多专业的技能，这样才有可能实现跃迁。
　　在《高效学习 7 堂课》中，秋叶老师介绍了输出的 7 种模式：
　　（1）记录笔记：用笔写胜过用手机拍照。
　　（2）思维导图：把所学内容的逻辑画出来。
　　（3）解读文章：带着自己的想法去消化新的信息。
　　（4）对外分享：最好的学习就是自己去教别人。
　　（5）内化实践：到现实中去印证别人的观点。
　　（6）复盘文章：写出自己的深度心得。
　　（7）课程研发：做培训课程或编写教材。
　　这 7 种模式的输出，难度是依次递增的，可以看作是难度由低到高的输出跃迁。
　　28. 问题思维
　　提出一个好问题，往往能激发出好的答案。比如要了解数据分析领域，我们不妨先想一想以下 7 个问题：
　　（1）数据分析领域涉及哪些概念？
　　（2）数据分析的发展历史和前景如何？
　　（3）最近两年的数据分析报告有哪些？
　　（4）数据分析领域最知名的专著有哪些？
　　（5）数据分析行业的竞争格局是怎样的？
　　（6）数据分析领域里顶尖的几家企业是谁？
　　（7）数据分析业界有什么大的活动？
　　如果我们带着类似这样一组结构化的问题，去观察、学习和交流，并把信息梳理成知识体系，就能大大提高学习的效率。
　　29. 视觉思维
　　数据分析图表、思维导图、视觉笔记、流程图等，都属于视觉思维的输出形式，如果应用得当，就能明显提高信息传递的效率。
　　我认为视觉思维不仅要有视觉上的美观，而且要有思维上的逻辑。在《》中，我总结过「数据可视化的十大黄金准则」：
　　(1) 明确数据可视化的目的；
　　(2) 通过对比来反映问题；
　　(3) 提供数据指标的业务背景；
　　(4) 通过从总体到部分的形式，展示数据分析报告；
　　(5) 联系实际的生产和生活，对数据指标的大小进行可视化；
　　(6) 通过明确而全面的标注，尽可能消除误差和歧义；
　　(7) 将可视化的图标，同听觉上的描述，进行有机的整合；
　　(8) 通过图形化工具，增加信息的可读性和生动性；
　　(9) 允许但并非强制，通过表格的形式，呈现数据信息；
　　(10) 目标是：让受众思考呈现的数据指标，而非数据的呈现形式。
　　30. 清单思维
　　怎么避免在工作、学习、生活中犯下低级的错误？
　　清单思维是一种比较好的办法。比如在工作中，有句话叫「见邮件如见面」，所以我们应该重视职场的邮件礼仪，为了发邮件的时候不犯低级的错误，我总结了邮件发送前的检查清单：
　　（1）发件人的显示名，用自己的中文真名。
　　（2）标题是邮件核心内容的总结，少于20字。
　　（3）正文尽量用短句，不要有错别字。
　　（4）如需附件，不要忘了添加，更不要添错。
　　（5）前面要有称呼问候，后面要有自己的签名。
　　（6）字体的大小和颜色要美观、简洁、干净。
　　清单思维就是把执行细节标准化，用来指导和规范日常的行为。
　　31. 成果思维
　　学习之后，写读书笔记，画思维导图，列检查清单，都属于学习成果，但最根本的成果是解决问题的能力。
　　比如我做数据分析，想找一个恰当的分析方法，通过搜索，找到了合适的分析方法，这个问题就解决了，在这个过程中，也锻炼了自己的能力。
　　高效学习者之所以高效，往往是因为他利用所学的成果，解决了现实中的问题，用高质量的输出检验能力，而不是用低质量的输出感动自己。
　　32.挑战思维
　　想进步，就要挑战自己的舒适区。
　　比如我学习了 Excel，后面扩展到 SQL，再扩展到 Python 和人工智能等领域，就是一步一步挑战自己的过程。
　　除了提高专业能力，还要训练写作能力、沟通能力、管理能力等，这些都是挑战。我相信，在工作中勇于挑战，不断精进，就能得到成长。
　　33. 重复思维
　　我在学习数据分析的时候，往往会把数据分析的思维、方法和模型，重复应用，多次训练，不断去印证、改进和完善，也就是「举三反一」。
　　比如我学习一种算法，除了参考书中的例子去练习以外，还会想办法应用于实际的工作和生活当中。在双 11 之前，我用线性回归算法预测了双 11 的交易额，等双 11 结束之后，我再对预测过程进行复盘，总结改进的思路和完善的方法。
　　当所学的知识或能力得到消化以后，再去多个领域「举一反三」。
　　34. 套路思维
　　不同的问题，往往有不同的套路，有时候老套路能够解决新问题。
　　比如「断舍离」是日本杂物管理咨询师山下英子提出的概念，我试着用来解决现代社会信息过载的问题，我卸载了手机和电脑大量的软件，专注于那些对自己确实有帮助的信息。
　　有时候新套路也能解决老问题。比如我学习一些新的人工智能算法，用来解决以前难以解决的老问题。
　　35. 建模思维
　　我读研究生的时候，参加全国研究生数学建模大赛，获得过一个二等奖，在参加建模大赛的过程中，我觉得解决问题的能力、团队协作的意识、模式创新的思维都得到了锻炼。
　　建模思维有助于提升「模式识别」的能力，大多数人的模式识别方法过于简单，在没有经过训练之前，很难快速地做出理性的思考。比如专业投资机构，往往是通过数据建模来开展工作，而业余的股民，常常依赖直觉或小道消息买股票，因而后者更容易遭受损失。
　　36.合作思维
　　互惠互利的合作，已成为现代社会发展的基础和前提。
　　前段时间，我看到刘润公众号的一篇文章说，商业的进步，就是分工深化和合作效率的进步。
　　比如一支普通的铅笔，背后是原材料的加工，包括雪松和石墨等等。获得雪松要有伐木工人，伐木工人要用电锯、绳子、鞋子、防护眼镜等等……总之，要经过一系列非常复杂的工序，才能把铅笔制造出来，假如没有分工合作，完成这件事的难度是巨大的。在这个世界上，甚至没有一个人，完全掌握制造铅笔所需要的全部知识。
　　合作最重要的表现形式之一，就是交易。作为一名公司职员，就是在用自己的技能和时间，获得相应的工资，然后再用工资去购买我们生活所需的其他东西。
　　在高速变化的商业世界里，你要依靠什么技术，以什么姿态加入分工，以什么效率级别参与合作？
　　小结
　　我们所从事的工作，本身就是促进能力成长的最佳舞台，关键是要选好方向、搭好体系、请好教练、用好网络，做好总结、强化成果、轻松跨界。
　　以上就是高效学习的 7 种能力，即：定位力、框架力、精进力、联机力、复盘力、输出力、迁移力，而这 7 种能力的背后，其实是 36 种思维产生的结果。
　　作者：林骥，公众号 id：linjiwx，从 2008 年开始从事数据分析工作，网名数据化分析，用数据化解分析难题，让数据更有价值，让分析更有效。敬请关注。