洞察企业奥秘,飞总没有忽悠你

昨天的话题,私下留言很多。我觉得一一回复也比较累了。大体总结一下有几类:

  1. 觉得我讲得太简单的
  2. 觉得这几招不能真实解决问题的
  3. 觉得应该用更复杂的模型

所以我就写一篇补充一下吧。

第一招:大量阅读

这个其实没什么好说的,就是大量阅读,大量阅读。你掌握的信息量越大对你越有好处。但是也不是什么都读囫囵吞枣。读消息,既然是互联网时代,建议去有效率的论坛。我本人在国外,所以我一般去的是TechCrunch,Reddit的相应子版块,有时候读HackNews。这些信息即使今天没有用以后也会有用的。

当然对于信息的搜寻,消化和整理能力,其实是个技术活。我不太清楚各位有没有去听过专门的图书馆开的信息检索课。我本人去过好几次。对我来说,因为读PhD的时候需要大量检索和快速阅读,所以,我这方面的能力是比一般人要高一些。但是我个人的体会是,只要读的够多了,每个人都可以形成快速阅读能力。快速的阅读一篇文章,迅速提取有效信息装载进脑子,无效信息自己过滤掉。这需要一些时间的积累。

阅读的另外一方面,建议大家读几类书籍。行业的介绍的书籍,国内国外都有。人物传记书籍,国外互联网行业为主吧。可以读点财务入门书籍,起码知道会计三张表的基本概念。读一点经济学,曼昆的入门读物就挺好。读一点marketing的东西。另外我特别建议大家读一些可以提高思辨能力和逻辑思维的书。提高个人去粗取精去伪存真的能力,很多时候需要提高自己脑子思维的高度。而这些书籍毫无疑问是非常有帮助的。再加一点,现在都是用数据说明问题的年代了,不妨读一读数据分析方面的书,正反两面都有很多可以读的。

这是时间水磨的功夫,读的久,想的多,自然就容易想明白。

第二招:企业基本面分析之远见和执行力

我知道企业基本面分析有很多模型,有的模型有5个维度,有的有7个维度,还有的可以给你拆解成几个大方向,几个子方向等等。我不觉得这些东西没有用,存在即合理。不信你去看看那些startup写的文档,看看IPO上市前的白皮书。这些东西读一读,肯定有收益。

但是对大部分人来说,如果想把我行业脉络,把握企业发展方向,我会觉得这些都太复杂了。复杂到掩盖了最核心的内容。Gartner作为世界最为知名的IT咨询机构之一,每年都要出各种各样的行业报告。每份报告都非常的复杂。大家有兴趣,如果公司有订阅的话,可以好好读读。

但是Gartner最为引人注目的,最有名的,也申请了专利的魔力象限图,却只关注两点:vision和execution。

比如说下面这个关于在线存储和共享合作的魔力象限图。

是不是看起来非常直观一目了然。但是如果你读过报告就知道,Gartner为了把企业里面无数多的信息给投影到这两个维度上,是要费很大力气的。能够迅速的投影到这两个维度上,给大家一个很直观的看法,是一种本事。

换句话说,这个图给谁看,都能看明白。能够把这个图画出来,画好了,却不是每个人每个机构可以做好的。我自己在判断一个行业的时候,我也会把若干个机构放上来,当然,肯定是我自己给它们打分。甚至很多时候我分析一个机构的时候,我在这两个维度:远见和执行力上给某个机构打个分。

如果你有兴趣,不妨自己去做做。什么东西是远见的部分,什么东西是执行力的部分,其实是很不好弄的。比如说,很多人常说,微软在Steve Ballmer的时候,其实不缺远见,云计算09年就开始要做了。但是微软的执行力问题是Satya才解决的。前者有远见也无法执行下去。这个结论看起来似乎是很有道理的。但是如果我们仔细抠下去,到底有什么样的证据说明微软有远见没执行力,那就不容易了。

我觉得远见和执行力这两个维度,道尽了企业分析的精髓。能不能够通过具体的信息映射到远见和执行力上,考验一个人的水平。至于其他更复杂的模型,也许对很多人很有用,对我个人的经验来说,没什么屁用。

第三招:仔细理解企业文化

企业文化是另外一个我非常强调的东西。我上篇文章强调了企业文化的重要性,这里就不多废话了。我这里强调一点,深入了解企业文化并不是一个特别容易的事情。考验一个人的积累,更考验一个人的时间。

举个例子,我为了研究亚马逊的企业文化,对亚马逊公开的14条领导力准则逐条研究,逐条阅读了大量相关的资料,每条最后整理的笔记和结论都超过1万字。很多东西只有砸进去时间了,才能看明白。

所以我的确是只说了三招,教大家的也很简单。但是这三招,任何一招,背后都是大量的时间和努力的积累。如果一位读者认为知道这三招以后就可以迅速具备了精准判断企业发展和洞察行业动态的能力,那我只能呵呵一笑了。人若傻逼如此,再好的东西也无药可救。

总而言之,我并不是想忽悠谁,这些东西用好了都很实用。但是我同样强调一下,没什么事情是一撮而就的。能力不会掉下来,都是时间磨出来的。别人能教的都只是术的层面的东西,至于道的层面的东西,道可道非常道,时间砸进去是根本。

原文发布于微信公众号 - 飞总聊IT(feiitworld)

原文发表时间:2018-04-06

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏企鹅号快讯

量子技术与人工智能:同时进化的双生子

诞生于 1965 年的摩尔定律,对二十世纪后半叶的世界经济增长做出了巨大贡献,并驱动了一系列科技创新和经济增长。摩尔定律预测集成电路上晶体管的数量每两年翻一倍,...

22810
来自专栏新智元

【Google.AI+AutoML】谷歌I/O重磅发布第二代TPU,Pichai主旨演讲

【新智元导读】18日凌晨,谷歌一年一度的开发者大会I/O拉开帷幕,其CEO Sundar Pichai发表主旨演讲。重磅发布了谷歌第二代TPU和 Cloud T...

3717
来自专栏机器之心

业界 | 斯坦福大学Brainstorm神经形态芯片:未来计算的新方向

选自Nextplatform 作者:Nicole Hemsoth 机器之心编译 参与:李泽南、李亚洲 随着摩尔定律终点的临近和机器学习对计算需求的提升,人们对于...

3348
来自专栏大数据文摘

业界 | 尴尬了,数据故事讲不好,模型再酷炫都没用

导言:数据科学风靡了几年,已经完成了从普及到应用的商业落地,越来越多的公司都已经同意数据驱动战略的重要性,但雇几个数据科学家和有一个数据团队,并不等同于公司就能...

740
来自专栏企鹅号快讯

AI能解决实际问题吗?

来源|FT中文网 不,你的计算机不会很快抢走你的工作。但是,在挑战它玩棋盘游戏之前,你应该三思——即使是它以前没有玩过的。看到最顶级的人类玩家输给机器不是新鲜事...

2018
来自专栏AI科技评论

关于机器学习,你所知道的,可能都是错的

虽然机器学习已经成为一个高频名词,但是对于大众而言,它依然是一个遥不可及乃至模糊不清的概念。为此,著名投资人 Benedict Evans 在自己的博客上发表博...

1082
来自专栏理论坞

我们为什么需要理论?

理论是指人们对自然、社会现象,按照已知的知识或者认知,经由一般化与演绎推理等方法,进行合乎逻辑的推论性总结。

2226
来自专栏吉浦迅科技

当HPC遇到AI

作者:Shahin Khan, OrionX 翻译:GPU世界 高性能(HPC)和人工智能(AI)的结合正创建一个充满活力的新市场:“高性能人工智能”(HPA...

3999
来自专栏AI科技大本营的专栏

人工智能和驱动在机器中的应用

【AI100 导读】目前,人工智能的研究和发展仍在继续。那么,对人工智能的研究现在进行到什么程度,我们期望在未来会看到什么样的成果呢?为了回答这个问题,首先我们...

3177
来自专栏机器人网

真正能和人交流的机器人离我们有多远?

《经济学人》近日刊登文章,称计算机在翻译、语音识别和语音合成上都获得了很大的进步,但它们仍然不了解语言的含义。以下是原文内容: “对不起,戴夫,恐怕我不能这样做...

2243

扫码关注云+社区

领取腾讯云代金券