想投資陌生領域苦無門路?一文教你在短時間了解新產業
收藏文章
很開心您喜歡 虎嗅網 的文章, 追蹤此作者獲得第一手的好文吧!
虎嗅網
字體放大


分享至 Line

分享至 Facebook

分享至 Twitter


想投資陌生領域苦無門路?一文教你在短時間了解新產業

2020 年 11 月 28 日


越來越多的工作需要我們能在很短的時間內掌握一門新的學科。學習陌生產業的新知識,不可能也沒有必要像專業人士那樣學習,最常用的方法,以前叫 “ 觸類旁通 ” ,現在叫 “ 知識遷移 ” ,即把陌生領域的知識跟你之前所熟悉產業的知識框架進行比較,找到相同的因素,比如成份、知識結構、或者同樣的分析過程,以幫助學習。

如何快速學習陌生產業的知識

從去年開始,我成為了一名職業投資者,它跟業餘投資有一個很大的不同。業餘投資的資金量少,我只需要投資我過去很熟悉的幾個產業就夠了,最多再加上幾個比較容易理解的商品產業的上市公司。但職業投資者因為操作資金量大,收益要求更高,且要求回撤少收益穩定,必須理解更多的產業。

比如你要投資蘋果(Apple, AAPL-US)產業鏈的公司,除了通用的投資知識之外,你還要知道手機產業鏈的分工,關鍵零件的技術現狀,如果你投資的是醫藥股,那基本上時時刻刻準備 Google 一下。投資這個職業對於新知識的學習能力要求很高,它的要求並不是科普型的 “ 懂 ” ,而是判斷價值。

例如PD- 1 ,作為科普,你只需要理解它的藥理機制就行了。但作為投資,你還要能判斷技術未來的發展方向,這個賽道上哪些公司更具備優勢,還要能定量的研究,這些新藥將為這些公司帶來多大的價值。而且,這些新知識,你必須在非常短的時間內掌握,因為馬上又有新的機會了。

短時間掌握新學科有竅門

事實上,不光是投資領域,越來越多的職業需要你能在很短的時間內掌握一門新的學科,比如我之前在銀行做信貸,經常到企業實地市調研究,如果不懂這些產業,很容易被騙;後來做行銷諮詢,和電商營運,也要能在最短的時間內快速理解客戶的產品和所在的產業。

學習陌生產業的新知識,不可能也沒有必要像專業人士那樣學習,最常用的方法,以前叫 “ 觸類旁通 ” ,現在叫 “ 知識遷移 ” ,即把陌生領域的知識跟你之前所熟悉產業的知識框架進行比較,找到相同的因素,比如成份、知識結構、或者同樣的分析過程,以幫助學習。更重要的是,知識遷移也是創新性很強的工作的重要方法。

知識的廣度與深度,哪一個更重要?

狹義的知識遷移幾乎是學習的唯一的方法,比如我們學習英語語法時,總是先看一看語法現象(單數變複數),從這個現象中總結語法規則(複數規則),最後經過練習就把任意新的單數名詞變成複數。可以說,學習的本質就是知識遷移,只是大部分知識遷移都是發生在同一個專業內。隨著知識儲備量的成長,更多的知識遷移發生在專業與專業之間,就是本文所說的廣義的、跨產業的知識遷移。

比如獲 2002 年諾貝爾經濟學獎的是一位心理學家丹尼爾・卡尼曼,他把心理學的研究 “ 遷移 ” 到了經濟學領域,並創造了一個新的經濟學分支——行為經濟學。我以前認識一位編劇朋友,後來他成為職業生涯規劃的網路大V(大量粉絲關注的意見領袖),他最擅長的是做面試輔導,而這兩個看似不相干的職業有一項共同的能力——講故事。

具備跨產業知識遷移能力的人,其知識面必然橫跨不同領域,而這就面對著一個矛盾,在有限的生命裡,人的知識應該更廣博還是應該更專精?在網路時代之前,這個問題的答案更傾向於後者。知識在書本上,只有少數產業內的人士才能掌握,大部分人終其一生才能把本專業的知識從書本上搬到大腦裡。所以,以前的工作很少要求跨專業的知識遷移能力。

但到了網路時代,知識觸手可 “ 搜 ” ,你並不需要把這些知識都裝到大腦裡。專業學習的作用變成了建立知識架構,讓你知道在這個系統中,某個知識所在的位置,以及知識與知識的聯繫,一旦用到,你便可輕易地搜尋並理解相關專業知識。這就讓普通人有更多的時間涉獵多個領域,從而有可能進行 “ 跨專業的知識遷移 ” 。

而且,現代職業大多需要復合多個專業,也更需要知識遷移的能力。比如行銷傳播,可以說是商業與心理學的結合,如果只是從行銷專業內理解行銷,你很容易達到知識瓶頸,想要打破天花板,你必須跳出來,跳到上一級學科,從商業或心理學中進行 “ 知識遷移 ” 。

知識遷移的元素

只不過,很多人還停留在功利式學習,每學習一件新事物,都要經受靈魂拷問:學了這個有什麼用?從知識遷移的角度來看,這個問題的答案很明顯:到了有用的時候,自然有用,在它有用之前,你永遠不會知道學它有什麼用。更何況,就算最後還是沒用,無非就是浪費一點時間——如果你真心喜歡,那也談不上浪費時間。

當然,跨領域的知識只是 “ 知識遷移 ” 的前提, “ 知識遷移 ” 很少自發產生,就像麵粉不會自動變成麵包。如果把 “ 知識遷移 ” 類比於通訊中 “ 編碼 ” 與 “ 解碼 ” ,你還需要另外兩項能力。

舊知識的 “ 編碼 ”

大部分人在本職工作之外,都有一兩個愛好,可工作的知識和愛好的知識之間,幾乎很少發生交集。如果沒有合理的方法,知識遷移只是一種非常偶然的現象。這一點跟產業內的知識遷移不同,你是一名銷售,掌握了幾個典型類別的客戶特徵後,只要有基本的思考能力,自然能將 “ 有效客戶 ” 的特徵遷移到大部分客戶身上。想要提高跨產業的知識遷移能力,我們還需要培養從現象中抽像出事物發展本質的能力。

以 “ 愛迪生效應 ” 為例。愛迪生團隊在提高燈絲壽命的實驗中,試著在碳絲附近安裝了一小截銅絲,希望能阻止碳絲蒸發。雖然實驗失敗了,但工程師卻匯報了一件古怪的事,沒有連接在電路裡的銅絲,卻產生了微弱的電流。愛迪生立刻敏銳地意識到它的價值——或者我們可以用這個現象發明出一個新的電流表。

但很快,愛迪生將其註冊專利後便束之高閣。因為他覺得人們並不需要新的電流表。直到十幾年後,英國物理學家弗萊明在發明訊號傳遞放大裝置時,想到了 “ 愛迪生效應 ” ,發明了世界上第一支電子二極管,開創了一門新的工業體系——電子工業。“ 發明之父 ” 愛迪生居然與這項偉大的發明失之交臂,他不懂物理理論,也就無法從 “ 愛迪生效應 ” 這個現象中提煉出本質。

所以知識遷移的第二個條件是對知識內在邏輯的認知。不光要知道這條知識,更要理解這個知識為什麼會出現?在什麼前提下成立?它有什麼內在規律?有什麼外延?當然 “ 知識遷移 ” 的 “ 編碼 ” 是順著知識下來的,相對比較容易,更困難的是 “ 解碼 ” ,因為你根本不知道密碼是什麼?

提出問題的能力

跨產業的知識遷移並不是一種高效率的學習方法,因為你不知道眼前的任務應該 “ 遷移 ” 什麼知識,如果一個一個的尋找,那太花時間了。那位改行做面試顧問的朋友,如果他改行做了廚師,這個編故事的能力就用不上了,如果他在做面試顧問之前,涉獵非常廣泛,那麼他也可能根本想不到要 “ 遷移 ” 他只是略知一二的編劇理論。

大量的知識,在沒有找到一個好問題之前都是 “ 無用的知識 ” ,換言之,你只有對眼前的任務提出一個好問題,對應的 “ 無用的知識 ” 才能變成有用的答案。“ 知識遷移 ” 常常是一個先有答案,後有問題的學習過程,可提出好問題的能力,常常比找到好答案更難。

伊隆・馬斯克不是第一個研究電動車的人,很多人也比他有更多的造汽車的經驗,但馬斯克是一個擅長提出好問題的人,所以他先找到了好答案。電動車和傳統汽車最大的區別是笨重的電池,所以每一個研究電動車的人都在解決電池重量和續航的問題。但這不是一個好問題,因為它直接把電動車的問題甩給了電池工業,然後汽車巨頭們就可以在一旁等答案。

馬斯克不喜歡等,他在思考另一個問題:除了汽車內燃機變成了電池和電動機之外,電動車還有什麼不同嗎?之所以說,這就是一個好問題,並不是這個問題本身的價值高,而是因為它有一個好答案,這個答案出現了 “ 知識遷移 ” 。汽車內燃機變成了電池和電動機,電線取代了以前的齒輪傳動軸這些機械零件,這麼一來,傳統汽車的原子傳動就變成了電路板與電線裡的電子傳動,汽車工業的核心環節就被改造成了電子工業。

如果上面的描述還是太學科化的話,更直白的表達方式是:電動車不是在電動汽車上裝一台電子顯示屏,而是為手機裝上輪子,是一台假裝成汽車的電腦。如果你想像不出 “ 假裝成汽車的電腦 ” 跟傳統的汽車有什麼不同,那麼更直白的場景是:傳統汽車的維修需要你把車開到維修站,未來,電動汽車的大部分故障都可以用軟體升級的方式去解決,或者——試著重啟一下?

現代社會,幾乎所有的創新,其原點都是透過 “ 知識遷移 ” 的方式得到的。特斯拉(Tesla, TSLA-US)並沒有很好的解決續航的問題,但它解決了另一個更重要的問題——它重新定義了汽車。

重新定義知識

總結一下前面說的 “ 知識遷移 ” 的三個過程:

  1. 儲備:豐富的跨領域知識;
  2. 編碼:習慣於總結事件的本質;
  3. 解碼:從多個角度對目前任務提出各種可能的問題。

“ 知識遷移 ” 並不是一個 100% 會成功的方法,可一旦成功,它創造的價值遠遠超越常規的工作和學習方法。所以我們對知識的理解也會跟過去相當不同:

  1. 出於興趣而學習的 “ 無用的知識 ” ,將發揮越來越重要的作用。
  2. 學習不是為了掌握知識,而是形成思考方法和建立知識結構。
  3. 學知識不要怕忘,重要的是記得自己曾經學過,並知道如何喚醒記憶。
  4. 養成學習陌生學科知識的習慣,提高快速學習陌生知識的能力。
  5. 在搜尋時代, “ 不知道 ” 並不可怕,不知道自己 “ 不知道什麼 ” ,才可怕。而那些只知道一兩個專業的知識的人,更容易成為後者。

虎嗅網》授權轉載

【延伸閱讀】

 
週餘
 
 
分享文章
分享至 Line
分享至 Facebook
分享至 Twitter
相關個股
收藏 已收藏
很開心您喜歡 虎嗅網 的文章, 追蹤此作者獲得第一手的好文吧!
虎嗅網
分享至 Line
分享至 Facebook
分享至 Twitter
相關個股
地圖推薦
 
推薦您和本文相關的多維知識內容
什麼是地圖推薦?
推薦您和本文相關的多維知識內容