提纲
- 回馈分析(定义及流程)
- 我的几个具体例子
- 净工作时间
- py 课
- 参加竞赛
- 小结
反馈分析
Feedback analysis 的简单介绍可以参考德鲁克发表在哈佛商业评论的著名文章 管理自己 (Managing oneself):
无论做出什么样的关键决策，采取什么关键措施，我们都要写下我们希望看到的结果。9～12个月后，我们就可以将实际的结果与预期的结果进行对比，这就是“反馈分析法”。
我个人的使用习惯:
- 立flag: 如果有长期计划, 那么就同时设定一个目标.
- 记录下来: 把事件和自己的目标记录下来.
- 事件完成或到期: 反馈, 记录
事件-目标-实际结果. - 经验应用到以后的生活: 可能的反思, 以及更重要的, 对于以后长期计划的修正.
下面是近一年来我应用反馈分析法的几个例子.
反馈分析的几个具体例子
我的净工作时间有多少?
在德鲁克的原文中, 通常使用 feedback analysis 规划和分析相对较大的事件. 我第一次应用却是在自己的日常工作之中.
我在学校实验室工作, 每天工作时间比较长(8:30-21:30 * 6), 但总感觉由于很多杂事拖累, 自己的产出极为有限.
使用 Rescuetime 和笔记本记录一段时间的工作之后, 也就有了比较明确的结论:
直接用在科研上的时间是 30-40h/week, 用在杂事上的时间大约是 10-15h/week.
随后我也就不再计划过多工作, 无法完成计划的挫折感也就随之减少了.
Python 课
在大约一年前, 有幸跟着大妈参加了开智一期 python 班.
这段时间的工作就记录在了 GitHub 上面:
回头看, 其实最终的成品自己并不满意. 但这标记了当时的我和小伙伴在 一个月左右的时间 能完成的项目规模, 是自己其他想法的基石. 毕竟技术能力不是空中楼阁, 要一点点积累才能成长.
值得注意的是, 技术方面的反馈分析更加容易操作, 因为记录和反馈都易自动化.
参加竞赛
从实际项目出发, 一年来参加了几次机器学习和算法方面的竞赛:
- 天池的微博预测 organization-lab/weibo-predict: weibo predict project, from Tianchi Competition 和 广东公交预测 mofhu/transition: Transition library for competition of http://tianchi.aliyun.com/
- 华为的未来网络算法 mofhu/cc-trevize: Code craft 2016
- 滴滴的供需预测 mofhu/didi-transition: Didi Transition Predict Contest. Copyright Org Lab 2016
从结果来看, 每次的实际成绩都比自己期望的差.
几次竞赛的投入平均大约一个月的业余工程时间. 目前能挤出来的业余时间却十分有限, 平均一周约 10h 的投入对于竞赛来说显然不够.
虽然心中很不情愿, 但也要承认, 目前的技术水平, 参加各类竞赛的话, 还处在酱油水平无疑. 有更加符合现实的期待, 也许对于未来继续磨练自己也是更好的基础.
这些基于现实的信息也使我做出了一个决定: 短期在技术方面以积累为主, 不再”以赛代练”.
小结
在最近这段时间, 反馈分析对我基本上都是”泼冷水”, 几次下来, 我也觉得现实和想象相差太大. 回馈分析带来最真实的想象和现实的差别的同时, 也可能意味着自我想象的幻灭: 你觉得自己擅长的, 可能结果并不尽如人意; 你不抱太大希望的事, 却可能意外的出彩.
我最近也在反思, 是否”真”一定意味着”好”? 反馈分析带来的最真实的自我, 未必总是让人多么愉快. 毕竟, 当现实太过伤感的时候, 我们也总还要继续前行.
路漫漫其修远兮, 吾将上下而求索.
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.