Li Sheng Ping

当我在前面的章节提到基因对一个公司发展的决定作用时，一些读者觉得我是在宣扬宿命论。遗憾的是，现实是很残酷的。一个公司可以不相信基因的决定性，但是最终无法摆脱它的影响。 - Li Sheng Ping

Google 研究院主任、美国计算机协会（ACM）资深会员（Fellow，中文有些地方翻译成会士）、人工智能专家彼得·诺威格博士（Peter Norvig）讲，当一个公司的市场占有率超过 50% 后，就无法再使市场占有率翻番了。这几乎是任何人都懂的大白话，但是却道出了许多跨国公司兴衰的根源。 和传统的工业不一样，一个科技公司非常容易早熟，可能用不了几年就成长到饱和状态。 - Li Sheng Ping

在实验中，大多数被试很快就发现了，红灯亮起的频率要远高于蓝灯。尽管如此，大多数人都希望找到一个模式，能够准确地“预测”下一次亮起的是什么颜色的灯。极少有人认识到，如果“两眼一抓瞎”，全部猜红色命中，反而能有70%的准确率——只是这样选择必须克服“明知道会错”的心理障碍。而追求 “100%”的准确，即便能够在红灯亮起的70%中命中70%，蓝灯亮起的30%中命中30%，仍然只有(70% * 70%) + (30% * 30%) = 58%的命中率。 这个实验说明，即便需要面对不确定性，人还是偏好“完全准确”的预测，哪怕依据毫无道理，哪怕“愚蠢”的做法本来能够带来更高的收益。 生活中，我们经常可以看到的“赌徒心态”，就是这种心理偏好的表现：赌徒往往希望获得100%的准确率，因此尽管大多数赌博属于“独立事件”（也就是说，前一次赌博和后一次赌博之间是互不影响的），赌徒仍然希望构建出一个模式，实现“更准确”的预测。 我的意思只是，在不可能有什么“准确”规律的地方，去追求100%的命中率，无异于缘木求鱼，是完全徒劳的。有头脑的赌徒不会做这样的事情，他们能获得较大的胜率，借助的往往是上面红蓝灯测试中“接受错误来减少错误”的原理。 在现实中，这种“力求百发百中”的心态还有另一种表现：对于没有100%——或者说，非常大——把握的事情，就不愿投入精力。常见的情景就是，不少人既想学（干）这个，又想学（干）那个……但仔细想想，这个也“不一定”会有好结果，那个也“没把握”会有大的收获……。最后的结果往往就是，迟迟不敢选择（借口是“还没想好”、“还没把握”、“要谨慎”），时间就这样白白浪费了。 这些年来，我见过许多人否定学习的理由就是：“学那玩意干嘛？将来又‘不一定’会用到（或者是，谁知道将来怎么样呢）”。其实它的潜台词是，“不如再等等看看，看明白了、有把握了再说，至于现在，还是放松放松好了”。 - Li Sheng Ping

第一节 70-20-10律 我们顺着斯库利的思路，看看信息科技领域和自然界的一些共性：当某个领域发展成熟后（而不是群雄争霸时期），一般在全球容不下三个以上的主要竞争者。这个行业一定有一个老大，斯库利把它比喻成一个猴王，它是这个行业的主导者。毫无疑问，它虽然想顺顺当当地统领好整个行业，就像猴王想让猴子们永远臣服一样，但是，它一定会遇到一两个主要的挑战者，也就是老二（也许还有一个老三）。剩下来的是一大群小商家，就像一大群猴子。老大是这个领域的主导者，不仅占据着超过一半，通常是百分之六七十的市场，并且制定了这个领域的游戏规则。老二有自己稳定的百分之二三十的市场份额，有时也会挑战老大并给老大一些颜色看看，但是总的来讲是受老大欺负的时间多。剩下的一群小猴子数量虽然多，但是却只能占到百分之十甚至更少的市场，它们基本上唯老大马首是瞻。老大总是密切注视着老二，并时不时地打压它，防止它做大。老大和老二通常都不会太在意剩下的小企业，这样就让这一群小的企业能有挣一些小钱的地方。这里面的百分比数字 70、20 和 10 是我加的，因为信息产业大公司之间的市场份额大抵如此。 读者们也许已经在思考：当一个主导公司一直占领某个市场 70% 的份额，并且对第二名保持一定优势时，它岂不是将这个市场变成了它的万世基业了么？实际情况并非如此，随着产业的变革，一个主导公司不可能靠着吃老本而成为百年老店。在道琼斯工业指数中最早的三十家公司，现在只有五六家还在今天的三十家列表中。在科技工业领域，一些内在的规律加速了它的新陈代谢。 - Li Sheng Ping

他们在Facebook上面成立了一个小组，现在的组员数量已经超过900个。与一般公司拼命介绍自己的产品不同，Wiggly Wiggler吸引粉丝，靠的是和大家分享对园艺、有机产品、自然的生活状态的共同追求和兴趣。在Facebook上开展各种热烈的讨论话题，定期组织小组活动，分享公司成员的照片。 - Li Sheng Ping

AtomServer是一个高负载、高可用的数据分发系统的精简版，该系统位于Homeaway.com。由于它抽取自一个与大量不同客户群交互的生产系统，AtomServer的演化重点绝对是以客户为中心的。这也催生了几个AtomPub规范扩展的诞生。其中最有必要一提的包括，自动标记（Auto-Tagging）、 批处理（Batching）和Feeds聚合（Aggregate Feeds）。 - Li Sheng Ping

跟“纷享”手机操作界面和T-Mobile Shadow操作界面的设计师聊了蛮长时间，他们传达的一个概念让我印象深刻。设计师说，好的用户界面更要了解硬件，甚至软件要影响硬件的设计。以“纷享”手机界面为例，看看他们是如何行动的： 市场研究数据分析，概念产生和筛选，厂商访谈 ===========》根据市场分析选定用户群 ===========》用户跟踪调研，入户采访 ===========》根据访谈信息设计出用户圆形，初期设计 ===========》用户原型范围内锁定用户群，设定焦点用户小组，用以测试产品概念，丰富产品功能和内容，了解用户的色彩喜好，测试图标的识别性 ===========》更新设计：交互设计、视觉设计 ===========》用户测试纸模型，测试交互设计 ===========》更新设计：交互设计、视觉设计 ===========》用户测试模型，测试交互设计和视觉设计 ===========》最终设计：交互设计、视觉设计 - Li Sheng Ping

曾国藩一生致力结交、网罗、培育、推荐和使用人才，他的幕府是中国历史上规模和作用最大的幕府，几乎聚集了全国的人才精华为招揽人才，留住人才，他舍出谦逊的老脸，屡屡上书举荐部下，为部下谋官要权，争谋职位。 这时候，家里来了一个小偷，潜伏在屋檐下，希望等读书人睡觉之后捞点好处。可是等啊等，就是不见曾国藩去睡觉，还是翻来覆去地读那篇文章。贼人大怒，实在忍不住了，跳出来大声说：“这种水平读什么书？”接下来发生的事情让曾国藩目瞪口呆：只见那贼人将那文章很流畅地背诵了一遍，然后轻蔑地看了曾国藩一眼，扬长而去。 　　这件事对曾国藩触动很深。这个小偷是很聪明，至少其天赋要比曾国藩高许多，但是他由于荒废了天赋沦落为“梁上君子”，而曾国藩却从此知耻而后勇，刻苦治学，奋发图强，通过后天的不懈努力，终于成为史上罕有的立功、立德、立言“三不朽”之奇才。 - Li Sheng Ping

能有意识地做闲人的，大多数是一流的。看看一本《悠游度日》（How To Be Idle）就可以知道这一点，或者去看看林语堂写的《生活的艺术》。 - Li Sheng Ping

就象好多人问我什么是网络创新时我老爱打的比喻：如果你讲的有90%的人听不懂，剩下听的懂的10%的人中90%不同意，你大概就上了创新之路了，因为你属于某个特定时期某个特定领域的一小撮，机会比混在99%的大拨哄人群中大得多。2。0的开放就属于这种定义下的创新。 - Li Sheng Ping

世事难料，几年河东，几年河西啊。估计这次奥巴马又抄上了，经济不可能再坏了，只能向好的方向走。世无英雄，竖子成名，共和党一定会这么说。 - Li Sheng Ping

有很多人参与了对于测量方式的讨论，他们都同意这些做法有其局限，不过他们都觉得衡量开发人员的绩效还是有必要的。实际上，不少人认为SLOC可以作为基础，在其之上通过考虑多种不同因素来进行更复杂的分析。McConnell提出了四条分析开发人员工作效率的必备指导原则，他们也都同意。这四条原则如下： 1. 不要指望单一维度的工作效率测量方式能告诉你每个人的真实情况。 2. 不要指望任何测量方式可以在很小的粒度上区分出每个人的工作效率差异。这些方式可以为你提出问题，却不会告诉你答案。 3. 牢记：趋势总是比单独一点的测量来得重要。 4. 问问你自己：为什么要测量个人的工作效率？ 测量开发人员的工作效率在什么样的上下文中才是有意义的？有哪些条件？这些条件该如何组合？许多问题仍没有答案。 - Li Sheng Ping

人类生而具备一种本能，迅速判断当前状况是危险还是安全，面前的食物能否食用，面前的人是敌是友。这是本能，是人类通过生存竞争和进化过程获得的本能。在原始社会，倘若有人难于分辨面前的人是属于自己的部族，还是敌方部落的一员，那就是生死攸关的问题。然而，由于这种本能的存在，人类一见到其他人，就会很容易给他们分类；换句话说，产生成见。 人们很容易把其他人分类：敌人或是朋友、亲人或是陌生人、自己人或是外人。这个决策是在非常短的时间内形成的，分类会带来成见和鲁莽的判断。人们会根据第一印象对他人做出假设。偏见有两个特点： * 每个人都有偏见。 * 没有人认识到自己有偏见。 换句话说，每个人都错误地认为自己没有偏见。结果，虽然人们都相信自己做出了理智的决策，实际上他们总在证明自己的行为，以及朋友、家人和同事行为的正确性，而且总是假定陌生人和外人的行为是“不好”的。 成见使得人们看待彼此的方式变得过于简单。尽管每个人的个性都非常丰富和复杂，人们还是会基于他人的外在行为给他们扣帽子，而忽略细节和难以观察到的个人特质。 大多数情况下，管理者会根据工作者三周内的表现“判断”其能力，给这些人打上“有能力”或是“无能”的标签。一旦形成偏见，管理者就会通过这个标签来看待工作者的所有行径。 “偏见”与“成见”深深植根于人的本性之中，并且影响到每个人。如果人们试图一起完成复杂的工作或是达到一个共同的目标时，“偏见”和“成见”就会构成障碍，它们会使得人们丢掉展示个人能力的机会，产生错误，有时还会降低持偏见者的能力发挥。 人们是可以合作的。Rising博士任务说这也是人的本能。只要能够互相合作，双方可以互不欣赏。不过彼此要互相了解并承认对方付出的努力。这样彼此就可以尊重对方的能力和付出的努力。人们得到尊重和信任后会感到高兴，这种感觉是人类的天性。 - Li Sheng Ping

对比几个线上推广方式前者是有效的经济的、后者相比较是昂贵的： SEO VS SEM关键字竞价排名 网站导航广告 VS 门户网站广告 首页广告 VS 二级页面广告 CPA网站联盟 VS 门户网站广告 流氓软件推广 VS 专业网站推广 - Li Sheng Ping

演讲中提到自我组织的重要性以及困难，而当中重要的是明白处境（sense-making，译作「意义建构」），明白到处境如何，对于如何作出决定很重要。Steve在演说中提到两个模型：Stacey模型和Cynefin模型。 Stacey模型提出的情况是在不同的同意程度（agreement）和对情况肯定程度（certainty）相比，用作把项目开发复杂性的分类。 * 当项目很一致而很清晰时，这是一个很规律（order）的状态 * 当项目清析但未能同意如何执行甚至方向也不能定下来，这情况是政治（politics），重要的是如何协调及妥协 * 当项目方向等都很一致但对于做什么不是很了解时，列作为宗教（religion），重点在于如何按照所同意的方向前进，检讨是否按方向前进 * 如果方向不一，而且做什么都不了解的话，这是混沌（chaos）状态，所有组织都应该避免这情况发生 * 而在以上的状态中还有空隙，即是同意度和肯定度都在中间的位置，这是最有效创新（innovation）的范围，但传统项目管理的方法不是太有用的情况，也是敏捷方法最有效的情况 而Cynefin模型提供一个从因果关系复杂情度来分析当前情况而作决定的框架，提出有五个领域： * 当因果关系显然而见时，是简单的情况（simple），处理手法为"感应－分类－反应" （Sense-Categorise-Respond） * 当需要专家作出分析的情况（complicated），处理手法为"感应－分析－反应"　（Sense-Analyze-Respond） * 如果因果关系只能从检讨中反映出来（complex），处理手法是"试探－感应－反应"　（Probe-Sense-Respond） * 完全没有任何因果关系的混乱情况（chaotic），需要的是"行动－感应－反应"　（Act-Sense-Respond） * 如果连是属于以上那个情况都不清楚的，这是一个无序的状态（disorder），等待参与者把情况安稳至上面四个其中之一的情况。 以上两模型对于团队教练和管理人员很有帮助，协助团队知道如何去使用不同情况下所需要的处理手法，更有效地实践自我组织。 - Li Sheng Ping

Mary Poppendieck的建议是放弃以个人评估和报酬为基础的方案。她提出： 1. 直接告诉别人什么最重要的和为什么重要。这比用财物激励系统去标记什么是重要的要简单和便宜得多。 2. 以工作的复杂度给与不同的基本工资。 避免个人绩效红利，因为那样他们会减少合作。 3. 在广泛的度量上给与集体奖励。测量的团队越大，需要考虑的可靠业绩就越多。 使用分享利润的方式代替个人红利以团结大家去完成团队目标。 4. 记住互惠互利。如果人们觉得被宽厚对待，他们会增加努力来加以回报。 - Li Sheng Ping

1萬個小時，不會白花的，但只是你相信或不相信？若不相信，去作個「雞首」看看，就會相信，相信以後就請記得一輩子。 Malcolm Gladwell這本書和他其他書，甚至其它歐美書都很是不同，他打算這麼直接的點出成功就是「10000個小時、寧為雞首」，這是每個人都可以直接對自己、對孩子做的決定，或許還不必拿到書，今天就可先開始做了。 - Li Sheng Ping