首先从证据开始思考
让证据具体化：
- 将证据的内容分解，把握清楚证据是由什么要素构成的
- 思考每一个构成要素要如何具体化
- 具体化的方向为赋予量化信息和说明状况
- 赋予量化信息时，要有数值本身，以及用于评价数值的信息
- 说明状况时，要有意识地对对象的相似性和时间的接近性进行说明
使证据变得立体：
- 横向延伸，是指对偶然想到的证据，谨慎地进行发问，让证据更加丰满
- 谨慎地发问，是指尝试去问问其证据成立的前提是什么
- 纵向延伸，是指进一步提升抽象程度
- 横向、纵向延伸之后，可以得到立体的证据
- 在一定程度上把握全貌之后，再去思考是否需要考虑其他要素
尝试寻找不利的信息：
- 人们常常只想直接去寻找能够支撑自己主张的信息
- 想要增强证据的可信度，重要的是积极地去探寻不利的信息
- 扩大范围，掌握反面的信息
- 掌握反面的信息，最终可以使证据更加强而有力
- 该技巧既能用于确认正在发生什么事情（锁定现象），也能用于探究为什么发生（找出因果关系）
不对证据的薄弱点视而不见:
- 认识到可能会被指出什么问题，以及这意味着存在什么薄弱点
- 认识到所存在的薄弱点以后，就能进行本质发问，找出应该补充加强的地方
- 除“证据本身的妥当性”以外，也要把握好“基准本身的妥当性”“比较的妥当性”
- 理解薄弱点的好处是清楚知道应该进行哪些补充
- 即使无法补充加强，只要是理解了主张与证据的关系，也是有价值的
正确认识正在发生什么事
往不同的角度去看:
- 解决问题的出发点，是充分把握问题是什么
- 从一个信息提取多个问题，这是重要的思路
- 可以从不同的角度去观察，从而提取多个问题
- 随着信息的增加，问题会发生变化
- 要理解，现在的问题是基于现有的信息而拟出的问题
尝试改变宽幅:
- 现在正在发生什么事情，这不是凭借单一想法就能确定的，也不是靠别人来告诉我们就能知道的
- 需要对多个可能性进行不断摸索并思考
- 改变刻度宽幅、改变计数起点来制作多个图表
- 对呈现出来的趋势考虑定性的解释
- 为了进行数据分割，有些信息需要主动去收集
看清脉络:
- 以时间轴看数据时，仅看上年度与本年度的数据是把握不清趋势的
- 有意识地扩大范围
- 看趋势的角度：是否只发生在本阶段，是否持续发生，是否是周期性现象
- 尝试对趋势进行定性解释
- 充分意识到能够在相同前提下进行评价的范围
尝试分解观察:
- 分析从分解入手
- 尝试以多个切入点进行分解
- 具有特征的趋势不一定只有一个
- 对表面数字的一致性保持警惕
- 通过具体、抽象地来回思考，增加切入点
让数字去工作
计算单位平均数:
- 转化为有实在感的数字很重要
- 选择合适的单位，在此基础上，尝试计算出单位平均数量
- 单单是精确地进行除法计算，就能变得非常容易想象
- 我们的目的是把握实在感，所以不要太拘泥于严谨性
- 如果提前了解一些能够作为基准的数字，就能有更宽广的解释空间
实数和比率两方面都使用:
- 仅看实数无法得知的信息，比率会告诉我们
- 仅看比率无法得知的信息，实数会告诉我们
- 务必计算实数和比率两方面的数据
- 实数的绝对值是前提，要把握清楚
- 比率包括构成的比率和变化的比率两种类别
把握平均数:
- 平均数可以用一个值代表整体，是便利的指标
- 看到数字，就尝试进行计算和图表化
- 图表化之后，可以通过视觉把握整体数据的分布情况
- 要确认是否包含特殊的数据
- 中位数也是代表值的一种，且具有不易受特殊数据影响的特征
把握不均衡:
- 不均衡程度是用于表示数据总体分布（分散程度）的指标
- 通过平方计算，使离散程度有效体现
- 标准差越大，数据越分散；标准差越小，数据越集中
- 通过平均数和标准差，就有可能对数据进行评价
- 以标准差为线索，可以推断数据集中在哪个范围
“传达”清楚，“听”清楚
从对方的立场考虑信息的传递:
- 沟通取决于传达的效果
- 不要只想着自己想说的话，必须努力回应对方想听的事情
- 一人分饰两角，让自己和对方进行对话的“传接球”
- 针对“传接球”的整体情况，加入自我检查，就可以得知其他需要考虑的要素
- 按步骤去思考，能够积累学习成效，这会成为提升沟通能力的捷径
清楚自己想说什么:
- 理解自己想说的话，这点很重要
- 把主张换成一种行为来重新理解，对证据贴标签，这样便于自我认知
- 通过俯瞰视角，理解自己想说的话
- 想传递信息的目的也需要明确
- 明确告知对方是想进行“信息共享”，请对方“判断/批准”，还是征求“意见/建议”，或者请求“协助”
听懂对方的话:
- 充分理解对方所说的话，实际上这在沟通中很重要
- 光就内容去理解内容会很难
- 要区分发言内容中的意见和论点
- 论点和意见有助于形成结构性理解
- 在会议等场合也可以活用
让图表去工作：
- 数字的优点可以通过视觉化来表示，要积极地使用图表
- 认真思考，图表是否准确地表达出想传达的内容了
- 原点“0”很重要，不能因为想展示某些信息而过于强调
- 使用两个数轴可以使表现的空间更广
- 每种类型的图表都有长处，要学会灵活运用各种图表
让计算机成为你的伙伴
学会程序化：
- 程序算法的关键是程序化
- 拟定程序算法时，不能混淆立场（主语）
- 归纳基本流程，然后添加附带条件
- 如果能够实现程序化，就可以借助计算机的力量
- 程序化很难的事情更有可能带来机遇
学会量化：
- 计算机需要数据
- 无法数据化的事情，就借助不了计算机的力量
- 要点是信息的全面罗列以及具体的量化方法
- 细致罗列出人的思考方法是关键
- 现在能否在这个时代立足，就取决于能否进行量化
掌握相关性：
- 相关性的计算是计算机擅长的范畴
- 不单单依赖于相关系数，这点很重要，务必描绘出散点图来观察
- 在描绘散点图之前，认真思考可能会出现怎样的分布
- 没必要对所有的信息一律用相同的方法来处理。可以剔除离群点，也可以把数据分组
- 定性的解释也很重要
理解AI：
- 机器学习是由计算机来拟定程序算法，是从前没有过的方法
- 程序算法是基于大量的输入及输出数据，由计算机所拟定
- 人的职责是，准备输出和输入的定义以及数据
- 输出的定义和量化的方法最为重要
- 积存的数据会产生更高的价值，所以迈出第一步非常重要
参考
版权声明：本文为博主原创文章，转载请注明出处。 旭日酒馆