怎么抓住人生的「變量」？

進入主題前做個動作：

拿出一張紙和筆，或打開手機備忘錄，新建一頁便簽，然后盡可能的回答這兩個問題，未來它可能對你影響至深。

• 1）假設現在是80歲壽辰，子孫兒女都在為你慶祝生日，離人世間不到20年的時間里你想為它們留下些什么？
• 2）現在面前突然出現張6年前的照片，結合當下回憶這些年的變化有哪些遺憾的事情或這些年有什么可拿出手的成果？分別寫出來。

如果我沒猜錯的話，我想，多數人會一臉茫然興許有些慚愧，奮斗多年折騰過的事情很多，數一數二能量化展示出來的成就卻沒幾個；只能感嘆時間太快，對不對？

為什么會這樣呢？也許跟一個原因相關：

我們在時間的洪流中拼命奔跑，被信息物質利益所裹挾，卻忘記“我想成為什么樣的人”？

沒關系別后悔，我把這兩個問題提煉下發現它能夠影響人生重要的走向，有兩個方面：1）職場生涯，2）自我成就。

為什么較多人勤奮又努力卻到晚年得不到一份理想的“自我狀態”呢？原因是我們的命運就像函數，最終的結果由很多因素共同決定的，如：家庭環境，出身背景，職業選擇，努力程度等等。

它們的重要程度和影響力大小都不同，但只要抓住重要的幾個就能改變人生的走向，怎么才能找到那些關鍵要素呢？不妨先了解一個概念「變量」。

先看變量的英文(variable)，意思是可以變化的；量指事物的狀態，如人的年齡，性別，體重甚至你在玩游戲中的角色等級等。

變量的核心是“具有可變化特征的因素”或“對某一特征的測量”；怎么簡單理解？

這好比我們所學的知識都是散落在各大社交媒體中，像扔滿各種東西亂八七糟的房間，擁有變量后就如同擁有一個「整理箱」和「抽屜」。

學術研究者、專家、自媒體把知識分類到抽屜中，然后在變量上貼個標簽，那標簽就相當于“變量名”，如“管理，哲學，地理，歷史或科技，人工智能等。

人看到名字就能分清抽屜中裝滿的是哪些模型，因此人擁有變量就非常省事，我們學習哪些科目只需要找到「它在哪里」即可。

但互聯網的發展讓圖文，視頻變得多元化，如同我說知識如同金字塔，越往上越難度且理性，主要分為四個等級：1）學術論文，2）教科書，3）專家體系內容，4）自媒體文章

你看學術型知識越多，自身對某些領域掌握新鮮度也就越高；教科書能抽絲剝繭把繁瑣事物的本質規律表達清晰；專家能根據自身領域經驗總結出一套行業使用方法論，而自媒體文章是對上述的進一步解讀。

為什么知識會有這種差異呢？

第一方面，社會主義現代建設化中，發展生產力是科技進步和創新的根本，這意味著會有大量新的「學術知識涌現」，這些知識需要不斷的解讀來達到大眾普適性。

如同：碳中和，碳達峰，新能源，普通人很難淺顯的理解這些詞背后的意義，就需要不斷進行翻譯。

第二方面，技術的出現會迭代出新市場機會，而媒介傳播的本質便是「信息」，人們熱愛通過社交網絡進行表達，認知不同造就知識的參差不齊。

簡單來說，這種不同等級的拆分讓「各階層」的人都能對某些內容進行掌握；換言之，某些「抽屜」中的內容難免帶有主觀情緒化的表達，影響人們的主觀思考。

因此「變量」也就分場景與等級，按照統計學它有兩種：1）數值變量（numrical）2）分類變量（categorical）

什么是數值變量？

按照理科邏輯描述，就是一個變量所描述的特征或數量，它的另外一個名字是“變量值”；要知道一個變量總是對應著多個value；是不是很難理解？

簡單舉例，“性別”就是個變量，對應有男性和女性；大學的年級對應有大一，大二，大三，大四；或一個人職業，年齡，受教育的程度，甚至體重都是變量值。

所以，很多人很把變量和「變量值」搞混淆，準確來講值(value)就是變量(variable)的特征；而變量(variable)是值(value)所描述的對象，比較難懂對吧，直白點說變量值是單數，變量是復數。

如果在現實生活中，你搞不懂某件事物是否是變量，那用「單復數」視角審視它即可；所以分清兩者關系特別重要，世間萬物好多事物都是以此為基礎；如：

理科中的測量，統計，數據分析；所以想要掌握事情的精準度，就要把比值做到顆粒化狀態；一個有趣的現象是統計學又把數值變量分為離散型變量（discrete）和連續型變量（continuous）；

它是什么意思，對我們有多大幫助呢？

從個人視角出發，你會發現人的家庭環境、出身背景、職業選擇、努力程度都是變量包含人本身，你很難掌握這些變化。

可唯一不變的是「時間」，它在世界的循環中有序進行，人就屬于時間中的連續變量。

因此人唯一能加碼的是在一生的時間內盡可能看到那些變化后“確定性概率”較高的東西并產生復利；并且加以1萬小時定律，才真正有可能在各種生態的規則下迎來冪定律的出現。

如同：你擁有10年經驗，最后離開平臺后除經驗外還能得到的東西是什么；你奮力追逐行業中的變化，短視頻，圖文，直播一旦潮水褪去還有哪些是能夠抓住的？

從公司視角出發，不難發現公司屬于社會形態下的變量，想要在多競爭中穩住腳步除商業模式外，人是推動發展的第一生產力，它是最大變量值。

就像小米集團創始人雷軍在創立初期，規模小甚至連產品都沒有時，他花80%的時間都用在找人；最可怕的是列出一張表，對意向人才一個個打電話拜訪，對稀缺人才要30次顧茅廬。

隨著發展人變多團隊就屬于“離散變量”，它可以按照整段切開，如品牌部30人，銷售部10人，設計部20人；評估效率有時就看單環節產出。

綜合而言，可以得到的結論是，人生的軌跡有些方面不僅是先天性因素決定的，更多的是后天因素的影響；遇到什么樣的人，發生什么樣的事情很大程度都是隨機的連續變量。

這些連續變量恰恰無法預測，很多時候軌跡因此而改變；那若想成事并不僅僅是搶占風口如此簡單，還要看到風口后什么是不變的；進而持續投入，自己的變量值才會權重更高。

也就是說，在一個區間（時間）內數值在不斷變化，怎么提到數值增加概率是概率權。

掌握這些就能決定人生的軌跡大致正確嗎？

未必，數值用在哪些行業很重要；如果要說數值變量是廣度，那分類變量就是深度；兩者結合就猶如職業生涯加自我成就；你在一個行業中做多深，認知多高成就就有多強。

上述中的抽屜和整理箱還有印象嗎？它就是一個分類。

在維基百科中把分類變量（categorical variable）理解為「事物類別的某個名稱」，如性別是分類，行業，哲學都是分類；在分類中又分兩種類型：

1）無序分類，2，）有序分類，該怎么理解呢？

先說前者：

這里的無序變量（nominal）并非指生活中的「亂八七糟」，而是在所有分類或者屬性之間無程度和順序的差別，通常指取值沒有順序僅做分類；它可分為二分變量和多分類變量，理科的知識是不是比較難懂？

舉幾個例子：

去醫院就診的病歷本上習慣寫性別（男女），血型A、B、AB、O；醫院重點監護室的患者急需輸血，常規會按照血型補充，大概率不會再分男女。

電商平臺做營銷，會習慣按照不同屬性標簽做精細化分層，如愛美，20-30歲，出油等；短視頻平臺會按照點贊量、作品質量、閱讀數綜合評估一個賬號的質量。

所以，無序分類特征是對數據的顆粒化，運用算法精準的預測來解決現實中無法肉眼觀察的疑難雜癥，或推薦給你感興趣的內容，讓你持續的上癮。

那無序分類背后對我們啟發有什么呢？

社會科學研究中有個特別有趣的東西叫做“假設研究”（hypothesis），它是鏈接理論和數據重要的黃金線，主要有兩大作用：1）測算概率，2）積極創新。

假設我們能夠將一件事情處理到顆粒化，一方面你會更能清晰認知到某件事發生的根源，然后給出完美的解決方案；另一方面你可以基于大量的成功經驗做推演，積極創新。

打個比方，自媒體的爆發，讓我看到很多人在做個人品牌，但是能把這件事做明白想清楚最后成為大IP的人卻少之又少，為什么呢？

UP主認為長期做好視頻積累用戶量才有出圈的概率，圖文創作者認為做好文字積累用戶做私域才是根本；在我看來，這些都被表面功夫蒙蔽了自己的雙眼。

我們知道一個東西叫做「生命周期」，人和賬號就是平臺的變量；你的作品（圖文，視頻）如果沒有平臺推薦，變量值就會越來越小，進而也就放棄，或者平臺某天開始內卷你就更加辛苦。

進一步說，我們都是無序分類中的「變量」，無法逃脫大平臺的規則限制；你不僅要按照它的規則做，還要試想著某天自己不做怎么才能源源不斷延長周期價值。

其實古人（老子，孔子，鬼谷子）已經告訴我們成為大IP的方法，他們當年也沒有互聯網平臺，可口碑還能流傳至今。

所以我一直說，我們通過別人成功的概率把他成長的路徑拆分，自己大膽創新那結果基本不會差。

因此，前人已經走完那些路徑，我們無需再白白浪費時間去摸索，這除浪費精力外沒有任何作用，我們只需要找到背后英雄之旅的路徑即可。

如同科學創業一樣，直接創新的概率等于死亡，但90%的模仿加10%的創新活的很好；把無序分類的變量思維用在職業生涯中，你不用投入幾十年經驗就可以學會別人一半的人生經驗，如：

拆分他怎么快速做到高級領導的？求證它走的路哪里與別人不同；總而言之，你量化細節才能基于「此環節」創新保證成功的概率。

好比，有贊當年招聘大量的KA銷售團隊拓展市場，為什么現在TOB公司模仿它把產品推向市場卻屢屢不能成功呢？最簡單的原因是沒抓住背后為什么這么做。

再說后者：

有序分類變量（ordinal）在表達什么呢？淺顯的解答為「等級變量」，好比學歷分為文盲，小學、初中、大學，研究生等；你可以把它理解為按照等級分組，觀察各數據倍增狀態。

如同：在醫學界把高血壓分為四個等級，（0=正常，1=正常高值；2=1級高血壓，3=2級高血壓，4等3級高血壓）；尿蛋白水平也是同樣（1=±，2=+，3=++，4=+++）等等。

或者，假設你手里的有組經濟水平的數據變量，它有三個分類（低中高），我們可以把調查人群按照經濟收入水平分為“低，中，高收入人群”，然后還可以根據收入的高低，給調查對象排序。

因此，它與無序多分類變量不同在于“有序多分類變量”的各項選項直接呈現一個方向遞增或遞減的關系，這猶如巴菲特的投資理論，人生就像滾雪球，重要的是發現很濕和很長的坡道。

綜合而言，有序分類變量給我們帶來的啟發是什么呢？“雪球的坡道是等級變量，掌握雪球就能滾動起來”。

換在人生中的應用就是，“越是那些簡單重復持續向上的基本套路”就越容易成功。

如「樊登讀書」的知識付費、開線下咖啡店、均有可復制的方法論，可復制就能成功嗎？未必，要是這樣或許很多人早就實現。

怎么找到一件正確的事持續投入讓其帶來回報呢？有四個維度的判斷：1）看行業，2）看周期；3）看變量，4）持續投入

首先，你所在的行業它屬于高頻復購極強還是低頻客單價高很重要，這直接決定普通人賺錢的能力；其次階段（進入、發展、成熟、衰退）注定競爭的格局。

再者，不論是紅海與藍海市場都有“機會紅利”，積極創新與圈層起到決定性作用，最后持續的投入是不可缺失的要素；久而久之你也能在某個領域獲得不小的成就。

一個簡單例子：

每年我經常看到“公眾號還值得投入嗎”類似的文章；總有人進場也有退場，那就一定不好嗎？

大多數時一批人的付出沒有看到成果就知難而退，而另一部分人卻把公眾號當成做內容觸達用戶的基本盤。

因為不論是視頻，還是圖文，它的本質是「信息」，信息具有一魚多吃的思維；可以成為專欄、音頻、短視頻、甚至電子書；這就成為小趨勢中復利的邊緣紅利。

所以，如果站在行業視角市場變量不可控，但至少「有序無序的分類變量」能讓我們能找到成型參考的方法論，進而抓住發展規律。

綜合而言，無序分類變量能讓數據顆粒化，有序變量能夠找到各等級之間規律。

站在審視視角對照我們的人生，有序的變量就是那些「職業規劃的發展」，無序的變量就是「每日投入工作的精細化程度」。

說這么多，這些顯然都是普通人每天在做的，你不可能每日洞察發展，研究白皮書搶占一個大趨勢風口；因此真正能給人帶來機會的而是從細微處發展起來的大變化，恰恰是身邊的「小趨勢」。

小趨勢的核心是什么呢？是影響趨勢的趨勢，帶來改變的改變。

此概念來自于馬克·佩恩提出；經濟學家何帆曾說；“這個時代最不缺的是對大趨勢的預測，但最稀缺的是對小趨勢的觀察”。

一個大趨勢的由來往往是「快變量」，如同天氣，海上波浪極速的上升極速的褪潮；但能夠掌握小趨勢則需要「慢變量」，如企業制度的改革與組織發展的打造，需要很長時間投入，但是正確的事。

因此，能夠把事情做對做成的往往在于掌握快變量或紅海過去后慢變量深耕并有序與無序的結合。

舉幾個簡單的例子：

如同，短視頻在2012年-2015年就經歷成熟期，當年的一下科技旗下幾十個APP出現，如美拍、小咖秀等產品、可是行業到2017年才爆發。

整階段成熟期屬于大趨勢，而那時抓住紅利的人都是抓住「快變量」。

風口褪去后有一波人退出，也有新的玩家快手，抖音，好看視頻等入局；所以大趨勢的快變量都是由「小趨勢」的慢變量組成；發展初期看大趨勢，發展后期看「小趨勢」。

或者換個高度，今年資本與大佬頻繁入局新能源汽車，充電樁相關上下游產業鏈股票大漲，全球領先的鋰電池研發制造公司寧德時代總市值高達1.48萬億。

這背后形成的原因是全球變暖，國家大趨勢發展戰略，中國力爭在2030年前實現碳達峰，2060年前實現中和的目標。

這些種種情況好比指南針確定旅途方向，然后從慢變量的主管道開車上路，但不會跟很多人一樣從最終出口出去；而是經停村莊，城市，走進人群，完成自己的小趨勢。

說明什么呢？普通人關注大趨勢的快變量若無實力的支撐，很難抓住；對應小趨勢慢變量才是「普通人」應該追求的。

但多數人卻把兩者搞反，作為普通人追求快變量，最后與大玩家拼命追逐最后復盤什么都沒得到，顯然不合理，也是非理性。

這一切對照人生難道不是嗎？

加速時代每天匆匆忙忙工作，吃快餐、乘快車、賺錢要快、出名要快、甚至升職加薪也要快，這種快狀態的心態深層原因是什么呢？

其實與轉型期和未來前景的不確定性，讓很多人“心中長草”。

特別在現在每天遇到海量信息，面對各種誘惑，很多人擔心顧此失彼；害怕被時代拉下，被別人超越，讓你也就擁有“別人往前跑，自己也不敢停下來”的狀態。

要知道，快變量本身并不是問題，個人角度加速成長，企業角度快速發展；可并不意味著你的壓力就該這么大，有時慢下來暫停腳步思考未來的方向或比「快」更重要，

進一步說，有的人碌碌無為一生并非不努力，而非沒有找到「自我成就」，活在各種規定的規則中并未放大價值；我常說你的付出看不到希望的原因在于兩方面：

1）對內生長，2）沒有對外放大

前者，我們所有的學習都在圍繞自身向內展開，如跑步，早起，閱讀；訂閱付費專欄，學習英語，報網絡課程等，這屬于人生變量中的「有序變量」。

后者，要求你圍繞外部環境展開，把自己所學知識，掌握的技能總結輸出，如寫作，畫畫，編程；為更好的理解，你不妨把前者看做培養習慣，把后者看做打造技能。

因此你就會明白，我們一生過度培養快變量的對內生長，而忘記慢變量的對外「實力展現」讓自身進入新的軌跡中，正是這種觀念讓自己停滯不前。

那如何改變呢？

簡單的方法就是將自身擁有的技能實力通過自媒體平臺對外放大，這也是普通人第一選擇，很多人付出很久卻沒有質的飛躍，原因在于沒有作品思維，沒有抓住成事的算法。

他們總希望干什么都求快，錄個視頻10分鐘搞定就想10萬+閱讀，最后什么都無法得到；認真思考，慢下來精細化打磨每個環節難道不就是「無序分類變量」中對事情的顆粒化么。

因此慢很重要，但并不意味著你在行業中就能展露而出，這里還有9個階段的算法能夠助力你大概率成事：

1）閉環，2）迭代，3）進化；

4）重啟，5）內核，6）復利。

7）使命，8）模式，9）涌現

前半部分，完美比完成更重要，試著將好幾年的工作經驗像專家一樣量化成產品，每次行動都要進行迭代，并短時間完成快速進化；不斷重啟自己要有「作品思維」，不追去快變量。

中間部分，對外放大內核足夠穩定時，要思考自己的產品（雪球）夠不夠夯實，能否產生復利。

當基礎牢固后要為所做事情尋找使命，如我寫作的意義就是想在35歲前保持每年都有一本高質量圖書出版來做人生記錄。

最后部分，試著尋找自己的商業模式，思考它能否在時間的洪流中經得起時間的考驗，對照下，難道古代老子，孟子，鬼谷子的成事心法不就是這樣？

變量有三個兄弟依次為：數值變量、有序無序的分類變量，快變量和慢變量；它們時刻都在掌握人生的一艘大船。

無序代表你做事顆粒化的精準度，有序在研究發展的規律。

快變量要求你緊抓趨勢，慢變量要求你靜下心擁有作品思維，一套下來就是小趨勢下成事的算法。

對于普通人而言，終其一生所有的職業生涯難道不是在為「自我成就」而服務嗎？

本文經授權轉載自微信公眾號：王智遠