之前谈到「好的求职作品能展现你『解决问题，创造价值』的能力与实绩」 [1] ，就有乡民提道：「解决问题还好，发现问题才难」。 > 推 nekosgr93: 推 我觉得写作品本身还好 找问题这件事才是最难的 这篇我想谈「好问题」，但与《提问的智慧》 [2] 的「好问题」不同。 《提问的智慧》主张的是「能激发知性智识成长的，就是好问题」，我想谈的是「 有价值、能交换利益的，叫做好问题」，也就是偏向「功利」的考量，去思考如何 做到「价值大於成本」。 # 知识落差的价值：计算思维(computational thinking) [3] [4] 整理自维基百科对「计算思维」的说明： * Abstraction 抽象化／定义问题 * decomposition 解构问题、降低复杂度 * pattern recognition / data representation 识别问题模式／资料表示方法 * generalization/abstraction 归纳／抽象思考 * algorithms 演算法 * Automation 自动化／实作解决方案 * Analyses 分析／执行、改善解决方案 上面提到的３Ａ（抽象化、自动化、分析／执行／改善）可说是码猴特有的三合一 优势；一般人多少也能做到抽象化、分析／执行／改善，但「自动化」有个程式语 言门槛，一般人常卡在这里，它们的方法再好，最後还是要手动去做。 从功利角度来说，你不需要是世界最强码猴，你只需要找到从「自动化」知识落差 套利的机会即可。易言之，可以从生活中工作上各种体验着手，把事情纪录下来， 拆解成小步骤，看看可以怎麽用自动化省时省事省麻烦（省成本）、做出来的结果 更一致整齐（增加价值）。 # 计算的成本：莫拉维克悖论(Moravec's paradox) [5] [6] 莫拉维克悖论的大意是：「有些问题很适合用电脑处理，有些很不适合」。进一步 说：「愈是高度抽象思维的问题，就可能愈适合用电脑处理；愈是人体感官、肢体 运动相关的问题，就愈难用电脑处理」。 Moravec 解释这背後的哲理是：「人脑处理感官、肢体运动的能力，是十亿年基因 演化的成果；相较之下，抽象思考只是十万年文化演化的成果」。易言之，两边的 级数差很多，难度不同。 把这个道理应用在「价值与成本」这个题目上，就是要去检视哪些部分是「高度抽 象思维的问题」，哪些部分是「人体感官（情绪、感性）、肢体运动相关的问题」 。与「人体感官、情绪、感性、肢体运动」相关的部分愈多，一般来说，就愈不容 易去利用 *传统* 自动化方法降低成本。（而现今 2019 年的ＡＩ工具门槛还是不 低，对一般码猴来说能套利的空间有限。） 另一个要考量的，就是「计算的限制」 [7] ，虽说 RAR 的密码可以找 yo叔 破 ，但在计算科学上还是有些目前打不破、难以突破、尚无人能破的科学之壁，有兴 趣可以看 "limits of computation" [7] 的讨论。 # 价值与成本：市场、推销、产品、技术 以下两则漫画讽刺「过分专注於产品、技术」的问题。 * https://xkcd.com/1319/ 上图是理想状况，自动化会省时间；下图是现实情况 ，花在开发自动化方案的预算大幅透支。 * https://xkcd.com/1445/ 花在「分析方法Ａ与方法Ｂ哪个好」的时间成本远超 过实作方法Ａ或Ｂ的时间。 这则漫画则是展示「价值与成本」的思维，也就是先思考「市场」的潜在价值，再 想想值得投入多少成本、预算。 * https://xkcd.com/1205/ 以５年来看，自动化要省多少时间才划算？ * 横轴：你手动做这件事的频率，每天 50 次／每天５次／每天１次／每周１次 ／每月１次／每年１次 * 纵轴：自动化可省多少时间，１秒／５秒／30秒／１分／５分／30分／１小时 ／６小时／１天 例如，如果自动化可以让一件「１周１次」的事省下「１小时」，那麽，以５年为 期，就会省下 1 次/周 * 5 年 * 52 周/年 * 1 小时/次 * 1 天/24小时 = 10.8 天 在这个模型下，若花小於 10.8 天去实作这自动化，那就有价值；若花超过 10.8 天去做，那就是亏本。 从「价值杠杆」的角度来看： 市场(market) ＞ 推销(marketing) ＞ 产品(product) ＞ 技术(technology) 从市场去套利，会比从产品、技术着手来得简单；但由技术出身的码猴有时很难突 破这个心障，也就是所谓「当手上只有槌子时，每个问题看起来都像钉子」 [8] 。 你不需要去找世界第一大的市场，但你至少要能分辨你手上能处理的问题中，市场 总额 [9] 的相对大小，去判断哪些问题的套利空间大。 ## 推销 这个题目很大，我也还不是很懂，还要再多学、多整理我的想法；有兴趣的话可以 看看这些东西： * value proposition * https://lloydmelnick.com/2014/07/23/why-a-new-product-or-game-has-to-be-9x-better/ * https://heathbrothers.com/books/ * 之前贴过的旧文连结，「如何测量及展示你造成的正面影响」 * https://www.facebook.com/30abysses/posts/2853523934672727 * https://www.facebook.com/30abysses/posts/2862654977092956 可以把这门学理想成「如何呼叫人类大脑的 API ，让它做你想要它做的事」，也 就是所谓「说服(persuade)」。 # 价值与成本：工欲善其事，必先利其器 市面上已经有许多 CRUD 框架，已经能应付大部分资讯自动化的问题。在这里我想 提的是比较少人谈论的，解决问题的观念、思维上的工具，例如： * 限制理论(theory of constraints) [10] [11] * 系统思考(system thinking) [12] [13] [14] * 双钻(double diamond) [17] 这类工具可以更细致地解构问题，抓出套利空间，掌握关键价值、成本的瓶颈。 就软体工程方法、思维来说，这里不谈敏捷、ＴＤＤ一类的，但我会建议读一读「 ｒ／Ｋ选择理论」 [15] [16] （英文版谈得比较详细），从自然中的例子反思不 同工法在「演化、叠代」（试误、取得意见回馈、修正）上的差异，不同工法的价 值与成本。 # 结语 就码猴来说，怎麽样算好问题？可以答「适合以３Ａ优势套利的问题、自动化成本 小於手动成本的问题」。 那麽，要如何找到好问题？我会说，放下产品与技术，去接触市场，也就是「愿意 付钱解决它痛点的买家」，看看那痛点是怎麽个痛法，例如，费神、麻烦、慢、贵 、危险。再从这篇文提到的各种解析价值与成本的角度，估计套利空间，做出解决 方案，完成交易。 [1]: https://webptt.com/cn.aspx?n=bbs/Soft_Job/M.1574024530.A.45E.html [2]: https://ryanhanwu.gitbooks.io/how-to-ask-questions-the-smart-way/ [3]: https://zh.wikipedia.org/zh-tw/%E8%AE%A1%E7%AE%97%E6%80%9D%E7%BB%B4 [4]: https://en.wikipedia.org/wiki/Computational_thinking [5]: https://zh.wikipedia.org/zh-tw/%E8%8E%AB%E6%8B%89%E7%B6%AD%E5%85%8B%E6%82%96%E8%AB%96 [6]: https://en.wikipedia.org/wiki/Moravec%27s_paradox [7]: https://en.wikipedia.org/wiki/Limits_of_computation [8]: https://zh.wikipedia.org/zh-tw/%E5%B7%A5%E5%85%B7%E8%A7%84%E5%BE%8B [9]: https://en.wikipedia.org/wiki/Total_addressable_market [10]: https://en.wikipedia.org/wiki/Theory_of_constraints [11]: https://zh.wikipedia.org/zh-tw/%E9%99%90%E5%88%B6%E7%90%86%E8%AB%96 [12]: https://thesystemsthinker.com/systems-thinking-what-why-when-where-and-how/ [13]: https://en.wikipedia.org/wiki/Systems_theory [14]: https://en.wikipedia.org/wiki/System_dynamics [15]: https://zh.wikipedia.org/zh-tw/R/K%E9%80%89%E6%8B%A9%E7%90%86%E8%AE%BA [16]: https://en.wikipedia.org/wiki/R/K_selection_theory [17]: https://en.wikipedia.org/wiki/Double_Diamond_(design_process_model) --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 136.56.13.184 (美国) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Soft_Job/M.1574711044.A.1E1.html ※ 编辑: AmosYang (136.56.13.184 美国), 11/26/2019 03:50:45 补充：这里说的「套利」的「利」不见得是钱、金额（当然，若能换算成钱、金额 是很好，那是一个相对容易评量比较的基准），而是说，要去思考每一个选择背後 的利益与成本、它的市场何在、什麽样的人会愿意买帐。 ※ 编辑: AmosYang (136.56.13.184 美国), 11/26/2019 04:16:23 若有问题、意见指教，欢迎提出 :) ※ 编辑: AmosYang (136.56.13.184 美国), 11/27/2019 00:25:55 是的，这里的「量化(quantify)」，还有「质化(qualify)」 ，即是３Ａ中的 abstraction 这一层，而我们就卡在「对目前的科学来说，许多人类 感官(sensory) 的运作机制仍充满问号」，所以很难去量化或质化那些层面。 若有问题、意见指教，欢迎提出。 :) 这些东西在学校的「本科课程」不太会谈到，适合在这里多聊聊。 ※ 编辑: AmosYang (136.56.13.184 美国), 11/28/2019 02:28:28