3

《原则》的原则

 3 years ago
source link: https://www.yangzhiping.com/psy/Principles.html
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
neoserver,ios ssh client

《原则》的原则

春节期间,终于读了桥水基金创始人瑞·达利欧(Ray Dalio)的《原则》。读之前,有人将其当作思维模式典范向我推荐,因此寄予厚望;读完后,不得不感慨,瑞是一位一流的投资人,但还不是我心目中的智者。

简单统计全书,出现桥水 285 次,中国 89 次,其他尚在世的名人名字不下 30 次。当然,你可以说瑞对中国、新加坡抱有强烈好感,但是我难以想象,在一本号称人生总结的传记中,一位真正淡泊名利的智者会用如此之大的篇幅来提及某些国家、某些领导人。试看芒格如何提及同时代的优秀人:

这些规模优势非常强大,所以当杰克·韦尔奇到通用电气时,他说:「让它见鬼去吧。我们必须在每个我们涉足的领域做到第一或者第二,否则我们就退出。我不会在乎要解雇多少人,卖掉哪些业务。如果做不到第一或者第二,我们宁可不做。」

在瑞的著作中,我们只看到那些同时代的杰出人物如何优秀,但是为什么优秀,对不起,限于保密条款,我不能告诉你。芒格的视角中,那些杰出人物为什么优秀,你一清二楚。芒格之所以引用韦尔奇,是因为要论证普世智慧。同样,芒格引用平克是因为《语言本能》,引用西奥迪尼是因为《影响力》。从瑞在书中引用的 29 篇参考文献上来看,多数是商业畅销书,只知道金斯不知古尔德,只知卡尼曼不知斯坦诺维奇,只知威尔逊不知阿奇舒勒。

再说说书中的知识硬伤。作者提及 MBTI 10 次,并将其当作一个强力工具,在整个公司中普及。瑞认为:「利用 MBTI 等测试,我们对不同人的思维方式逐渐有了更为清晰、更以数据为基础的理解」。然而,熟悉心理学的朋友都知道,MBTI 只是一个过时且缺乏科学证据的心理测试而已。其中,在《如何靠谱地证明 MBTI 靠谱还是不靠谱?》一文中,我整理了 MBTI 错误的逻辑:

MBTI 为什么会流行?

MBTI 流行的重要原因在于,对自己迷惘时,给你个答案,贴个标签,获得同辈认同。当这种贴标签活动,放在团队发展与培训时,更容易显得政治正确:

  • 对人分类;
  • 每个人都有缺点、优点;
  • 每个孩子都要善于利用自己的优点,尊重别人的缺点;
  • 其中,部分容易被大家验证的维度,比如内外向等是绝对正确,符合实际情况。

这种逻辑是多么无敌!通过这种流程,本身就能提高团队沟通的效率。但是,这种贡献是来自于 MBTI 本身还是来自流程本身呢?我深表怀疑。

MBTI 为什么不靠谱?

它靠谱吗?答案是否。引用开智讲座「人格测量哪家强?」如下:在判断一个心理测量是否科学的时候,通常要考虑三个方面: 可靠性,效度和完备性。

第一点是可靠性(reliable), 就是你隔几个礼拜或几个月重新做这个测验得到的结果是一样的。在这个标准下,MBTI 先天不足,因为它最大的一个问题是使用二分法-对于他的每一组特质,比如内向-外向,或者思考-感觉,他会有一个切分点然后把人一刀切,于是每个人就被归类到了一边。

相反,大五是把你在这个维度轴上的精确位置找出来,而不是给你做二分法归类。虽然人格可能因为情境、时间都等有所变化,大五也不可能有100%的可重复性,但是与这种人为二分的方法相比,大五还是信度更高。

二分法的另一个先天缺陷是他假设一个人如果是一种类型就不能是另外一种类型。但是就最简单的 thinking 和 feeling 这个维度,有些人可能同时能够有清醒理智的思考也善于感知情绪,这样的话直接分成两类就是过于武断的了。

第二点就是效度(validity),即是否能有效预测行为。这一点上,MBTI 并没有可靠的科学研究来提供效度数据。而大五有很多很多的 meta-analysis(元分析)来支持它与工作绩效表现的各种相关。虽然从绝对值上来讲目前并不算太高,大概能最多达到 0.3-0.35 这样的相关,但是这个数字至少能保证在不同条件下都重复得到类似的结果。MBTI 大多数用于解释、或者团队互动等,很少看到有用 MBTI 做选拔的;即使有,也表示预测效度不可知。

第三点是完备性(comprehensiveness),从 MTBI 的几个维度来讲,它并没有经过严格的自下而上的对多种特质的全面总结和统计分析,也不能涵盖所有重要的维度。它是基于早期荣格的理论,那时候人格心理学的发展还很有限,很多分类系统都还没有完善出来,就算有一些道理,也只能算一家之言,没有经过百家争鸣的过滤和筛选。所以它的完备性和理论基础都有可质疑的地方。

在人格科学领域,科学家早早地放弃了 MBTI,而是以大五人格模型为主。MBTI 学术上真正有启发之处,在于尝试性结合动机与特质,比如,「内向的情感」这种描述。但这种描述不足够科学,仅仅是荣格凭对人性深刻的认识,做出的初步尝试。荣格当时并不知道为什么是这样。今天的心理学家则可以做得更优雅,心理科学最新进展,请参考我的文章:《理解内向者》。

超越自我验证

心理学家已经证明了你最容易验证别人的「外向性」,而大五人格模型中的「神经质」与「情绪稳定性」在一般的面试过程中很难证明。证明人们不太容易证明的东西,恰恰是科学的独特贡献,以及区分科学与非科学的界限。因此,我们可以玩个思想实验,从 MBTI 里面,根据已有的研究文献,设计最容易被人们自我验证的维度,比如,假设是内外向这些。此部分,告诉人们他的确是这样的。

但是,其他维度指标则随机抽取。最后,对这组被试,虚拟出一个人格类型出来,告诉他们。然后,另一个对照组则是完全根据他的真实情况,告诉他真实的一个人格类型。让两组被试,读 MBTI 相关描述文本,各自对自己的情况相似性、对自己的启发性打分。同样,对科学家们最爱的大五人格模型,也这么处理。有不怕麻烦的人,还可以加上专业 MBTI 分析师人工评定这一流程。结果可能会出乎意料,感兴趣的朋友可以写篇论文试试看。

以上仅仅只能部分说明人们在进行人格判断的时候,有多大程度容易受到误导。并不能彻底推翻或证明什么,但是可以从某个侧面证明人格类型学说的一些弊端或者反过来说是优势。进一步,我们可以围绕人们的人格判断,依次组合大五模型,将人们进行人格判断的时候,哪些容易受到验证,哪些不太容易受到验证,其中有什么样的差异,做系统性分析。


瑞完美地重复了我指出的这套错误逻辑。以数据为基础的理解,的确可以增进企业管理效率,但是,如果依赖的数据本身是错误的呢?

我难以想象,以瑞的英明睿智,他发现不了 MBTI 的错误,比如,他在书中也轻描淡写地提及了大五人格:「我们主要使用 4 种测试:MBTI、职场人格量表、团队倾向简表、分层系统理论。但我们仍在不断试验(如大五人格),所以测试组合也肯定会变化。」但是,为什么还要将其写在人生总结的图书中呢?我只能怀疑瑞平时是否有检索源头文献的习惯。

依据瑞的原则来说,错误不怕,怕的是不承认自己错误。强势地将一套蹩脚的心理测验逻辑强加在数千员工身上,给员工们贴上一堆错误的标签,干涉其生活与职业发展,我想,这可不是一位真正智者的习惯。

如果说误用 MBTI 还是一个专业色彩较强,需要一定专业素养才能发现的错误,那么,左右脑分工论,那是任何一个常年坚持阅读《科学美国人》的读者,都不会轻易信任的错误。而瑞,则将其当作一个重要原则,展示给所有读者与员工:

理解右脑思维和左脑思维的差别。你的大脑分为负责意识的上层和负责潜意识的下层,同时还分为左、右半球。你也许听说过有的人是左脑思维者,有的人是右脑思维者。这不只是一种说法:加州理工学院教授罗杰·斯佩里因这个发现而获得诺贝尔医学奖。简单来说是:

1.左脑按顺序推理,分析细节,并擅长线性分析。「左脑型」或「线性」思考者分析能力强,通常被形容为「明智」。

2.右脑思考不同类别,识别主题,综合大局。富有「街头智慧」的「右脑型」或「发散」思维者,通常被形容为「机灵」。

左右脑分工,这类太初级的错误,我都懒得批评了。对学习者来说,即使是最简单的学习任务,也需要左右脑的共同合作才能完成,绝不会出现左脑忙得不可开交,右脑在一旁闲着的情况。更详细的批评,参见两位神经科学专业研究者朋友周亮与 Dr.魏的文章:

上述原则错了没关系,瑞却将其当作企业宪法,写入到数千人公司的条款中,成为组织流程的一部分,然后再向成千上万读者兜售。我想问瑞的是,所有原则是否经过了科学家评审、合伙人评审、员工评审,还是仅仅是你个人评审?真正极度求真的原则可不是从个人经验出发,而是注重证据的层级。参阅:工作谈 002:好思想,坏思想之一

看到这里,读者是不是以为我要对这本书否定到底了?不。我最早的心理学训练来自组织行为学,会非常容易挑出此类专业错误;但,创业十五年后,明白知行合一的难度。瑞真诚地将自己的创业历史与一生坚持的原则,放在所有人面前剖析,实在难得。与挑错相比,我们更应该学习瑞一流投资人与一些靠谱的企业管理方法。

那么,我们从他身上,可以学到什么呢?我尝试整理瑞在书中总结的生活与工作原则,并点评如下:

1.拥抱现实,应对现实。点评:精彩。尤其是「观察自然、学习现实规律」、「理解自然提供的现实教训」、「从更高的层次俯视机器」三个原则。

2.用五步流程实现你的人生愿望。点评:这是写得最差的一节,作者几乎不拥有丝毫现代动机科学的知识。

3.做到头脑极度开放。点评:这是作者写得最好,也是我最认可的一节,放在后面单独点评。

4.理解人与人大不相同。点评:作者的心理学知识停留在道听途说的水准。

5.学习如何有效决策。点评:作者没正经学习过现代决策科学,只知卡尼曼不知斯坦诺维奇、克莱因、吉仁泽。

1.相信极度求真和极度透明。点评:这是我最认可的一节,放在后面单独点评。

2.做有意义的工作,发展有意义的人际关系。点评:认可,但缺乏知识新鲜感。

3.打造允许犯错,但不容忍罔顾教训、一错再错的文化。点评:高度认可,且提供了大量有创意的发明,放在后面单独点评。

4.求取共识并坚持。点评:高度认可,且提供了大量有创意的发明,放在后面单独点评。

5.做决策时要从观点的可信度出发。点评:高度认可,且提供了大量有创意的发明,放在后面单独点评。

6.知道如何超越分歧。点评:高度认可,且提供了大量有创意的发明,放在后面单独点评。


7.比做对什么事更重要的是找对做事的人

8.要用对人,因为用人不当的代价高昂

9.持续培训、测试、评估和调配员工

** 点评**:上述 3 条谈用人,认可,但废话较多,且不少处违背当代组织行为学、管理学最新成果。


10.像操作一部机器那样进行管理以实现目标

11.发现问题,不容忍问题

12.诊断问题,探究根源

13.改进机器,解决问题

14.按既定计划行事

15.运用工具和行为和组织呢工作

16.千万别忽视了公司治理

点评:上述 7 条,高度认同,作者也提供了部分有新意、反常识的做法,比如,使用助手来提高效率,但多数知识点可以合并到其他条目中,因此,不单独点评。

瑞的整套观念,实际上隐藏了一个深层次的人性观。我们可以将其总结为几个基本逻辑:

人是机器,这个隐喻在计算机诞生后,很容易被人接受。但是,瑞在这个观点上,「反常识」的做法是,他不仅仅将人看作机器,更将人看作数亿机器中的一种:

在大爆炸发生时,宇宙所有的法则和力量都被创造、被推进,随着时间的推移相互发生作用,就像一系列复杂的、环环相扣的机器:星系的构造、地理和生态系统的构造、我们的经济和市场,以及每个人。我们每个人都是一部机器,它又由不同的机器组成,如我们的循环系统、神经系统等,这些机器创造了我们的思想、梦想、情感,以及每个人特性的所有其他方面。所有这些机器一起进化,创造了我们每天遇到的现实。

从人是机器到人是机器中的一种,这样的观念带来了效率的巨大跃升。如同瑞所言:

人在尝试理解任何东西(经济、市场、天气等)时,都可以从两种视角出发:

1.自上而下:努力找到这些东西背后的唯一驱动法则或规律。例如,在理解市场时,人可以研究影响所有经济和市场的普适法则,如供求关系;在理解物种时,人可以集中了解基因密码是如何对所有物种发生作用的。

2.自下而上:研究每种具体情况及其背后的法则或规律,例如,小麦市场独特的法则或规律,或者使鸭子区别于其他物种的基因序列。

大家看到这里,是不是想到我经常提及的一个词汇:批量解决问题。做任何事情,解决一个难题,要思考如何批量解决问题。例如你要找一个男朋友,你要想着怎么吸引一批优质单身男性,所以我常常建议优质大龄女青年成为优质社群的发起者;例如说你要创业,思考如何做一个好公司,你就要想着批量创造一批好公司。同样,在《灵魂选择自己的伴侣》中,我也提到了演绎法与归纳法的差异:

绝大多数人忘记了,理解知识有两种方法,第一种是归纳法,第二种是演绎法。原本两种方法相辅相成,互为表里。现在的人过于强调归纳法,却忘记了演绎法。

什么是演绎法?从体系、模型与框架入手。举个例子,我用科学计量学的一本核心期刊做了一个知识图谱。你会发现,将该领域可视化后,整个科学计量学领域值得关注的核心研究者并不多。不到十位。科学计量学是一个小的研究领域,因此值得关注的研究者就这么多;而在认知科学、儿童心理学这么庞大的研究领域,按照二八定律,贡献了学科 80% 论文被引的学者,也不会超过四十二人。

瑞将自上而下的原则,不断运用在公司经营、个人生活上,从而带来了效率的巨大提升。为什么一旦将人理解为机器的一种之后,会带来效率的巨大提升呢?关键点在于:机器是可以制造、可以模仿、可以复用、可以分层逼近真实、可以流水线分工的。诺奖得主、认知科学与人工智能奠基人西蒙在《人工科学》中说:

如果说,自然现象由于服从自然法则而具有一种「必然性」(necessity)的外观,人工现象则由于易被环境改变而具有一种「权变性」(contingency)的现象。

期货、股票、生活、工作、组织、人性,瑞面临的这些问题无不如此。一般人在这种权变环境下,会放弃对自上而下的必然性的探求。而少数如瑞这样借助现代科学,进行深入探讨的人,更容易能超越理性的局限,从而获得巨大的投资回报。

极度求真、极度透明

既然人是机器的一种,那么,这种机器最核心的矛盾是什么呢?依然用西蒙的话来说:

人类存储、回忆历史的能力有限,对服务于当前信念、欲望的重构记忆敏感; 人类分析能力有限,对加诸经验之上的框架敏感; 人类固守成见,对支持先入之见的证据不如对反对先入之见的证据挑剔; 人类既歪曲观察又歪曲信念,以提高两者的一致度; 人类偏爱简单的因果关系,认为原因必定在结果附近,大果必定有大因; 与复杂的分析相比,人类更喜欢涉及有限信息和简单计算的启发式。

用创新算法来理解,任何一台机器都存在核心矛盾。而人类这台机器的核心矛盾正在于自主心智与算法心智、反省心智之间的矛盾。为了超越这样的矛盾,瑞采取了一种非常罕见的「反常识」做法,极度求真、极度透明。

极度求真和极度透明是实现真正的创意择优讨论的基础。越多人能看到实情(好事也罢,坏事也罢,丑事也罢),他们在决定采用适当处理方式时就越有效率。这个方法对培训工作也大有裨益:如果大家有机会听取别人的想法,学习效果就会加倍加速。作为领导者,你能借此获得学习和持续改善公司决策规则所不可或缺的反馈信息。了解事情的一手信息及其原因,有助于增强彼此间的信任,推动员工对创意择优讨论所形成的结论进行独立的评估。

桥水基金公司的任何会议都被录音。读到这里,不由拍案叫绝!这一点,我高度认可瑞。在三年前,组建安人心智团队时,我默认的就是坚持这一原则:极度求真、极度透明。如不涉及隐私,所有会议都有录音备份、备忘录。这点,与瑞不约而同。同时,安人心智的所有文档,均通过 Git 机制索引,任何历史版本变更,一目了然。

创意择优,可信度加权

极度求真、极度透明带来的是一种企业文化的基础认识:即使我是老大,我的任何言论也是可能错误的,当你发现了,请立即指出,我来立即更正。那么,我们究竟应该依据什么样的原则来决策呢?瑞在这里采取了一些极度聪明的做法,如创意择优、可信度加权,并发明了集点器等工具。

什么是可信度加权?与能力较弱的决策者相比,要对那些能力更强的决策者的观点赋予更大的权重,给予更多的重视。这就是我们所谓的「可信度加权的决策」。

那么,怎样确定谁在哪些方面能力更强呢?最具有可信度的观点来自:(1)多次成功地解决了相关问题的人;(2)能够有逻辑地解释结论背后因果关系的人。当基于可信度加权的观点能够正确实施并保持下去,那就形成了最公平、最有效的决策系统。它不仅能产生最佳效果,也能保持步调一致,因为即便有人不同意最终决策,也能跟上步伐。

为了做到这一点,可信度加权的标准必须是客观且得到每个人信任的。在桥水,每个人观点的可信度都被记录在案并接受系统性评估,使用类似棒球卡和集点器的工具,及时记录和评估其工作经历和业绩。

很少有一家企业会如此彻底贯彻这样的原则:勇于承认错误,有错就改。当看到一位新入职的同事写来批评你的邮件,你会如何反应?对我来说,非常不舒服。但是,成长恰巧就是在这些不舒服的事情中。三年前,我收到一位新入职的同事批评我的邮件后,因为论证有力,结论清晰,我立即做了一个决定:提拔她。

当别人指责自己缺点的时候,不要浪费时间去捍卫,而是第一时间承认。承认之后,才能面对现实、改善。瑞喜欢将自己的做法称之为:可信度加权。我喜欢称之为贝叶斯改进。新同事当时写给我的邮件示范了什么是证据导向、什么是可信度加权。那么,在过去近三年的工作中,在涉及对我的评价上,赋予她更高的权重。三年后,她的确成长不少,今天收到她的感谢信,大家共同成长,而非相互对抗,这就是成长型心智带来的巨大优势。

去年年底,一位总监入职。当时招募她的CEO 提醒我,她不太喜欢听批评话。我当时激烈地写道:一个人,如果不喜欢听批评话,那么,请离开团队。果然,不久后,安人心智不断拥抱变化、成长型心智的文化,自然而然地令她在试用期内离开了。我们尝试来比较两种做法:

  • 做法1:所有人都是对的;
  • 做法2:所有人都默认假设自己是错误的,然后搜集证据来提供新的信息点。

哪种做法更容易导致一个高效的企业文化?《行动科学》提醒我们:人类普遍擅长高度自我防御。我们的行动模式是避免冲突,压抑负面感觉,强调理性并将错误责任归因于他人,而且几乎人人都相信自己不会犯这种错,但其实做事时还会依着这个模式来。因此,你需要第二序改变极度求真、极度透明;创意择优、可信度加权都是非常聪明且优雅的第二序改变。

超越分歧,追求共识

深层次的分歧,其实不是来自智力、证据层面的分歧,而是来自行为方式层面的分歧。虽然拿瑞不懂人格科学调侃了很多,但瑞在这一点上,也采取了一些聪明的做法。我并不认可瑞的心理学知识水准。但认可他的棒球卡做法:

在采用了 MBTI 测试和其他心理测试之后,我还是发现,我们难以把看到的结果和制造这些结果的人联系起来,从而对人有充足的了解。同样的人还是不断参加同样的会议,以同样的方式做事,得到同样的结果,而不试图理解为什么。(我最近看到的一份研究报告显示,存在一种认知偏好:人们总是会忽视显示一个人在某件事上做得比另一个人好的证据,而认为两个人做得同样好。我们当时看到的就是这种情况。)例如,缺乏创造力的人被安排去做需要创造性的工作,而不关注细节的人被安排去做细节导向的工作,等等。

我们需要找到一种方法,把显示不同人个性的数据做得更加清晰、准确,于是我开始为员工创制棒球卡,列出他们的「指标」。我的想法是,这些卡可以被传阅,安排任务时可以参考。就像你不会安排一个在防守方面表现得很好但打击率仅为 0.160 的外野手作为第三棒出场一样,你也不会安排一个拥有宏观思维的人去做需要关注细节的工作。

在安人心智,我更喜欢将这个棒球卡拓展为四个方面的数据:

  • 认知能力:智力不错,理性思维能力不错;

  • 行为模式:注重内在动机(自我决定论),享受这份工作本身带来的兴趣与乐趣;心态开放好奇,为人友善,坚持不懈(大五人格模型);自己在团队中发展很有安全感,且能给团队带来安全感,将集体放在个人之上(依恋类型);

  • 语言模式:常常采取成长型心智的语言模式,从我很聪明到我很努力;

  • 环境模式:能够适应组织所处环境,并从中生长。

更详细的解释参见老文:工作谈 005:高阶算命术 (上)与瑞的做法不同的是,每次联合使用三个以上的模型,并且这三个模型来自不同类别。举例,大五人格模型与依恋类型都隶属于「行为模式」,两者之间存在一定相关。这样,你做预判的时候,仅仅依赖「行为模式」,那么就容易放大噪音。而同时,采取三个模型就降低了误差。这个至高无上的高阶模型,瑞在自己熟悉的投资领域,坚持得很好,凭此发现了投资的圣杯,但是在自己不熟悉的人格科学领域却表现较差。什么是投资圣杯,与我降低人格判断的误差的做法类似,即:

想要拥有很多优势,而又不暴露于不可接受的劣势之下,最稳妥的方式是做出一系列良好的、互不相关的押注,彼此平衡,相互补充。

写成算法,机器代理

人再聪明,也会犯错。因此,请从剥削人转为剥削机器人。瑞针对种种原则,开发了大量工具,如我喜欢的几个工具:

集点器:集点器作为一个应用于会议的 App,便于人们实时表达自己和了解别人的观点,帮助大家在创意择优下形成决策。这个工具能把众人的想法展示出来,进行分析,有助于大家根据相关信息实时做出决策。

棒球卡:搜集员工各方面的数据,通过计算机算法,基于一定逻辑形成员工特征画像,把这些特征登记在棒球卡中,就像为职业棒球运动员建立的棒球卡那样。当然,数据处理逻辑一般都要向公司员工公开,并得到大家的认可,以增强客观性和可信度。这种工具以简便的方法勾勒出一个人的强项和弱点及其相关的证据,方便实用。

分歧解决器:分歧解决需要清晰的路径,在创意择优下尤为如此,因为人们希望在表达不同意见的同时,找到解决分歧的途径。分歧解决器为在创意择优下解决分歧提供了路径。该工具的一个特点在于,它能找到具有可信度的人,帮助确定某项分歧是否有必要提交给更高层管理者去研究解决。这个 App 也很明确地告诉每个人,如果有不同的观点,就有责任表达出来并与他人求取共识,而非私下固执己见、拒绝把问题摆到桌面上来。

我尝试将书分为坏书、可用的书、力作、杰作与神作五类。瑞的《原则》不是神作,是投资领域的力作,企业管理上可用的书。与这本谈生活、工作的书相比较,我更期待他下一本谈投资的书。纯粹阿尔法、风险平价、全天候策略,这些金融创新背后的故事,才是更值得期待的鲜活思维案例。瑞在商业上虽然成功,但他并没有超越精英主义局限。正如反精英的真正精英彼得·泰尔(Peter Thiel)所言:

精英阶层总会有这样的问题,那就是以乐观的态度来曲解事实。如今这个问题更加严重了。如果你出生在上个世纪 50 年代,你的收入排在全国前 10% 的位置,可以预见接下来 20 年你的生活将是一帆风顺。到 60 年代晚期,你会去一家不错的研究所就读,70 年代晚期就可以在华尔街找到一份不错的工作,然后你还赶上了经济大繁荣。这是一个 61 岁老人艰苦奋斗的励志故事。可是,并不是每个美国人都有这样顺风顺水的人生。其他同龄人的故事并不是这样。

泰尔讽刺的恰巧是瑞这类人。出生于 1949 年,美国典型中产家庭出身,到了 1971 年,去哈佛商学院就读,然后在 1973 年毕业后在华尔街证券公司找到一份不错的工作。接着再赶上经济大繁荣。因此,瑞总结出来的成功公式是:梦想 + 现实 + 决心 = 成功的生活。

可惜,这个公式少的东西实在太多了,比如阶层;比如运气;比如时代。

也许,瑞给我的真正启发是,每个异类,都拥有自己的原则。正是你的不同,构成了你;你的持续不同,塑造了你的组织,甚至改变了这个世界。庸俗者固然可以寻找百般借口,为平庸辩护;但英雄,一往直前,征程是浩瀚宇宙灿烂星河。


About Joyk


Aggregate valuable and interesting links.
Joyk means Joy of geeK