这个时代,做什么方向的工作才有未来?

/ 王世民  

深圳尔雅总裁  |  YouCore创始人  

著有《思维力:高效的系统思维》

交流微信:youcore12

 

01

 

人类从来就不缺“先知”式的预言。

 

到了如今这个变化未定的时代,加上网络传播的便捷性,各种“先知”式的预言更是层出不穷。

 

“做什么方向的工作才有未来?”这种具备天然预测属性的问题,更是预言多多。

 

有人预测从事大数据会有未来,有人预测做人脸识别赶上AI的潮流才有未来,甚至有人说只有干艺术才有未来,因为这是最不容易被机器取代的。

 

其实这些都是线性趋势下的预测,可能对,但更可能错。

 

这就像《黑天鹅》里提到的 “火鸡幸福指数”

 

假设你是一只火鸡,被农夫养在美国的农场。在过去的120天里,你都很幸福,因为农夫每天都给你吃的。

 

所以,随着时间的推移,你的幸福指数线性上升,你认为这种幸福会永远地延续下去。但很不幸,明天就是复活节了(复活节要烤火鸡吃),因此火鸡的幸福指数戛然而止。

 

绝大多数人对未来工作的预测,其实就跟这只火鸡一样,站在过去看现在,再站在现在线性地揣测未来。

 

但不巧的是,我们刚好处在了又一个“奇点”要来临的前夕,就像火鸡面临复活节一样,原先所有的线性发展趋势在“奇点”处都将彻底改变,谁都说不清未来到底会怎样的。

 

既然未来不可预测,那怎样去选一个有未来的工作呢?

 

 

02

 

你可以博概率,去赌一个你认为符合未来方向的“正确的”工作。

 

听起来似乎有点荒谬,但这就是大多人正在干的事。

 

我在面试公司互联网运营岗位的候选人时,只要问到“你为什么选择从事互联网运营呢?”,90%的面试者都会一本正经地告诉我因为互联网是未来的发展方向,互联网运营更是一个有未来的职业。

 

互联网运营岗位到底有没有未来?说心里话,我真不知道。这个岗位可能会历久弥深,也可能3年后就无人问津。

 

但在选择工作时,将是否是未来的发展方向作为首要考量要素,甚至是唯一考量要素,未免风险大了点。

 

因为我们谁都没有能力准确预测未来。

 

计划经济时代,曾经让无数人趋之若鹜的百货商店售货员,现在的职业境遇如何,可能你比我更清楚;

 

曾经象征着高薪与地位的空姐职业,现在已经更多地回归了普通服务员的本质;

 

曾经被认为是安稳代名词的教师岗位,现在随时都面临着跟不上新教育形势的危险。

 

既然过去如此,谁又能确保现在的热门岗位会一直火爆下去?

 

比如,房地产行业这些年的薪资一直挺高,可等你挤进去的时候,弄不好已经走下坡路了;

 

你觉得量化金融很牛掰,弄不好等你真正从业的时候已经是明日黄花了;

 

你认为很有未来的互联网运营,弄不好就跟曾经的SEO(搜索引擎优化)一样,沦为一个低薪的“纯体力”工作。

 

将自己的职业未来寄托在一个不确定的概率上,不知道你是否真的安心?

 

我有一个关系还不错的朋友,做Java开发的,不善言谈,典型的技术男。

 

2002年,Java程序员还很抢手的时候,他月薪就过万了,但现在40多岁了月收入还停留在2万上下,带着一帮小伙子每天卖苦力般地熬夜干着软件外包开发。

 

即使这样每天都还在发愁,手头这个项目开发完了后,下个单在哪儿?

 

20多岁进入了“朝阳产业”,年近中年身处“朝阳变夕阳的产业”,继续干希望渺茫、换行业又有心无力,这会是你10年、20年后想要的结果吗? 

 

 

03

 

其实,与其在“正确的”工作上博概率,还不如先学会“正确地”工作

 

何谓正确地工作?

 

正确地工作,就是在工作中打磨出自己的“可迁移”能力,随时随地可以将你的知识和技能在不同领域做最大价值的自由置换,一辈子坚守深爱的职业、还是换行换岗,都是你说了算。

 

其实,无论你想成为一名横跨多个领域的复合型通才,还是想成为深耕某个细分领域的专家,“可迁移”能力都是一个必备条件。

 

成为一名横跨多领域的复合型通才需要“可迁移”能力自不备言,你只有悟出了不同领域知识背后相同的本质规律,将跨领域的知识融会贯通地应用,才有可能成为复合型的通才。

 

比如,只有掌握了混沌理论,才能理解天气的不可预测性与股市的不可预测性本质原理是一样的;

 

只有深刻理解了“美”的本质,才可能成为达芬奇那样横跨绘画、雕塑、建筑的全才;

 

只有深刻领悟到了社会运作的规律,才可能成为曹操那样横跨政治、军事、文学的大家。

 

成为一名深耕某个细分领域的专家,更是需要必备“可迁移”能力。是否是一名专家,其中有3个主要的判断标准:

 

①  按照本质规律或原理,而非表面特征组织本领域的知识

 

②  不仅熟练掌握本领域的知识,而且更知道这些知识在什么样的条件下才适用

 

③  专家比普通人更能实现知识在不同领域间的转化运用

 

上面这3个标准,每一个都代表了专家背后的“可迁移”能力(回复“1015”,查看成长为专家的具体工作方法)。

 

 

04

 

上海大众汽车有限公司机床维修的一线工人徐小平,2016年9月25日在上海浦江创新论坛上发表的关于“工匠精神”的精彩演讲,就很好地阐释了怎样正确地工作,以及正确工作后具备“可迁移”能力的价值。

 

徐小平2006年获得第八届中华技能大奖,2007年荣获全国五一劳动奖章,在2005、2010、2015年获得三届全国劳动模范。

 

他还获得中国机械工业技能大师,享受国务院特殊津贴奖励,获得国家专利受权22项,发明专利8项,实用新型专利14项,国际专利1项,其中激光可视对角技术获得中国科学技术一等奖,上海科学技术二等奖。

 

从他的技术成就来看,这是一名不折不扣的机床维修专家。

 

他在演讲中说:

 

我们的工匠应该具备“X+1”的能力。

 

“X”是指一个工匠必须要具备的综合素质,他的知识面,他的阅历;

 

这个“1”就是与众不同的特长……在我的团队中我搭建了很多的平台,我在我的工作室中大概做了十几个专业,经过几年的打磨我们出来了一批人,这些人的收入可能比许多公司管理层都高。

 

——引用自徐小平在浦江创新论坛的演讲

 

他们这些“工匠”专家,相较一般的一线工人到底有何特别?竟然十几个不同专业的一线维修工人,都能做到收入比许多公司管理层都高。

 

从徐小平在演讲中举的两个亲身经历中可窥一斑。

 

1)第一个经历

 

我跟中国师傅学一个操作要两年,我跟一个德国师傅2个小时就学好了,我很崇拜德国师傅,他们重数据,的确是有特长的,于是我就注重数据的整理和记录。

 

直到有一天,我怀疑数据也有不管用的时候。

 

在我的厂里有一个德国师傅和我的关系很好,一个故障出来了,他是不相信感觉的,他相信数据,但是一个故障出来的时候哪来的数据?在没有数据的时候这个方向怎么判断?于是他花了8天时间把故障查出来,但我花了45分钟时间查出来,我不是说德国师傅没有这个本事,我觉得他的感觉没有我们好。

 

我修机床其实是用阴阳法,德国师傅没有这个技能。

 

一个轴承要转起来靠什么?一阴一阳之为道。如果没有阴的话,轴放在空中怎么会转?所以我排除故障的时候就看这个问题是阴的问题还是阳的问题。

 

——引用自徐小平在浦江创新论坛的演讲

 

2)第二个经历

 

我讲一个故事。

 

我有一次修机床走到死胡同,后来李政道教授有一堂课,我听了以后忽然间有了启发,他讲的是宇宙对称的问题,我也听不懂,但是有一句话启发了我,他说最大的对称性等于最大的不对称可能性,这是一句非常抽象的话。

 

他拿了一支笔,那个笔是圆的,可以说是最大的对称,如果给它加压的话,会往哪边折断,360度任何一个方向都有可能性,这就是最大的不对称可能性。

 

我在这句话的启发下把那个机床修好了,我当时就在校正两个砂轮的平行度,因为其实是不会绝对平行的,没有绝对平行,我问你既然绝对平行,什么地方大,什么地方小,我就看不见。于是我故意的打破平衡,一下子就把机床修好了。

 

——引用自徐小平在浦江创新论坛的演讲

 

 

从上面的经历可以看出,跟只会死板执行的维修工不同,徐小平这样的一线“工匠”们会质疑知识的适用条件。

 

他们重视数据的整理和记录,但也会剖析数据在什么情况下不管用,而不是盲信维修中数据的作用。

 

不仅如此,哪怕深耕的领域仅仅是机床维修,他们也会不断提高对规律抽象的层次,并将这些跨领域的规律——物理学的宇宙对称、道家的阴阳法——运用在机床维修上。

 

正是有了这种符合专家3大标准的正确工作方式(回复“1015”,查看成长为专家的具体工作方法),他们成长为了“工匠”,打磨出了“可迁移”能力,也给了他们以最大价值自由置换知识和技能的豪情与壮气。

 

我在三年前做了一个尝试,我们企业的领导比较开放,给我搭了一个平台让我们走向市场。

 

本来我们都是依靠政府的补贴,现在我们没有这种困惑,我不仅可以为企业养活一批人,我每年还要给企业上缴上千万的利润,我们工匠手里面有活,还怕没有钱吗?

 

——引用自徐小平在浦江创新论坛的演讲

 

 

05

来一个小小的总结

 

在这个不确定的时代,谁都无法准确预测出一定会有未来的工作。

 

与其赌博式地将时间花在寻找“正确的“工作上,不如先学会如何“正确地”工作。

 

我们掌控不了变化的时代,但我们至少可以控制自己。打磨出自己的“可迁移”能力,无论时代怎样变化,未来都会有你的一席之地!

You May Also Like

About the Author: 成长心理专家

发表回复

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据