你是堆数据山的苦力，还是会分析的设计师

新年开始，相信你又开始新的计划，也许你暗暗发誓努力再努力，要突破什么、完成什么。在做计划之前，请想想，你打算做堆数据山的苦力，还是会分析的设计师。 

 

用80%的时间完成80%的工作你就慢了 

时间应当这么分配：

用20%的时间完成80%的工作

用80%的时间完成最后20%的工作。 

10天做了100个算例、2天画图、2小时写报告、2分钟写结论。

用80%的时间获取数据，20%的时间分析数据，这是堆数据山的苦力。（分析数据时间为零的不知道是什么工种） 

2小时分析需求、2天计算数据，10天思考结果。

用20%的时间获取数据，80%的时间分析数据，这是设计师。 

不要认为在电脑前敲击键盘，穿着白大褂在试验台前测量数据，就是科研工作。做仿真取得装满硬盘的数据，做试验填满所有状态列表，这是新时期的“体力活”。分析数据，思考为什么，最后给出结论，这才是未来的“脑力活”。 

我们常见的现象是，用尽力气，终于在最后一天拿到了数据，留下享受数据成果的时间是零。好比我们爬上了珠穆朗玛峰，没有时间来张自拍，没有时间看看风景，立即下山了。 

大家都知道这么做不合理，抱怨没有给你足够的时间思考问题。不是时间不够，是你把80%的时间都用到了获取数据的体力活。 

没有能力知道什么工作可以简化，没有能力快速获取数据，给多少时间都不够用。 

没有能力用最少的时间完成“体力活”，就没有资格做“脑力活”

  

 

高度决定了能否提出有用的结论 

不要抱怨给时间不够，假如再给你3个月，你真的可以完成最后的20%工作，给出一个有用的结论吗？ 

也请你不要用加班和聪明来解决问题，你24小时不吃不喝不睡觉地工作，最多做三个人的工作。你聪明无比，懂十个专业，不会超过10个专业牛人。你的努力和聪明的人生极限是30个人。用30个人就可以解决的问题，能算难题吗？ 

有所突破，是因为你有高度可以看到别人看不到的出路，你可以聚拢一群牛人向一个方向跑。 

有没有高度要看：

能不能在开始之前，可以预感如何解决问题

能不能按按计算器，估算出大致的设计参数

能不能用简单测试，就抓住重要问题

能不能找到牛人，告诉你解决难点的窍门

能不能深入数据，解答各种为什么

 

如果没有高度：

第一天，想到有10个问题需要解决。

第二天，发现每问题带来10个新问题。

第三天，面对1000种可能性，一辈子做不完。

第四天，不想了，别人怎么做我也怎么做。

第五天，列出100个常规要做的状态。

……加班加点地工作

第十天，数据写满了硬盘，

第十一天，写总结，往往附上慎重声明，因为学科基础不足，不能保证提供的数据和结论正确，呼吁需要进一步深入研究。

有谁知道，我们留下的一堆堆数据，是垃圾山，还是金矿？

过一两年，下一批人重新来解决这个难题，重新生产数据，又留下一堆堆数据，和几句概不负责的结论。 

如果有高度：

第一天，简单估算了100个状态，心里有了感觉

第二天，咨询行业牛人，知道别人被什么坑了

第三天，想想最大偏差在哪里，最大风险是什么

第四天，列出10个关键状态

……机器在疯狂运行

第六天，获取数据

第七天，从各个角度看数据

第八天，提一个结论与别人讨论

第九天，推翻结论重新分析

第十天，重新提出结论

第十一天，写总结，明确设计合理的地方是什么？风险在哪里？这些结论得到什么数据支持？明确数据偏差量级，明确数据偏差对结论正确性有多大影响，明确进一步研究会付出多少代价能改善多少。 

有人说，分析这点数据用不了这么多时间，把几个状态画到一起，对着曲线写结论，状态1的参数A比状态2大，状态1的参数B比状态2小，综合分析状态1的性能比状态2好。 

一点不奇怪，已经有这么自动分析数据的软件，直接写出报告，并且还会自动下结论。 

优秀设计师和数据民工的区别，好像福尔摩斯与普通人的区别。福尔摩斯可以长时间观察很少的关键细节，猜出背后的故事。普通人扫过一大堆细节，不知道观察哪里，什么也看不出来。 

也许缺的不是时间而是眼光。

 专业能力是解决问题不是免责

是否专业：

能不能缩小最后的10%误差

能不能用数学语言描述设计

能不能读懂理论研究成果

能不能发现工程设计的根本问题

用一个亿网格做仿真不叫深入，用最密集的传感器测量不叫深入。用最复杂的模型不叫专业，用最新潮的测量不叫专业。 

给每个数据后面都贴上，“因为工具不够精准，对数据是否准确不负责任”，这是真的不专业。 

不专业的表现：

将所有误差归结为工具不好。

将所有风险归结为领域太难。

将别人看不懂归结为别人不专业。

将结论不准确归结为进一步研究。

专业的表现：

知道有误差，而且知道误差有多大。

知道有风险，而且知道风险在哪里。

知道别人需要看什么。

知道结论为什么靠谱。 

专业人士善于解决问题，而不是善于证明问题无法解决。

 

为什么大家爱堆数据山不爱分析数据 

测量、计算、画图，获取数据是体力活，散步、喝茶、聊天，才是脑力活。

但是大家就是爱干体力活，不喜欢干脑力活，这背后有真金白银的支撑。

 

因为数据山越大越好。 

数据是个好东西，可以按照状态计算工作量，可以按照测量规模计算经费，可以按照计算机运行时间计算费用。 

如果你对着数据思考了10天，怎么计算你的工作量，怎么数你用了多少脑细胞，怎么按照你大脑运行时间给你付费？

有的人不知道，看到大家这么做，以为堆出数据山就完成了工作。

有的人心里明白，但是没有能力分析数据，只好堆数据山挣个幸苦钱。

有的人愿意分析数据，但是为了体现工作量，只好也去堆数据山。

你是哪一种人？

本篇文章来源于微信公众号: 陆姐说