Как правильно выжимать максимум результата из своих усилий
Делаю еще один перепост старой статьи из медиума.
Мой коллега и друг, Дмитрий Рыбин прислал мне недавно очень интересное сообщение.
Есть кстати 1 способ который позволяет делать сильно больше других, и которым почему-то мало кто владеет: нужно из каждой проделанной работы выжимать максимум. Причём работы можно комбинировать многими способами, которые люди тупо игнорируют. И что ещё более интересно, без привлечения наёмных сотрудников других способов нет, то есть это единственный способ сделать в 2-3-5 раз больше физически возможного.
Пример 1: https://ternaus.blog/tutorial/2020/08/28/Trained-model-what-is-next.html
Пример 2: Валерию Бабушкину как-то дали в Facebook задачу по ранкингу рекламы. Он когда приехал в Москву пригласил людей встретиться с ним записать вебинар (+ в публичный образ, + в сотрудничество с каналом) по теме собеседования на ML Design (+ в опыт собеседований) и на этом собеседовании спрашивал именно про задачу ранкинга (+ в брейншторм по рабочей задаче:) )
Пример 3: Прочитал и разобрал статью => сделай семинар => получается готовая презентация под разные выступления.
Пример 4 (нетехнический): моргенштерн из каждого инфоповода раздувает максимально большой пузырь
Пример 5: Невозможно стать богатым без источников пассивных доходов (которые работают и пока ты спишь)
Я могу добавить еще несколько примеров.
Пример 6. Первые варианты стихов Пушкина выглядели как обычные графоманские стихи. Которые он последовательно улучшал, получая в итоге гениальные.
Пример 7. Отрицательный. В моей любимой задаче про 4 братьев и мост, люди находят неправильный ответ потому что, просто находят первый попавшийся ответ и не дожимают задачу.
Пример 8. История с прототипом айфона, который Джобс топил в аквариуме и показывал что там еще куча свободного места.
Пример 9. На чем больше всего зарабатывает МакДональдс? Говорят, что больше всего на коле и картошке фри. Это в некотором смысле правда, если смотреть на операционные расходы. Но на самом деле он зарабатывает на недвижимости. Макдональдс становится центром притяжения района и цена в этом месте растет. Сначала владелец франшизы выкупает землю на которой будет строиться и уже потом сдает ее в аренду покупателю франшизы. А он делает это место дорогим.
Ну казалось бы все понятно. Надо смотреть на задачу с разных сторон и все дожимать до максимума, но есть кунштюк.
Принцип “достаточно хорошего” результата.
Есть еще принцип “достаточно хороших решений”, он же принцип что 20% усилий дают 80% результата.
Надо просто правильно отсортировать работу, сделать простую и полезную часть, а на остальное не тратить время. Высвобожденное время потратить лучше на что-нибудь другое.
Примеры:
Пример 1. ИКЕА. Продавать мебель в разобранном виде резко повысило рентабельность бизнеса, а людям дало радость возни с конструктором.
Пример 2. Анекдот про отдел кадров и неудачников.
Два кадровика опытный и стажёр сидят в офисе и обсуждают дела. Молодой достает огромную пачку резюме, штук 300: “Мы должны просмотреть их все, чтобы подобрать кандидатов на эту вакансию”. Опытный хладнокровно берет у него пачку, делит ее пополам, одну часть на стол, вторую в мусорную корзину. У молодого глаза по пятаку: “А как же претенденты?!” Опытный невозмутимо: “А зачем нам неудачники?”
Пример 3. Тот же Макдональс, на заре своего развития выкинул 80 процентов ассортимента, и остановился на самом ходовом.
Пример 4. Стартап Тильда, как простенькая nocode система. Большинству это и надо и значит можно не заморачиваться.
Пример 5. Куча личных примеров из программирования. Нам нужно найти решение, отсеяв кучу неверных вариантов. Гораздо важнее слабый и быстрый алгоритм, который быстро отсеивает кучу ненужных случаев, чем крутой алгоритм который отсеивает больше, но медленней. Лучше делать все по этапам. Так как после этапа отсеивания появляются какие-то закономерности и используя их можно сделать еще один простой этап отсеивания. Получается несколько очень простых алгоритмов, которые вместе работают лучше и быстрее одного крутого.
Пример 6. Бережливый стартап это прямо оно. Минимальный жизнеспособный продукт и все такое.
Лучшее враг хорошего?
Это все хорошо, оба принципа классные. Только они разве не полностью противоположны по смыслу ? В одном случае мы говорим, что нельзя останавливаться, и надо жать до упора, забивать на хорошее ради лучшего. А во втором случае наоборот, забивать на лучшее ради хорошего. На самом деле разница тут только в конечном результате, и то как он улучшается. Если конечный результат (он же целевая функция) с каждым нашим шагом становится все лучше и лучше (например, по экспоненте), то останавливаться ни в коем случае нельзя. Если наоборот, мы вышли на режим насыщения, и чем дальше мы продвигаемся, тем меньше получается прирост общего качества результата, значит надо останавливаться, а не упираться.
Общий алгоритм получается следующий.
- Уметь смотреть на задачу под разными углами.
- Находить разные варианты шагов улучшения.
- Для каждого шага оценивать соотношение улучшения общего результата, к потраченным усилиям.
- Выбрать лучший шаг и сделать его.
- Если даже для лучшего шага соотношение оказывается плохим, то остановиться.
Если вы все время пытаетесь получить лучший результат, вне зависимости от ситуации, вы - перфекционист. Если все время останавливаетесь на хорошем результате - вы халтурщик. И то и другое плохо. Надо осознанно принимать решение, когда двигаться вперед, а когда останавливаться.
Самое главное в этом деле - уметь смотреть на задачу с разных сторон и переключаться. Алгоритму научиться легко, а вот с каких сторон можно смотреть на вашу задачу, это ваш личный опыт и ваше личное волшебство.
P.S. Если кто углядел связь всего вышесказанного с уравнениями Эйлера-Лагранжа, тот молодец.