《读人研究报告》

来源: IDG资本公众号|idg_capital

content:
  • 为什么要读人
  • 中外对比
  • 先天&后天
  • 了解自己
  • 观察&取证
  • 避免的问题
  • 读人应用–创业者
  • 读人应用–面试

早期投资,普遍被认为是读人的艺术。而读人本身又是一门艰深的学问。很多夫妻吵架都会说:“你不了解我”,“原来你是这样的人”,“这么年都没认清楚,原来你还有这样的习惯”……

关于读人,我看了不下十本书后惊奇地发现,这么多年来,这样一个全球性、普遍性的问题,居然没有完备的理论框架。读人这件事确实也像投资,教不出来,只能学,事关悟性,且不能验伪。

因此,以下是我尽力总结的一份《读人研究报告》。当然,任何时候你都可以说它是错的。

一、为什么要读人?

1、人的本能。

在信息匮乏的年代,读人相对依靠容貌神态。现在信息多了,但一方面噪音也多,另一方面人越来越孤独,大家都觉得自己不被理解,都希望被人理解。不管是对创业者还是对另一半,只要说一句“我懂你”,都是很温暖的,读懂人很重要——这是亘古不变的道理。

2、生活。

了解伴侣、朋友、父母都是生活中非常重要的部分。

3、商业。

商业谈判中,真感兴趣还是不感兴趣,通过仔细观察可以感觉出来。如果是谈价格,也能读出来对方对某个价格是否满意。这将有助于在下一步谈判中占据更有利的位置。

二、中外对比

关于读人,中国是怎么做的呢?

中医讲究望闻问切,算命的看属相、面相、手相等。曾国藩的《冰鉴》在这方面强调眉毛。中国人特别重视眉毛,什么浓眉大眼、贼眉鼠眼、眉清目秀,等等。往往坏人就是贼眉鼠眼,好人就是眉目清秀。

中国总体上是经验主义。曾国藩在《冰鉴》的想法是要识英雄,所以基本是看一个人能不能成大气,以男性为主,欠缺了对女性、对平常人的观察。这点较为局限。

西方的读人更多则是心理学、认知学、性格学,这些是研究人思考行为方式的体系。最著名的比如MBTI人格理论。微表情指读人的表情,美国在这方面读的比中国更细。比如男士紧张时会扯领带,因为脖子是人体较弱的部位。类似的有很多,读一读挺有意思。

总体说东方根据经验、直觉,西方偏向于数据、逻辑,共同点就是大家都特别重视眼神,眼睛是心灵的窗户。

三、先天&后天

先天性因素包括:

1、基因,这对人的影响很大;

2、国家、地域、家庭的出身和结构;

3、星座、血型;

4、相貌,30岁之前父母带来的更多,30岁之后就是自己影响自己;

5、个体和群体的效应,比如说我个人就可以打很多标签:河南人,小镇青年等等。打标签的同时也带来很多偏见。

后天性因素包括:
1、教育

比如说某个大学出来的人有一类特征,但这是双面性质的;

2、工作经历

比如腾讯跟阿里的人在某种意义上不一样,当兵的和没当过兵的也不一样,家庭变化等,这都会产生很大的影响;

3、家庭教育的方式,还有婚姻。

婚姻是一所大学,对每个人的改变很大,两口子在一起很多年长得越来越像有一定的道理,因为会互相影响。导师、朋友就更不用说了,近朱者赤,近墨者黑;

4、爱好。

比如读书、旅行这些都对人的见识有影响;而钓鱼的人跟蹦极的人肯定也不一样。

四、了解自己

1、了解别人,首先要了解自己,了解自己更难。

自己其实就是一面镜子,折射出来的是自己的价值观,但是我们往往光拿着手电筒照别人了,没有办法真实地了解自己。

2、人是自恋的,这是人的本性。

铜雀叔叔曾经总结过,人与人的矛盾就是你干扰了别人的自恋。人要接受自己,包括自己的不完美。克服过度自恋。

3、Perception is reality.

不管你信不信,你一定要听取别人反馈,尽管那些反馈不一定是你喜欢的。但如果很多人都在跟你说同样的反馈,你要仔细想一想。忠言逆耳。

4、What matters to you most?

What scares you most? 你有没有想过什么对你来说是最重要的,什么是你最担心的。并不是说知道以后就可以克服,而是在最害怕的时候,能意识到这一点。

5、有些问题你可以问问自己,比如你跟父母像吗?

其实一些生活习惯和做事方式,没有办法,你就是背着父母的影子。你的择偶标准、择友标准是什么?这个就是你的价值标准。你是不是经常被误解?你觉得自己是这样,但大家都不觉得。碰到这些事情的时候你要想一想,是不是你对自己的认知有偏差?有自知自明其实挺难的。

五、观察&取证

1、少说、听、问。

投资人是旁观者,任何一个会议,如果投资人说了1/3的话,那肯定是不对的。要多听,去问问题,而不是把自己想的都说了,学会聆听非常重要。

2、努力去发现端倪。

比如微表情里,不同意表现出来往往是翘二郎腿;要去观察一个人在平常状态下什么样,在某种状况下发生了什么样的突变。

3、背景调查。

找谁问,问什么样的问题都要设计好。如果某个事情很重要,一定要自己去问,不要依赖于加工的信息,因为每一层信息过了一层手,都会丢失很多。

4、还可以观察他的另一半、朋友、朋友圈、歌单、爱好、衣着等等。
5、40岁以后主要是看经历,因为这个年纪已经有迹可循了。
6、持续观察、不断修正。

不断地验证观点很重要,不要静止地看人,要看看这个人是不是有一致性,那些年曾经吹过的牛是否实现了。英文有句话:Fool me once, shame on you. Fool me twice, shame on me. 要持续地观察一个人的言行。

7、相信直觉。要相信自己的直觉,尤其是当其他信息不完整的时候。

六、避免的问题

1、不要先入为主。

先假设自己是对的,又拿自己的标准去衡量,就会很快形成一个观点。拿自己的标准去衡量一切是危险的。

2、避免停留在静态,不要过于依赖第一印象。

比如开1小时的会,3分钟肯定已经有一个印象,但是后面就要考虑哪些跟之前想象的不一样。聊1个小时,需要不断地想,什么地方是你想的不全面的。

3、人无完人,要找亮点,不断挑战自己的判断,意识到自己可能存在的误区。

What if I am wrong?同时切忌 fall in love,因为就像我们喜欢上一个人,会觉得对方什么都是对的,不喜欢一个人,会觉得对方什么都是错的。

4、尽量面对面交流,衡量一个人要花时间和精力。

对一个人要经过一些年,经历一些事才能有更好的认知,没有这两条其他的都免谈。时间、经历超越一切。

5、不要过度解析细节

有一本书谈细节竟然到了从人刷牙的10种方式来判断一个人,这就过了。

6、谨记判断的两条标准:信息是否全面、准确、完整;信息判断是否逻辑。
7、以上两条都对了,判断正确的几率就大很多。

但同时,读⼈只是正态分布的概率事件,生活、工作中永远是outlier (事件极罕有,黑天鹅)。所以哪怕掌握了所有的技巧,这也只是一个大概率而已。

七、读人应用–创业者

1、地域、学历、过往经验等,对判断有帮助但无定论。

比如说马化腾、马云、李彦宏、雷军四个人,马化腾是深圳大学的,马云是杭州师范学院的,李彦宏是北大的,雷军是武汉大学的;他们中有第一次创业的,有连续创业的;有曾经在国外待过的,也有没待过的。

2、创业者的背景有“历史数据”。

关于这点我们也做过数据分析,比如二次创业、公司高管成功的概率会大一些,但都存在特殊情况。

3、硬能力部分

包括一个人以前干过什么事,干出了什么成就,之前带的团队现在是不是还跟着他。

4、软能力的部分

包括学习能力,说服力、执行力。

5、气场、领导力、带团队的能力。
6、对商业核⼼问题的理解和把握,格局观,对质量、体验细节的追求。
7、避免干扰,多次交流。尝试在不同场景、不同时间段跟同一个人多次交流,辨别对方是否有刻意训练过的痕迹,对有争议的要尤其注意。

八、读人应用–面试

1、面试是值得花时间投入的,因为找到人才不容易,而不适合的人要付出很大代价。
2、这方面中外很相似,衡量因素就是三个:

价值观、能力、技巧。另外职位设计要匹配,既要在价值观上求同,又要在能力上求异,这在投资机构尤其重要。

3、过程中让对方处于放松的状态,而不是紧张状态

因为你要让对方说实话;压力测试是看在压力下有什么样的表现;关键一两个问题要问透,这样会对人有比较深的理解;提诱导性的问题,比如说:你觉得我们投了以后,对你有什么帮助,为什么选我们?

4、自我认知很重要。

我比较喜欢问:你最敬佩的同龄人是谁,对以往经历的选择和总结。

5、兴趣爱好,爱好是不是真爱。
6、反问对方有什么问题

一是看他是否有准备,同时也是个销售自己的机会。

总的来说,读人,像是科学,但更多像投资一样,其实是一门艺术。最大的不确定性就是每个人都是在变化的,并且每个个体是不一样的。所以,读人只是一个大概率事件。

【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值