《灰犀牛》:思路不够清晰,行文啰嗦,作者所谓的“灰犀牛”跟“公地悲剧”有很大重合,提出的应对方案妖要么是老生常谈要么可操作性比较差。2星。

作者尝试发明一个跟黑天鹅类似的概念来描述个人或集体视而不见的危机。我的感觉是作者的洞察力不够,思路不够清晰,行文比较啰嗦,各个章节的内容有很多重复,说服力不强。

具体来说,作者提到的灰犀牛基本是这两类:1:集体或个人知道危机但是没有采取行动去解决,如公地悲剧,或民主制度下决策者需要重视短期行为没法顾及长远效应,或者人明知吸烟不好但是不愿意控制;2:机制不合理或失灵导致预警信号根本就没传达给决策者。

作者大部分的案例都集中在第1类中,其中的公地悲剧早有成熟的理论来解释,民主制度下决策者重视短期利益忽视长远利益也是已知的民主的弱项。总体来说我的感觉是“灰犀牛”的概念没有比现有概念与理论更简洁更深刻。

作者给出的解决方案我认为没有任何新意。

总体评价2星。

以下是书中一些信息的摘抄或概括:

1:我们都明白,越早着手,就越容易解决问题,而且成本越小:未雨绸缪远胜于亡羊补牢。#522

2:这就是灰犀牛威胁论的核心矛盾:当我们可能遇到的危险还处于萌芽状态时,我们会感觉手头紧迫,无暇顾及,所以致使防范措施搁浅;当危险真正来临,损失已经不可避免,此时此刻,我们虽然有应对灾难的财力物力了,但无论我们是想减少损失,还是想事后收拾残局,其费用都会是天文数字。#544

3:2007年至2008年的那一场金融风暴对某些人来说是黑天鹅性质的事件,但对大多数人来说,它的出现一点儿都不奇怪:市场上的风暴完全是众多灰犀牛会聚的结果。#577

4:逆反效应进一步加强了集体思维、源头倾向和实证倾向。听到与自己想法相左的观点时,我们会坚定自己的立场,更加牢固地坚持自己的固有想法。#1149

5:组织理论学专家伊恩·米特洛夫(IanMitroff)认为,组织机构最应该做的事情就是要校正信号探测机制,发现正常信号和预示潜在危险情况的信号之间的区别,确保这些危险信号能传达到相关人士那里,以及那些有能力改变结局的人那里。#1325

6:伊恩·米特洛夫描述了一项导致我们走向固执愚昧的自我保护机制:拒绝(低估可能的损失)、理想化(认为不可能发生在我们身上)、自我膨胀(认为自己有足够的能力阻止危机发生)、推卸责任(把灾难的责任推到其他人身上)、自以为是(降低可能性)、盲目(想象损失会很有限)。#1340

7:如果人们遇到的是他们经常看到或想到的危险,例如车祸或电脑崩溃,他们就会低估这类危险再次发生的可能性。#1415

8:我们总是寻找那些我们希望见到的事情,于是就错过了那些重要的事情。如果我们正在寻找的是黑天鹅,那么我们就不可能看到灰犀牛。#1420

9:事实上,公司董事会构成比例越是多样化,公司的运营就会越出色。#1451

10:“无数的实验和研究表明:当积极鼓励团队成员公开表达他们的不同观点时,他们不仅会分享更多的信息,而且会更加系统地思考,从一个更加平衡而不是偏激的角度看待问题。”#1498

11:从烟草工业到酸雨、石棉,再到气候变暖,那些依靠维持现状获取好处的人一直在利用我们的弱点,诱使我们否认危险即将发生。#1534

12:要建立一个适当的体系,让它能在事故发生的时候拉响警报。为此,方式之一就是要确立一个奖励机制,奖励那些机警的人、发现问题的人。#1573

13:保罗·奥尼尔后来把这个体系稍加改变,应用到匹兹堡的阿勒格尼总医院,得到了惊人的结果。这家医院仅仅投资了85607美元,就几乎消除了病人们常常在这里患上的三种治疗费用高昂的感染,而且两年内把医院的收益提高5634269美元。2004年,宾夕法尼亚州开始要求所有医院升级它们的报告系统,结果减少了27%的事故。#2021

14:葡萄牙木塞生产商代表着另外一个行业,在遇到明显的即将发生的威胁时,它们清清楚楚地看到了出路在哪里。它们遇到的威胁来自人工塑料瓶塞。#2494

15:最后,这场豪赌有了结果:在其他人仓皇逃出希腊市场的时候,格雷洛克资本公司大举买入,赚取了其投资额4倍的利润。#2773

16:至于股票经纪人,他们每天的决定都涉及几百万美元的买卖,绝大部分时间,他们的行动和决定都是非常理性的,但是一遇到泡沫问题时,他们就会败下阵来。#2901

17:每年的流感季节,美国的死亡人数都是在3000~49000之间剧烈波动。确切地说,死于流感人数的微小的百分比都远远高于死于最近一次埃博拉病毒的人数。但是,美国人对埃博拉病毒的暴发和流行产生了无法形容的愤怒和恐惧的时候,却不去接受流感疫苗注射;#2994

18:如果公司价值的绝大部分取决于从现在开始的三年内公司的业绩表现,但是公司的管理层却忙于从现在开始的三个月内的报表,那么其资本运营就是有问题的。#4105

时间: 2024-10-26 06:26:12

《灰犀牛》:思路不够清晰,行文啰嗦,作者所谓的“灰犀牛”跟“公地悲剧”有很大重合,提出的应对方案妖要么是老生常谈要么可操作性比较差。2星。的相关文章

《未来简史》,4星。极少数精英会变成身体结构跟普通人差别极大的神人,神人管理算法,算法管理世界。跟《人类简史》的内容有很大重合。

全书共11章,关于未来的论述主要集中在第9章.关于未来的趋势的判断,推理过程比较少,我感觉也不算严密.基本的观点是随着技术的发展,部分精英会战胜死亡,并且用基因甚至机械改造自己的身体,世界会被这少数精英及他们管理的算法统治. 关于已经发生的历史的章节,大部分内容是把<人类简史>的内容换了角度说一遍(但是不如<人类简史>的思路清晰):人类战胜其他动物是因为人类可以更大规模地合作,人类共同虚构出了国家.宗教等信息作为生活的意义. 总体评价4星. 我感觉<人类简史>和<

2.5星|王煜全《学会洞察行业》:没看到独特的分析方法,思路不够清晰,缺乏洞察

学会洞察行业:写好分析报告的6堂实战课 看书名与全书的结构,作者尝试给出一套行业分析的方法.读后感觉就是投资圈常用的行业调查分析的一些检查清单.作者对这些清单的整理归类我认为思路不够清晰. 总体来说,全书讲行业调查方法论是比较失败的.作者也没给出具体的完整的行业调查分析的案例. 书中作者举了一些他们公司投资相关的美国科技创业公司的例子,还有点意思. 总体评价2.5星,价值不大. 以下是书中几张插图: 以下是书中一些内容的摘抄: 1:那么,如何判断一个产业是否已经成熟,或者产业机会是否来临呢?主要

思路不够清晰

对于编程,最主要的,首先是逻辑,其次才是代码,自己急功近利的毛病,在代码上造成了很大的失利, 首先,我没有对需求进行分析,只知道要做什么功能,在没有分析的情况下就去做,因为觉得之前有这个功能的代码,便形成了固定思维 其次,对原来的代码认识不够,很多东西,自己根本就不熟悉,造成了调用时的尴尬 再者,自己的惰性使然,因为有现成的,故而不想再动脑袋去整,殊不知,这样做,造成了牛马不相及 最后,自己的基础还有待加强

提高项目的可维性:目录组织结构清晰和目录的深度不要多

不使用单一入口的框架开发,代码和目录的数量越来越臃肿,项目维护成本很高 没有反面例子来做借鉴,人的大脑不以为然.下面的截图就是一个中型项目后来变成的目录结构,项目的代码越来越乱,开发人员不愿意去维护这个系统的代码,因为去找代码进行修改,变得很痛苦,代码混乱,目录很众多,找代码会看花眼. 是一套典型是基于discuz的ucenter的系统,随着公司业务量越来越大,随着时间的推移,对系统增加的功能越来越多,后来开发人员越来越多.这样一套系统,维护起来很困难. 具体到里面代码,找代码去修改,特别吃力,

【得到每天听本书】定位

首先,过去广告业认为做营销就是要把产品的卖点告诉用户,但是定位理论却认为大多数的传播其实不被用户记住的,因为他们的心智空间非常有限,而你要做的就是用定位的方式进入潜在用户的心智中占领一个有价值的位置. 其次,进入用户心智有三种方法: 第一,把自己定位成一个领导者,因为人们只能记住排名第一的公司: 第二,如果已经有了领导者怎么办呢?那就做一个跟随者,想办法找新的空当,在一个新的领域当中和人们的已有认知进行关联,让人们记住你: 第三,如果前两个领域都被竞争对手占满了,那又该怎么办?还有第三招,那就是

【华为云技术分享】根因分析

1.  什么是根因分析 在工作中我们经常会遇到根因分析的提法,有时也称作根原因分析或简称RCA(Root Cause Analysis),那什么是根因分析呢?目前还没有一个公认的定义,一般都是从操作层面来解释怎么进行根因分析的,缺少方法论框架性说明.有些书籍将发现问题和寻找解决方案也纳入根因分析的范围,使什么是根因分析变得更模糊.本文通过梳理相关知识,完善概念和模型,希望能在思维方法层面提供一个理解根因分析的新视角. 做为思维方法论,会涉及大量抽象概念和逻辑方法,本文把容易混淆的概念重新定义,而

连接查询时on与where的区别

写在前面:在编写SQL的过程中,我经常使用LEFT JOIN关联多个小查询形成一个大查询,产生一张宽表.在进行这些查询中,给我感触最深的亮点是:1.left join中主表的选择,主表的选择很重要,否则就会漏掉一些记录或者ID:2.连接查询的ON条件和外层的WHERE条件的区分使用,如果对他们的作用以及区别有一个很清晰的认识,那么用混一条语句就可能产生很大的差别.因此,本文在学习了网友的博文的基础上进行如下总结和整理. 关键点:数据库在通过连接两张或多张表来返回记录时,都会生成一张中间的临时表,

Python爬虫抓取糗百的图片,并存储在本地文件夹

思路: 1.观察网页,找到img标签 2.通过requests和BS库来提取网页中的img标签 3.抓取img标签后,再把里面的src给提取出来,接下来就可以下载图片了 4.通过urllib的urllib.urlretrieve来下载图片并且放进文件夹里面(第一之前的准备工作就是获取当前路径然后新建一个文件夹) 5.如果有多张图片,不断的重复3-4 由于爬虫写得少,通过自己的调试,终于写了出来了 下面直接上代码: 1 #coding = 'utf-8' 2 import requests 3 f

Python语言在人工智能(AI)中的优势 (转)

本文探讨了Python语言在AI领域的优势与运用. 谁会成为AI 和大数据时代的第一开发语言? 这本已是一个不需要争论的问题.如果说三年前,Matlab.Scala.R.Java 和 python还各有机会,局面尚且不清楚,那么三年之后,趋势已经非常明确了,特别是前两天 Facebook 开源了 PyTorch 之后,Python 作为 AI 时代头牌语言的位置基本确立,未来的悬念仅仅是谁能坐稳第二把交椅. 不过声音市场上还有一些杂音.最近一个有意学习数据科学的姑娘跟我说,她的一个朋友建议她从