大數據時代，我們應該準備些什麼？
準備些錢。
手機該換5g了。
我就皮這一下~
首先，很多人對大數據這個概念根本不明白，就像我父母他們那一輩人，每當有人免費送雞蛋什麼的，只要你註冊一下，她們都不明白，對方為什麼，還笑話人家傻~
大數據到底可以幹什麼？
2010年《Science》上刊登了一篇文章指出，雖然人們的出行的模式有很大不同，但我們大多數人同樣是可以預測的。
這意味著我們能夠根據個體之前的行為軌跡預測他或者她未來行蹤的可能性，即93%的人類行為可預測。Limits of Predictability in Human Mobility
A range of applications, from predicting the spread of human and electronicviruses to city planning and resource management in mobile communications,depend on our ability to foresee the whereabouts and mobility of individuals,raising a fundamental question: To what degree is human behavior predictable?Here we explore the limits of predictability in human dynamics by studying themobility patterns of anonymized mobile phone users. Despite the significantdifferences in the travel patterns, we find a remarkable lack of variability inpredictability, which is largely independent of the distance users cover on aregular basis.大數定理告訴我們，在試驗不變的條件下，重複試驗多次，隨機事件的頻率近似於它概率。「有規律的隨機事件」在大量重複出現的條件下，往往呈現幾乎必然的統計特性。
數據本身不產生價值，如何分析和利用大數據對業務產生幫助纔是關鍵。隨著計算機的處理能力的日益強大，你能獲得的數據量越大，你能挖掘到的價值就越多。如果銀行能及時地瞭解風險，我們的經濟將更加強大。
如果醫院能夠更早發現疾病，我們的身體將更加健康。
如果電信公司能夠降低成本，我們的話費將更加便宜。
如果交通動態天氣能夠掌握，我們的出行將更加方便。
如果商場能夠動態調整庫存，我們的商品將更加實惠。
最終，我們都將從大數據分析中獲益。
準備好了嗎，時刻準備著，拿起刀槍參加紅軍…
腦子裡突然想起這首歌。
要是你是專業人士，或者想從事這方面的工作，早就該準備了，我也不能給什麼建議。
如果你是平平無奇普通人，那有啥好準備的，隨遇而安唄，瞭解一些就夠了。
可以學習一些相關知識幫助職業生涯的提升吧。抓住機遇，迎接挑戰。
在這個大數據的時代，我們不要迷失自我。信息大爆炸，各種各樣的平臺充斥在我們面前，良莠不齊，我們要懂得識別和篩選，只挑對我們有用的信息，而不是全盤照收。
大數據時代，定向推送也無時無刻不影響著我們，抖音天天給你推你喜歡的明星視頻，淘寶推你最近想要買的類型的衣服，有的人覺得這樣很好，好像整個世界都圍著你轉，一切都是滿足你審美的，也許這些內容會讓人沉迷，一刷就停不下來。
所以還是要注意，不要沉溺其中。
大數據時代勢必會帶來非常多的網路產品，產品的使用會使用到個人信息，而我們應該做些什麼呢？
1、 保護個人的隱私
手機App，網站平臺的使用之前，建議認真閱讀各種相關協議，比如各個軟體賬號註冊的說明，看看你的信息會用到哪些地方。
2、保護個人的權益：
如果你在某些網站上傳了原創內容（例如歌曲，視頻，圖片等），應該更多的去關注如何保護自己的原創作品，如在視頻內容上打上水印，在視頻標題欄標註原創視頻，未經許可不得轉載。仔細閱讀平臺對於原創作者的相關協議，好好利用平臺給予的一切來保護自己的權益。
3、學習相關知識，緊跟時代發展步伐
大數據時候是信息繁雜的時代，如因工作需要，需學習大數據分析相關知識，應努力找對方向，如大數據分析基本以 Java 開發為主，可以先從 Java 語言基礎學習，之後再引入框架，多看書，可以根據自身需求去網上尋找優秀的視頻教程等等。
在這個繁雜的時代，建立自己的學習方法論，和熱愛學習的心態，你會發現在面對一個新技術到來時，擁有良好的心態和行動力是多麼關鍵的一環。
4、好好利用大數據帶來的便捷：
大數據時代的到來，會帶來一些就業，學習，生活上的變化。某些根據你個人定製的學習計劃，你會發現能讓你的學習更加高效、快速，同樣生活中我們還會面對衣食住行的提示，如網上購買衣服，經常會收到智能推薦你可能喜歡的產品，大大減少了我們挑選的時間。不過我們要在享受這些便捷的同時，要學會善於甄別，要了解自己真正需要的；
5、大數據時代方便了我們的同時，也應該注意到生活的平衡。
我們習慣了點外賣，卻缺少了和家人一起做飯的樂趣；
我們習慣了隔著屏幕的交流，卻忽略了身邊的家人朋友的呼喚。
我們應該把時間合理的分配到兩者之間。這個是我最想提醒大家的。
推薦閱讀：
當我談 HTTP 時，我談些什麼??www.upyun.com
最近打車，車裡一位哥們在侃侃而談：現在的互聯網+，除了打車，其他都是扯淡，沒啥用。我相信現實生活中，這樣忽視人工智慧時代已悄然來臨的人不是少數，而且還很多。
畢竟，從事數據行業的人連2%都不到，更別說真正理解數據的人了。
你也許會說，人工智慧是那麼高深的技術，我又不做相關的技術，瞭解那麼多幹什麼。其實，今天我們談的不是什麼複雜的人工智慧高深技術，請注意文章前面的標題：時代。是的，我們談的是一個新時代下的個人選擇問題。說的更本質一些，其實是在說，這樣一個新時代（人工智慧時代），人類的思維發生了怎樣的改變？進而，我們思考這種思維改變會給個人未來的成長帶來怎樣巨大的改變和機會。進一步，你最後會明白這幾個問題的答案：1）為什麼中學老師在許多年之後總是感嘆：最終，真正有出息的，都是當年成績一般般的... ...2）從1984年洛杉磯奧運會開始，到盡頭，國人關注奧運會已經32年了。當年的金牌得主們，除了李寧和郎平，剩下的誰記得呢？3）為何以前起作用的死磕思維，在人工智慧時代，不是最好的人生策略選擇。而理解和解答所有的這些問題的前提是，你要真正明白什麼纔是人工智慧時代的核心？好了，廢話不多說，我們先來看看在沒有人工智慧之前，人類的思維模式是怎樣的？
1.單維度死磕思維在這之前，計算機並不擅長於解決人類智能的問題，也就是我們現在所說的人工智慧。怎樣纔算人工智慧呢？真正科學定義這個概念的是電子計算機的奠基人 阿蘭·圖靈（Alan Turing）。
![]()
1950年，圖靈在《思想》雜誌上發表了一篇題為《計算的機器和智能》的論文。在這篇文章中圖靈提出了影響至今的圖靈測試，現已成為驗證機器有無智能的標準判別方法。
圖靈測試的原理其實很簡單的：就是讓一臺機器和一個人同時坐在幕後，然後請一個裁判同時與幕後的人和機器進行交流。如果這個裁判無法判斷自己交流的對象是人還是機器，就說明這臺機器有了和人同等的智能。
簡單直白吧，其實很多真正有用的人生道理，也就是這麼簡單直接。只不過人類天生有喜歡祕密的天性，所以很多人更願意追逐祕密，而非有用的道理，這也是為何從古至今八卦永盛不衰的道路。
後來，計算機科學家們認為，如果計算機實現了下面幾件事情中的一件，就可以認為它有圖靈所說的那種智能：1．語音識別2．機器翻譯3．文本的自動摘要或者寫作
4．戰勝人類的國際象棋冠軍5．自動回答問題當然，今天的計算機已經可以做到這些事情，而且還會超額完成更多的智能問題。例如2011年，IBM研發的智能計算機Watson參加綜藝節目《危險邊緣》來測試它的能力，這是該節目有史以來第一次人與機器對決。Watson在前兩輪中與對手打平，而在最後一集裏，Watson打敗了最高獎金得主布拉德·魯特爾和連勝紀錄保持者肯·詹寧斯。Watson贏得了第一筆獎金100萬美元。我們從語音識別這個角度來看下，人類一開始是如何思考解決這個問題的：首先，能想到的是去了解人的大腦是如何識別語音的，然後讓計算機按照人的思路去做。舉個例子，就拿我們以前學英語，死記硬背單詞和句法，當單詞量達到一定程度後，就可以理解外國人的話。事實上，當時各個大學和研究所的專家們在這個問題上就是這麼做的，而且已經死磕了20多年的時間。主要採用的研究方法就是：基於語法規則和語義規則，利用人工智慧的方法理解人所講的完整的語句。這個研究方法的思維就是在數學模型這個單維度上死磕，直到「磕的吐血」為止。
我把這種傳統的研究思維方法起了個有趣的名字叫：單維度死磕思維。按照這種方法，經過20多年的研究，在20世紀70年代初，語音識別這個智能問題解決到什麼水平呢？當時按照這個思維方法做出的最好語言識別系統大約智能識別幾百個單詞，而且識別率只有70％左右。同時，面對機器人講話要清晰，不能有方言，不然機器真識別不了。假如王寶強去說，機器估計會想：這是什麼鬼，咋聽不懂呢？這種單維度死磕思維，在很長時間指導人們的行為。現在大部分人也都是單維度思維，最典型的例子就是以前讀書的時候老師講的一句話：學好數理化，走遍天下都不怕。指的就是在數理化這條單維度的方向死磕。
單維度死磕的好處是你可以在某一個領域變的足夠強，但是它也有致命的缺點：就是由於你將全部注意力集中在這個維度上，你的視野和見識會很小，往往看不到其他維度的紅利。2.多維度思維直到一個人的出現，纔打破了人工智慧研究方法的僵局。同時，開啟了人類思維的新時代。我把他的研究方法稱為：多維度思維，而這也正是人工智慧時代的核心。這個人是誰呢？1972年，康奈爾大學的教授 弗雷德·賈里尼克（Fred Jelinek，1932—2010） 到IBM做學術休假，正好當時IBM想開發出具有人工智慧的計算機，賈里尼克就負責起這個項目。
語言識別和機器學習先驅~賈里尼克他選擇解決的問題就是：如何讓計算機自動識別人的語音？值得一提的是賈里尼克原本並不是一位人工智慧專家，他其實是一位通信專家。可能是因為跨界的原因吧，他看待語言識別的角度和先前的人工智慧專家都不相同。在他看來，語音識別不是一個人工智慧的問題，而是一個通信問題。賈里尼克認為，人的大腦其實是一個信息源，聲音從外界傳播到耳朵，一個解碼的過程。而大腦從思考到找到合適的語句，再通過發音說出來，是一個編碼的過程。這麼一想，賈里尼克就找到通信領域的對應數學模型來解決語言識別這個問題，而徹底拋開了人工智慧的那一套做法：單維度死磕。在找到合適的數學模型後，賈里尼克並像以往一樣死磕模型這個維度，而是找到數據這個維度來提高準確度。賈里尼克的做法是用統計方法和大量的數據來訓練模型的。幸運的是，在當時只有IBM具備語音方面的大量數據。為何只有IBM具備這些條件呢？在那個年代，IBM在全世界計算機乃至整個IT產業可以說是處於獨孤求敗的地位。20世紀60年代末，IBM的市值達到500億美元，佔到了美國GDP（國內生產總值）的3%以上。雖然IBM現在市值下滑很嚴重，也在做大數據方向的轉型，但是不可否認IBM仍然是一家偉大的公司，未來價值也巨大。賈里尼克的團隊花了4年的時間，就開發了一個基於統計法和大數據的語音識別系統，它的語音識別率從過去的70％左右提高到90％以上，同時語音識別的規模從幾百詞上升到兩萬多詞。這樣語音識別就有了本質的飛躍。從此，語音識別就能夠從實驗室走向實際應用了。
賈里尼克在研究語音識別時，無意中開創了一種多維度（統計+數據）的方法解決智能問題的途徑。由於這種方法需要使用大量的數據，因此現在又被稱為數據驅動方法，這也是現在大數據解決問題的思維辦法。不在數學模型這一個維度上死磕，而是通過大量數據這個維度來解決以往解決不了的問題。這種方法最大的好處是，隨著數據量的積累，會變得越來越好。李開復就是在這樣的背景下，在傳統的人工智慧實驗室裏，採用這種多維度的方法開展他的博士論文的工作，並且最終和洪小文一起構建了世界上第一個大辭彙量、非特定人、連續語音識別系統。隨著互聯網興起之後，數據的獲取變得非常容易，所以大數據的這種多維度研究方法也變的流行起來。可以說，賈里尼克開啟了人類思維的一個里程碑：多維度思維。基於多維度思維，我們可以分析數據中多個維度的相關性，往往可以獲得意外的收穫。就拿我自己的經歷來說，之前我為客戶做女性購物數據分析的時候。在分析之前，大家普遍認為網上購物產品頁面詳情應該不需要太多的字，尤其現在手機屏幕那麼小，會造成用戶體驗差的感受。但是，經過分析排名前50家店鋪的多個維度，我發現這樣一個有趣的現象：對於女性網上購物用戶，產品詳情頁面越長，越詳細越好。基於這個分析結果，客戶調整了頁面展示和營銷的策略，從而提高了店鋪的銷售額。3.什麼是人工智慧的核心？現在我們知道了，從 傳統思維方法 到 人工智慧新思維方法 的出現，人類其實是經歷了一個很長時間的思維轉變。而這個思維也成為現在大數據時代的核心：單維度死磕思維 -&> 多維度思維只有深刻認識到這個時代思維轉變的核心，我們才能徹底從大腦認知底層理解：為什麼個人在這個新的時代，適應轉變成多維度跨界思維變的那麼重要？因為，在任何一個單一的維度上，能做到「第一」的只有一個人，只有少數人「名列前茅」，剩下的絕大多數都是「落後」。想想，你在自己的領域多久才能超過那個第一，或者名列前茅的人呢？但如果我們拓展開另外一個維度呢就會完全不同。我打個比方，你在維度A上打80分，維度B上打60分（勉強及格就可以），兩個維度上相乘就是4800分。現在來看你的競爭對手，在維度A上是90分。你的4800分和對手的90分比，誰的優勢更明顯呢？結果很顯然，你的多維度更有競爭優勢。你也會明白，實際生活中的人都是立體的，而不是平面的。在單個維度上，大家比的是人生的長度，而在兩個維度上，大家的比的是人生的寬度.... ....
進而，你會發現一個新的趨勢，現在跨界（多個維度）賺取財富的人越來越多。他們事實上，都知道這樣一個祕密道理：跨界能給自己拓展一個新的維度。說到底，其實是因為時代變了，以前我們用的諾基亞手機都淘汰了，在新的時代，思維不轉變就會一直產生這樣的問題：為什麼我和他的差距越來越大呢？4.為什麼你總是落後？所以，我們現在知道文中開始那幾個問題的答案了：1）為什麼中學老師在許多年之後總是感嘆：最終，真正有出息的，都是當年成績一般般的... ...由於在學校教育長期實行的是單維度的評價標準（傳統的思維模式），使得大部分人只關注學習成績這個維度。這在學校的時候其他能力（維度）不足也沒有關係，但是步入社會後，就會發現多維度纔是競爭的核心。中學老師之所以感嘆，就是因為沒有想到，當初竟然不知道人生除了學習成績之外，人還有很多其他的維度需要擴展。2）從1984年洛杉磯奧運會開始，到盡頭，國人關注奧運會已經32年了。當年的金牌得主們，除了李寧和郎平，剩下的誰記得呢？李寧除了金牌這個維度，他還增加了商業這個維度。3）為何在某個技能上死磕，在大數據時代，不一定是最好的策略選擇，那什麼纔是這個時代好的策略？時代不同了，在人工智慧時代，多維度打造競爭力纔是更好的選擇。單維度能擴展你人生的深度，但是多維度卻可以擴展你人生的寬度。5.你該如何執行多維度策略？在認知上有了這個概念以後，卻不去執行，就好比戀愛的時候知道戀愛的理論，卻遲遲沒有下手去追。不去執行，學習再多，也沒有用。那麼，如何執行多維度策略，在人工智慧時代，打造個人競爭力呢？首先，我們應該反省下自己擅長的領域是哪些，然後圍繞這個領域你可以擴展的維度有哪些。以我個人為例，我擅長的領域是編程（大概可以打80分），圍繞編程這個領域，我擴展了數據分析（大概可以打70分）和寫作（可以打60分）。所以，我的人生維度分析如下：
值得注意的是，圖中60分是及格線，我又將它取名叫平庸線。因為一個維度沒有及格的話，說明你在這個維度上是平庸的，那就不能算作你的維度，因為它分數太低，不起作用。所以，想讓自己不平庸的最直接的辦法，就是在有限的維度上提高積累，然後組合打出漂亮的「組合拳」（多維度跨界）。如果你也想在未來變成一個有競爭力的人，而不被時代淘汰，不妨也畫出你的人生維度分析圖，去反思該從哪些維度方面去積累和整合資源。人最可怕的就是不瞭解自己，在錯誤的方向努力，而多維度圖可以清晰的展示你目前的水平，儘快發現你該努力的方向。推薦：人工智慧時代，你必須要學會這個通用技能
![]()
保護好個人隱私第一步，擁抱心態第二步，學習提升第三步~
推薦閱讀：
最近打車，車裡一位哥們在侃侃而談：現在的互聯網+，除了打車，其他都是扯淡，沒啥用。我相信現實生活中，這樣忽視人工智慧時代已悄然來臨的人不是少數，而且還很多。
單維度死磕的好處是你可以在某一個領域變的足夠強，但是它也有致命的缺點：就是由於你將全部注意力集中在這個維度上，你的視野和見識會很小，往往看不到其他維度的紅利。2.多維度思維直到一個人的出現，纔打破了人工智慧研究方法的僵局。同時，開啟了人類思維的新時代。我把他的研究方法稱為：多維度思維，而這也正是人工智慧時代的核心。這個人是誰呢？1972年，康奈爾大學的教授 弗雷德·賈里尼克（Fred Jelinek，1932—2010） 到IBM做學術休假，正好當時IBM想開發出具有人工智慧的計算機，賈里尼克就負責起這個項目。
語言識別和機器學習先驅~賈里尼克他選擇解決的問題就是：如何讓計算機自動識別人的語音？值得一提的是賈里尼克原本並不是一位人工智慧專家，他其實是一位通信專家。可能是因為跨界的原因吧，他看待語言識別的角度和先前的人工智慧專家都不相同。在他看來，語音識別不是一個人工智慧的問題，而是一個通信問題。賈里尼克認為，人的大腦其實是一個信息源，聲音從外界傳播到耳朵，一個解碼的過程。而大腦從思考到找到合適的語句，再通過發音說出來，是一個編碼的過程。這麼一想，賈里尼克就找到通信領域的對應數學模型來解決語言識別這個問題，而徹底拋開了人工智慧的那一套做法：單維度死磕。在找到合適的數學模型後，賈里尼克並像以往一樣死磕模型這個維度，而是找到數據這個維度來提高準確度。賈里尼克的做法是用統計方法和大量的數據來訓練模型的。幸運的是，在當時只有IBM具備語音方面的大量數據。為何只有IBM具備這些條件呢？在那個年代，IBM在全世界計算機乃至整個IT產業可以說是處於獨孤求敗的地位。20世紀60年代末，IBM的市值達到500億美元，佔到了美國GDP（國內生產總值）的3%以上。雖然IBM現在市值下滑很嚴重，也在做大數據方向的轉型，但是不可否認IBM仍然是一家偉大的公司，未來價值也巨大。賈里尼克的團隊花了4年的時間，就開發了一個基於統計法和大數據的語音識別系統，它的語音識別率從過去的70％左右提高到90％以上，同時語音識別的規模從幾百詞上升到兩萬多詞。這樣語音識別就有了本質的飛躍。從此，語音識別就能夠從實驗室走向實際應用了。
賈里尼克在研究語音識別時，無意中開創了一種多維度（統計+數據）的方法解決智能問題的途徑。由於這種方法需要使用大量的數據，因此現在又被稱為數據驅動方法，這也是現在大數據解決問題的思維辦法。不在數學模型這一個維度上死磕，而是通過大量數據這個維度來解決以往解決不了的問題。這種方法最大的好處是，隨著數據量的積累，會變得越來越好。李開復就是在這樣的背景下，在傳統的人工智慧實驗室裏，採用這種多維度的方法開展他的博士論文的工作，並且最終和洪小文一起構建了世界上第一個大辭彙量、非特定人、連續語音識別系統。隨著互聯網興起之後，數據的獲取變得非常容易，所以大數據的這種多維度研究方法也變的流行起來。可以說，賈里尼克開啟了人類思維的一個里程碑：多維度思維。基於多維度思維，我們可以分析數據中多個維度的相關性，往往可以獲得意外的收穫。就拿我自己的經歷來說，之前我為客戶做女性購物數據分析的時候。在分析之前，大家普遍認為網上購物產品頁面詳情應該不需要太多的字，尤其現在手機屏幕那麼小，會造成用戶體驗差的感受。但是，經過分析排名前50家店鋪的多個維度，我發現這樣一個有趣的現象：對於女性網上購物用戶，產品詳情頁面越長，越詳細越好。基於這個分析結果，客戶調整了頁面展示和營銷的策略，從而提高了店鋪的銷售額。3.什麼是人工智慧的核心？現在我們知道了，從 傳統思維方法 到 人工智慧新思維方法 的出現，人類其實是經歷了一個很長時間的思維轉變。而這個思維也成為現在大數據時代的核心：單維度死磕思維 -&> 多維度思維只有深刻認識到這個時代思維轉變的核心，我們才能徹底從大腦認知底層理解：為什麼個人在這個新的時代，適應轉變成多維度跨界思維變的那麼重要？因為，在任何一個單一的維度上，能做到「第一」的只有一個人，只有少數人「名列前茅」，剩下的絕大多數都是「落後」。想想，你在自己的領域多久才能超過那個第一，或者名列前茅的人呢？但如果我們拓展開另外一個維度呢就會完全不同。我打個比方，你在維度A上打80分，維度B上打60分（勉強及格就可以），兩個維度上相乘就是4800分。現在來看你的競爭對手，在維度A上是90分。你的4800分和對手的90分比，誰的優勢更明顯呢？結果很顯然，你的多維度更有競爭優勢。你也會明白，實際生活中的人都是立體的，而不是平面的。在單個維度上，大家比的是人生的長度，而在兩個維度上，大家的比的是人生的寬度.... ....
進而，你會發現一個新的趨勢，現在跨界（多個維度）賺取財富的人越來越多。他們事實上，都知道這樣一個祕密道理：跨界能給自己拓展一個新的維度。說到底，其實是因為時代變了，以前我們用的諾基亞手機都淘汰了，在新的時代，思維不轉變就會一直產生這樣的問題：為什麼我和他的差距越來越大呢？4.為什麼你總是落後？所以，我們現在知道文中開始那幾個問題的答案了：1）為什麼中學老師在許多年之後總是感嘆：最終，真正有出息的，都是當年成績一般般的... ...由於在學校教育長期實行的是單維度的評價標準（傳統的思維模式），使得大部分人只關注學習成績這個維度。這在學校的時候其他能力（維度）不足也沒有關係，但是步入社會後，就會發現多維度纔是競爭的核心。中學老師之所以感嘆，就是因為沒有想到，當初竟然不知道人生除了學習成績之外，人還有很多其他的維度需要擴展。2）從1984年洛杉磯奧運會開始，到盡頭，國人關注奧運會已經32年了。當年的金牌得主們，除了李寧和郎平，剩下的誰記得呢？李寧除了金牌這個維度，他還增加了商業這個維度。3）為何在某個技能上死磕，在大數據時代，不一定是最好的策略選擇，那什麼纔是這個時代好的策略？時代不同了，在人工智慧時代，多維度打造競爭力纔是更好的選擇。單維度能擴展你人生的深度，但是多維度卻可以擴展你人生的寬度。5.你該如何執行多維度策略？在認知上有了這個概念以後，卻不去執行，就好比戀愛的時候知道戀愛的理論，卻遲遲沒有下手去追。不去執行，學習再多，也沒有用。那麼，如何執行多維度策略，在人工智慧時代，打造個人競爭力呢？首先，我們應該反省下自己擅長的領域是哪些，然後圍繞這個領域你可以擴展的維度有哪些。以我個人為例，我擅長的領域是編程（大概可以打80分），圍繞編程這個領域，我擴展了數據分析（大概可以打70分）和寫作（可以打60分）。所以，我的人生維度分析如下：
值得注意的是，圖中60分是及格線，我又將它取名叫平庸線。因為一個維度沒有及格的話，說明你在這個維度上是平庸的，那就不能算作你的維度，因為它分數太低，不起作用。所以，想讓自己不平庸的最直接的辦法，就是在有限的維度上提高積累，然後組合打出漂亮的「組合拳」（多維度跨界）。如果你也想在未來變成一個有競爭力的人，而不被時代淘汰，不妨也畫出你的人生維度分析圖，去反思該從哪些維度方面去積累和整合資源。人最可怕的就是不瞭解自己，在錯誤的方向努力，而多維度圖可以清晰的展示你目前的水平，儘快發現你該努力的方向。推薦：人工智慧時代，你必須要學會這個通用技能
