一個自學者的經驗談：如何高效學會一件事？
這是 見識之旅 的第 42 篇原創文章
-1-
體制內的教育，會強化一個人被動學習的能力，同時弱化一個人主動學習的意願。
「被動學習」是相對於「主動學習」的，指的是被動接收學習內容，而不是主動探索知識邊界。
講台上有老師教，下面的學生負責聽課。學生只需要把餵給他的知識學起來，至於「為什麼要學這些知識？」並不重要。
換句話說，被動學習者總是想著如何解決How問題（如何做），從而忽略主動學習時必須思考的Why問題（為何要）。
習慣被動學習，久而久之，人就忘了如何主動學習。
直到有一天，想要學習一項技能時，才發現沒了課本、沒了老師，自己不知道怎麼開始。
我將透過這篇文章，帶你重拾主動學習的本事，結合我自學的經驗，教你掌握「如何學會一件事情」的方法。
-2-
我學的是工程，但是我非常喜歡歷史。
我愛好科學之美，同時也喜歡欣賞攝影大作。
探究物理世界的規律，物理學開拓了我的眼界。在物理世界中加上「人」的因素，經濟運行的規律也讓我癡迷。
我既崇拜物理學家，也讚嘆經濟學大師的成就。
出於好奇，想要了解各個領域的知識，於是我有了豐富的自學經驗。
● 我的自學經驗
除了知識，我也喜歡學習技能。
興趣方面，我曾從零開始自學攝影，達到獲得攝影比賽獎項的程度。
我從一個生活中沒有騎單車習慣的人，提升至可以一天騎行150公里，完成單車環島的挑戰。
工作方面，我有很多自學的經驗，也正在執行好幾個自學計畫，包括：
- 學習撰寫產品需求文檔，將邏輯可視化。
- 學習繪製產品原型，將介面可視化。
- 學習數據分析的方法，以便從數據中獲得洞察。
- 學習專案管理的技巧，以完成產品開發全流程。
由此可知，我的確經常自學，但又怎麼證明我擅長自學呢？
一個稱得上擅長自學的人，不只要自己學得會，而且還要可以教別人。
有個小故事可以證明這件事。
在大學時，工程學院的學生需要學習一門比微積分更進階的科目，叫做工程數學。
我的一個朋友，在考試前喜歡到圖書館找我一起讀工程數學，因為書上有不會的地方時，他可以直接問我。
有一次，我就問他：「我也不是很理解上課內容，我更多的是自學，未必比你厲害，你有問題幹嘛不直接問教授？」
他的回答很簡短，卻讓我印象深刻。
「我聽你的解釋，我聽得懂，但教授的解釋，我聽不懂。」
箇中的差異，我想是一個自學的人，比較清楚從零開始學習時，會遇到哪些問題，以及怎麼解決這些問題。
這樣的小故事，在我的生活中經常發生。我才逐漸認知到，自己是一個擅長自學的人。
真正學好一件事，不只要學得會，還要能教別人。
● 為什麼要學習「學習方法」？
在開始分享我的學習方法之前，我想先問一個問題：為什麼要學習「學習方法」？
我的答案是「因為要提升學習效率，以更快的速度入門」。
這裡需要注意的是，我說的是以更快的速度入門，不是成為該領域的高手。
麥爾坎·葛拉威爾（Malcolm Gladwell）在《異數》中提到，想要成為某一領域的高手需要1萬小時的練習，後來被稱為「一萬小時定律」。
成為高手確實需要長時間的刻意練習，但是學習一個新的領域不用這麼久。
那需要多久呢？《The First 20 Hours》一書的作者喬許·考夫曼說：20小時足矣。
掌握正確、科學的學習方法，順應大腦的學習習慣，就能在短時間內學會一件事。
換句話說，之所以要學習「學習方法」，就是為了避免盲人摸象，以事半功倍的方式，高效學會一件事。
那麼，下一個問題是：為什麼需要快速學會一件事？
效率提高了，更快看到效果，也就更不容易放棄。
更重要的是，學習本身不是目的，而是達到目的的手段。
在生活中的挑戰面前，解決問題往往才是目的，學習只是達成這個目的的手段。
為了解決問題，你需要以更高效率的方式來學習一件事。
● 高效學習的3個思維方式
想要高效學習，先建立以下這3個思維方式很有幫助。
第一，學習不是目的，「做中學」才高效
學習是為了解決特定的問題，有特定目的。
為了達成這個目的，我們一邊做一邊學，遇到問題就解決問題，而不是為了學而學。
第二，慢慢學才快，把慢工夫花在真問題上
80/20法則，指的是關鍵的20%，承擔了80%的表現。
在學習這件事情上，也遵守80/20法則。
搞懂20%的關鍵知識，就能八九不離十的掌握那個領域。
不要急著囫圇吞棗，妄圖吞下所有的知識，而是先搞清楚哪些部分是最重要的基礎知識，把時間花在這些基礎知識上。
當你慢功夫花在真問題上，一時之間你可能會感到進度很慢、很挫折。
只要你克服真問題時，回頭一看，你會發現你已經走得非常遠了。
辨別真問題，把時間花在真問題上。看似緩慢，其實才是真正的快。
第三，知識是一張網，以熟帶生最高效
寫作是知識的一種常見的輸出方式。
關於寫作，認知科學家史蒂芬·平克（Steven Pinker）的觀點很有見地：「寫作之難，在於把網狀思考，用樹狀結構，體現在線性展開的語句裡。」
這句話除了說明寫作為何很難，同時也揭示了一個道理：「知識是一種網狀結構」。
想要高效掌握一張網，我們可以怎麼做？
我們可以借鑑電腦科學中「遍歷」的概念。
遍歷（Traversal）指的是按照「某種規則」，不重複地讀取所有點的資訊。
在各種遍歷方式中，最適合人類學習參考的是「以熟帶生、循序漸進的深度遍歷」。
以熟帶生、循序漸進的深度遍歷，更適合我們學習時作為參考方法。
也就是說，要掌握一張知識之網，我們需要解構這張網，然後從自己相對熟悉的部分出發。
● 我的自學方法和案例
具備了上述思維方式，接著就來介紹我的學習方法，並用實際案例說明。
我的學習方法，可以簡化為4個步驟：
- 明確學習的目的
- 研究該領域的知識地圖
- 搭建知識框架
- 解構知識框架，以熟帶生各自擊破
第一個案例是我自學攝影的經驗。
首先，要先明確學習的目的。我的目的很清楚，就是要用相機做紀錄。
當時，暑假到北京大學上課，對我來說是一趟值得好好紀錄的旅行。為了留下高品質的紀錄，我決定學習如何使用單眼相機攝影。
我開始跑書店研究攝影知識，看看有哪些技術我必須熟練掌握。
這裡有個技巧，要想從書裡研究一個新領域有哪些知識，可以多翻幾本該領域中的書的「目錄」，然後看一看有哪些內容是重複的，這些交集通常就是一個領域最重要的基礎知識。
除了傳授攝影技巧的書籍，我也會看一看大師的經典作品，了解一下攝影大師能達到怎樣的高度。
在攝影大師的作品中，我看到平凡的景也能被捕捉出有震撼力的瞬間。
舉個例子，國家地理頻道出的《拍出你的觀點》中，一張拍攝於中國東北，下雪的夜裡的自助餐車，平凡的景致拍出偉大的作品。
對攝影這個領域有一定程度的認識，我就有一張知識地圖。
接著，我會開始搭建知識框架。
自頂而下分別是好的主題、好的構圖、好的曝光參數。掌握好這3個層面，就能拍出一張有觀點的照片。
反過來說，最基本的就是正確的曝光，再來是有創意的構圖，最後是一個好的主題。
於是，我從最熟悉的那一項著手，也就是手機拍照也需要考慮的曝光參數，開始學習攝影的過程。
買自己相機之前，我先借來一台相機，用不同的曝光參數（ISO、快門速度和光圈大小）進行拍攝。
比較不同參數的照片，我觀察照片的差異，開始培養攝影師對曝光參數的敏感度。
以熟悉的曝光參數開始，逐步接觸我原本不熟悉的知識，最終學會「用相機進行攝影」這件事。
更重要的是，我學會攝影之後，能達成「為旅行做出高品質紀錄」的目的。
第二個案例是我自學專案管理的經驗。
我學習專案管理的目的，是因應工作上的需要。
作為一名產品經理，我需要規劃和推動開發專案，使產品能夠不斷迭代。
接著，我開始透過網路上查找資料、閱讀相關書籍，來研究專案管理領域有哪些知識。
除了閱讀相關知識的書籍，我也會看一看專案案例。我想了解「良好的專案管理技巧究竟能達成什麼」，也想知道哪些產品因為缺乏好的專案管理而失敗。
於是我認識到：iPhone成也專案，Google Glass敗也專案。
對專案管理這個領域有一定程度的認識，我就有一張知識地圖。
接著，我會開始搭建知識框架。
一個專案通常會有的基礎流程，包括專案啟動分析、規劃、建團隊、專案執行、成果交接、最後收尾以及從頭到尾都需要的監控。
為了跑專案管理的流程，通常產品經理（或專案經理）需要的技能包括：溝通、談判、風險分析、預算評估、任務拆解、文件撰寫（專案規格說明書、採購說明書、進度報告）……等等。
再進階的話，則需要對軟體開發的專案管理有更深入的認識，包括Scrum、Agile、Kanban，以及多專案並行的專案管理技巧。
我搭建的這個框架，由下而上，分別是專案流程知識、基礎技能和軟體開發進階技能。
以熟帶生，就是從最熟悉的開始。
我曾經在Coursera上過加州大學的《Initiating and Planning Projects》課程，因此對我來說，最熟悉的是就是專案流程。
於是，我便從專案流程著手，開始學習專案管理的知識與技巧，以達成「規劃和推動開發專案」的目的。
第三個案例是我自學數據分析的經驗。
我學習數據分析的目的，是為了解決工作中遇到的具體問題：如何運用數據指導產品迭代的方向？
我要把學到的方法，實際運用在解決真實遇到的問題，而不是為了追求時髦而學習大數據。
明確目的帶來好處，除了知道自己要什麼東西，還能知道自己「不要什麼東西」。
你可能會好奇，「知道自己不要什麼東西」算什麼優點？
以自學數據分析為例，最終要學習的程式語言Python很強大，可以做很多不同面向的事情。可以做數據分析，也可以做數據爬取。
而我明確學習的目的，就知道學習數據分析的階段，我可以先把數據爬取放在一旁不學，專注於分析段的學習任務。
明確了目的之後，我開始研究數據分析領域有哪些基礎知識和進階應用，以及哪些公司把數據分析做得最好。
對數據分析這個領域有一定程度的認識，我就有一張知識地圖。
接著，開始搭建知識框架。
數據分析，顧名思義是「透過數據來分析」，所需要的底層知識分成數據面和分析面。
先從分析面開始，包括各種分析法：邏輯樹分析法、PEST分析法、多維度拆解、對比分析、假設檢驗分析法、AARRR漏斗模型、RFM模型、杜邦分析法。
接著是數據面，包括統計學知識和行業常見指標。
數據分析層面，先從比較基礎的Excel開始，接著是進階工具Python。
數據分析出結論，也需要數據可視化，才能把艱澀的洞察化為人人都看得懂的數據報告。
若要接觸大數據分析，則少不了接觸資料庫，基礎知識不可少，包括SQL概念及查詢方法。
最後是機器學習，也就是把數據分析自動化，做成「猜你喜歡」這樣的功能。
我搭建的這個框架，由下而上，分別是基礎知識、分析與可視化技術、資料庫知識、機器學習技術。
搭建完框架這座大山，接著來看看自己從哪裡開始爬這座山。
由於我學習過統計學，具備一定的統計學基礎，所以我決定從統計學知識開始，以熟帶生，逐一擊破
由於我具備了數據分析領域的知識地圖，也搭建了一個框架讓我可以系統地學習，因此我知道只要專注當下、一步一腳印走完學習里程，我就能不遺漏地學好「數據分析」這件事，達成「用數據分析驅動產品迭代」的目的。
-3-
讓我們來回顧一下今天的內容。
為什麼要學習「學習方法」？
「因為要提升學習效率，以更快的速度入門」。
什麼是「高效學習的3個思維方式」？
學習不是目的，而是解決問題的手段；知識也遵守80/20法則，要把時間和精力花在最基礎的20%核心知識；知識是一張網，以熟帶生最高效。
從思維方式延伸，我分享了自己的自學方法，並透過自身的案例說明如何使用這套方法。
我的自學方法分為4個步驟：先明確學習的目的，接著研究該領域的知識地圖，搭建知識框架，最後是解構知識框架，以熟帶生各自擊破。
最後，希望每個看完文章的你，都能收穫豐富的理論框架，以及一套能具體落地的方法。
如果你也有高效的自學方法想分享，也歡迎你留言回覆。
