一年读多少本书才算读书呢

我需要三件东西：爱情、友谊和图书。然而这三者之间何其相通！炽热的爱情可以充实图书的内容，图书又是人们最忠实的朋友。-米歇尔·德·蒙田

---

因为L小姐喜欢阅读、现在又写文章，也因为L小姐办了读书俱乐部，也就会经常被问到一个问题。

L小姐，你一定读了不少书吧？一年读多少本呢？

这个问题让我有点哭笑不得。老实说，首先，如果要按量来说，我的读书可能远远不及一般人的量；其次，我不知道这个读多少本要怎么去界定。

了解L小姐的人都知道，我确实是一个重度阅读者，可是我们怎么看这个多少本呢？看其中一些章节算吗？看个大纲算吗？看文章算吗？看各种文献算吗？看行业调研报告算吗？还是只有从头到尾看完一本才算?

《给职场新人的一些小建议》我们提到过，L小姐基本不读管理类以及工具书，读这类书籍都是这几年的事情，目的是为了验证我的生活哲学与管理方法。所以对于工具书，有时我可能只是翻一下大纲，看部分章节。

文学类的，基本会全部看完，因为很多是一个贯穿全文的故事，必须静下来慢慢体会，贴切来说，是享受。当然也有部分作者的书，看了其中一本，其它的就再也没有打开过，不知道他们的文风不和我胃口，还是翻译有问题，总之，就束之高阁了。

历史类的，会全部看完，而且会从不同角度去了解。可是如今，我依然觉得自己像个初级入门者。

通识类的，比如神经科学、心理学、经济学等等，不但会全部读完，还会回头重复读，因为这类书籍，信息量非常大，而且有很多实验背景以及理论知识，是科学家们花了大量时间与心力去研究的，我不觉得我们普通人几个星期、个把月就能消化并理解。像这样的书，我通常都需要花半年时间才能看完一本。所以，如果你平时都是在读这类书的话，以我的经验，一年读个6、7本已经不得了了。

有段时间，可能我过于沉迷于这类书，每天花的时间稍微久了点，马上，身体会反抗。我的理疗师告诉我说，我的身体像是没有正确咬合的齿轮。之后的日子，我学着 “劳逸结合”，意思是，同时看些轻松的。

01

为什么读书

开篇我们讲了这么多闲话，是想问问大家。

读书，是为了什么？

发现很多人读书，是为了读书，证明自己在读书、在学习。所以经常会把读了多少本书作为一个重要的标签，而且有些人还特别擅长画思维导图、做笔记。

一幅幅精良的思维导图、一份份整齐的读书笔记。

然后呢？

我的问题是，你自己的思考呢？

有没有形成自己的思维体系？有没有办法用自己的语言表达书中所说？有没有把书中的理念运用于真实的情境中？比如工作、比如生活......

事实上，我们看到太多这样的案例，答案是否定的。

当生活向我们提出难题的时候，依然无解。那我们过去所谓的读书与学习呢？是不是完全在浪费时间、充其量只是在做一件让自己内心比较安慰的事情，那就是，好歹我在学习。

为什么会产生这样的问题？

1，我们的教育有关系

之前的文章《不同经济体下，价值观的碰撞与冲突》提到过，很多人都经历了 “工业时代” 教育影响，在这种经济体中，这一代人从小被教育成，墨守成规、听从安排、不能犯错、整齐划一。

在很多情况下，我们都是读死书、死读书，读书学习的唯一目的就是考试、升学、安全毕业。

2，我们的目的性太强

我们的民族可能是这个世界上最 “务实” 的一个名族，做什么事都要有结果，如果不能让对方觉得一定会获得实际的收益，那再好的事情，大家可能也不想要去尝试。

“我能得到什么好处” ？这是我们根深蒂固的思维逻辑。

所以，在成年人的世界，什么能让我升职加薪，我就学什么。

比如，做一份漂亮的PPT就能赢得老板的目光，那就练就这身本事，不管自身职责是开发新产品、还是提高销售数字。

再比如，很多管理者，喜欢学习各种流行的管理模式，听到什么都要用到自己的组织里面，以彰显自己的 “博学”，以及 “与时俱进”，却忘记了一个很重要的常识，商业的底层逻辑是从来都不会变的，很多所谓的流行，只不过是 “旧词新用” 罢了。

现在也有很多所谓的速读、速记的方法，如果你只为了应付考试，那我无话可说。但如果你想真的让自己成长，我对此是嗤之以鼻的。如果大家还记得我之前文章提到的，为达到世界一流水平所需要准备的时间，对于不同领域来说应该是大致相同的。十年是一个神奇的数字。

阅读也是一样，是个长期积累的过程，当你的阅读量够大、阅读范围够广的时候，会在某个瞬间发生质的变化，这个时刻什么时候来，我不知道，但经历过的人自然懂，那个时刻就是你觉得突然间，所有东西融汇贯通了。

3，我们喜欢赶潮流

跟风，这是人性。反正，别人都在做，我也要做。也不管自己有没有这个需求，或者别人做的适不适合自己。当我们处于盲目的状态，不会有好的结果，这是给自己找罪受，因为你付出了时间。

我们忘记最重要的一点，读书是为了获取 “知识”，用 “知识” 建造自己的的思维模型，然后用这套模型去解决日常中的问题。也就是说，不论我们生活的环境如何变化，不论我们服务于什么行业，不论我们就职于哪家公司，我们都会找到适合的方法来突破重围。

如果大家有留意观察，颠覆一个行业的人（或企业）都是 “外行人”。

什么？这不是与我们传统思维理解下的情况大相径庭吗？企业招人的时候不是一定要有行业背景吗？是的，这就是刻板印象，就是长期以来的误区。

为什么这些 “外行人” 能够脱颖而出，最终成为时代的引领者？因为他们有一套完善的思维逻辑，这套逻辑适合任何场景。所以我们会看到，真正优秀的人，可以轻松切换跑道，不断清零重新来过。不管他们在哪个行业，做什么工作，总能做得很好、很出色。

02

建立思维体系

那么，我们怎么才能建立自己的思维体系呢？今天我们来说说DIKW模型。

什么是DIKW模型？

DIKW体系就是关于数据、信息、知识及智慧的体系。当中每一层比下一层赋予某些特质。资料层是最基本的。资讯层加入内容。知识层加入“如何去使用”，智慧层加入“什么时候才用”。如此，DIKW体系是一个模型让我们了解分析、重要性及概念工作上的极限。DIKW体系常用于资讯科学及知识管理。

这个模型可以追溯于托马斯·斯特尔那斯·艾略特所写的诗《岩石》（The Rock）。在首段，他写道：

Where is the knowledge we have lost in information?

到哪里去找回我们在信息中丢失的知识？

Where is the wisdom we have lost in knowledge?

到哪里去找回我们在知识中丢失的智慧？

哈蓝·克利夫兰根据这个1982年12月在《未来主义者》杂志中的文章 “资讯有如资源” 的基础来建设这个体系。后来这个体系得到米兰·瑟兰尼（Milan Zeleny）及罗素·艾可夫（Russell .L. Ackoff）不断的扩展。

我们分别来阐述一下D-I-K-W的含义与关联。

数据（Data）可以是数字、文字、图像、符号等，它直接来自于事实，可以通过原始的观察或度量来获得。所谓原始数据只是一个相对的概念，数据处理可能包含多个阶段，由一个阶段加工的数据可能是另一个阶段的原始数据。此外，数据可以是定量的，也可以是定性的。

1，数据转化为信息

尽管数据的存在形式可以多种多样，但DIKW模型中的数据仅仅代表数据本身，并不包含任何潜在的意义。例如：传统零售行业，都有客服部门，如果我们每个月收集到500个用户反馈，这仅仅表示数据的存在，本身没有意义，并不能代表任何东西。

通过某种方式组织和处理数据，分析数据间的关系，数据就有了意义，这就是信息（Information）。这些信息可以回答一些简单的问题，比如：哪些用户？性别？年龄？什么问题最多？在这里，信息也可以看成是被了解需求过程的消息。

对这些问题进行分析，就可以总结出产品最常被抱怨的地方，不同用户对产品的不同需求。

2，数据转化为知识

如果说数据是一个事实的集合，从中可以得出关于事实的结论。那么知识（Knowledge）就是信息的集合，它使信息变得有用。知识是对信息的应用，是一个对信息判断和确认的过程，这个过程结合了经验、上下文、诠释和反省。知识可以回答 “如何” 的问题，可以帮助我们建模和仿真。

学术界对知识有很多定义，我比较喜欢下面这个说法。

国际经济合作组织组编的《知识经济》（Knowledge Based Economy, 1996）对知识的界定，采用了西方20世纪60年代以来一直流行的说法，知识就是知道了什么（Know-What）、知道为什么（Know-Why）、知道怎么做（Know-How）、知道是谁（Know-Who），这样的界定可以概括为 “知识是4个W”。

接着上面的例子，客服部门通过总结、分析，得到了信息，然后根据这些信息给出具体改善方案并落实，就是信息加工成知识的过程。

3，数据转化为智慧

最后来看智慧（Wisdom），智慧是一种外推的、非确定性的、非盖然论的过程。

智慧是哲学探索的本质，是判断是非、对错和好坏的过程，它所提出的问题是还没有答案的问题。与前几个阶段不同，智慧关注的是未来，试图理解过去未曾理解的东西，过去未做过的事，并且智慧是人类所特有的，是唯一不能用工具实现的。

智慧是知识层次中的最高一级，也是人类区别于其他生物的重要特征。

智慧可以简单的归纳为做正确判断和决定的能力，包括对知识的最佳使用。智慧可以回答 “为什么” 的问题。

继续前面的例子，知识更多的是还停留在经验层面。随着数据向信息、知识和智慧的发展，理解的深度在不断增加，需要考虑的范围也在扩大。假如一项新技术的问世，如果对传统行业造成冲击（或有帮助）时，制定改进计划时可能需要考虑整个组织范围内的因素。

03

啤酒与尿布

为了加强大家的理解，我们再举一个大家都比较熟悉的例子，“啤酒与尿布” 的故事。

这是个经典的商场数据分析案例。在上世纪90年代，美国沃尔玛的超市管理人员分析销售数据时发现了一个令人难于理解的现象：在某些特定的情况下，“啤酒” 与 “尿布” 两件看上去毫无关系的商品会经常出现在同一个购物篮中。

在美国有婴儿的家庭中，一般是母亲在家中照看婴儿，年轻的父亲前去超市购买尿布。父亲在购买尿布的同时，往往会顺便为自己购买啤酒，这样就会出现啤酒与尿布这两件看上去不相干的商品经常会出现在同一个购物篮的现象。

如果这个年轻的父亲在卖场只能买到两件商品其中之一，他很有可能放弃购物而到另一家商店，直到他可以一次同时买到啤酒和尿布为止。

沃尔玛发现了这一奇特现象，开始尝试在卖场将啤酒与尿布摆放在同一个区域，让年轻的父亲可以同时找到这两种商品，并很快完成购物。而沃尔玛也可以让客户一次购买两件商品，而不是一件，从而获得了很好的商品销售的收入。这就是 “啤酒” 与 “尿布” 的故事来源。

这里插入一个题外话，今年的疫情期间，住户家里每天只允许家庭中一位去超市采购生活日用品，有些地方甚至采取了让男士去超市购物的政策。第一，男士的抵抗力相较女士、老人、小孩要强一些；第二，男性购物不会比较、思考、停留，照着物品清单，拿了就走，降低了安全隐患。这个现象，我不确定是否也促使卖场根据这一情况做出布局调整，欢迎对这个话题感兴趣的读者朋友们来探讨。

我们回到正题。啤酒与尿布的故事，必须有技术的支持。沃尔玛从上个世纪90年代开始尝试Apirori算法引入到POS机数据分析中，并获得了成功。

Apriori算法是由Rakesh Agrawal和Ramakrishnan Srikant两位在1994年提出的布尔关联规则的频繁项集挖掘算法。通过分析购物篮中的商品集合，从而找出商品之间关联关系的关联算法，并根据商品之间的关系，找出顾客的购买行为。

这是一个数据处理的过程。

通过数据处理，沃尔玛得到了一条重要的信息，“啤酒” 与 “尿布” 会经常出现在同一个购物篮中。这里，完成了数据（Data）到信息（Information）的转化。

但是，我们不能简单地认为 “啤酒” 与 “尿布” 之间存在关联关系，这可能是受到某种因素的干扰。比如，这些啤酒与尿布同时出现是否有什么规律？啤酒与尿布的价格各是多少？是否同时对啤酒与尿布进行了促销？

我们还知道，沃尔玛是一家极其讲究卖场现场管理的企业，沃尔玛的创始人山姆·沃尔顿最大的兴趣就是去卖场巡视，更多的是用眼睛而不是用数据来发现事实。针对这一情况，沃尔玛从客户心理因素的角度出发，对客户的消费行为进行了大量的观察，确定了 “啤酒” 与 “尿布” 确实存在关联关系。

此时，“啤酒” 与 “尿布” 的关联关系已经变成了知识，完成了数据（Data）到信息（Information）到知识（Knowledge）的转化。

04

总结

好了，来呼应一下文章的开头。许多人都着急地想要获取海量信息，来提升自己，殊不知，太多信息不但没有帮助反而会加重我们的负担。因为你大脑中的一堆信息其实是没有用的，直到你将这些信息转换成知识。

另外，大数据以及人工智能已经对用户的消费行为有了 “了如指掌” 的分析与管理。这也导致企业管理者们过度依赖于数据，经常闭着眼睛做决策。

请睁大你们的双眼，数据永远只能作为参考，绝对不能让数据替你做决定，这是非常危险的。因为所有的数据分析都有滞后性、局限性，无法应对复杂多变的市场环境。企业花费不菲买来的数据分析报告是为管理者服务的，不要到最后，人却成了数据的 “奴隶”。

现实生活中，也常常看到一些有趣的小事。比如，有些人买了L开头的奢侈品包包，然后就像请了一位皇太后伺候着，放在地上怕弄脏了，抱在怀里怕刮花了。请问，到底是你在消费奢饰品，还是奢侈品在消费你呢？

-THE END-