像机器学习一样刻意练习

“

从小到大，我们一直在接受着一个错误的方法论：重复练习。当你在上小学的时候，做错一道题或者写错一个字，老师通常的方法都是让你抄X遍，通过不断重复以期望你能学会这个知识点或者记住这个字。单纯的重复练习也许只能让你在当前的情境下记住发生过的错误，但是无法有效提升能力。

”

从本质上来说，重复练习没有错，错在没有用正确的方法去“重复练习”，也就是本文中提到的刻意练习。刻意练习是一种提升能力的方法论，那为什么刻意练习会和机器学习联系在一起呢？

先来看一看机器学习的业务逻辑：

机器学习，是通过输入与输出不断的调整、优化机器学习算法的参数，以保证输出效果的尽可能最优。

而刻意练习，本质上来说也是与机器学习同样的思路，在明确目标的前提下，通过练习得到的反馈来指导练习的优化，同时通过不断的有目的的重复练习，以达到最大化的能力提升。

接下来对刻意练习模型中的每个环节解析，找到其中的关键点：

1.明确目标

永远关注最重要目标，在数据运营领域也叫作北极星指标，即在进行练习前，制定最重要的也是最关注的的目标，并且这个目标一定是可完成的，如果你的练习是为了成为SuperMan，那么多多少少有点不太接近实际了。

目标拆解，形成可执行、可不断进阶的目标。基于当前最重要目标进行目标拆解，通过不断完成小目标以到达最终完成大目标的效果，这里推荐使用金字塔原理或OKR目标拆解方法。

2.练习

天真的练习方式是不断重复、重复、重复，也就是在文章开头提到的，通过不断的重复同样的练习以期待得到更大的提升。

针对目标，制定有目的的练习方法，并专注练习过程。在练习这个环节需要关注的关键有两个点：有目的练习、专注。

有目的练习，针对目标拆解后得到的小目标，根据目标的优先级进行练习，通过不断的改变练习目标，以得到最终质的改变。

专注，在练习中保持专注，有投入的练习才会取得更好的效果，在练习过程中尽可能不被外界打断或打扰，推荐使用番茄工作法进行练习。

3.反馈

单纯的练习并不能体现练习效果，需要通过合理的、科学的反馈发现练习中出现的问题，通过反馈指导练习。

获得科学反馈的两种方式：领域专家、权威参考。

领域专家，在希望提升能力的相关领域，找到可以给予指导意见和优化方案的领域专家，从而更科学的改善练习方法，当然对于一些专业性较强的领域来说，找到一个专家并且愿意花时间来指导你练习有些困难。

权威参考，找到领域专家去指导练习对于很多人来说可能存在难度，这个时候就可以去寻找领域内权威参考资料，通过练习结果与权威资料的对比找到不足，找到可以继续优化的方向。

4.迭代优化

精益创业中提到的MVP理论已经在很多地方得到了应用，在刻意练习中，也借鉴了MVP理论，依赖反馈结果，指导练习方法的迭代和优化，通过不断的练习、发现问题、优化练习这样一个过程，提升练习效果。

5.重复

在练习环节提到过重复，这里的重复不是单纯地重复，而是基于上面的明确目标、专注练习、通过反馈给予迭代优化练习基础下的重复，只有这样的重复才能形成练习的闭环，从而保证有效的能力提升。