非IT圈人如何探索与大数据的关系

今年元旦假期，一人在泰国旅行。一月四号结束旅行，刚到深圳出差，突然收到一位未曾谋面准学生的微信。之所以说是准学生，是因为她当时报名参加我的「戌时学堂」，但因为距离稍微有点远，没能参加。这次，她问我北京最近有什么活动可以见到我。但北京因为刚在去年十一月底、十二月初办完两场编程工作坊，暂时没计划办活动。

「为啥想见我，想跟我聊点什么呢？」

「我想知道未来的数据时代跟我有什么关系 ？」紧接着就立马丢了份PDF的简历给我，还补了一句「礼貌一点 怕我太唐突。」

PDF简历的文件格式是“清华-xxx-CV”，打开简历一看: 现在是约翰霍普金斯大学能源环境政策专业的研究生，清华国际关系学，本科厦大GPA排名第一，再看众多工作实践，亮眼呀！

如此信任我，来咨询我。我必须非常认真地对待她的问题。「我想想怎么回答你的问题哈。可能会花一点时间，你10天后联系我可以吗？」

之所以说10天后回答她，而不是在那个时刻立马回复。除了上面我说的要认真对待，还有其他原因。

一是我并当时并没有清晰的方案，告诉一个文科专业的学生，如何能从自己当下的专业和背景出发，预先判断数据时代与未来的自己发生的具体关联。

其二呢是心虚。虽然本科就读的学校就在清华隔壁，却不是清华的西边那所与清华齐名的北大，而是住在清华东路东边、比北大多两个字的北京林业大学；另外，以我现在在IT领域的知识水平，让我对诊断如何在数据时代生存这种大命题，怕指点错了误人子弟。

但，还是能或多或少给她一些意见和帮助的，不仅是现在，也相信这些建议长远来看也有价值。

一是我的研究生专业是电力能源系统，所读学校 Arizona State University 在美国电力方面排名前三，有一些能源方面的背景和知识储备。毕业后，有许多同学现在在美国从事这电力方面的工作，能咨询这些同学获得一些信息用来判断能源政策与大数据的关系和实际工作的应用；当导游可能不够格，但当个路人甲指个方向还是可以的。

另外，我现在所在的公司 [ThoughtWorks] (https://www.thoughtworks.com/) 是软件咨询行业的领军公司，公司内部有非常多的大数据人才，或许可以帮助让我从大数据的角度解读政策。另外，我们公司也帮助一些顶级能源公司做IT咨询，例如壳牌，德国的Fresh Energy，美其名 [DIGITAL ENERGY] (https://www.thoughtworks.com/clients/fresh-energy)。

这种跨界的背景，让我拥有一定的信息资源整合能力，让我相信自己10天后或多或少能给她一些建议。或许，我会因为这次交流，自己对能源政策和大数据的跨界结合感兴趣，以后在这方面做一些研究和学习，结伴成为持续的学习buddy也是有可能的。

关于我目前的能力，至少能看懂澳大利亚新南威尔士能源政策这样一份报告 [NSW Energy Savings Action Plan] (http://nbviewer.jupyter.org/github/peakdemand/Analysis-of-NSW-Government-Energy-Policy-Data/blob/master/NSW%20Energy%20Savings%20Action%20Plan.ipynb) 。其中既有使用python编程的部分，又有关于能源政策法案计划的解读。

察觉（Awareness）

你的疑惑是「感觉现在身边每个人都在学大数据、编程，让我有点心慌慌，也是非常好奇，不知道未来的数据到底跟我有什么关系、结合点可能在哪里～」

从你提的疑问可以看到，你身边的人很上进，你有一个好环境，这种环境制造的同侪压力能让你被动地察觉到一个事实：哪怕是文科专业，想走得更远更高，要想出成绩突破已有的经验和研究结果，需要借助人工智能学的技能和工具，师从笛卡尔，用正式方法分析数据、检验假设、考验模型、证明原理。

虽然俗话说「无知者无畏」，但无知让人无能，无能让人落后，落后就会被淘汰。因此，你会心慌慌、恐惧，你担心自己在未来没有掌握这个利器被时代抛弃。

但幸运的是，你的意识已经察觉，你必须去做点什么，比必须去做点能源政策和大数据跨界的事情。你有好奇心，这无与伦比地重要。哪怕这种跨界的尝试在开始的时候让你没有方向而心慌，让你看不到目标在哪儿而有点迷失，你现在也不清楚去做这样一种跨界的探索将要付出怎样的成本而不敢跨出第一步。但是，你已经觉醒，千万不要让这份宝贵的自主意识熄灭，要珍视这份星火。

接触（Touch）

“未发之中”并不会带来边界的延伸，拿谈恋爱类比，当察觉到你对一个人有许些好感。但如果只是“未发之中”，既不会花点时间去看看对方的朋友圈、微博，也不会尝试去非常轻量级地约着见见面，看看跟对方的气味、气质搭不搭。那么这份好感就会消灭在你大脑的众多“想法”当中了。

而当我们对某人或者某事有了awareness之后，我们要去touch。让自己有些情绪的波动，把这份好奇心发出来。与对方通过轻量级的touch建立一些联系，让自己的五感产生连接，让我们有情绪的波动，可以是好奇、兴奋、失落、徘徊、猜忌、怀疑、自我否定。在一次又一次的小接触中，我们会发现，我们当初的awareness 是不是真正的interest。而这一系列的小接触，低成本试错（trial and error）的体现，也是创业的一种方法。如果你把自己当作一个产品，那么我们在人生旅途当中可以在小成本的控制范围内，不停地用这种方法去拓宽我们的人生边界。

Linkedin创始人Hoffman在他书中 [《The Startup of You》] (https://book.douban.com/subject/24530336/) 提到的ABZ理论就是这样一种用业余时间，小成本拓宽人生边界并实现人生螺旋上升的方法。：

A计划，是一个当下你觉得值得你去持续投入，并获得部分产出和安全感的计划，好比一份你现在正在投入和从事着，且还算满意的工作或学业。

B计划，则是一个A计划以外，你给自己培育的某些机会。简单说，因为无所不在的变化，你虽然有了A计划，但却不绝能仅满足于此只考虑A计划一件事，否则很可能有一天你会被其他人或机器所替代。因而在A计划之外，你还需要广泛给自己培育某些B计划。B计划是那些当下看起来还不足以成为你职业，但你对其存有兴趣或长远看好，值得去长期投入和关注的事情。它们在经过你长期的沉淀和积累后，很可能会在某一天可以让你以之为生了。

Z计划，是一个用来应对最糟糕状况的备用计划，即：假如有一天，你倒霉透顶，你的A计划和B计划都失败或失效了，你应该有一个可以保证自己生存底线的计划。Z计划的意义就是用来应对你的职业生涯中的各种不确定性和风险。好比对我而言，假如我当前的A计划和B计划都失效，我也失业了，那么靠着银行账户上之前储备过的少量积蓄在家先捱上个半年八个月的就是我的Z计划。在你的生涯里，你也需要不断去储备和巩固你的Z计划，在危急时刻，它能帮助你顺利重启，重装上阵。

其实在ThoughtWorks的软件开发方法论当中，这个叫[持续集成 Continuous integration - Wikipedia] (https://en.wikipedia.org/wiki/Continuous_integration)

而你可以利用自己的业余时间，进行能源政策和大数据跨界结合的探索。我有几个建议给你

给自己一个编程的小成就。去参加类似[Girls Coding Day] (https://girlscodingday.org/) 的编程活动，我们已经在8个城市举办活动，大家都是零基础，她们真的能在一周内搭建一个静态网站，看看她们的反馈和作品吧 https://codingirlsclub.jinshuju.com/f/IotHva/results 。 这是我们的教程 https://tutorial.girlscodingday.org/， 相信身为小学霸的你，自学是没有问题的。

了解大数据是什么？能应用在哪些场景。

可以自行网络上搜索，维基百科等等权威网站。多看一些条目，快速建立一个粗糙的全局观。

去参加一些线下的聚会。 因为你在美国，可以在[Meetup] (https://www.meetup.com/)搜索「big data」、「python」等关键字，你会发现一些免费的线下活动，可以去结识一些当地的程序员，从他们口中获得一些经验值。

兴趣（Interest）

在接触之后，把学编程当作业余生活的兴趣爱好。什么是兴趣爱好呢？ 最简单的回答就是，会在自己的业余时间，每周花10个小时以上，去培养自己的这项兴趣。从茫然无知，到初窥门径、新手、成长进阶，到最后胜任精进。

花点时间自学，入门python。下面这些连接你可以去尝试，下面的选一个课程尝试就可以了，不用全部去实践。

https://learnpythonthehardway.org/ （也有中文版本）

https://www.codecademy.com/catalog/language/python

https://www.zhihu.com/question/20039623?nr=1

https://www.coursera.org/courses?query=python

探索 - 实践

以自己的专业和工作为范围，结合大数据技能做新的探索。

使用python学习计量经济学 https://lectures.quantecon.org/py/

使用python解决自己学习上的问题，使用大数据技术分析能源政策，例如 [AEMO National Electricity Forecasting Report: NSW Maximum Demand Data] (http://nbviewer.jupyter.org/github/peakdemand/Analysis-of-AEMO-NEFR-Data/blob/master/NSW_Maximum_Demand_Forecasts.ipynb)

小结

只有自己才明白自己远方的期望在哪儿，只有自己才知道自己的专业领域创新点在哪儿，只有自己才了解自己真正的兴趣在哪儿。然后结合自己了解的大数据，做点好玩的事情，让大伙从你开创性的贡献中收益。

知行合一！