如何突破职业生涯的上限？

J博士·2019-03-11 11:00

能否以正确的方式解决问题，决定当前的职业表现；能否发现那个正确的问题，决定了职业成功的上限。

编者按：本文来自微信公众号“J博士的心理实验室”（ID：drjpsych），作者J博士，36氪经授权发布。

前一阵子，小伙伴百里（他在游戏中的昵称）参加了某互联网公司的面试，面试前后进行了八轮，在前七轮中，他与招聘HR、业务部门经理、技术专家、跨部门同事、公司分部主管进行了面谈，并且全部通过，人事部门的同事将他的材料打包，寄送给招聘委员会审核。

招聘委员会（一个由公司高层组成的团队）认为百里的能力没有问题，十分匹配当前的岗位，但他们抛出了一个顾虑：我们不希望为了招一个懂数据分析、机器学习的同事而招了一个数据分析师，我们希望增加一轮面试衡量他的潜力，在与这些技能完全不相关的领域里，他能否也有足够好的表现。

于是百里参加了第八轮面试，这一轮面试全部都是关于他的一般认知能力、商业感觉、领导力等方面的问题，像如何快速估算出一款短视频产品的市场潜力、如何实现一个互联网产品的商业化、如何说服领导提供预算支持自己想做的项目、如何面对来自其它部门同事的反对…

百里同学通过了最后的面试，并且他通过这轮面试感受到了这家公司长远的人才观：不仅关注他在当前岗位中的表现，也关注他的上限在哪里。

在日常工作和生活中，我们也会遇到许多关于上限的决策：

选择未来在哪个城市工作时，北上深充满机会，最好的公司都在大城市里，未来的发展有无限可能，但同时也充满竞争，二三线城市相对没有那么奔忙，但因为机会相对较少，可能工作几年之后容易遭遇职业的瓶颈期。

制定一个商业计划，我们要考虑它的潜在的市场规模，在小城市里开一个便利超市能够赚取稳定的收入，但可能前景只限于周边几公里的小区，研发一款短视频产品，虽然市场竞争激烈，但全国乃至全球数亿人都可能成为你的用户。

《王者荣耀》里有些英雄操作简单，即使是“手残”的玩家也能打出不错的表现，比如新手英雄亚瑟，但此类英雄的上限明显，高手与新手玩家的差异不大；另一类英雄则上手复杂，比如拥有8个技能的元歌（正常英雄只有3个技能），然而一旦掌握，玩家往往能在场上打出天秀级别的表现，成为全场比赛的救世主。

一件事的上限与它的难度有着密切的关系，挑战更大的城市、商业模式、游戏英雄具有更大的潜力，然而决定上限的不仅仅是一件事的难度，我们日常生活中里许多选择，都会决定自己的上限。

如果你在大学选择了理科（数学、工程类专业），那么你毕业后的年薪起点通常会高于平均值（63500美元），美国大学生毕业前五年各专业的平均公司，第一是计算机，其次是护理学和土木工程，排在最后的是哲学、政治学、历史学、英语文学，这是一个让文科生绝望的结果。

大部分针对收入与专业的统计结果，都会出现工程类专业“屠榜”的情况

有趣的是，这样的结果在学生们毕业五年后出现了反转，如果考察各个专业里最成功的人才，他们一生的总收入，排在第一个的是政治学，第二是历史学，第四位是哲学，这些都是毕业前五年收入排在最后的专业，文科生是典型的后起之秀。

如此不同的轨迹，是由两类学科的特性决定的。计算机科学、电子工程这些大受互联网公司欢迎的专业，提供给学生们的都是硬实力，向他们传授了计算机基础、数据结构、算法、编程语言，优秀的计算机专业学生应聘时有大量可供选择的岗位，每个岗位都会提供诱人的薪酬包。

精通技术的同学们需要实现来自产品经理或是业务团队的需求，这可能是为APP新增加一项功能，或是开发一套识别人脸的算法，然后使用技术的方式实现。虽然过程中会遇到许多困难，但他们要解决的问题往往是确定的。

文科生恰恰相反，人类学、社会学、历史学、英美文学的学生并不会掌握软件开发这样硬实力，他们在本专业中学到的往往如何通过一副印象派画还原当时的历史背景、如何从三四线居民的业余生活判断未来娱乐行业的趋势、如何通过《哈姆雷特》里的对白理解剧中人物的冲突。这都是一些无法马上转化为工作成果的“软通货”，这些通货似乎每家公司都需要，但没有短期内也不会有致命的影响。

然而当学生走入职场几年，随着他们慢慢进入公司的管理层，开始面对越来越多不确定的问题，这些问题并不是要求他们编写一套程序，实现一个来自业务方需求的算法。他们需要做的更有可能是寻找合适的人才、搭建自己的团队、思考产品未来的发展方向、推进公司间跨部门的合作，让一件事从零到一发生。与编写程序不同的是，在解决一个问题之前，他们需要自己定义那个要解决的问题。这时，文科生在同理心、大局观、沟通与说服、领导团队等方面的优势就会慢慢体现出来。

美国的组织心理学家Adam Grant 2018年在《纽约时报》里的一篇题为”What Straight-A Students Get Wrong”（对满分学生的误解）的文章指出，学术成绩并不是预测一个人未来职业成功的有效因素，在职业生涯初期，成绩对职业表现的预测能力一般，如果再过几年，这样的影响几乎为0，Google的研究显示当学生毕业2-3年后，他们的工作表现与学习成绩没有关系。

在职业生涯初期，我们的工作更像学生，需要完成老板给定的任务，这是成绩优等生最擅长的。然而随着生涯的成长，我们自己成为管理者时，我们需要自己去定义问题，然后去解决它。正如Grant教授所说，能否以正确的方式解决问题，决定的短期的职业表现，然而能否发现那个需要被解决的问题，决定了职业成功的上限。

Adam Grant是当今最优秀的组织心理学家之一，他的著作还有《沃顿商学院最受欢迎的成功课》和《离经叛道》

Google的成立是一个寻找需要被解决的问题的典型案例。当时雅虎开发的AltaVista是市面上最成功的搜索引擎，它的特点是覆盖了比当时所有搜索引擎都多的网页，然而缺陷在于返回的许多搜索结果与查询都不太相关，用户想查找网页需要翻很多页。

如果说AltaVista解决了搜索引擎查全（recall）的问题，但查准率（precision）仍然存在大量的提升空间，当时还在学校攻读博士的拉里·佩奇和谢尔盖·布林想在这个问题上下一点功夫。佩奇和布林本身不是研究文献检索的专家，没有受制于当时的搜索引擎逻辑，用与某一网页相关的超链接数量定义该网页的准确性，开发了网页排名（PageRank）算法。

早期基于网页排名算法的搜索结果已经比当时的AltaVista准确，后来佩奇和布林注册了Google.com的域名，并且从斯坦福的校园里带出了Craig Silverstein这名计算机天才，后者几乎凭一己之力写出了第一个Google的商业化版本。而佩奇和布林当时努力为公司寻找融资，KPCB和红杉资本两千多万美元的投资也为Google后来的成功铺平了道路。

虽说Google的今天是上万名工程师共同努力的结果，然而如果没有佩奇和布林最初想解决搜索准度的初衷，就不会有今天一家市值千亿，员工数接近十万人的科技巨头。

我们也会思考自己职业生涯的“上限”。前几天与一位互联网金融的小伙伴聊天，他是风控建模技术的专家，善于利用机器学习技术识别那些潜在的贷款违约者。因为看到了技术路线的天花板，他对自己的职业生涯存在一些顾虑，希望在未来寻求一些突破。

我无法判断技术路线是否真的存在职业的天花板，但至少存在一些可能的途径，拓展自己职业生涯的上限。我当时向他提供了一些具体的建议，比如未来前往大型的咨询公司、或在甲方的战略、产品、运营等部门寻求机会，但如果将这个问题看得更长远，更重要的是要寻求自身思维方式（mindset）上的转变：

1.学习更扎实的软技能

硬技能擅长解决问题，然而发现问题需要更多的软技能，后者决定了职业生涯的上限。技术路线好比游戏里的前期英雄，在职业生涯前期自己只要有能力解决一个个具体的问题，就可以进入生涯的顺风局，然而当到了后期，需要自己去发现问题时，技术就没有那些听上去虚无缥缈的软技能见长了，因此要想影响职业的上限，需要进一步培养自己的软技能。

百里同学在这家公司参加的8轮面试中，其中7轮都是关于软技能的面试，包括一般认知能力、搜集和整合信息的能力、领导力、人际沟通表现、在模糊场景下的决断力等看上去人人都有，但被这家公司认为更能决定职业生涯上限的能力，或许短期内百里只会做一些机器学习相关的工作，然而当百里前往其他与技术无关的岗位，或是进入公司的管理层时，这些软技能更能决定他在岗位上的表现。

畅销书作家丹尼尔·平克曾在《全新思维》一书中提出了在知识工作时代人们需要具备的六大能力，这些能力都是与推导公式、编写代码无关的软技能。包括创造美好事物的设计感、将信息编写为故事的故事力、整合多方资源为己所用的系统思维、与他人产生共鸣的共情力、在工作和生活中为自己和他们寻找快乐的娱乐感、探寻人生意义与追求终极幸福的意义感。

希望今天的数据告诉你，上面的这些能力并不虚无缥缈。

2.构建更多元的知识结构

职业生涯的上限，可能来自单一的知识/技能结构。程序员、数据科学家如果固守在技术领域，随着经验的积累，他们有可能成为行业里一流的技术专家，然而这可能也是单一技能所定义的职业上限。如果将多个领域的知识与技能融合，他们将会发现更多可能性，甚至更高的上限。

公司负责企业文化的小伙伴告诉我，他们平日经常寻找供应商制作企业文化相关的漫画，然而优质的供应商并不好找，原因在于企业文化漫画不是只拥有某一项技能的人能完成的。首先他必须画的一手好漫画，其次他必须深刻了解公司文化的内核，甚至要有一些企业文化研究的经验，光是满足这两点的漫画家就已经少之又少了。

吴晓波是我非常喜欢的财经作家，他的与众不同之处在于将文学写作手法融入了财经研究中，《大败局》《激荡三十年》《腾讯传》这些作品给与读者的感觉不仅仅是一本经济史研究类的专著，同时也像读起来让人心潮澎湃的小说。吴晓波之所以能自成一派，与他早期在复旦接受专业的新闻学训练，后来长期为财经研究密不可分。会写稿的记者不难找，懂财经的经济学家不难找，然而在两个领域同时具有洞见的可能只有吴晓波了。

技术与其他领域的知识同样有着大量融合的机会，以最近两年家喻户晓的人工智能（AI）为例，这一轮以深度学习技术为标志的人工智能革命在近两年趋近成熟，未来的方向倾向于AI在不同领域的落地，这留给了数据科学家们无数想象空间：AI + 猎头 = 智能招聘，AI + 游戏 = 超强人机，AI + 医疗 = 自动诊断 …

多元知识结构之所以能够拓展职业的上限，是因为知识的全新组合有可能创造新的社会分工。在既有的领域里，领域的上限可能由其中最专业的人决定，然而在一个新领域中，谁都可能是这个上限的缔造者。正如理解企业文化的漫画家，会写小说的经济学家，或是懂机器学习的猎头顾问。