工作中如何做好技术积累

此博客内容也是三年前刚入职不久从Meituan的一个技术分享里二次整理的，常看常新。

一. 贵在坚持

知识更迭的很快，但是基础理论变化缓慢，二者是 道 和 象 的关系。众是世间万象，但万变不离其宗。要不断复习基础知识，打好基础。

二. 重视实践

个人的成长70%来自实践，20%来自学习，10%来自培训。

三. 重视交流

向同事、对手、下属学习，取其所长，弃其所短。积极参与项目讨论，与高手交流，能够很快解答内心疑惑。

四. 重视总结和输出

工程师在实践中会掌握大量细节，但是，即使掌握了所有细节，却没有深刻的总结和思考，也会陷入到 学而不思则罔 的境地。成长的量变来自于对细节的逐渐深入地把控，而真正的 质变 来自于对道的更深层次的理解。

五. 重视规划

凡事预则立，不预则废。对于漫长的学习，好的计划是成功的一半。

5.1 长期规划

• 远离日暮西山的行业
• 做自己感兴趣的事情
• 做有积累的事情
• 边走边看，切勿一条道走到黑

5.2 短期规划

良好的短期规划应该在生活、成长、绩效和晋升之间取得平衡。

• 确定目标优先级。比如：成长、生活、绩效
• 确定每个目标的下限。从优化理论的角度来看，这被称为约束。比如绩效必须在一般以上，之前已经规划好的旅行不能更改，必须读完《Effective Java》等等。
• 优先为下限目标`分配足够的资源。比如，事先规划好的旅行需要10天，这10天就必须预算出去
• 按照各主目标的顺序依次分配资源。比如，最终分配给学习的时间是10天。
• 在给定的学习预算下，制定学习目标，要激进。然后给出执行方案。比如，学习目标是掌握基本的统计学知识，并成为Java专家。具体方案为：完成《Effective Java》、《Java Performance》、《Design Pattern》、《Head First Statistics》四本书的阅读。
• 对规划中的各学习任务按目标优先级进行排序，并最先启动优先级最高的任务。比如，最高优先级是掌握统计理论，那么就要先看《Head First Statistics》。

对于上述方案，同时要注意以下几点：

• 最低目标必须能够轻松达成的目标，否则，从优化理论的角度来讲，该命题无解。比如，类似“半年内完成晋级两次、绩效全部S、从菜鸟成为Java专家”就不太合适作为最低目标。总之，要区分理想和梦想。
• 主要目标规划必须具备一定的挑战性，需要规划出不可能完成的目标。过度规划本质上是一种贪婪算法，目的是目标价值最大化。因为一切皆有变数，如果其他目标能够提前完成，就不妨利用这些时间去完成更多的学习目标。总之，前途必须光明，道路必须坎坷。
• 各目标之间不一定共享资源，规划不一定互有冲突。
• 学习计划最好能结合工作计划，理论联系实际结合，快速学以致用。比如，本季度规划去做一些数据分析工作，那么不妨把学习目标设置为学习统计知识。
• 要灵活对待规划的目标和具体执行步骤，需要避免“郑人买履”式的笑话。面临新的挑战和变化，规划需要不断地调整

六. 可行性调研的那些坑

做可行性调研，要避免如下情况：

• 把可行性调研做成不可行性调研。这真的非常糟糕。不可行性的结论往往是：因为这样或者那样的原因，所以不可行。
• 避免老鼠给猫挂铃铛式的高风险可行性方案。天下大事必作于细，可行性调研一定要细致入微，避免粗枝大叶。
• 避免调研时间过长。如果发现调研进展进入到指数级复杂度，也就是每前进一步需要之前两倍的时间投入，就应该果断的停止调研。

可行性调研的结论应该是与收益、成本的折衷，格式一般如下：

• 首先明确预期的结果，并按照高中低收益进行分级
• 阐述达成每种预期结果需要采取的措施和方案。
• 给出实施各方案需要付出的成本。

七. 带人之道

根据经典的探索和利用（Exploration and Exploitation）理论，良好的用人方式应该如下：

• 首选选择相信，在面临失败后，收缩信任度。
• 查找失败的原因，提供改进意见，提升下属的能力。
• 总是给下属机会，在恰当地时机给下属更高的挑战。 总之，苍天大树来自一颗小种子，要相信成长的力量。

八. 效率、效率、效率

天道酬勤，更酬巧。

工程师们都学过数据结构，不同算法的时间复杂度的差距，仅仅通过更长的工作时间是难以弥补的。为了提升工作学习效率，我们需要注意以下几点：

• 主要关注效率提升 。很多时候，与效率提升所带来的收益相比，延长时间所带来的成果往往不值得一提
• 要有清晰的结果导向思维。功劳和苦劳不是一回事。
• 做正确的事情，而不仅仅正确地做事情。 这是一个被不断提起的话题，但是错误每天都上演。为了在规定的时间内完成一个大项目，总是要有所取舍。如果没有重点，均匀发力，容易事倍功半。如果“南辕北辙”，更是可悲可叹。