读书，找资料，我的 SOP

Posted 2023-02-23 dbLenis

前几日，社群里有个小姑娘，作为数据产品经理，她发起了一个问题，大意是“数据产品经理有哪些成长路径”

自然，只要姑娘发起问题，讨论必定热烈。等我再爬楼时，已经有“泰山”那么高了。

我之前说过，我有工作日志的习惯。每天做的那点事，如果不以文字记录下来，当天就会睡不好觉，心里慌

基于这些日志，我琢磨出来一个事：这些都是生成 SOP 的语料。

SOP: Standard Operating Procedure, 即标准作业流程

每个工作都会有最佳的 SOP，放眼到看书找资料，也有。今天我就把这两年，执行效果不错的 SOP 分享出来。

作为新人，切入一个领域，如何找到适合自己的资料？过度寻找舒适度高的材料，还是找到正确有用的材料

我的三板斧方法是这样的：

第一步，找博士论文。其实，本科硕士论文也挺好，尤其是 C9 类学校的论文，质量都很高。

论文的信息密度，往往最高。比如《社交网络舆情用户主题图谱构建与舆情引导策略研究》。本文涵盖的技术面，包括知识图谱，自然语言预处理，及人工智能算法。涉及到的行业，包括社交网络，心理学，统计学。

将行业应用，用技术完整地表达出来，可以说是 OKR 的实战体现。

OKR: Objective, Key Results

之前的组织管理，包括 BAT, FLAG 等，都以 KPI 驱动，驱动力在管理层，属于企业原动力 1.0 版本；现在进入了企业原动力的 2.0 版本，以 OKR 为导向，员工自发的给自己设定任务目标，自己去执行实现它，每个人都是自己的老板，同时对自己的行为负责

在本篇论文中，社群定位，用户识别，舆情指导，步步递进，技术路线清晰明了。

第二步，找在线课程。以《极客时间》为代表，将很多一线的实战经验写出来，让我们更了解前沿，在研究什么，研究到了什么程度。

比如我在《程序员的数学课》，《人工智能基础》等课程中，发现《社交网络舆情用户主题图谱构建与舆情引导策略研究》中简要带过的基础数学，在极客时间的课程中，都能找到不同层次的讲解。有些偏理论，有些偏应用。

极客找来的大部分讲师有一线实战经验，在选型架构，算法，工具上，都有对比，因此带来的视野更加宽阔。比如在分类这块，《程序员的数学基础》就对比了朴素贝叶斯，SVM 支持向量机和决策树算法。对认识分类算法是一个很好的补充

第三，找经典书。书更能体现细节。而实体书最大的缺陷，不能全文检索。缺失这个功能，效率大打折扣。

在微信读书应用中，只需一个关键字，顷刻间，就能将几十本相关书目，呈现在我面前。而且还有读者的评分，相当于一层有效过滤。

比如我在理解 LDA 主题模型时，检索到了李航《统计学》，把每个细节都看了个遍，很舒服。

资料的尽头，是经典书。就怕你让它白白躺在那里，无动于衷

以上的搜索 SOP 陪伴了我大约 2/3 年，入门新领域时，寻找资料我总是遵循这条路径，即，高密度信息载体 > 实战指导手册 > 低密度经典教科书

当然，随着时间推移，每一步都有可能会变，还会有替代品，但不要紧，只要能更好的解决问题，寻找最佳 SOP 便是永恒，唯变化不变

如果对你有用，请妥善收藏