TL, DR:
- Giới thiệu 2 tool chính mình thường dùng để học các chủ đề mới được nhanh chóng: Taxonomy và Abductive reasoning
- Bàn về động lực học và một số cách mình học
Mình thường nhận được những câu cảm thán như vầy:
- “Sao em biết nhiều quá vậy?” (Underlying: Mà nhiều thứ trời ơi đất hỡi ghê :v)
- “Biết nhiều vậy để chi?” (Underlying: Rảnh quá hông có việc gì khác làm ha?)
Mình cũng nghĩ nhiều về cái đó lắm, nên nay mình thử viết xuống để tự trả lời hai câu đó coi sao.
Câu 1: Sao em biết nhiều quá vậy?
Mình có 2 biệt danh mà người khác đặt cho, 1 là Giang Google, 2 là Giang Sherlock. (Còn tự đặt chắc mình chỉ tự đặt cái tên Gấu Xù, chứ nào dám tự ghép tên mình với 2 cái đại thụ như vậy).
Giang Google là biệt danh ở nhóm đồng nghiệp làm đào tạo (Learning & Development – L&D). Ban đầu mình khá ngại với biệt danh này nhưng qua thời gian thì mình cảm thấy cái tên đó cũng hợp lý, vì những cái mình biết thì mình Google là chính 😛 Thành quả là gì? Mình biết khá nhiều thứ trời ơi đất hỡi, và mình cực vui khi tìm thấy sự liên kết giữa những thứ tưởng chừng chẳng liên quan gì đến nhau. Bạn lục trong WordPress mình sẽ thấy, ví dụ, Tarot & problem solving, thú bông và nghề săn bắn…
Công cụ chính mà Giang Google dùng là Taxonomy – bảng phân loại, để cổ kết nối các ý tưởng mới trên cái cây phân loại có sẵn của cổ, giúp cổ bớt cảnh “râu ông nọ cắm cằm bà kia” 😉
Biệt danh thứ hai, mới có gần đây thôi, là Giang Sherlock. Vì mình khoái cách mà Sherlock xây giả thuyết, rồi tìm dẫn chứng, rồi lại phản biện nó, rất là khoa học. Mình kể về việc mình áp dụng cách tương tự trong một cuộc phỏng vấn, và bác interviewer có vẻ khoái nó lắm =)) Cũng đúng ha, làm data, làm business analyst, thì cũng là đi thu thập thông tin, xây dựng giả thuyết để trả lời một câu hỏi, rồi tìm dẫn chứng để chấp thuận/phản đối giả thuyết. Bác interviewer (nay là functional manager của mình) đã mô tả mình vầy: “She is the kind of person who will shake every branch of the tree to find the answer”.
Và cũng như Sherlock, công cụ chính mình dùng là Abductive Reasoning. Nó là tư duy quy nạp, nhưng có tính đến fuzzy logic. Nó không “chết cứng” trong các giả thiết, mà luôn cởi mở để thay đổi kết luận khi có dẫn chứng mới.
Mình để một số link tham khảo ở đây:
- https://www.nngroup.com/articles/taxonomy-101/
- https://www.geeksforgeeks.org/abductive-reasoning-in-ai/
- https://plato.stanford.edu/entries/abduction/
- https://www.reddit.com/r/askphilosophy/comments/1q1opl/is_sherlock_holmes_actually_using_deduction_or_is/
Câu hỏi thứ hai, “Biết nhiều vậy để chi?”.
Thực ra, mình không biết. Đến tận bây giờ, những câu hỏi “em sẽ là ai trong 5-10 năm tới” vẫn luôn khiến mình băn khoăn mà. Chắc cảm giác băn khoăn đó lớn quá, nên mình vẫn đang học hoài để coi mình có thể là ai.
Việc học, theo mình có hai yếu tố:
- Muốn học
- Kĩ năng học
Mục số 1, nếu ai đó hỏi là sao mình có động lực học, trước thì mình chỉ có thể trả lời là mình tò mò, kiểu, tự nhiên nó vậy. Sau này mình phát hiện ra mình tự học nhiều qua sách vở vì khi còn nhỏ mình ít bạn, anh chị thì lớn, không có mấy dịp được trò chuyện với người, mà nhà mình lẫn nhà bác có sẵn mấy bộ bách khoa thư cho trẻ em nên mình đọc giải khuây, được khen là “có vẻ ham học”, lâu dần thì hình thành thói quen đọc văn bản dài, mà đọc nhiều thì có sẵn câu trả lời trong đầu cho mấy câu đố dạng trivia, được khen tiếp, lại đọc tiếp, tới một ngày không ai khen cũng đọc, cũng học =)) Gần đây mình hay đùa là nếu em có người chơi cùng, chắc em không đọc nhiều dữ vậy, mệt lắm.
Mục số 2, về kĩ năng học, đặc biệt là học những thứ mới, thì vài kĩ năng mình hay áp dụng và thấy hiệu quả là vầy:
- Browse: áp dụng khi mình rảnh và có sẵn một cái kho (ví dụ, intranet, thư viện), mình cứ tìm theo tên người, theo phòng ban, xem thử nghiệp vụ của họ là gì, plan các năm qua, meeting minutes, etc. Kết quả của việc này là mình có một bức tranh đại khái về việc người ta làm, các outcome là gì…
- Search: áp dụng khi mình có ít thời gian và/hoặc có từ khóa. Mình sẽ bắt một từ khóa rồi mở rộng trường từ vựng, xây một cái Taxonomy. ví dụ: martech -> digital marketing -> marketing strategy, etc. Khi mình đã mở rộng được đến từ vựng đủ “bự” để coi là một chuyên ngành thì tìm đến các hiệp hội hoặc text book/ syllabus của trường đại học để hiểu về standard của ngành.
- Translate, Map & Modelling: Việc tiếp theo, là dịch ngôn ngữ của người ta thành ngôn ngữ của mình. Mình thường dùng vài model đơn giản, ví dụ: Quá khứ – Hiện tại – Tương lai; Input – Process – Output; Ý kiến – Data – Hành động; Bức tranh nhỏ – bức tranh lớn; Zoom in – Zoom out; … Mình có xu hướng dùng những ẩn dụ/ metaphor mà đa số người ta ít nhiều quen thuộc ví dụ như nấu ăn, dùng bản đồ, xây nhà…
- Validate với chuyên gia: sau khi có trong tay: vấn đề chính của ngành, quy trình, landscape…, mình sẽ tìm cách nói chuyện với một chuyên gia trong ngành gần nhất mà mình có thể tiếp cận để xem mình có thực sự hiểu đúng, và các trend gần nhất là gì.
- Làm: Tìm một dự án gì đó để làm, hoặc tổng hợp cái mình biết thành một bài viết. Tìm cách mô tả nó bằng ngôn ngữ đơn giản hơn, vui vẻ hơn. (Đây là cách của Feymann á).
Cuối cùng thì, nhiều khi việc học được xem là một thứ xa xỉ, chính bởi vì người học cũng có khi chẳng biết học để làm chi. Bởi con người sẽ bị bức bối nếu không làm gì, nên để xoa dịu sự bất an đó, mình học. Và sự học đó, có khi đến khi học xong thì cũng đã lỗi thời. Thế nên mình xem việc học như tập thể dục, cũng tốt mà ha.
(Bài này bắt đầu viết từ tháng 2/2025 và viết xong nhân ngày quốc tế lao động 1/5/2025. Năm ngoái giờ này mình đang đi chơi biển, năm nay mình cũng đi chơi biển 😛 Là lao động dữ chưa?)
Leave a Reply