干货！如何快速有效地搜集关键性信息？

在求职和工作过程中，我们每个人都需要做大量的决策。申请哪家公司是一个决策，面试回答是一个决策，老板布置任务的完成方式是决策，对自己职业生涯的规划同样是一个决策。对决策论认知的深度，在一定程度上就决定了一个个体思考的深度。海会枯，石会烂，天会崩，地会裂，但深邃的思考，永不衰朽，刀枪不入。

决策论兴起于二战之后，其代表人物是大名鼎鼎的司马贺。司马贺也是历史上唯一一个同时获得诺贝尔经济学奖(1978)和图林奖(1975)的人。

决策论基于以下四个基本假设：

第一， 决策者有现成的办法获得与决策情况相关的信息，以便全面掌握有关决策环境的信息；
第二， 决策者在识别和诊断问题时能够处理和记忆所有与决策相关的信息；
第三， 决策者能够识别所有可行的解决问题的方案，并充分了解每个备选方案的结果；
第四， 为保证决策有效性，决策者应建立一个合理的，自上而下执行命令的组织系统。很重要的是，作为人，决策者必须确保情感不会影响决策的理性；
第五， 最后，上述流程应是可以被重复的。

我们对以上所述做一个提炼，抓出三个关键词 – 信息搜集，决策思维模型，情感独立。这里说的情感独立，指的是决策本身能够相对于感性与情绪免疫，决策过程应是理性的。

在这个大前提下，我希望用三篇文章，详细阐述这三个关键词，以及它们的实现路径，帮助同学们在申请工作过程中乃至人生的道路上，能有一套行之有效的方法体系，引导生活和工作过程中的决策过程。

为什么如今信息更重要

知其然，首先要知其所以然。独立于理解的知识是无意义。这里我们从三个维度探讨，为何对于当代的我们，信息愈发重要。

(Source: Robert Hallberg, 2012, “The Promise of Accelerating Growth in Technology”)

首先，任何一个学过宏观经济的人都知道，资本和劳动力具有局限性，源源不断增长的最终动力，来自于科技（全要素生产力）。从印刷到天文望远镜的出现用了200年，从天文望远镜到蒸汽机用了150年，从汽车出现到人类登月用了一百年，从微处理器到苹果电脑，只用了三十年。有人说，20世纪是芯片的时代，21世纪将是生物科技的时代。我们的世界正在被加速颠覆，人类拥有的信息伴随着闪存容量摩尔定律式地爆破式增长正在射穿天花板，而信息本身也变得愈来愈重要。

(Source: Financial Times Research)

其次，信息是交换的结果，而信息爆炸式增长的背后，离不开一个交互日益紧密，链接日益增加的平台体系。到达10亿用户，脸书用了8年，微信用了6年，而抖音，只花了3年都不到。

(Source: Palmisano 1994)

最后，交互和链接平台的形成，叠加技术的快速演进，其形成的结果，便是新技术的快速渗透。智能手机2005年在美国的普及率是2%，在2016年已经达到了81%，远远快于电视，电话，汽车，和收音机的普及速率。

这个日新月异的时代容不得拖沓和躺平，不能通过快速汲取信息而迭代认知，便只能被世界淘汰。

很多本文的读者或许都是留学生。大家生活在资本主义社会里，需要明白资本的重要性。近来世界首富，电动车之父马斯克在接受采访时提到，金钱的本质是什么？是信息。

在这段采访中，马斯克给了一个有趣的比喻：如果你拥有十亿美金，但被孤立在一个小岛上，那么你的资金实际上是没有意义的，因为你无法对这部分资金进行配置。资本能产生意义，其先决条件是有配置的途径，你可以将这些资本按照你所拥有的信息理性配置实现收益最大化，这样资本才有意义。这其实，就是一个决策的过程。

如何快速搜集信息

我们上一段讲的，有两个核心点 – 第一，为什么信息很重要；第二，为什么信息的产生和散步速度越来越快了。面对越来越多且越来越重要的信息，我们如何快速对它们进行搜集，处理，并基于此进行决策，是我希望传授给大家的核心要义。本文主要讨论搜集部分。

信息在我看来有两大类，一类是定性的（文章，评论，意见，批判等），另一类是定量的（数据，图表等）。

定性信息搜集

在搜集信息前，你首先要明确自己想要搜集的什么类别的信息，然后，尽可能地将自己沉浸在相应的环境之下。

举个例子，如果你是就读商科的学生，那么有什么定性的信息是你一定要获得的？

巴菲特和芒格早已把答案给出 – “我们的生活，离不开华尔街日报和纽约时报”。

纽约时报网址：

https://www.nytimes.com/

华盛顿日报网址：

https://www.wsj.com/

好，再回到“知其然必知其所以然”的角度，为什么要看这两份报纸？你可以进一步设问，Okay，这是两份商业类的期刊，但譬如…为什么一定要读纽约时报？为什么不读华盛顿邮报？华盛顿邮报曾经不是巴菲特的心头好吗？去寻找问题的答案，这才是主动思考和学习的过程。学会了这个技法，你就可以在加入一家企业之前，便对整个企业的经营与财务状况了然于胸，自然也能更好地领会上级的战略企图与制度安排，做好一个“将军”，而非“士兵”。对于商业内容最内核的信息搜集，来自于公司的财报。如果你读过此文把一切都忘却，但一定要记住这个层层剥笋法的逻辑。“层层剥笋法”是钱穆先生在研究中国历史的过程中提出的一个方法论，我觉得对我们研究任何问题时的信息搜集流程都很有用，便发扬“拿来主义”，将他的理论嫁接到我们的讨论中来。

(Source: My PPT on Finance Lectures)

对于商科学生，什么是源资料(Source Document)？企业给美国证监会上报的信息，这是源资料。为什么？因为如果造假，那可是要罚款+坐牢的呀！因此，这部分信息的质量是最高的。往外走，分别是新闻发布会，电话会议，卖方报告，和社交媒体&风言风语。记住，如果你想要获得高质量的信息，无论在任何行业耕耘在任何职位，一定要从你的职业的源资料找起，然后再一步步向外推。很遗憾的是，人类都有惰性，都喜欢率先吸收劣质信息，因为这些信息散布得最广阔，传播起来最容易。不信，问问你自己，你最近买入的一只股票，是不是听你的某某好朋友，或看到某某人在上面赚了大钱而购入的呢？

聪明的你可能会紧接着问，那我到哪里去找美国证监会的公开信息呢？来，接好网址：

https://www.sec.gov/edgar/searchedgar/companysearch.html

在页面的Company & Person Lookup中，你可以输入任何你想要了解的公司或个人名字，获得相应信息。

至于上面我提到的那个问题，我这里已经做好了功课。如果感兴趣的话，可以阅读一下纽约时报过去的公开信息，看看是否能得到与我一样的逻辑推演的结果。至于如何实现这个推演过程，我们下次再讲。这次主要是把信息搜集的方法说明白。

【纽约时报于2012年推出了线上付费墙，在提供20篇免费阅读之外，客户必须订阅付费。月度线上客流量从1.6亿人直接腰斩到8000万，当年订阅人数仅为40万，情势危急。纽约时代的第五代接班人吉发布了著名的《创新报告》，并因此被选为下一代领导者。这份报告在首肯奥克斯坚守新闻质量之基础上，强调市场定位。纽约时报在2014年发布了烹饪软件，在2016年发布了填字字谜游戏，目前已经有3000万美金的高毛利营收。每日广播变成了全球最大的播客，2017年有1亿个下载，2019年下载数量为10亿个，凭借26个新闻工作者创造了3600万美金的营收，而且客户和纽约时报客户重叠度很小，70%客户都是年龄小于40岁的。

针对线上订阅这个议题，吉认识到线上经济的特点是哑铃型的，一方面信息量爆炸式增长但信息内容良莠不齐而且很多都是抄袭或带有强烈意见或干脆就是信息不准确的，另一方面人们在面对这种情况时便会陷入选择焦虑，希望有一个中正的可信赖的声音传播可靠准确的信息，后者就是纽约时报的切入点。另外，吉下定决心改变市场定位，在2011年到2015年间将整个市场部门的85%员工(340名)都进行了替换，让老员工辞退，让具有数字化能力的新员工上岗，其市场能力焕然一新。2016年年初，纽约时报的订阅人数已经达到100万人。选举年特朗普对纽约时报的指斥反而让订阅人数激增，到2017年年底订阅人数达到220万人。2019年，纽约时报已经没有了负债。2020年，订阅人数已经超过了500万人，订阅人数的增速完全可以睥睨互联网科技公司。疫情又一次助力纽约时报的发展，如今订阅人数已超750万人，比华盛顿邮报，华尔街日报，和250家当地报纸的所有线上订阅人数的总和还要多，纽约时报的股价也凤凰涅槃，重获新生。】

纽约时报和华尔街日报是比较笼统的信息来源，如果要更进一步的话，可以缩小搜索圈。事实上在搜索谷歌的过程中，经常出现的那些信息来源，可能就是你需要特别注意的。比如你搜索科技公司的信息经常搜索到36氪，那么你就可以把36氪(https://www.36kr.com/)这个公众平台给关注起来，方便收到推送信息；如果你经常搜索中国大陆的证券类公司信息你可能会接触到证券红周刊(http://www.hongzhoukan.com/)，那么你就可以把证券红周刊这个公众平台关注起来，方便收到推送信息。

定量信息搜集

在原则上与定性数据搜集一致，从源数据开始，关注行业大佬使用的数据库，留意经常搜索到的数据来源并增加浸润度。这里我直接给出一些个人认为可能对大家找工作过程有一些帮助的数据来源：

https://fred.stlouisfed.org/

Fred St Louis这个数据库的数据主要是美联储搜集的一些关于美国（及一些其他国家）经济基本面的数据，包括名义/实际GDP增长，人均名义/实际GDP，商业地产价格，就业率等等。

https://fivethirtyeight.com/

538这个数据库为公众提供可视化工具及数据，聚焦于一些时下热点，包括Omicron的爆发地，拜登的名义支持率时间曲线，职业橄榄球大联盟某队的胜率预测等等。

https://www.kaggle.com/

Kaggle这个数据库是机器学习和人工智能领域的工作者们的最爱，囊括了5万多个公共数据库，40多万个公共笔记本(Public Notebook)，同时有极多的社区贡献的代码，方便研究者择优使用。

https://data.org/

Data.org这个数据库是美国政府支持下建立的，为人们提供了大量社会科学领域的免费数据，无论是社会正义还是金融普惠，无论是民生近况还是大规模疾病。

https://www.ncdc.noaa.gov/cdo-web/

我们都知道气候变暖是这个时代面临的最大挑战之一，这个网站为我们全面提供了与气候变暖相关的各类相关数据，方便人们研究她们关心的气候变暖类问题。

https://data.nasdaq.com/publishers/QDL

如果你是量化金融从业者，那么Quandl和Yahoo.Finance就应该是你的朋友。Quandl的数据在我看来更加全面而且可以帮你省去许多Yahoo.Finance不可避免的数据清理问题。

https://github.com/

还有一个尽管不是数据库但非常值得一提的网站是Github。这个网站在2018年被微软作价75亿美金收购，是一个通过Git进行版本控制的软件源代码托管服务平台，本质上是一个代码仓库。

总结

在本篇中，我们讲了决策论的三个核心要素，并对其中一个，即信息，进行了解剖。我们分析了信息为何越来越重要，并给出了搜集信息的核心理念和方法，且为大家提供了一些信息来源。当然，光有信息是不够的，更重要的是要有一套系统的方法论或思维模型去处理新进的信息。我们会在之后的文章中，介绍一种强大的思考模式，即思维格栅模型。