数据分析 迁移 前台工作
在粗略了解数据分析师的时候，发现他们能够把零散的数据变成图表，又从图表里发掘出一些重要的特征甚至隐含关系，再根据这个来协助决策。
把思路转到自己的工作上来：
- 为什么觉得自己的前台工作做得事情很零散琐碎，因为前台的工作，就像那些零散的数据源，确实看上去就是在做布朗运动。（数据源）
- 如果想摆脱这种琐碎，就要学会在更高的层面进行抽象，才能把似乎杂乱的每日工作，抽象成一定的有组织的模式、模块。也就是说每天的工作都是可以分成几类不同的有一定模式的内容的。（图表）
- 当模式、模块出现的时候，再进一步分析，出现这种模式、模块的原因是什么，如何提高和改善。比如工作中为什么要做这个事情，在现状下如何变得更好。（分析）
- 总之，不能被零散的数字/工作蒙蔽了眼睛，学会抽象看到背后的模式。
优势发挥 迁移 银行行业
之前总结了自己学习的编程的几个方面优势：兴趣、源头、跨领域。
迁移到银行行业来：
- 兴趣：营销条线我不喜欢，营运条线日渐萎缩。但是还有一条路，就是银行往海量数据辅助智能化发展的趋势，以及自助机取代人工的趋势。这个领域可以说是我比较感兴趣的，新兴但是很有发展的一个方向，而且我顺便可以汲取编程领域关于数据分析和人工智能领域的一些思路，帮我更好的利用新一代银行系统中的思想和思路。
- 源头：之前也是觉得银行系统的很多文档很滞后，操作也常常没有统一规范，每个地方都有自己不同的做法，那么回到源头看趋势要如何看呢？
- 根据总行的发展规划、银行的年报、以及银行的网络学习平台。了解总行的资源，更好的利用总行的支持。
- 了解中国人民银行的规划。毕竟很多政策，利率，存贷政策都是和央行的许多政策息息相关的。可以提前知道动态，而且也可以更全局的看这个问题。
- 学术论文。正如我的导师会比我更懂这个领域，向更优秀的头脑学习。
- 跨领域：发现一个方式，抽象的思考问题，可以减少自己工作时候的痛苦。既然自己本身兴趣也不在银行上，我觉得可以把它尝试抽象了，当成一个元认知的训练场地。
编程思维之Don’t repeat yourself 迁移 日常工作
- 编程里比较棒的一件事情是，有许多优秀的人发明了许多很棒的工具、库、方法，在这种开放自由的环境中，汲取他人智慧，很多事情都会变得简单。
- 工作中，经验的习得常常在旁边的同事，但是这个经验来源实在太窄。除了跨领域的方式，也要学会拓宽本领域经验来源，包括：
- 行内知识库
- 行内网站的经验分享
- 同行业其他行的分享
- 国外经验的分享
- 学会将一些重复的工作自动化、流程化，让自己，别人都可以方便的复用。
网球关键分 迁移 生活
网球中，有时会有这样的情况，即使你小分得的比较多，也有输掉全局的可能。绝对高手的很牛的地方，在于对关键分的把控。
对生活启示:
- 高手看似轻松，是因为他们把握少量关键分，就可以影响全局。学习他们在关键情境下的表现。
- 如果到了一个节点、平台期，一鼓作气拿下，可以节约很多以后在这里徘徊的时间。
