谷歌思考方法论读后感2

一， 工程思维在于实现计算机思维里的作用

1， 理解极限，看清本质

比如说，谷歌面试产品经理时，常用的一道题目：面试的房间里，大约可以装下多少高尔夫球？是一万，还是十万，还是一百万？其实这道题考的是看面试者是不是仅凭直觉瞎猜，还是说，会通过房间的面积来进行非常简单的小学数学计算：面积15平方米，层高3米的一个房间，对于一个直径4厘米的高尔夫球来说，整齐排列大约是可以容纳70多万个。

还有再比如，在高速前进的列车中心位置，分别向前和向后各打一束光，哪束光的速度更快，根据我们的常识，因为有列车的速度叠加，可能是同向的光速度更快，可是答案却是一样快，因为根据爱因斯坦的相对论，光速是一个常数，产生不了叠加的效果。

还有就是工业革命后，有很多人试图制造出热能转换效率大于1的热机，甚至说永动机，在他们看来，只要不断地提升效率，最终就能不断的获得突破。可是，只要是学习过热力学第二定律的人（熵增定律），都知道，这是不可能的事情。

根据上面三个例子，我们可以知道，数据化客观的思维模式相比直觉来说，靠谱的多，我们常人理解事物的方式往往喜欢按照1，2，3这样一步步的去展开。但是工程思维对于一个事务的深刻理解往往是从极限开始的，了解极限不一定需要等到进行到那一步才能知道，而是早就可以通过已有的理论直接知晓的。只有这样，才能够不为不可能的事情去浪费时间和精力。

2， 等价性原则和成本优先

很多时候，一个较难的问题A和相对较容易的B是等价的，也就是解决后得到的答案是同一个，但是人们往往就是给到了什么问题就去解决什么问题，不管这个问题是不是会比较难，工程思维就应该通过思考答案的构成来找到相对较简单的问题，因为工程师做事，优先考虑的不应该是对错和绝对的公平，而是在固定成本下表现相对的好和坏。

3， 模块化原则和自上而下的架构

计算机处理事件的方式一般都是自上而下的结构，这种结构有点类似于单位里的层级结构，高一级的领导只需要管理次一级的领导即可，不需要去管理底下海量的员工。而每一个员工处理的事情，就是所谓的拆成最小单位的类似乐高积木的模块，从而可以达到最高效率地完成下达的指令。

工程思维其实就是需要这种化繁为简，并且归纳出可以批量处理的模块的能力。

本节对于股票投资方面的思考提升：

工程思维的数据化对于研究基本面来说特别重要，很多直觉上的第一感觉往往都是错误的，比如说我们一直觉得新能源发展到现在，新的电池已经进步了非常大了，但是其实，我们现在的最新的锂电池的能量密度相对最早的铅酸电池来说，进步远远没有同期的芯片的能力提升那么大。并且，就储能这块来说，目前全球所有的化学电池的储能量也仅仅够东京一个城市三天的用电量，还远远达不到实现光伏风能等发电间断期的补充。

另外关于了解极限，最有针对性的就是对于行业天花板的一个预测，或者说周期顶点的一个预判，股价是对公司未来预期利润贴现率的一个反应，结合前面说的数据化，就能判断出当前公司处于的是什么阶段，是泡沫投机阶段，还是合理估值上升阶段，或者是低估值的回归期。好公司也需要好的价格才适合长期持有。

最后的自上而下的架构以及模块化思维，在股票中的应用其实更加广泛，主要是逻辑推理方面的，比如说，从宏观经济层面判断当前市场大致的运行方向，再细分到当前比较热门的风口行业，再到一些通用的选择出行业龙头的方法。

本文 zblog模板 原创，转载保留链接！网址：http://fsxxzx.com/post/2926.html