家里小朋友经常让我讲故事给他听，最近正好看到几个有意思的故事。
一.英国自行车队成功的秘诀：1%的力量
在2003年以前，英国的自行车运动一直处于碌碌无为的状态。在布雷斯福德担任其绩效总监之后，带领教练们针对自行车队的各项特点，做出了一些小的调整：他们重新设计了自行车座，要求骑车者穿着电热套鞋等等。他们在容易和意想不到的地方寻求1%的改进余地。五年后，英国自行车队夺取了奥运会该项目60%的金牌。在接下来的比赛中，英国人以惊人成绩再上一层楼，打破了9项奥运会纪录和7项世界纪录。
我大概估算了一下1.01迭代10-360次的结果，迭代10次，结果是1.1，就是能优化10%；每天进步1%，360天后就是36倍了。
每天进步1%
如果每天退步1%，360天后，就只剩下0.03了。换而言之，每天进步1%的人，和每天退步1%的人，一年后的差距是1300多倍。
每天退步1%
二.洞察王进喜照片的展示的信息
铁人王进喜
这张照片想必你非常熟悉，这是1964年《中国画报》封面刊出的“铁人王进喜”的一张照片。这张照片，正是王进喜在当时被刚刚发现的大庆油田的石油里工作的照片。
问自己两个问题：
1、你能从这张照片里看到什么？
2、你从这张照片里得到了哪些收获？
你的答案可能是当时的石油勘探开发环境很恶劣！
王进喜穿着保暖棉袄，所以当时是冬天！气温很低！
王进喜不怕艰苦的精神很伟大，非常值得我们学习！
我们今日的幸福生活是当时的工人们辛苦工作奠基的，所以我们要更加珍惜眼前的生活！
恐怕大部分人从这张照片里看到的和想到的，就是以上这些了吧。但当时有一家日本石油公司的科学家，看到这张照片后，却发觉了一些不一样的东西，他们从照片的细节出发，进行了如下的推导：
1、他们根据照片上王进喜的衣着判断，只有在北纬46度至48度的区域内，冬季才有可能穿这样的衣服，因此推断大庆油田位于齐齐哈尔与哈尔滨之间。
2、通过照片中王进喜所握手柄的架式，推断出油井的直径；
3、从王进喜所站的钻井与背后油田间的距离和井架密度，推断出油田的大致储量和产量。
4、石油储量巨大，中国石油勘探建设能力不足，应该会很快向国外招标。
由此，这家日本石油公司，立即组织研发部门研制生产了用于大庆油田的勘测开发设备。果不其然，中国政府在两个月后就向国外公开采购设备。而这家日本公司的设备由于最符合需求并且已经有样品，立即就中标了，赚了一大笔钱。什么是洞察？通过一张照片，赚了一大笔钱的日本公司，就展现了其深刻的洞察力。
三.15.87一个神奇的数字
严格的说，这一则不能算一个故事，我暂且把这个数字的发现当成一个故事吧。
关于学习和生活有几个概念我们会非常熟悉。比如学习区，也就是介于恐慌区和舒适区之间的区域；还有心流，就是出于调整和已掌握技能之间的区域。
学习区
另外，说我们喜欢某种事物，一般是这个事物包含了我们熟悉的和我们不熟悉的（意外）。公式为
喜欢=熟悉+意外
其实这里面都涉及一个概念，熟悉和不熟悉的比例应该怎么搭配才算好。亚利桑那大学和布朗大学的研究者一篇论文——《最优学习的85%规则》给出了明确的答案，这个意外数值就是15.87%
研究者首先用了一个比较简单的数学模型做理论推导，又用了一个AI神经网络学习算法和一个模拟生物大脑的神经网络模型做模拟实验，结果得出一个精确解：15.87%。
还给了计算过程公式。
image
这个公式我是看不懂的，我猜想你也看不懂，不过不要紧，我们应用就可以了，就像我们会使用微信，并不需要知道微信后台的程序一样，我们用这个数字就可以了。
image.png
这张图更直观一些，图中横坐标代表每次训练的出错率——也就是意外率，纵坐标代表训练的次数，图中颜色代表训练出来的网络的准确度，颜色越热（黄色）表示准确率越高。
我们看到，0.1587的训练出错率那个区域，随着训练次数的增长，它的准确度增加速度是最快的。比如说出错率是0.4，训练一千次能达到的准确率，大约相当于出错率是0.1587，训练350次的水平！
也就是说，我们学习一样新东西，其中大约85%应该熟悉的，大约15%应该是不熟悉的。这个15.87%（简称15%）就是最佳意外率。
有了这个结论，我们就在每次学东西的时候，增加15%的新东西，会让我们学习更投入更爽，效率也会更高。
image
四.华为因私吃饭领导买单
2019年7月9日消息，任正非在员工内部信中指出：“华为领导层要多关爱下属，吃饭时谁官大谁买单。”并且要求当场把发票撕掉。
小结
这个小故事都给了我很大的冲击力，前3个故事讲给小朋友听，他也非常的喜欢。因为它们也属于熟悉+意外。关于最后一个我还继续查了很多的资料。其实这个我们平时说的二八定律、马太效应、帕累托假定等都和这个15.87有很大的关系。为什么呢？
可以进一步追溯到幂律分布。世界上有两种最常见的分布正态分布和幂律分布。比如调查一个城市的人的身高，一般都属于正态分布。但如果调查这个城市人口的收入，一般属于幂律分布。交通方面，城市内人口的通勤距离（上班距离）就属于幂律分布。
正态分布
幂律分布
可以进一步追溯，为什么属于幂律分布呢？因为收入的多寡与人与人之间的连接有很大的关系，属于无尺度网络（大脑的认知源于神经网络，这是无尺度网络）。
在网络理论中，无尺度网络（或称无标度网络）是带有一类特性的复杂网络，其典型特征是在网络中的大部分节点只和很少节点连接，而有极少的节点与非常多的节点连接。在研究这个网络的度分布时（每个节点连接数量），Barabási等人发现其遵守幂律分布（也称为帕累托分布）。
随机网络和无尺度网络的度分布
参考文献
1.guanmaomaoyu.洞察客户需求，只需要这4步就够了！https://www.jianshu.com/p/933e1c4e8baa,简书
2.为什么15.87%这个数字对你很重要？http://www.ctoutiao.com/1475615.html
3.心流、好文章、高效学习，都离不开必须知道的15.87%！http://www.sohu.com/a/325794030_723353
4.SNS背后的科学（1）从六度分隔到无尺度网络.https://socialbeta.com/t/the-wisdom-of-sns-part-one.html
网友评论