昨天晚上，羅振宇《時間的朋友》跨年演講上，開篇第一個說的焦慮，就是信息焦慮。現(xiàn)代社會，隨著信息的爆發(fā)，隨著信息輸入增多，人們處理信息的大腦，帶寬增加了。小孩可以一邊玩一邊看書一邊寫作。大人可以五倍速聽得到音頻，30分鐘、20分鐘看完一本書。

確實如此，隨著人類進化，隨著信息的爆炸，人對大腦的信息處理能力、科學管理能力要求越來越高，于是知識管理的文章，有必要再把它拿出來再發(fā)一遍。

知識管理，管理管理，故名就能思意嘛，他和 隨意 是矛盾的，隨意看書，佛系做生意，那都不叫管理，也不叫知識，那是生理行為。

什么叫知識呢？就是我們今年聽了很多說法的，比如刻意練習呀、學習區(qū)呀啥的。總之，那種能夠給我們一點不舒服，但是過后會有所成長的，能夠經過試探，搬運，打磨，最后能讓自己變化的，那個東西叫知識。

1、越有知越無知

首先第一點，我們來看一下現(xiàn)代社會的無知者，呈現(xiàn)一個什么樣的狀態(tài)。

在農業(yè)社會的時候，沒有讀過書的人，常常表現(xiàn)得很無知，人們都說他是文盲，是傻子，然而現(xiàn)在，隨著科技的發(fā)展，導致結果恰好相反，那些可能什么都不懂的人，他還恰好不是無知者。

因為它很容易就搭上時代當中，新革命浪潮的便車，比如說一個烤紅薯的小店，他不需要懂得怎么用移動支付，他也確實不懂，但是這個互聯(lián)網(wǎng)的移動支付浪潮，會把他帶到這個框架體系里面來，會給他最簡單的方法去使用，他只要知道怎么按某個按鈕就行了。

所以這種人他可以跟著時代的步伐，亦步亦趨的往前走。而相反，那種大腦里囫圇塞了太多書籍、資訊、內容的人，不假思索不加整理，全盤吸收的人，往往是現(xiàn)代社會的無知者。

因為“多即時無”，信息會變成垃圾，讓信息沒法發(fā)揮價值，反而導致了使用上的無知。這種無知有幾大表現(xiàn)：

首先，容易混沌、學不到新東西。其次，缺乏探索欲和創(chuàng)造性。再者，經常會用這些知識來給自己的懦弱，給自己的無能，披一件保護的鎧甲。

這樣的人我們身邊也經常遇到。他們的表現(xiàn)是：什么都不缺，什么都不說，什么都不想，呆呆的；每次說出口的話都是錯而不自知；找不到精進的途徑；缺乏應用能力；明明很有才華卻沒自信；

還有一種人更是麻煩，基本不學新知識，像之前六神磊磊某篇文章說的那樣。他從來不為自己的論點去找論據(jù)，而是街頭大媽一樣的瞎78說，以致于他的論據(jù)說服不了別人。

好在這些無知，除了最后一種狀態(tài)外，都可以通過認知升級、反復訓練、知識管理等方法，向有知者進行物種演化。這是第一點，現(xiàn)代社會的無知者，很懂知識，很有文化，可惜要么是錯的，要么常為自己辯護，要么就是滿腦袋信息垃圾。

2、知識管理，有所為有所不為

第二個就是知識管理了，黑格爾有句名言說的好：“一個志在有大成就的人，他必須要如歌德所說，要限制自己”。

在當今這個社會，我們要學習知識，不僅要關注知識的吸收量，更應該萬分重視知識的選擇、知識的體系化，需要要用科學的方法，對知識進行科學管理。

所謂知識管理，它的本質就是有所為有所不為，該學的學，不該學的不學。這句話變一種說法，就是一套實操方法：樹立學習目標，制定學習需求書，一步步執(zhí)行，結果反饋。

需求書這個詞，在計算機科學里經常使用，程序員寫一個產品的時候，他要制定一個需求文檔，要確定要寫成什么樣，要做成一個什么產品，要羅列需求。

學習也應該向計算機科學借鑒，要考慮需求是什么，怎么實現(xiàn)，步驟如何，需要用什么方法，得出什么結果等等。

于是會發(fā)現(xiàn)，知識管理是一個結構化的技術活。這點，田志剛老師天天在他的公眾號里宣傳，我都快被他洗腦了。他就是知識管理領域的資深研究者，跟著大咖腳步，一般不會錯。

3、幾大實操步驟，僅供參考

所以接下來第三點，看一下知識管理常見的幾大步驟：

3.1 第一步是自我認知

自我認知非常關鍵，一定要給自己一個清晰可見的目標，最好是一句話能夠概括的目標，告訴自己自己要學到什么程度，給自己畫一個知識的四象限表格。在這四個象限里面，填上你自己知識存量，以及未來的增量。

第一象限，寫上自己知道自己的知識。第二象限，寫上自己不知道自己知道的知識。第三象限，寫上不知道自己不知道的知識。第四象限，寫上知道自己不知道的知識。

這樣，當你試圖填充這個圖表的時候，你就可以進行一個更為直觀化、顯性化的觀察，真正發(fā)現(xiàn)自己知道什么，不知道什么。找到原有知識需要深入、需要糾正的地方。

當然，這個表格在半年之前，獵豹CEO傅盛的文章里就提到一次，目的就是清晰的幫你自我認知，不多說了。

3.2?第二步是要進行知識的搜索和學習

你要解決學什么、在哪兒學、學到什么深度、怎么學等若干問題。

對于千禧一代，作為互聯(lián)網(wǎng)的“原住民”，知識搜索和學習，大多是在網(wǎng)上，而關于網(wǎng)絡搜索、網(wǎng)絡學習，這個技能可能藏在網(wǎng)絡營銷、信息技術等知識體系里。

你要有一些互聯(lián)網(wǎng)使用的技巧和方法（有興趣可以去讀往期丑文《搜商：搜索框的基本運行邏輯》，稍作了解），會使用谷歌學術啊，圖書搜索啊，維基百科啊，論文庫啊，問答呀這些工具，去進行知識的搜索和學習，這是第二步要干的事情。

3.3?第三步是要核算知識的獲取成本、設定學習的深度

人最為可貴的特征，就是知道衡量輕重、作出取舍，學習知識亦如是，要核算成本，成本包括包括時間成本、金錢成本、機會成本等。

學習深度就是做出取舍的標準。你說我想要學到能夠復述的程度，想把羅振宇時間的演講說給別人聽。那肯定得全部過一遍演講稿，而且還得記一遍筆記。如果只是簡單的了解，目的是給二奶奶閑聊，那了解幾個關鍵詞就可以了，怎么瞎說都行。

3.4 ?第四步要關注怎么學的問題

我們大學的時候學過：任何一個學科，都有基本概念、學科理論、最新研究成果等幾大部分。簡單而言，怎么學也可以分為三大階段：第一大階段，學習基礎概念知識；第二階段，了解知識全貌；第三階段，就是洞悉最新知識。

學習基礎知識方面，李笑來老師前些年經常講，人一定要有概念能力，人最大的能力就是概念能力。所謂概念能力，就是把一個概念摸清楚、講明白的能力。我們所有的人的知識體系，就是靠概念建構起來的。怎么學概念呢？答案就是，可以找一些大學的本科概論書籍來讀。

邏輯思維的CEO脫不花就說過嘛，任何你要學的東西，都可以在大學本科教材里面找到，這是最快速的學習方法。比你跟別人交流、聽前輩的講座效果好。如果有一定基礎的話，可以去找一些教授的、科學家的論文、報告來讀，非常有利于學習基礎知識。

學習知識體系全貌方面，要了解知識的全貌，肯定要讀一些更為深入的專業(yè)書籍，梳理知識的邏輯脈絡。比如說你要系統(tǒng)的學習“搜索”知識。那肯定要多讀幾本專業(yè)書，比如說像搜索的原理類、百度的排名機制類，信息的匹配機制類、程序的設計原理類啥的。

每個部分，可能它對應的都是一個專業(yè)學科。線上搜索，跟網(wǎng)站的信息技術有關、跟網(wǎng)絡營銷有關。線下搜索，可能跟渠道管理、項目運營有關。

田志剛老師還給了個偏方，說如果你想學一個東西，且學的比較深，可以在網(wǎng)上輸入關鍵詞，把前一百頁出現(xiàn)的網(wǎng)頁全部看完，這是全貌的學習。啥意思，書讀千遍。

最新知識的學習方面。我們知道，要跟上這個時代的最新的知識，才能夠跟上這個時代。找到科學領域的大咖是非常有助于學習的。

比如說你是搞運營的，那可以去看一下魏老師啊，徐老師啊，陳老師啊等這些人的專欄，當把這些人了解得差不多，把他們最新的文章、報道看得差不多，把他們的觀點了解的差不多的時候，基本上是能稍微跟緊這個時代了。這個階段要多看最新研究報告。

這就是第四個問題，關注怎么學的問題（本文偏廢話，目的是為后期的實操版打下理論基礎）。

3.5?第五步是進行知識的科學保存

保存嘛，不多說，可以借鑒檔案管理的知識。這個學科會系統(tǒng)講解檔案的邏輯架構、資料目錄、實體庫存、建檔和歸檔等方法，都可以借鑒來，幫助自己進行知識保存。

3.6?第六步是知識的分享和輸出

這非常關鍵。每個東西學了之后，能夠搞懂、可以記下來筆記，和能夠輸出，完全是三個不同的層次。

當你嘗試輸出的時候，你要能有骨有肉的輸出，把東西連接起來，對能力的要求是很綜合的。臺上一分鐘，臺下十年功，作家的一句話背后，可能需要幾十萬字的材料墊底。

所以一定要有輸出倒逼輸入的思維，天天發(fā)朋友圈是一種輸出、經營悟空問答、知乎問答、百度問答也是輸出。如果你能持續(xù)輸出半年，變化會非常大。

要特別強調的一點是，學知識的目的，不是簡單擁有才華，才華只是其中很小一部分而已，身邊有才華而無用者很多，知識管理講究學以致用，不提倡知識崇拜，一定把自己的知識形成一個產品。

比如說一個段子、搞個公號寫幾篇文章、錄一個喜馬拉雅音頻啊啥的，都是產品。產品思維能夠逼著你，學習系統(tǒng)的知識、學會品牌包裝、學會迭代更新、學會營銷、學會讓桀驁無用的才華落地、學會讓知識融合在社會中，給別人解決需求……

總算啰嗦完了，總結一下：首先，要避免在知識洪流里被裹挾，變成有知的無知者；

其次，知識管理是一個有所為有所不為的過程。不要覺得自己什么都能學好，什么都能寫好，什么都能干好，稍微精耕某領域你會發(fā)現(xiàn)，能夠把手頭這件事情說對、作對、做好，相當不容易；

再者，知識管理的步驟，可以歸納為：認知自我——搜索和學習——核算成本、設定學習深度——系統(tǒng)學習基礎知識、知識全貌、最新知識——檔案式科學保存——知識產品輸出。