Back to Stories

તમારા જીવનને એક વળાંક આપો

દુનિયા પ્રત્યેનો આપણો દૃષ્ટિકોણ વ્યક્તિગત અલ્ગોરિધમ્સ દ્વારા સંચાલિત છે: આપણી વ્યક્તિગત સામાજિક વ્યવસ્થા બનાવતા બધા ઘટક ભાગો (અને લોકો) કેવી રીતે ક્રિયાપ્રતિક્રિયા કરે છે તેનું અવલોકન કરવું, અને આગળ શું થશે તેની આગાહી કરવા માટે પેટર્ન શોધવી. જ્યારે સિસ્ટમો રેખીય રીતે વર્તે છે અને તરત જ પ્રતિક્રિયા આપે છે, ત્યારે આપણે આપણી આગાહીઓ સાથે એકદમ સચોટ હોઈએ છીએ. આ જ કારણ છે કે નાના બાળકો પ્રકાશ સ્વીચો શોધવાનું પસંદ કરે છે: કારણ અને અસર તાત્કાલિક હોય છે. બાળક સ્વીચ ફેરવે છે, અને પ્રકાશ ચાલુ થાય છે. પરંતુ જ્યારે સમય વિલંબ અથવા બિન-રેખીયતા હોય ત્યારે આપણી આગાહી કરવાની શક્તિ ઘટી જાય છે, જેમ કે એક CEO ​​ના કિસ્સામાં જે અપેક્ષા કરતાં વધુ સારી કમાણી કરે છે અને ફક્ત શેરના ભાવમાં ઘટાડા પર આશ્ચર્ય પામે છે.

મારા સહ-લેખક, MIT-પ્રશિક્ષિત વ્યૂહરચનાકાર અને એન્જિનિયર જુઆન કાર્લોસ મેન્ડેઝ-ગાર્સિયાનો ઉલ્લેખ કરો, જે સ્ટાર્ટ-અપ્સ અને ફોર્ચ્યુન 500 કંપનીઓ બંને સાથે સલાહ લે છે. મેન્ડેઝ-ગાર્સિયાના મતે, બિન-રેખીય વિશ્વને સમજવા માટે શ્રેષ્ઠ મોડેલોમાંનું એક S-કર્વ છે, જેનો ઉપયોગ અમે વિક્ષેપકારક નવીનતાઓના પ્રસારને સમજવા માટે કર્યો છે, અને જેનો તેઓ અને હું અનુમાન લગાવીએ છીએ તેનો ઉપયોગ વ્યક્તિગત વિક્ષેપને સમજવા માટે થઈ શકે છે - આપણા પોતાના કારકિર્દી માર્ગોમાં જરૂરી ધરી.

વ્યવસાય (અથવા મગજ) જેવી જટિલ પ્રણાલીઓમાં, કારણ અને અસર હંમેશા લાઇટ સ્વીચ અને લાઇટ બલ્બ વચ્ચેના સંબંધ જેટલા સ્પષ્ટ ન પણ હોય. સમય-વિલંબિત અને સમય-આધારિત સંબંધો હોય છે જેમાં નજીકના ભવિષ્યમાં વિશાળ પ્રયાસો બહુ ઓછા પરિણામ આપી શકે છે, અથવા જેમાં આજે ઉચ્ચ ઉત્પાદન લાંબા સમય પહેલા લેવામાં આવેલા પગલાંનું પરિણામ હોઈ શકે છે. S-કર્વ આ સિસ્ટમોને એક એવા માર્ગ પર સંકેતો પ્રદાન કરીને ડીકોડ કરે છે જે વારંવાર ચાલતા હોવા છતાં, હંમેશા સ્પષ્ટ નથી. અમારી પૂર્વધારણા એ છે કે જેઓ સફળતાપૂર્વક નેવિગેટ કરી શકે છે, S-કર્વ જેવા શીખવાના અને મહત્તમ થવાના ક્રમિક ચક્રનો ઉપયોગ પણ કરી શકે છે, તેઓ વ્યક્તિગત વિક્ષેપના આ યુગમાં ખીલશે.

ચાલો એક ટૂંકી સમીક્ષા કરીએ. નવીનતાઓના પ્રસારના સિદ્ધાંત અનુસાર - સંસ્કૃતિઓમાં વિચારો અને ટેકનોલોજી કેવી રીતે, શા માટે અને કયા દરે ફેલાય છે તે સમજવાનો પ્રયાસ - શરૂઆતમાં પ્રસાર અથવા અપનાવવાની પ્રક્રિયા પ્રમાણમાં ધીમી હોય છે જ્યાં સુધી એક ટિપિંગ પોઈન્ટ ન પહોંચે. પછી તમે અતિવૃદ્ધિમાં પ્રવેશ કરો છો, જે સામાન્ય રીતે બજારમાં પ્રવેશના 10-15% ની વચ્ચે ક્યાંક થાય છે. સંતૃપ્તિ 90%+ પર પહોંચી જાય છે.

ઉદાહરણ તરીકે, ફેસબુક, અંદાજે એક અબજ બજારની તક ધારીને, 10% સુધી પહોંચવામાં લગભગ 4 વર્ષ લાગ્યા. એકવાર ફેસબુક સો મિલિયન વપરાશકર્તાઓના નિર્ણાયક સમૂહ સુધી પહોંચ્યું, ત્યારે નેટવર્ક અસર (એટલે ​​કે મિત્રો અને પરિવાર હવે ફેસબુક પર હતા), તેમજ વાયરલિટી (ઈમેલ અપડેટ્સ, મિત્રોના મિત્રો માટે ફોટો આલ્બમ્સ, વગેરે) ને કારણે હાઇપરગ્રોથ શરૂ થયો. જોકે, અમારા ઇનપુટ્સના આધારે, ફેસબુક ક્યારે સંતૃપ્તિ સુધી પહોંચશે તે અંગે આપણે દલીલ કરી શકીએ છીએ, તેમાં કોઈ શંકા નથી કે વૃદ્ધિ દર ધીમો પડી ગયો છે અને હવે મર્યાદિત છે, જો કોઈ અન્ય કારણસર નહીં, તો સેવાને ઍક્સેસ કરી શકે તેવા લોકોની સંખ્યા દ્વારા. ( મેન્ડેઝ-ગાર્સિયાના ફેસબુક અને એસ-કર્વ ગણિત વિશે અહીં થોડું વધુ છે .)

૧૨૦૮૧૮ ફેસબુક s-curve.jpg

જેમ જેમ આપણે કુશળતાના નવા ક્ષેત્રમાં યોગ્યતા વિકસાવવાનું વિચારીએ છીએ, વ્યક્તિગત શીખવાની કર્વ ઉપર આગળ વધીએ છીએ, શરૂઆતમાં પ્રગતિ ધીમી હોય છે. પરંતુ ઇરાદાપૂર્વકના અભ્યાસ દ્વારા, આપણે આકર્ષણ મેળવીએ છીએ, એક સદ્ગુણ ચક્રમાં પ્રવેશીએ છીએ જે આપણને ક્ષમતા અને આત્મવિશ્વાસને વેગ આપવાના મીઠા સ્થાન તરફ દોરી જાય છે. પછી, જેમ જેમ આપણે નિપુણતા તરફ આગળ વધીએ છીએ, તેમ તેમ દુષ્ટ ચક્ર શરૂ થાય છે: આપણે જે કરી રહ્યા છીએ તે જેટલું વધુ આદતવાળું બને છે, તેટલું ઓછું આપણે શીખવાની "સારું લાગે છે" અસરોનો આનંદ માણીએ છીએ: આ બે ચક્ર S-વક્ર બનાવે છે.

120818 માસ્ટરી s-curve.jpg

S-કર્વ મોડેલ ભવિષ્યની વધુ સારી આગાહી કરવામાં કેવી રીતે મદદ કરી શકે છે તેનું એક ઉદાહરણ ગોલ્ફર ડેન મેકલોફલિનનો અનુભવ છે. એપ્રિલ 2010 માં, ક્યારેય ગોલ્ફના 18 છિદ્રો રમ્યા ન હતા, મેકલોફલિનએ 10,000 કલાકની ઇરાદાપૂર્વકની પ્રેક્ટિસ દ્વારા ટોચના વ્યાવસાયિક ગોલ્ફર બનવાના લક્ષ્યને પ્રાપ્ત કરવા માટે કોમર્શિયલ ફોટોગ્રાફર તરીકેની નોકરી છોડી દીધી. પ્રથમ 18 મહિના દરમિયાન, સુધારો ધીમો હતો કારણ કે મેકલોફલિન પહેલા તેના પુટિંગ, ચિપિંગ અને તેના ડ્રાઇવનો અભ્યાસ કરતા હતા. પછી, જેમ જેમ તેણે વિવિધ ભાગોને એકસાથે મૂકવાનું શરૂ કર્યું, તેમ તેમ હાઇપરગ્રોથ વર્તન સાથે સુસંગત સુધારો ઝડપી બન્યો. જ્યારે તેણે ટ્રેક કર્યો ન હતો કે તેનો વિકલાંગતા કેટલી ઝડપથી ઘટ્યો, જેના કારણે અમારા માટે S-કર્વ બનાવવાનું અશક્ય બન્યું, પ્રોજેક્ટના 28 મહિના પછી, તેણે યુએસ ગોલ્ફ એસોસિએશન (USGA) ડેટાબેઝમાં વિકલાંગતા નોંધાવનારા 26 મિલિયન ગોલ્ફરોમાંથી 91% ને વટાવી દીધા છે. આશ્ચર્યજનક નથી કે, તેનો સુધારો દર (જો વિકલાંગતા તરીકે માપવામાં આવે તો) હવે ધીમો પડી રહ્યો છે કારણ કે તે ટોચના 10% કલાપ્રેમી ગોલ્ફરો તરફથી સ્પર્ધાનો સામનો કરી રહ્યો છે.

જેમ S-વળાંકને સમજવાથી આપણે નવું જ્ઞાન મેળવતા હતા ત્યારે નિરાશા દૂર રહી શકે છે, તેમ જ તે આપણને એ સમજવામાં પણ મદદ કરી શકે છે કે આપણે ઉચ્ચપ્રદેશ પર પહોંચ્યા પછી શા માટે એન્નુઇ શરૂ થાય છે. જેમ જેમ આપણે નિપુણતા મેળવવાની નજીક જઈએ છીએ, તેમ તેમ આપણો શીખવાનો દર ધીમો પડી જાય છે, અને જ્યારે કંઈક કરવાની ક્ષમતા આપમેળે ક્ષમતા સૂચવે છે, તેનો અર્થ એ પણ થાય છે કે આપણું મગજ હવે ઓછા ફીલ-ગુડ ન્યુરોટ્રાન્સમીટર ઉત્પન્ન કરી રહ્યું છે - રોમાંચની સવારી પૂરી થઈ ગઈ છે.

120818 સ્ટેક્ડ s-curves.jpg

આપણા શિક્ષણના શિખરો તરીકે, જો આપણે નવા વળાંકો પર કૂદકો મારવામાં નિષ્ફળ જઈએ, તો આપણે ખરેખર આપણા પોતાના પતનને વેગ આપી શકીએ છીએ. તેનો અર્થ એ નથી કે નાણાકીય પતન થશે, પરંતુ આપણી ભાવનાત્મક અને સામાજિક સુખાકારીને ફટકો પડશે. બિઝનેસ ઇનોવેશન ફેક્ટરીના મુખ્ય ઉત્પ્રેરક, શાઉલ કપલાન શેર કરે છે: "મારું જીવન શીખવાના તીવ્ર વળાંકની શોધમાં રહ્યું છે કારણ કે ત્યાં હું મારું શ્રેષ્ઠ કાર્ય કરું છું. જ્યારે હું મારું શ્રેષ્ઠ કાર્ય કરું છું, ત્યારે પૈસા અને કદ હંમેશા અનુસરે છે." અથવા જેમ્સ ઓલવર્થને સમજાવતા, "સ્ટીવ જોબ્સે ઇનોવેટરની મૂંઝવણ ઉકેલી કારણ કે તેમનું ધ્યાન ક્યારેય નફા પર નહોતું, પરંતુ વધુ સારા ઉત્પાદનો પર હતું." નફાના ઉચ્ચપ્રદેશને ભૂલી જાઓ: શીખવાના વળાંકને શોધો અને સ્કેલ કરો.

S-કર્વ માનસિક મોડેલ વ્યક્તિગત વિક્ષેપ માટે એક આકર્ષક કારણ બનાવે છે. જ્યારે વસ્તુઓ રેખીય હોય ત્યારે આપણે આપણા ભવિષ્યની આસપાસ ગણિત કરવામાં ખૂબ જ કુશળ હોઈ શકીએ છીએ, પરંતુ ન તો વ્યવસાય કે ન તો જીવન રેખીય હોય છે, અને આખરે આપણા મગજને જેની જરૂર છે, તે અણધારી વસ્તુના ડોપામાઇનની પણ જરૂર છે. વધુ અગત્યનું, જેમ જેમ આપણે વધુને વધુ ઝિગ-ઝેગ વિશ્વમાં રહીએ છીએ, તેમ તેમ તમે સ્પર્ધામાં ફેંકી શકો તે શ્રેષ્ઠ વળાંક એક શીખવાના વળાંકથી બીજામાં કૂદવાની તમારી ક્ષમતા છે.

આ પોસ્ટ 8020world ના મેનેજિંગ ડિરેક્ટર જુઆન કાર્લોસ મેન્ડેઝ-ગાર્સિયા સાથે સહ-લેખિત કરવામાં આવી હતી. કોલંબિયામાં જન્મેલા, તેઓ એશિયા, યુરોપ અને યુનાઇટેડ સ્ટેટ્સમાં રહ્યા અને કામ કર્યું છે. જુઆન કાર્લોસે MIT સ્લોનમાંથી MBA, સિસ્ટમ્સ એન્જિનિયરિંગમાં માસ્ટર્સ અને ઇલેક્ટ્રિકલ એન્જિનિયરિંગમાં સ્નાતકની ડિગ્રી મેળવી છે.

છબીઓના કૉપિરાઇટ 2012 જુઆન સી. મેન્ડેઝ અને વ્હીટની જોહ્ન્સન. બધા હકો અમારી પાસે રાખેલા છે.

Share this story:

COMMUNITY REFLECTIONS

1 PAST RESPONSES

User avatar
Leena Oct 11, 2012

this is interesting to me as in my research I proposed learning and improving on that learning (developing mastery) is like a spiral. Habits of learning are strengthened as the learner builds on their skills - they continually build on the dispositions required for learning as they return to them. Each turn of the spiral they are moving closer to mastery. I agree that courage is needed to keep moving forward, that and determination - both as important dispositions for learning.