اپنی زندگی کو ایک وکر پھینک دیں۔

دنیا کے بارے میں ہمارا نظریہ ذاتی الگورتھم کے ذریعے تقویت یافتہ ہے: یہ دیکھنا کہ ہمارے ذاتی سماجی نظام کو بنانے والے تمام اجزاء (اور لوگ) کس طرح آپس میں تعامل کرتے ہیں، اور اس بات کی پیشین گوئی کرنے کے لیے نمونوں کی تلاش کرتے ہیں کہ آگے کیا ہوگا۔ جب نظام خطی طور پر برتاؤ کرتے ہیں اور فوری طور پر ردعمل ظاہر کرتے ہیں، تو ہم اپنی پیشین گوئیوں کے ساتھ کافی حد تک درست ہوتے ہیں۔ یہی وجہ ہے کہ چھوٹے بچے روشنی کے سوئچز کو دریافت کرنا پسند کرتے ہیں: وجہ اور اثر فوری ہے۔ بچہ سوئچ پلٹتا ہے، اور لائٹ چلتی ہے۔ لیکن ہماری پیشین گوئی کی طاقت اس وقت گر جاتی ہے جب وقت میں تاخیر یا غیر خطوطی ہوتی ہے، جیسا کہ ایک سی ای او کے معاملے میں جو توقع سے زیادہ بہتر آمدنی فراہم کرتا ہے صرف اسٹاک کی قیمت میں کمی پر حیران رہ جاتا ہے۔

میرے شریک مصنف، MIT سے تربیت یافتہ حکمت عملی اور انجینئر جوآن کارلوس مینڈیز گارسیا درج کریں، جو دونوں اسٹارٹ اپ اور فارچیون 500 کمپنیوں سے مشاورت کرتے ہیں۔ Méndez-García کے مطابق، غیر خطی دنیا کا احساس دلانے کے لیے بہترین ماڈلز میں سے ایک S-curve ہے، وہ ماڈل جسے ہم نے خلل ڈالنے والی اختراعات کے پھیلاؤ کو سمجھنے کے لیے استعمال کیا ہے، اور جس کا وہ اور میں قیاس کرتے ہیں کہ ذاتی خلل کو سمجھنے کے لیے استعمال کیا جا سکتا ہے — ہمارے اپنے کیریئر کے راستے میں ضروری محور

کاروبار (یا دماغ) جیسے پیچیدہ نظاموں میں، وجہ اور اثر ہمیشہ اتنا واضح نہیں ہو سکتا جتنا کہ لائٹ سوئچ اور لائٹ بلب کے درمیان تعلق ہے۔ وقت میں تاخیر اور وقت پر منحصر تعلقات ہوتے ہیں جن میں بڑی کوششوں سے قریبی مدت میں بہت کم حاصل ہو سکتا ہے، یا جس میں آج زیادہ پیداوار ایک طویل عرصہ پہلے کیے گئے اقدامات کا نتیجہ ہو سکتی ہے۔ ایس وکر ان سسٹمز کو ایک ایسے راستے کے ساتھ سائن پوسٹس فراہم کر کے ڈی کوڈ کرتا ہے جو کہ اکثر چلنے کے باوجود ہمیشہ واضح نہیں ہوتا ہے۔ ہمارا مفروضہ یہ ہے کہ جو لوگ کامیابی کے ساتھ نیویگیٹ کر سکتے ہیں، یہاں تک کہ سیکھنے اور زیادہ سے زیادہ حاصل کرنے کے مسلسل چکر جو S-curve سے مشابہت رکھتے ہیں، ذاتی خلل کے اس دور میں ترقی کی منازل طے کریں گے۔

آئیے ایک فوری جائزہ لیتے ہیں۔ اختراعات کے پھیلاؤ کے نظریہ کے مطابق - یہ سمجھنے کی کوشش کہ کس طرح، کیوں اور کس شرح سے نظریات اور ٹیکنالوجی تمام ثقافتوں میں پھیلتی ہے - پھیلاؤ یا اپنانے کا عمل شروع میں نسبتاً سست ہوتا ہے جب تک کہ ایک اہم مقام تک نہ پہنچ جائے۔ پھر آپ ہائپر گروتھ میں داخل ہوتے ہیں، جو عام طور پر مارکیٹ کی رسائی کے 10-15% کے درمیان ہوتا ہے۔ سنترپتی 90%+ پر پہنچ گئی ہے۔

مثال کے طور پر فیس بک کے ساتھ، ایک بلین کے اندازے کے مطابق مارکیٹ کے مواقع کو 10% تک پہنچنے میں تقریباً 4 سال لگے۔ ایک بار جب فیس بک ایک سو ملین صارفین کے اہم بڑے پیمانے پر پہنچ گیا، تو نیٹ ورک کے اثر (یعنی دوست اور خاندان اب فیس بک پر تھے) کے ساتھ ساتھ وائرلٹی (ای میل اپ ڈیٹس، دوستوں کے دوستوں کے لیے فوٹو البمز وغیرہ) کی وجہ سے ہائپر گروتھ شروع ہوگئی۔ اگرچہ ہم اپنے ان پٹس پر منحصر ہے کہ، فیس بک کب تک سنترپتی تک پہنچے گا، اس میں کوئی سوال نہیں ہے کہ ترقی کی شرح سست ہونا شروع ہو گئی ہے اور اب محدود ہے، اگر کسی اور وجہ سے، سروس تک رسائی حاصل کرنے والے لوگوں کی تعداد تک۔ ( یہاں مینڈیز گارسیا کے فیس بک اور ایس وکر ریاضی پر کچھ اور ہے ۔)

جیسا کہ ہم مہارت کے ایک نئے ڈومین کے اندر قابلیت کو فروغ دینے کی کوشش کرتے ہیں، ذاتی سیکھنے کے منحنی خطوط کو آگے بڑھاتے ہیں، ابتدائی طور پر پیش رفت سست ہوتی ہے۔ لیکن دانستہ مشق کے ذریعے، ہم کرشن حاصل کرتے ہیں، ایک نیک چکر میں داخل ہوتے ہیں جو ہمیں قابلیت اور اعتماد کو تیز کرنے کے ایک میٹھے مقام کی طرف لے جاتا ہے۔ پھر، جیسے ہی ہم مہارت کے قریب پہنچتے ہیں، شیطانی چکر شروع ہوتا ہے: ہم جو کچھ کر رہے ہیں اس کی عادت جتنی زیادہ ہوتی جائے گی، ہم سیکھنے کے "اچھے محسوس" کے اثرات سے اتنا ہی کم لطف اندوز ہوں گے: یہ دو چکر S-curve تشکیل دیتے ہیں۔

S-curve ماڈل مستقبل کی بہتر پیشین گوئی کرنے میں کس طرح ہماری مدد کر سکتا ہے اس کی ایک مثالی مثال گولفر ڈین میک لافلن کا تجربہ ہے۔ کبھی بھی 18 ہولز گالف نہیں کھیلے، اپریل 2010 میں، میک لافلن نے 10,000 گھنٹے کی جان بوجھ کر پریکٹس کے ذریعے ایک اعلیٰ پیشہ ور گولفر بننے کے ہدف کو حاصل کرنے کے لیے کمرشل فوٹوگرافر کی نوکری چھوڑ دی۔ پہلے 18 مہینوں کے دوران، بہتری سست تھی کیونکہ میک لافلن نے سب سے پہلے اپنے ڈالنے، چپ کرنے اور اپنی ڈرائیو کی مشق کی۔ پھر، جیسے ہی اس نے مختلف ٹکڑوں کو اکٹھا کرنا شروع کیا، بہتری تیز ہوئی، ہائپر گروتھ رویے کے مطابق۔ اگرچہ اس نے اس بات کا پتہ نہیں لگایا کہ اس کی معذوری کتنی تیزی سے کم ہوئی، جس سے ہمارے لیے S-curve بنانا ناممکن ہو گیا، پروجیکٹ کے 28 ماہ بعد، اس نے 26 ملین گولفرز میں سے 91% کو پیچھے چھوڑ دیا ہے جو US Golf Association (USGA) ڈیٹا بیس کے ساتھ معذوری کا اندراج کراتے ہیں۔ حیرت کی بات نہیں، اس کی بہتری کی شرح (اگر معذوری کے طور پر ناپی جائے) اب سست ہو رہی ہے کیونکہ اسے ٹاپ 10٪ شوقیہ گولفرز سے مقابلے کا سامنا ہے۔

جس طرح S-curve کو سمجھنا حوصلہ شکنی کو دور رکھ سکتا ہے جب ہم نیا علم تیار کرتے ہیں، اسی طرح یہ ہمیں یہ سمجھنے میں بھی مدد کر سکتا ہے کہ ایک بار جب ہم سطح مرتفع پر پہنچتے ہیں تو ennui کیوں شروع ہو جاتے ہیں۔ جیسے جیسے ہم مہارت کے قریب پہنچتے ہیں، ہماری سیکھنے کی شرح کم ہوتی جاتی ہے، اور جب کہ کچھ کرنے کی صلاحیت خود بخود قابلیت پر دلالت کرتی ہے، اس کا مطلب یہ بھی ہے کہ ہمارے دماغ اب کم محسوس کرنے والے نیورو ٹرانسمیٹر پیدا کر رہے ہیں - سنسنی خیز سفر ختم ہو گیا ہے۔

ہمارے سیکھنے کے کرسٹ کے طور پر، اگر ہم نئے منحنی خطوط پر کودنے میں ناکام ہو جاتے ہیں، تو ہم حقیقت میں اپنے ہی زوال کا سبب بن سکتے ہیں۔ اس کا مطلب لازمی طور پر مالی زوال نہیں ہے، لیکن ہماری جذباتی اور سماجی بہبود کو نقصان پہنچے گا۔ ساؤل کپلن ، بزنس انوویشن فیکٹری کے چیف کیٹالسٹ، شیئر کرتے ہیں: "میری زندگی تیز سیکھنے کے منحنی خطوط کو تلاش کرنے کے بارے میں رہی ہے کیونکہ یہ وہ جگہ ہے جہاں میں اپنا بہترین کام کرتا ہوں۔ جب میں اپنا بہترین کام کرتا ہوں تو پیسہ اور قد ہمیشہ اس کی پیروی کرتے ہیں۔" یا جیمز آل ورتھ کی تشریح کرتے ہوئے، "اسٹیو جابز نے اختراع کرنے والے کی مخمصے کو حل کیا کیونکہ اس کی توجہ کبھی منافع پر نہیں تھی، بلکہ بہتر اور بہتر مصنوعات پر تھی۔" منافع کی سطح کو بھول جائیں: سیکھنے کے منحنی خطوط کو تلاش کریں اور اسکیل کریں۔

S-curve ذہنی ماڈل ذاتی خلل کے لیے ایک مجبور کیس بناتا ہے۔ جب چیزیں لکیری ہوں تو ہم اپنے مستقبل کے ارد گرد ریاضی کرنے میں کافی ماہر ہوسکتے ہیں، لیکن نہ تو کاروبار اور نہ ہی زندگی لکیری ہے، اور بالآخر جس چیز کی ہمارے دماغ کو ضرورت ہے، وہ غیر متوقع کی ڈوپامائن ہے۔ مزید اہم بات یہ ہے کہ جب ہم تیزی سے زیگ زگ دنیا میں رہتے ہیں، آپ جس بہترین وکر کو مقابلہ پھینک سکتے ہیں وہ ایک سیکھنے کے منحنی خطوط سے دوسرے تک چھلانگ لگانے کی آپ کی صلاحیت ہے۔

یہ پوسٹ 8020world کے مینیجنگ ڈائریکٹر Juan Carlos Mendez-Garcia کے ساتھ مل کر لکھی گئی تھی۔ کولمبیا میں پیدا ہوئے، وہ ایشیا، یورپ اور امریکہ میں رہ چکے ہیں اور کام کر چکے ہیں۔ جوآن کارلوس نے MIT Sloan سے MBA کی ڈگری حاصل کی، سسٹمز انجینئرنگ میں ماسٹرز اور الیکٹریکل انجینئرنگ پر بیچلرز۔

امیجز کاپی رائٹ 2012 Juan C. Mendez and Whitney Johnson. جملہ حقوق محفوظ ہیں۔