在職場上，你是哪種顏色的？等

《游戲改變世界》

簡·麥戈尼格爾著

浙江人民出版社

本書作者是美國著名交互式娛樂服務公司42 Entertainment首席設計師，全球產值達604億美元的視頻游戲行業大使。她在書中首次探索了互聯時代下游戲化的力量，游戲不是小孩子的玩意兒，不是時間殺手，不是讓人自閉、上癮、喪失活力的毒品，而是改善生活質量、創造美好未來的利器。

《牛刀書說貨幣：貨幣狼煙》

牛刀著

中國商業出版社

在貨幣戰爭逐漸變成現實的今天，貨幣代表一國在全球經濟的地位及影響力，更標示全球財富的流向大趨勢。人民幣的命運就是我們每一個人的命運。中國應當如何應對外國資本攻擊？人民幣未來走勢怎樣？人民幣匯率改革前景如何？在這種形勢下，普通人如何投資理財……本書為您一一解讀。

本書講述了繼六度分隔后，社會網絡研究領域最具影響力的發現。社會網絡是如何形成的？其對人類現實行為（如情緒、健康、經濟運行）有哪些影響？均能在本書找到答案。本書還特別指出，三度影響力（即朋友的朋友的朋友也能影響到你）是社會化網絡的強連接原則，決定著社會化網絡的功能。

在職場上，你是哪種顏色的？

你了解自己嗎？你的工作是否真的適合你？你在職場上到底是如何與人相處的？《職場色商》用最客觀的角度幫你分析你的職業前景。

文/李韌

經過多年的學習研究和豐富的職場實踐，全球著名職業導師索亞·澤奇女士在性格分類指標（MBTI）的基礎上獨創了精彩而實用的色商理論，并率先將其運用于職場實踐。色商理論將人劃分為4種色彩性格類型——“綠色、紅色、藍色、金色”，進而又將其劃分為更加細致的16種類型。在《職場色商》一書中，索亞·澤奇生動地講解了每一種色彩性格的基本特征、行為方式、思維傾向，幫助人們識別自己的性格類型，然后通過典型的職場案例，分析每一種色彩性格的優勢與盲點，提出有針對性的建議，從而引領讀者找到最能夠激勵與鼓舞他們的工作，最終實現職業夢想和事業成就！

適合的才是完美的

色商理論基于研究和實踐的驗證，對人的性格進行明確扼要的分類，然后分別對不同性格的人群給以深入、周全的職業指導。作者尤為熟悉那些現代商業領域的高層職位，如高級行政官、股票經紀人、地產評估師、超模獵頭等。這其實是一個繁復的分類學過程，因為現代各種職業所要求的都不是單一的能力或工作方式。每個行業都既涉及事務又涉及人，在不同地域和規模的企業里工作也有可能大相徑庭。這便要求性格分類基于對人性中本質的差別與共性的認識，而非僅僅將性格分為完美或者有缺陷，鼓勵人們發現自己而不是為了某種標準硬性改變自己。

職業生涯中的大量內容，比如自身具有的優勢與面對的挑戰，如何打造理想的工作環境，以及怎樣挑選合適的老板，都與人際交往能力有關。《職場色商》在這些方面的分析與闡述，皆在于指導我們不僅明確自己是什么樣的人，而且了解自己擅長或者不適合與什么樣的人交往，并提供了一些應對策略。

了解他人才能成就自己

此外，《職場色商》這本書的操作方法十分簡明。不分民族、國別、性別、年齡，人的核心性格被分為以四種顏色代表的四種類別，加上輔助性格與內外向的劃分，共16個類別。一套10分鐘就能完成的自測題，使你明晰自己的性格類型。在相應的章節中，還有針對不同個性的人的職業指導，你花上15分鐘就能讀完。這25分鐘的閱讀，能使每個讀者受益匪淺。在本書中，分析對象既包括瑞士銀行、荷蘭銀行、德勤會計事務所、美林公司、北美信托公司和美國財政部等大型企業或政府部門，也包括很多大家耳熟能詳的明星和政客，這些個體案例中深入的分析和生動的事實，會幫助我們理解各種性格的人在找尋自己社會位置的過程中如何學會揚長避短，并最終大放光彩。在找到自己的歸屬之后，作者也推薦你翻閱其它性格類型的章節。了解不同人群性格之間的細微關聯與分明對立，這種差異性導致了不同的職業選擇，讀來饒有趣味。

事實上，與一些相對模糊和渲染的“洞察人心”、多少有點厚黑學色彩的書籍相比，《職場色商》最讓人可喜的是其中所有成功者的經歷，都讓我們感受到一股巨大的熱情和發自內心的快樂，并包含了人性本身的尊重和理解。

（《職場色商》索亞·澤奇安·畢度著中央編譯出版社）

責任編輯：鄧純雅

大數據時代意味著什么？

一切慣有思維和解決問題的方式在大數據時代即將發生顛覆性的改變，擁有大數據以及能夠解析大數據，成為企業都渴望獲得的傍身利器。

文/鄭渝川

谷歌：神奇預言的背后

2009年，在甲型H1N1流感爆發的幾周前，谷歌的工程師們公開發表了一篇論文，不僅預測流感即將爆發，并且其預測還精確到美國特定的地區和州。這讓人們感到十分震驚。

準確預測流感疫情，說起來并不復雜，谷歌一直致力于對用戶檢索數據的分析。用戶求醫問藥等搜索數據可謂海量，在互聯網時代算不了什么，但這些數據再拿來與美國疾控中心往年記錄的實際流感病例信息相比對，就幫助谷歌作出了準確預測。

被譽為“大數據時代的預言家”、牛津大學網絡學院互聯網研究所治理與監管專業教授維克托·邁爾·舍恩伯格和《經濟學人》雜志編輯肯尼思·庫克耶合著的《大數據時代》一書，開篇就提到谷歌預測流感這個案例，并由此展開闡述，佐證《大數據時代》這本書提出的若干重要觀點。

大數據時代的三個轉變

大數據時代的第一個顯著轉變是：“我們可以分析更多的數據，有時候甚至可以處理和某個特別現象相關的所有數據，而不再依賴于隨機采樣。”在計算機、互聯網出現之前，無論是政府，還是企業，統治區域或業務范圍越大，就越會面臨治理（管理）控制的難題，最主要的原因是數據收集困難，至于對全面的、大量的數據進行科學分析，在技術上是不可行的。這才有了取樣分析的方法，強調通過隨機采樣、科學分析來形成結論。很顯然，盡管分析方法可以越來越精密和科學，但有限數據注定帶來誤差。有時候誤差會大得超出正常范疇和人的預判，這是所謂的完美數學模型帶來金融危機、公共政策決策與執行偏差的一個主要原因。

同時，谷歌收集到海量數據后，借助技術手段開展分析，必然要忽略其中可能包括的無效數據，因為甄別無效數據的時間成本和技術壓力，超過了這樣做可能帶來的收益。因此，谷歌通過分析得出預測，必然只能追求相對精確，而不會像過去那種數據分析方式那樣刨根問底。這也是《大數據時代》一書中提到的第二個轉變，即用概率說話，而不是板著“確鑿無疑”的面孔力圖窮盡事實。

而大數據時代的第三個顯著轉變，則是從“因果關系”到“相關關系”的邏輯演變。分析因果關系，當然需要基于精確性，否則就是不嚴密、不可靠的。但相關關系的核心是量化兩個數據值之間的數理關系，通過識別有用的關聯物來捕捉現在并預測未來。谷歌從用戶搜索數據中，捕捉到流感疫情前兆的大量相關性信號，從而得出預測——它不必去一一還原、驗證這些信號與必然感染流感結果的因果關系，而是以過往感染案例總結出的相關性信號作為參照，從而得出準確預測。反觀同期的美國等國公共衛生部門，因為囿于因果驗證，而不善于進行數據收集整理，也不能對相關性信號作出反應，就只能被動地“等待”疫情發生。

從這個案例不難看出，一切慣有思維和解決問題的方式在大數據時代即將發生顛覆性的改變，擁有大數據以及能夠解析大數據，成為企業都渴望獲得的傍身利器。

（《大數據時代》維克托·邁爾·舍恩伯格 肯尼思·庫克耶 著 浙江人民出版社）

責任編輯：鄧純雅