הייתם עדים לנסיון לא מוצלח להכניס דאטה לחברה? הייתם אש/ת הדאטה היחיד/ה באירגון? בתור פרילנסר ויועץ אני רוצה ללמוד מטעויות והצלחות של אחרים. אשמח לשיחת טלפון, ווידאו או פנים מול פנים. אפשר גם לחתום על NDA. צרו אתי קשר או הפנו אליי מישהו שיכול להיות רלוונטי.

boris@gorelik.net

בבקשה, תכתבו הערה כלשהי לפוסט הזה. לא משנה מה: תגידו ״שלום״, תשאירו לינק מעניין, ספרו על עצמכם קצת, אפילו סמיילי קטן מספיק. כל מה שאני רוצה לדעת זה כמה אנשים ״חיים״ קוראים את הבלוג שלי.

גם לא משנה מתי אתם רואים את הפוסט הזה. אם אתם רואים אותו, תשאירו הערה.

תודה

Photo by Pixabay on Pexels.com

לפני שהפכתי פרילנסר בתחום ה־data science, עבדתי בחברה מבוזרת ותקשורת מרחוק, כולל מצגות היו עבורי נורמה ולא יוצא מהכלל. עם כל הבהלה של ווירוס הקורונה, והמעבר הכפוי של המונים לעבודה מהבית החלטתי לשתף כמה טיפים למצגות מרחוק

• עדיף לעמוד. אם בפגישה פיזית הייתם עומדים תוך כדי ההצגה, גם במצגת מרוחקת כדאי לעמוד. כשאנו עומדים, התנועות שלנו נהיות חופשיות יותר, אפילו הקול משתנה.
• יש לי שולחן שמאפשר עבודה בעמידה. אם אין לכם אפשרות להגביה את המצלמה לגובה העייים, אין ברירה, שבו. אתם לא רוצים שהצופים יבהוו במפשעה שלכם במהלך המצגת
• תשתשמשו בשלט של מצגות, גם במצגות ״רגילות״ וגם במצגות מרוחקות. השלט משחרר את תנועת הידיים ומאפשר קצב הרבה יותר טוב.
• חשוב מאוד לראות את הקהל בזמן המצגת. ככה תוכלו לקבל רמזים על איך הדברים שלכם מתקבלים על הצד השני. ככה גם אפשר לזהות בעיות בחיבור. לכן, עדיף לעבוד עם שני מסכים - אחד לשקפים והשני לחלון של סקייפ או זום בו רואים את ה״קהל״.

• את חלון ה״קהל״ עדיף למקם מתחת למצלמה אליה אתם מדברים. ככה הבעת הפנים שלכם תהיה יותר טבעית.
• תוכנות מצגת כמו PowerPoint ו־Keynote משתלטות על כל המסכים שיש למחשב להציע, מה שלא מאפשר לראות את הצד השני. כדי לפתור את הבעיה, אני הופך את השקפים שלי לפורמט pdf ומשתמש באקרובט רידר כדי להציג אותם.
• תרגלו ״על יבש״. עדיף יום-יומיים לפני כדי לתת זמן לתקן את הבעיות הטכניות שעלולות להופיע
• שימו לב לרקע שלכם. במיוחד עם מציגים מהבית או מבית מלון. אף אחד לא צריך לראות מיטה לא מוצעת עם ערמת בגדים מלוכלכים עליה.

הרבה מאוד טסקטים שמדברים על עיצוב מצגות מזכירים כלל אחד ברור: כל שקף צריך להכיל רעיון אחד בלבד. נשמע פשוט, לא?

הנה שקף ממצגת אחד שמספרת כמה חשוב לשים רעיון אחד לשקף.

והנה השקף הבא באותה המצגת, שמסביר למה זה חשוב

נו, כמה רעיונות יש בשקף הזה? לפחות שלושה. יחד עם האותיות הקטנות - ארבעה.

אז מה אפשר לעשות?

קודם כל, צריך לזכור שלרוב השקפים מלווים את המציג, לא מחליפים אותו, ולכן השקף הראשון מספיק. את מה שרוצים להוסיף אפשר רק להגיד, בלי צורך בשקפים.

אם בכל זאת רוצים תזכורות (ובואו נודה על האמת, גם המציג צריך תזכורת), אפשר לפצל כל אחד מהרעיונות לשקף משל עצמו. מי שמרגיש מספיק בטוח בעצמו יכול להוסיף איזו אילוסטרציה שתחבר את השכל ואת הרגש. עדיף שהאילוסטרציה תתפרס על כל השקף, ליצירת אפקט של נוכחות

עכשיו אני שומע אנשים צועקים לי ״יופי, מצגת מוטיבציה זה קל. מה עם מצגת טכנית יותר???). בואו נראה.

הנה שקף ממצגת ״טכנית״ שסוקר את השיטות השונות ללמידה חישובית

בואו נראה מה האפשרויות שלנו

קודם כל, פתרון לאנשים עסוקים - מי שאין לו זמן להתקשקש עם חיפוש של תמונות חמודות, מי שיש לו עוד עבודה לעשות. הפתרון במקרה הזה מוצג בצילומסך למטה. בשקף הראשון אומרים על מה מדברים (על סוגי האלגוריתמים). בשקף השני מדברים על אלגוריתמים לא מונחים (unsupervised), אחר כך מדברים על האלגוריתמים המונחים (supervised) ואחרי זה מזכירים את ה־״שונות״. שימו לב שבכל שקף יש רק רעיון אחד (הכותרת לא נחשבת - היא משמשת לנווט).

יופי. מי שיש לו זמן יכול להגדיל ראש ולספק קצת איורים. בדוגמה הזאת שמתי את הכותרות בצד. כי למה לא?

אפשרות נוספת היא לשים כל כך הרבה מידע, שברור לכל שאף אחד לא אמור לקרוא אותו. זה טיפה ריסקי, אבל שווה בדיקה

לסיכום

כשאומרים לכם ״רעיון אחד לשקף״ מתכוונים לרעיון אחד לשקף. הדרך הפשוטה לוודא את זה זה לפזר את הרעיונות בין השקפים. לא צריך לפחת מכמות השקפים. שקפים לא עולים לנו כסף, תשומת הלב של הקהל - כן.

הרבה לפני שמנהייתי פרילנסר ויועץ data science הייתי קורא נלהב של דר׳ AnnMaria De Mars. לכן, אני מרגיש חובה לשתף את הפוסט האחרון שלה.

Last week, I mentioned that successful consultants have five categories of skills; communication, testing, statistics, programming and generalist. COMMUNICATION Communication is the number one most important skill. All five are necessary to some extent, but a terrific communicator with mediocre statistical analysis skills will get more business than a stellar statistician that can’t communicate. Communication…

5 Basics of Consulting Success: Part 1 — AnnMaria’s Blog

בתור פרילנסר יוצא לי לדבר עם אנשים על הצעות שלא מבשילות לפרוייקט שיחות אלו גוזלות זמן אבל, משום מה, אני דווקא נהנה מהן מאוד. אני גם לומד מהן המון. איך עוד הייתי לומד על מודל עיסקי X או על מה שבאמת קורה מאחורי הקלעים בחברה Y?

אני לא יכול להרחיב יותר מדי, אבל למקרה שתהיתם איך נראית שביעות רצון מדעית, אז הנה, כך

Stay tuned

איזה חוקר נתונים יגיד לא לעוד כח חישוב? בוודאי לא אני. אוסף מכשירי החישוב שלי קיבל תוספת נחמדה - מכונת חישוב (אריתמומטר) סובייטית פליקס

הידעתם שבשל הפיגור הכללי של התעשיה הסובייטית, ברית המועצות ייצרה חשבוניות ומכונות חישוב מכניות עד שנות השמונים - מזמן אחרי שהם יצאו משימוש בעולם המערבי

תרשים עוגה כחלופה הולמת לגרף עמודות

במהלך חיי המקצועיים שמעתי רבות בגנות תרשימי עוגה. הסיבה לכך נעוצה בעובדה שקל מאוד לייצר זוועות עם תרשימים אלו. לא עזרה העובדה שבמשך המון זמן ברירת המחדל של תרשימי עוגה, בכל כלי ההדמיה העיקריים, ייצרה תרשימים מעוותים לגמרי. מצדדי החרם על תרשים עוגה מציעים את גרף העמודות כחלופה ראשונה. יחד עם זאת צריך לזכור שלא מתקנים עוול אחד בעוול אחר. לפעמים גרף עוגה דווקא מתאים יותר מגרף העמודות. בואו נראה דוגמה למקרה כזה.

הכנסת המתפקדת האחרונה שהייתה לנו במדינת ישראל הייתה הכנסת ה־20. בואו נראה איך התפלגו מושבי הכנסת בין המפלגות השונות.

זה הקוד ליצירת תרשים עוגה בסיסי בשפת פייתון עם שימוב בספריות סטנדרטיות

fig, ax = plt.subplots()
ax.pie(
    x=tbl_knesset20['מושבים'],
    labels=tbl_knesset20['מפלגה']
)

עד לא מזמן, התוצאה הייתה נראית ככה:

*
*

עזבו לרגע את העברית ההפוכה (נטפל בזה בהמשך), הגרף הזה פשוט נורא. הבעיה הגדולה ביותר שלו זה עווית המציאות. כאשר אנחנו מסתכלים על תרשים עוגה, אנחנו אומדים (estimate) שטחים וזוויות. במקרה הזה, יחס גובה/רוחב של העיגול לא נשמר ואתו גם נהרסו השטחים והזוויות. מה עושים? ספריית matplotlib מאפשרת קיבוע של יחס גובה/רוחב על ידי ax.set_aspect(1.0) . לשמחתי, גרסאות חדשות של ספריה זו הכניסו את היחס הנכון כברירת מחדל והעוגה הדפולטיבית נראית עגולה היום. ברוך ה׳

*
*

לפני שנפתור את הבעיות הגדולות יותר, בואו נטפל בעברית. כל מה שצריך לעשות זה להתקין ספריה מתאימה.

fig, ax = plt.subplots()
ax.set_aspect(1.0)
patches, texts = ax.pie(
    x=tbl_knesset20['מושבים'],
)
ax.legend(patches, tbl_knesset20['label'])
ax.set_title(bidialg.get_display('לא לנסות בבית'))

עדיין לא טוב. מרוב עצים לא רואים את היער. האם הצופה יכול לראות כמה מושבים יש לש״ס, למשל? או לליכוד?

ניסיון להזיז את המקרא ולהוסיף מספרים עדיין לא עובד טוב

בנקודה הזאת, האדם הסביר שלמד הדמית נתונים מרים ידיים, נזכר בתרשימי עמודות ומייצר משהו נחמד

זה יותר טוב, אבל לא מצויין. למה לא? כי אם כל מה שאנחנו רוצים להגיד זה כמה מושבים יש לכל מפלגה, לא צריך גרף, טבלה יכולה להספיק. אבל אם אנחנו רוצים להציג את מאזן הכוחות בכנסת הזאת, הגרף הזה לא מספק את הסחורה בכלל. למעשה, אין לנו כאן עשר מפלגות, אלא שתי קבוצות של מפלגות – הקואליציה והאופוזיציה (זוכרים כמה משעמם היה פעם). ואם מה שמעניין אותנו זה מאזן בין שתי קבוצות, אז גרף עוגה יכול להיות בחירה טובה.

לפני שנמשיך, להלן כללי אצבע לתרשים עוגה טוב אותם ליקטתי בספרות

• מעט מאוד קבוצות (הייתי אומר, עד 4)
• הפלחים ממוינים. המיון מקל על ההשוואה
• עיגול צריך להראות עיגול (יחס גובה/רוחב שווה ל־1(
• זהו

״רגע!״ אתם וודאי צועקים, לא אמרת מעט קבוצות? ״כן,״ אני עונה – כאן יש שתי קבוצות: קואליציה ואופוזיציה. בואו נצבע את הפלחים בהתאם

אנחנו מתקרבים. בנקודה זאת אני קצת מרמה. אני רוצה לקבץ את כל מפלגות הקואליציה ביחד, ואת האופוזיציה ביחד. טכנית, כדי לבצע את הקיבוץ הזה, אני הכפלתי את מספר המושבים של הקואליציה במינוס אחד, והתוצאה לפנינו:

נו, תגידו אתם, מה יותר טוב?

אני טוען שבמקרה הזה העוגה עדיפה על המקלות.

מי שמעוניין לראות את קוד הפייתון אתו יצרתי את הגרפים האלה, מומן להגיע לרפוזיטורי שלי בגיטהאב, בו יש עוד הרבה דוגמאות מעניינות..

להלן חוברת העבודה הרלוונטית

https://github.com/bgbg/datascience_dataviz_workshop/blob/master/demos/item_distribution/pie%20charts%20as%20an%20alternative%20to%20bar%20charts%20-%20the%20Israeli%20Knesset.ipynb

רגעים היסטריים ורגעים היסטוריים מאת מיכאל הרסגור ואיתן פוקס.

(קראתי בנוב׳ 2019)

התחלתי לקרוא את הספר הזה אחרי ששמעתי עליו בפודקאסט המצויין של ראם שרמן, גיקונומי. בתיאוריה הספר מבטיח מאוד: הוא מנתח את ההחטלות של דמויות הסטוריות חשובות ומתייג אותן בשני מימדים: האם ההחלטה הייתה נכונה או לאו באותו הרגע והאם היא הייתה נכונה או לאו בראיה הסטורתי. אחרי הפרק הראשון הבנתי שאני לא אהיה מסוגל לגמור אותו. מיכאל הרסגור המנוח היה הסטוריון קלאסי, מהדור הישן ולכן הספר עמוס בפרטים, שמות ורכילויות למכביר. הבעיה היא שהתקופות עליהן מדבר הספר בכלל לא מעניינת אותי ואת השמות אני ממילא מתקשה לזכור.

לכן, דילגתי אל הפרק האחרון של הספר שדן בישראל בתקופת הסכמי אוסלו והאינטיפדה השניה. קיוויתי למצוא את אותו העומק גם בחלק הזה אבל התבדיתי. הפרק הזה נראה כמו תלאי שהוסיפו אל הספר כדי שאפשר יהיה להגיד שהוא עוסק גם בהיסטוריה וגם בימנו.

השורה התחתונה: לא אהבתי. 2 מתוך 5

למי שפיספס, אני עכשיו יועץ פרילנסר בתחום ה־data science. נדמה לי שמאז ומעולם אני עוקב אחרי הבלוג המעולה של דר׳ אנ-מריה דה מארס. דר׳ דה מארס גם סטטיסטיקאית, גם מפתחת משחקים וגם אלופת העולם, לשעבר, בג׳ודו. לכן, כאשר היא מחלקת עצות, כדאי לשמוע. לפני שבוע אנ-מריה פירסמה פוסט מעולה חדש תחת הכותרת ״הדבר הראשון יועץ סטטיסטי חייב לדעת.

I’ll be speaking about being a statistical consultant at SAS Global Forum in D.C. in March/ April. While I will be talking a little bit about factor analysis, repeated measures ANOVA and logistic regression, that is the end of my talk. The first things a statistical consultant should know don’t have much to do with…

The first things a statistical consultant needs to know — AnnMaria’s Blog

יש אנשים שמשתטחים על קברי צדיקים. אני הלכתי להתברך אצל וויצק - המחשב הישראלי הראשון ובין הראשונים בעולם.

יום אחד היה לילה. הגעתי הביתה מהעבודה אחרי שביליתי שעתיים בנסיעה בכל כיוון. הייתי עצבני ומתוסכל והתחלתי לגגל על ״עבודה מרחוק״. מפה לשם הגעתי לכתבות על חברת Automatic - חברה מבוזרת בלי משרדים שכל עובדיה עובדים ״מהבית״. ולא היה מדובר באיזה סטאר-אפ חמוד של שלושה אנשים: כבר אז היו בחברה כמאתים עודבים ומוצר הדגל שלה, מע׳ ניהול אתרים WordPress, עמד מאחורי ככרבע מכל אתרי האינטרנט!

תחילת המייל המדובר. אפילו לא הורדתי את הלינק ששמרתי לעצמי לקרוא אחר כך

הלכתי לעמוד הדרושים של החברה ולא מצאתי זכר לחוקרי נתונים. הלכתי ל־LinkedIn ולא מצאתי זכר לחוקרי נתונים. חיפשתי וחיפשתי ולא מצאתי זכר לחוקרי נתונים. ״לא ייתכן,״ אמרתי לעצמי, ״חברה שכזאת חייבת חוקר נתונים אחד לפחות״. אז כתבתי מייל די יומרני וחצוף שכותרתו הייתה ״למה אתם צריכים לדבר אתי״. מה שמוזר הוא שהם באמת יצרו איתי קשר. כל זה היה בשנת 2014. מאז אני באוטומאטיק. מאז לא היה יום אחד שלא הודיתי לגורל (לא לאלוהים כי אני אטאיסט) על שהגעתי עד הלום.

ואז, החלטתי לעזוב.

למה?

לעזיבה היו הרבה סיבות אבל העקרית שבהן היא הרצון לצאת שוב מאזור הנוחות שלי ולנסות דברים חדשים. אז החל מיום ראשון הבא אני עובד כפרילנסר בתחום של חקר נתונים (data science), הדמיית נתונים (data visualization) ולמידה חישובית (machine learning). אני גם מרצה בתחומים אלו.

לא יודע מה אתכם, אבל אני מתרגש!

נ.ב. בבקשה תעקבו אחרי הבלוג שלי בעברית ובאנגלית, שימו לייקים ודאגו לספר לחברים על מרצה וחוקר הנתונים המעולה שאתם מכירים

ועוד משהו. אוטומאטיק תמיד מחפשים עובדים חדשים. זאת אחלה חברה לעבוד בה ואפילו לא צריך לבלות בבקרים שעות בכבישים. שלחו להם קו״ח, גם אם אין שום משרה רלוונטית בעמוד הדרושים שלהם. לפעמים החוצפה משתלמת

מפגש החברה בשנת 2018

מפגש החברה משנת 2019. אין לי מושג איפה אני

ב־7 בנובמבר 2016 התחלתי ניסוי. החלטתי לנהל את כל המשימות שלי, גדולות וקטנות, באמצעות מחברת. הניסוי אמור היה להמשך שלושים יום. שלושים הימים נגמרו לפני יותר משלוש שנים ואני עדיין משתמש במחברות שלי ומאוד מרוצה. היום פתחתי מחברת חדשה, ה־13 במספר.

ניתן לקרוא על שיטת ניהול המשימות שלי (באנגלית) כאן. אם יש התענינות, אטרח לתרגם את השיטה לעברית

אתמול עלה לאוויר פרק בפודקאסט ״פופקורן״ בו ליאור פרנקל מראיין מראיין אותי. מי שמכיר אותי יודע כמה אני אוהב לדבר על עצמי ובראיון הזה בהחלט ניצלתי את ההזדמנות. כמה אנשים ששמעו את הפרק אמרו שנהנו מאוד. מומלץ

https://soundcloud.com/hamutsi/142-boris-gorelik

ביוני השנה השתתפתי בכנס NDR בעיר יאשי שברומניה. לפני מספר ימים המארגנים העלו את הקלטות הוידאו של הכנס ליוטיוב. בין ההקלטות גם ההרצאה שלי.

פוסט זה נכתב בהשראת השיעור השבועי של בלה גוטיה בה היא נותנת כמה עצות של ״עשה״ ו־״אל תעשה״ בהקשר של מקרא בגרפים. התפלאתי לראות שבלה לא אמרה שלפעמים לא באמת צריך מקרא, לפחות לא במובן הקלאסי של המילה.

בואו נראה דוגמא פשוטה. נעקוב אחרי תל״ג לנפש בישראל, צרפת ואיטליה בשנים 2000 עד 2012. לא דרושה חוכמה רבה כדי לצייר שלושה קווים. בפייתון אנחנו עושים את זה ככה

plt.plot(gdp.Year, gdp.Israel, '-', label='Israel')
plt.plot(gdp.Year, gdp.France, '-', label='France')
plt.plot(gdp.Year, gdp.Italy, '-', label='Italy')
plt.legend()

השורה האחרונה בקוד עושה קסם קטן ומוסיפה מקרא. זאת התוצאה

גם באקסל קורה קסם קטן

אז איפה פה העיה?

מה קורה כאשר אדם רוצה לדעת איזה קו שייך לאיזו מדינה? אותו האדם נאלץ להשוות בין צבע הקו במקרא לצבע הקו בגרף. מאחר ויש גבול לְמה שאנחנו מסוגלים לשמור בזכרון העבודה שלנו, אנחנו נאלצים לעשות אחד מהשניים: או להעביר את המבט בין קו לקו עשרות פעמים או ״להמציא״ קיצור דרך. קיצורי דרך אינן נחלת העצלנים בלבד. המוח האנושי לא מסוגל לעבוד קשה לאורך זמן הוא חוטר בקביעות להמציא קיצורי דרך (אני מאוד ממליץ על הספר לחשוב מהר לחשוב לאט של דניאל כהנמן). מהו קיצור הדרך במקרה הזה? ובכן, לאורך רוב הגרף, הקו של ישראל נמצא מתחת לקו של איטליה שמנצא מתחת לקו של צרפת. האם אותו הסדר נשמר במקרא? לא ולא. חוסר ההתאמה הזה גורם לדיסוננס, הצופה נאלץ לעבוד קשה, מתעצבן ומפספס שת הפואנטה שלכם. וזה עוד עם שלושה קווים. מה יקרה אם מספר הקווים יגדל?

עכשיו המוח צריך לעבוד עוד יותר קשה כי לא באמת אפשר לזכור את כל הצבעים.

איך משפרים את המצב?

קודם כל נחפש פתרון פשוט וזול, כזה שלא יצריך מאתנו עבודה קשה מדי. אם יש לקווים סדר כלשהו, צריך לדאוג שהסדר הזה יישמר גם במקרא. בפייתון עושים את זה על ידי שינוי סדר הפקודות.

plt.plot(gdp.Year, gdp.Australia, '-', label='Australia')
plt.plot(gdp.Year, gdp.Belgium, '-', label='Belgium')
plt.plot(gdp.Year, gdp.France, '-', label='France')
plt.plot(gdp.Year, gdp.Italy, '-', label='Italy')
plt.plot(gdp.Year, gdp.Israel, '-', label='Israel')
plt.legend()

אנחנו עדיין עודבים קשה אבל לפחות יכולים להסתמך על סדר הקווים. סדר זה עוזר לנו גם אם אנחנו לא רואים את הצבעים בצורה טובה (בגלל מצב גנטי, הגיל או בגלל שמשתמשים במקרן ישן במצגת). זאת הקלה גדולה מאוד.

אם יש זמן

אם יש לנו קצת יותר זמן, אפשר להשקיע ולשפר את המצב עוד יותר ולהפטר מהמקרא בצורתה הקלאסית.

countries = [c for c in gdp.columns if c != 'Year']
fig, ax = plt.subplots()
for i, c in enumerate(countries):
    ax.plot(gdp.Year, gdp[c], '-', color=f'C{i}')
    x = gdp.Year.max()
    y = gdp[c].iloc[-1]
    ax.text(x, y, c, color=f'C{i}', va='center')
seaborn.despine(ax=ax)

.אם אתם לא מבינים את הפייתון שלי, ליבי אתכם אבל לא אסביר את הקוד כאן

נכון שיותר טוב? עכשיו הצופה לא צריך לזכור כלום, העין שלו לא צריכה לקפוץ מהגרף למקרא. וגם אם לא רואים את הצבעים, ברור איזה קו שייך לאיזו מדינה.

ואם כבר טרחנו לעבוד קשה, למה לא להוסיף עוד טיפת עבודה ולהפוך את המקרא לעוד יותר מועילה?

הנה, אותו הגרף, בלי המקרא (הקלאסית) ועם יותר מידע מועיל.

אני יודע מה תגידו: מה יקרה אם הקווים לא מופרדים בקלות? אם נצייר את אותו הגרף עבור שנים 2000 עד 2016 נקבל בלגאן גדול

אתם צודקים. זה אכן בלגן, אבל לא אמרתי שהחיים קלים. גם את הבלגן הזה אפשר לפתור אבל אין לי זמן לטפל בזה. לרנדי אולסון היה זמן תראו מה הוא עשה בעזרת כמה עשרות שורות של קוד.

http://www.randalolson.com/wp-content/uploads/percent-bachelors-degrees-women-usa.png

תראו גם את הפוסט הישן שלי (באנגלית) שמדבר על מקרא.

לסיכום

בלי מקרא עדיף על עם מקרא. העובדה שאתם יכולים להוסיף מקרא לא אומרת שאתם צריכים.

אותו הפוסט באנגלית: [לינק]

מדי שנה אני מרסם פוסט באנגלית ובו אני מספר לחברים ועמיתים הלא ישראליים שלי על תקופת החגים הישראלית. מוזמנים לשתף את הפוסט הזה עם כל העולם

הקליקו על התמונה כדי לעבור לפוסט האנגלי

בחיי שהייתי סקפטי. אבל ניסיתי ומדתי והשתכנעתי.

קודם כל, הפעלתי טיימר לשישים שניות וקראתי טקסט הצלחתי לקרוא 17 שורות. אחרי זה קראתי את אותו הטקסט רק שהפעם השתמשתי באצבע כדי לכוון את העין שלי כמו שעושים הילדים כשלומדים לקרוא. הפעם הצלחתי לקרוא עשרים ושתיים שורות.

מרשים, לא?

פורסם לראשונה באנגלית כאן

השורה התחתונה: כדאי לקרוא. שמרו על קריאה ביקורתית

לפני מספר ימים סיימתי לקרוא את הספר של אלברט לאזלו בארבשי בשם המבטיח

The Formula. The Universal Laws of Success

בארבשי הוא פרופסור של מדעי הרשתות שידוע, לי לפחות, בזכות המאמר שלו על preferential attachment - המאמר שמסביר את התופעה שבכל רשת חברתית יש פריטים בעלי כמות קשרים הגדולה פי כמה וכמה מהממוצע ברשת.

מדובר בחוקר שנוי במחלוקת עם עדת מעריצים ועדת שונאים.

בזמן האחרון בארבשי חוקר את מה שהוא מכנה ״מדעי ההצלחה״ (חלק מהקולגות שלי מתפקעים מצחוק כשהם שומעים את זה). לפני כשנה סיכם בארבשי את המחקר שלו ושל אחרים בספר תחת הכותרת (תירגום חופשי שלי) ״הנוסחה. החוקים האוניברסליים של ההצלחה״. המסקנות העקריות של הספר הן

• הצלחה זה לא מה שאתה עושה אלא מה שאנחנו חושבים עליך. זה לא משנה אם אתה עובד קשה וטוב אם ״אנחנו״ לא יודעים את זה או משייכים את פירות העבודה שלך למישהו אחר
• מי שרוצה להצליח חייב להיות מוכר תחום בו הוא עוסק. אנשים נוטים לשייך דברים למי שהם תופסים ממנו כמומחים בלי קשר למי באמת עשה את העבודה
• זה לא הגיל זה התרגיל. קיים קונצנזוס שרוב האנשים המצליחים פרצו אל ההצלחה בצעירותם. בארבשי טוען שזה לא מפני שהזקנים לא יכולים להצליח אלא מפני שהם מפסיקים לנסות. לפי המחקר שנעשה בקבוצה שלו, כל עוד אתה (או את) ייצירתי ולא מפסיק לעבוד, יש לך סיכוי
• סבלנות משתלמת. אליבא דבארבשי, מי שעובד קשה ומתמיד, בסוף פורץ. האם ידעתם שמחברת ״הארי פוטר״ נדחתה שתים עשרה פעמים עד שהספר שלה פורסם והפך אותה לסופרת העשירה ביותר בעלם? אני די סקפטי מהטענה הזאת וכשיהיה לי זמן ארחיב על זה

כדאי לזכור שרוב המחקרים שבארבשי ביצע או ציטט מדדו הצלחה של חוקרים באקדמיה. מגבלה זו לא מפריעה לבארבשי לקרוא לחוקים שלו ״אוניברסליים״.

אז בשורה התחנותה: כדאי לקרוא

למרות שאני אוהב את המחשבה שאני חי בעולם גלובלי, עיקר מעגל החברתי שלי נמצא בארץ. כמה פעמים שמעתי הערות בסגנון ״פוסט יפה, אבל למה לא בעברית?״. לכן החלטתי שמהיום **אשתדל **לספק תרגום עברי לכל פוסט חדש שלי. אשתדל. בלי נדר.