吉宁博士观点
自我分析有助于提高工作能力和生活满意度
斯蒂芬·沃尔夫勒姆（Stephen Wolfram）既是位企业家，又是位科学家。今年三月，他写了篇博客，题目是“我的生活分析（The Personal Analytics of My Life）”。在这篇博客里，他把自己22年以来使用电子邮件的相关数据、花在会议上的时间以及敲击键盘登陆电脑的次数绘制成一张图表，结果，里面的图表和曲线图很有意思，也颇有启迪性。用这种记录方式，沃尔夫勒姆认识到自己是一个生活井井有条的人，喜欢一个人在深夜加班。此外，他还认识到：虽然在工作上安排的电话会议通常能准时开始，但现场会议却没法保证时间，而且在用电脑时，他花了7%的时间来删除已经写好的内容。
正如沃尔夫勒姆所说，这种“自我意识尝试”让他成为了自我分析这一新兴学科的开拓者。所谓“自我分析”，就是自愿收集、分析与自己相关的各种数据，以期改善自己。长期以来，运动员就用先进的可视化统计分析来帮助提升自己的成绩；现如今，自我分析也日趋盛行于工作场所。运用可佩带装置、手机和电脑应用程序、以及高级的数据可视化技术，我们可以轻松监控自己的办公室活动及其任何影响因素，由此得出相关信息，以帮助我们做出更好选择，究竟应该把时间和精力集中投入到哪些工作上。
这预示着我们对工作表现追踪、甚至职业规划的观念都会有重大改变。事实上，长期以来，公司都在监测员工们的工作表现，不过一直都是管理者在选用监测工具和监测标准，而且由管理人员来决定如何解释这些监测结果。现如今，有了自我分析，员工们完全可以在工作中自我监测了。用自动化实验，他们可以准确发现哪些工作和技术能让自己的工作效率和工作满意度最大化，并做出相应转变。
沃尔夫勒姆的发现是：“井井有条”的生活让“无论挑战智力的工作还是其他事情都变成了他的下意识行为，他完全乐在其中、精力充沛”。但是，他没有用这些数据来分析如何改善自己的表现。从这个意义讲，他的博客内容既具前瞻性，又有警诫性，因为它凸显了事先没有计划就运用自我分析的种种陷阱。由于一开始缺乏清晰目标，沃尔夫勒姆足足花了二十年时间来综合分析收集到的大量数据，即便如此，他的博客也仅仅停留在数据观察上，而没有对这些数据做进一步的分析和介入。例如：是否可以基于数据调查来改善自己？依照压力程度来计划项目节奏是不是更有用？考虑到他对公司实行远程管理，基于何时与别人相处来调整自己的情绪，这是不是更有用？
如果一开始没有考虑到这些问题，自我分析就很容易变成一个看似前途无限、实则无用武之地的理念，会像其他技术上的流行时尚一样，昙花一现。为了更好地进行自我分析，你必须了解自我分析工具，想出正确的使用方法。自我分析的目的不仅仅是要提升自我意识，还要提高工作能力和生活满意度。
自我分析的工具
工具
当前，自我分析工具主要分为两种，第一种是追踪器，用来发现模式，帮助设立目标，记录日常行为（比如：睡觉时间、心率、摄食量及能量消耗）及其生理反应，而这些信息能让我们了解到，比如：咖啡因和糖对我们的工作产出有什么影响，什么样的办公室交流会让我们血压骤升。最好要在长时间内（数天、数周或更长时间）多次使用追踪器，来测试介入措施及其结果，直至达到平衡。要确立个人数据基准，然后再多次进行数据收集和数据分析。
有了数据分析，就可以开始使用第二种工具：推动器 (nudger)。推动器通常是一些Apps或网络工具，告诉你要锻炼、不再喝咖啡，或者，在发言时减缓速度。这一工具会在接收数据的基础上提出问题、促成行动，进而指导你朝着目标前进。当然，通常得事先做些准备工作，才能让这些应用程序或网络工具准确及时地提醒你。
分析-生理自我
分析
究竟可以监测什么呢？基于成功的案例和研究，我开发出一个平台，其中包括可以运用自我分析的三个方面：生理自我、思维自我以及情感自我（身体、大脑和精神）。
生理自我 一个人的生理状况会影响他的工作。我们对此已有所认识，因为早在工业革命时，弗雷德里克·泰勒（Frederick Taylor）就提出了著名的时间动作研究（ Time and motion studies），证明了钢厂工人的各种动作（如：把生铁铲进货车）都是可以监测并得以改善的。同样，知识工作者的睡眠模式、压力程度及其运动习惯也会影响他们的工作效率、创造能力和整个的工作表现。现如今，这些工作者可以选用一系列的可移动工具、可佩带感应器或桌面工具，来自动收集与生理活动以及生理系统相关的丰富数据。
商业顾问萨沙·蔡（Sacha Chua）想了解自己的睡眠时间与完成优先工作任务之间的关系，于是，她使用好几种工具进行了相关测试。用一项名为“睡在上面（sleep on it）”的追踪器，她连续数周监测了自己上床睡觉的时间、醒来的时间、每晚的睡眠总时间以及睡眠质量（见例示“自我监测一览”）。有了这一基准数据，她又假设自己上床睡觉的时间太晚，这样，她试着早些起床，把起床时间从早上8:30提前到5:40。
结果，蔡惊奇地发现，在新的作息时间下，她的有效睡眠时间反而更长，睡眠质量也有了改善。而且，她的工作投入度和工作表现也有了改进。这种作息时间让她取消了夜里一些不重要的活动，比如在网上闲逛，这样，她就可以早点上床睡觉。因为不再把早上宝贵的时间浪费在一阵阵打盹这种低质量的睡眠上，她可以把这些时间用来写文章、编程序。从表面上看，这个练习与睡眠有关，但从中得出的数据却提供了一种严谨的方法，让蔡可以发现并优先考虑那些对于她个人及其专业都至关重要的事情，并真正把这些事情落实到具体行动。
分析-思想自我
思想自我 在20世纪60年代，彼得·德鲁克(Peter Drucker)成功论证了量化思想自我成为知识工作组成要素的合理性。众所周知，很难严谨、直接地监测对知识工作的具体状态，但是，仍然可以用模糊标准来监测知识工作的产出，比如：计费工时、提交的报告数量、编写的代码行数等。这些监测标准能够为管理者和财务系统提供一些信息，但对于指导个人如何改进工作却用处不大。但是，在我们完成智能手机的客户研究、Excel统计分析等认知任务时，自我分析可以帮助收集相关数据。
Google工程师鲍勃·埃文斯（Bob Evans）同时使用追踪器和推动器来调查自己的注意力与工作效率之间的关系。他解释说，“作为工程师，我们头脑里全是各种变量，全是用来开发系统的各种知识碎片。一旦分心，我们就会丢失脑海中那根主线。”
使用一种与网上日历互动的Meet-Grinder工具，埃文斯分析了，在几天、几星期的工作中，他在独立思考和与同事交流之间的切换频率是怎样的，并把分析结果与工作产出一起反映在图表中。图表数据表明，基本上，他每完成一项重大工作，需要连续的四小时，因此，现在他会把最具挑战性的工作安排在连续四小时的时间段里，而不是可能有很多会议打断自己思路的时间段里。
埃文斯还用移动应用程序来一天三次提醒自己，“过去两小时里你一直在工作吗？”如果回答是否定的，他就会让自己重新集中精力。如果回答是肯定的，这个应用程序还会接着问：“这期间你的主要工作任务是什么？”、“你的第二项工作任务是什么？”这种数据收集方法被称作“经验取样法”（ESM），是心理学家米哈里·契克森米哈（Mihaly Csikszentmihalyi）设计出来的。就在这项为期三周的实验开始一周后，ESM数据就表明，埃文斯对工作邮件的回复太频繁了，这让他不能集中精力于更为重要的工作上。自此，埃文斯一天只回复两次工作邮件，这样来看看自己的工作效率是否有所提高。而事实也是如此，在第三周该应用程序每次提醒他的时候，他都在全神贯注于自己的编程工作中。（须提醒注意的是，埃文斯的一个同事把这个应用程序设置成每天八次提醒，这让他感到非常挫败，从此不再继续这项实验。）
分析-情感自我
情感自我 15年前，丹尼尔·戈尔曼（Daniel Goleman）宣称，杰出领导人与普通领导人之间90%的区别在于情商，而不是智力水平。事实上，对于情商在职业上的影响作用，很多专业人士都很感兴趣，希望可以加深对自己情感状态及其情感管理能力的认识。然而，针对情商的评估工具和训练，价格不菲，具有侵入性，通常只留给最高管理层中的指定会员。
自我分析工具本身并不能监测情商，但易于我们觉察到自己的情绪，还会用数据支持我们的预测：究竟什么能让我们在日常工作和职业中感到幸福。很多程序和工具都提问我们“你现在感觉如何”，以此来追踪我们的情绪状态。如果使用带全球定位系统（GPS）功能的手机，你就会发现，情感和地点之间也是有联系的。在家里工作时，你感觉更幸福？还是在星巴克？还是在办公室？在某个客户的地盘上、或者在旅行中，你的幸福感是不是就会减弱？或者，使用某种工具来捕获文字数据，比如：电子邮件或日志上的某些字眼，你就能量化自己对某一具体任务或工作机会的感觉。
当然，这些工具并不能代替自我反思，但它们可以促成自我反思，比如：玛丽·杜普什（Marie Dupuch）的例子。长期以来，这位品牌战略家就特别羡慕别人“可以察觉自己的情绪并清楚地知道为什么会有这样的情绪”，因为她知道自己不具备这种直觉，所以，她就发明一种量化工具来帮助认识自己的情绪状态。
当时，大学毕业在即，杜普什面临压力，要在正式工作之前“反思自我、找到出路”，因此，她开始追踪自己的情绪状态。在最后一个学期的三个月时间里，杜普什用一个追踪程序的测试版，一天三次监测自己的情绪状态，并把情绪状态以1-5划分等级。一开始，监测结果是可预测的：与朋友交流或者与家人在Skype上聊天时，心情很好；在使用公共交通时，心情郁闷。但后来，她却发现了一个引人注意的数据结果，那就是：在周四那天，她最高兴，而事实上，这也是她最忙的一天，这样的结果让她大为吃惊。
每周四，杜普什都要开车从位于郊区的学校赶往城里去上广告课，这个课程的授课人是一些特约讲师，学员们还可以与广告业高管以及其他创造性人才进行交流。她的假设是：正是对于市中心广告行业的参与，她才在最累的一天却感觉最幸福。因此，她决定检测这一假设，在连续五天里，她安排了对曼哈顿地区广告公司的六次采访，并全程监测自己的情绪状态。她回忆到，“在此期间的真实数据让我认识到，广告行业对于我来说，是不错的选择，正是让我感到幸福的职业类型。”正因为如此，至今，她还在纽约的广告业快乐、高效地工作着。
当然，有效追踪情绪状态的前提条件是：在收集数据的时候，你能够一直从分析性，甚至判断性的角度来看待自己的情绪状态。这完全不同于追踪自己的睡眠总时间或电子邮件的发送数量。事实上，与我遇到过的很多人一样，杜普什也认为，在自我分析过程中，一开始自己很不自然，但久而久之就容易多了，最终，自我分析会改善我们对自己情绪的感应能力和反应能力。
未来发展
未来发展
自我分析尚处于早期发展阶段，但目前，在认知学和行为学的基础上，大学和私营企业正在进行重要的自我分析新流派研究。一个名为“量化自我”的项目，提供了一些自我分析工具和实验方法的试用机会。另外，对于自我分析实践的从业人员以及自我分析工具的研发人员，商业分析这一新领域的数据可视化和算法革新也不乏启发作用和实际用途。
自我分析这一领域还出现了另外两大趋势。其一，自我分析工具越来越高级。其中，一些工具更好使，因为算法的介入，推动功能更为灵敏，能更好地判断在什么时候、以什么方式发出提醒。这些工具的正确率也更高，甚至超过了美国BodyMedia公司推出的新工具。要知道，BodyMedia的新工具可以每分钟收集5000个生理数据，并使用IBM分析代码在营养和身体活动方面提出建议。一些工具不那么显眼了，比如：被直接织入衣服去获得携带人的身体数据，或者被嵌入Spreadsheets和文字处理软件等专业工具中。其二，自我分析的整体性研究正日益形成。应有程序将把各种测量功能整合到一个控制面板上，从而，自我分析可以在更复杂的维度上进行。
例如， stickK和Beeminder等多种工具把追踪和推动两项功能整合在一起，并增加了一项社会维度。这些工具要求你确立具体目标（如：增加销售电话的数量，或每周与直接下属交谈的次数），并用数字显示器帮助你分析每日进度。为了让你更有动力，这些工具在监测到你偏离轨道时，会使用推动功能，甚至对你进行小额罚款。而且，你还可以在社交活动中使用这些工具，这样，有同一目标的人，即便是陌生人，也可以共享数据、相互鼓励，就像大家在减肥俱乐部做的那样。
技术型企业家尼克·温特（Nick Winter）曾用这种方法来帮助自己实现成功。当时，他觉得自己处于工作效率的瓶颈期，自己的新业务岌岌可危，于是，他开始收集自己在工作活动和工作产出上的数据。在一次为期10个月的练习中，温特试用了提高工作效率的四种不同工具，包括电子数据表、推动器等。最后，他决定使用一种名为“百分率反馈图”的自我分析工具，来帮助自己认清趋势。现在，他把志趣相同的同事组织起来，组成一个网络团队，以便对各自的衡量工具开展比较和竞争。
个人分析指南（PACO）是进行数据整合的另一种工具。它是一个可移动的开放源代码软件，设计人是Google的鲍勃·埃文斯（前文有他的相关事迹）。这个软件可以把所有的数据整合起来进行比较，而无需用情绪追踪器、会议追踪器等各种垂直应用软件。”埃文斯说，“这样，我们可以看清趋势、分布以及相互关系。”
想想，如果有一种自我分析应用程序，可以帮助某管理人员重新安排创新会议，因为经该程序监测发现：这名管理人员睡眠不好，长时间的上下班交通给他造成压力，他在创新会议之前参加的预算会议相当无聊。再想想，如果某名知识工作者可以在绩效检查之前准备好自己的基准数据，这将有力地支持或反对上司对她的评估。
这些就是自我分析的发展方向。如果自我分析的结果是，某人在非核心工作上表现不错，那么自我分析就会促成他的全新职业转变。想想，如果能够为改变生活的决策找到数据支持，会节省我们多少不必要的焦虑啊！
如果应用得当，自我分析还可以在很多场合下为我们提供有力证据，而过去在面临这些场合时，我们一直依赖的是直觉反应和零星反馈。量化自己是一次自我发现的经历，而其中最大的收获就是，它将提升我们的职业、改善我们的生活。（译/邓小莉）
H·詹姆斯·威尔逊是巴布森高管教育学院（Babson Executive Edu－cation）的高级研究员，与人合著的《新企业领导：培养发掘社会、经济机会的领导者》（New Entrepreneurial Leader：Developing Leaders Who Shape Social and Economical Opportunity），由贝瑞特-科勒出版社（Berrett-Koehler）于2011年出版。
