《搞定》
决定总是会消耗心力。不能做决定也是一种做决定。【先做一些不能有确定结果的行动，然后观察它，至关重要】。用行动代替思考，用手分担眼和脑的工作，可以缓解内心的焦虑。 三个关键原则养成收集的习惯确定“下一步行动”学会关注结果
《原则》
你能几步做成一件事？瑞达里奥认为，通常有 5 步。 警惕邪教：独立思考，形成原则。 Professional Mistake maker：和其他放过自己错误的人不同，形成自己的错题集，反复思考。
Lambda VS ECS
Lambda 的好处 按使用付费（云计算都有这个特点）。 把资源（ CPU 或内存分配）的 quota 封装得很好。 无需关心监控和运维。 自动扩展（无需关心物理 nodes。node 既意味着系统可拆解，也意味着系统可联结）。 Lambda 的坏处 多步执行环节很慢 特定 function 的执行隔离不好，可能多个用户相互踩踏 ECSECS 云基础设施在架构上更易扩展，只要稍加改造就能和系统集成。 参考：《我们为什么从 Lambda 迁移到了 ECS？》
平安投保流程
主流程 填写投保材料-健康告知、健康状况和意外状况很详细。 投保、缴费。 签名，回访。 数据结构： 1、投保材料。2、电子保单：包含主险和附加险，以及份数。
如何治疗松鼠症
断·舍·离断 = 不买、不收取不需要的东西；舍 = 处理掉堆放在家里没用的东西；离 = 舍弃对物质的迷恋，让自己处于宽敞舒适，自由自在的空间。
如何设计一套风险系统
基本方法论 识别风险 构建相应的应对模块 识别风险 业务风险：不可避免的意外、业务的荣枯和服务体验的优劣导致的某些指标的起落。 欺诈风险：恶意用户恶意骗取保险金。 系统性风险：自然业务发展过程中出现的意料之外的灾害。 建立事中监视模块建立特定的风控监控模块，应用策略。 要搞清楚如何评价用户在此场景下的风险指数，有可能需要借助其他场景的数据。
OKR 笔记
http://arthurchiao.art/blog/short-history-of-okr-zh/ OKR 的历史ORK 是目标管理领域的新工具。诞生于 Intel，帮助 google 取得成功。在国内主要是美团和字节在使用。 上世纪 50 年代，管理科学（management science）兴起，主要用意是提高公司效率。Peter Drucker 发明了 MBO（Management By Objectives，目标管理制度）。MBO 是一个过程，在该过程中，管理者和员工共同设定一个目标，然后定义各自需要做什么才能完成这一目标。 MBOs 显然是 Objectives and Key Results (OKRs) 的前辈。在 OKR 模型中，经理 设定一个目标之后，不再插手细节管理（micromanaging），而是信任自己的团队能够完成 这一目标 —— 和工业时代的管理方式相比，这是一种巨大和高效的转变。从很多方面 来说，这是第一种真正与新的信息时代相匹配的管理哲学。所以计件式的微管理意味着管理者还不能信任下属能够达成这一目的，但 OKR 就意味着简单高效了。 到了...
如何进行产品需求/项目立项
需求分析的三重境界第一层次：用户的观点和行为第二层次：用户的目标和动机第三层次：用户的人性价值观 用户场景分析 谁遇到了问题[WHO] 什么环节遇到了问题[WHEN] 在哪里遇到了问题 [WHERE] 问题是什么[WHAT] 问题产生原因[WHY] 如何解决[HOW] 解决成本[HOW MUCH] 商户 售后 因为 xxx，不得不退款 造成经营损失 平台出于成本考量，不能对此进行赔付 通过 新建 xxx 产品能力，提供补充能力 待思考，也许是中 需求背景要讲场景，讲数字，有定性 项目评估 项目收益：某项指标会上升、某项指标会下降。 项目目标：上线时间。 涉及资源：涉及几个部门和团队？ 具体产品设计方案产品到底有几个维度的细节，要建设的细节分别是什么。
机器学习的几个概念
混淆矩阵混淆矩阵的每一列代表了预测类别，每一列的总数表示预测为该类别的数据的数目；每一行代表了数据的真实归属类别，每一行的数据总数表示该类别的数据实例的数目。 * * True Class True Class * * p n Hypothesized Class Y True Positive False Positive Hypothesized Class N False Negative False Positive 精准、召回与打扰率precision 精准策略识别真实 bad case True Positive/策略识别的 bad case True Positive + False Positive 风控识别出 100 个案子，实际上有 20 个是真的，精准率为 20%。 注意，这里我们并不知道所有案子有多少。这里讨论的是已经找出的案子的精准率。 recall 召回策略识别真实 bad case True Positive /所有真实的 bad case True Positive + False Negative 总共发生了...
