论文部分内容阅读
在工业革命1.0/2.0时代，甚至早期的信息技术革命3.0时期，机器的特征无非是通过硬件和软件来代替和重复人类的行为，即便是解决复杂的企业管理方案也是如此。现在，机器变得更加聪明，它们不仅懂得重复人类的行为，也开始懂得学习了。
反观我们自己，究竟应该如何学习？中美的教育和职业界，弥漫着害怕错过的气氛，但笔者相信，恐惧恰恰是人们寻找希望的机会。
德勤美国研究院总监约翰·哈格尔提出了一个简单的学习金字塔。我们大量的培训都集中在技能和知识范畴，解决的是“所做和所知”问题。在“所做”方面，他又细分了激情和能力。“激情”包含很多内容，有学习和工作的意义、目的和价值，也有我们的商业伦理。最有趣的是，他在其中插入了“学习能力”。顺序也非常重要：基于价值观和工作伦理，我们首先需要学习“学习的能力”，在此之上，才是各种知识和技能。
由此，我们思考三个问题：①为什么要学习？（why）②面对全球化和数字化，知识过剩，技能周期缩短，我们学习什么？（what）③面对方法和工具的多元化，我们如何学习？（how）
为什么学习？
据说在谷歌搜索中，why的算法是最难的。会计师/专业人士的职业挑战之一，就是寻找自己的工作与客户价值的关系。会计师的审计和咨询工作非常专业，而专业就导致了工作属性的多变、碎片和关联的难度。一个药厂的收入确认准则和一个65岁糖尿病人的健康有什么关系呢？实施一个FDA监管有关的软件开发工程师模块，纠结其中的权限设计细节，对一个6岁儿童的快乐成长有影响吗？
笔者在美国给一些中国留学生做职业顾问，发现大学生有学习倦怠，很多职业人陷入“中年职业危机”。他们的共性是，缺少激励、没有意义感、失去激情和动力，本质问题都是一个，“为什么要学习？为什么要工作？意义是什么？”
未来最大的挑战，是正在学会学习的机器给我们留下的工作，是否可以帮助我们发现存在的意义。在《更好的学习》一书中，作者提到如何提高统计学的教学效果。显然，即使大数据趋势使得很多学生不得不选修统计学，但是面对课堂和电脑，以及枯燥的数字和模型，学习效果并不好。为此，教授鼓励学生发现和定义统计学与他们个人生活、未来工作以及社会责任的关系。当大家发现统计学可以帮助自己预测喜欢的球队的战绩、领英官网发布的频率与择业周期的关系、午夜电台某种类型的音乐可以降低城市犯罪率时，学习效果明显提高。 反思中国大量的CPA本科、MPAcc研究生、职业教育，我们如何帮助大家建立专业会计师学习、职业与个人及社会意义的关系？这个问题不解决，我们仍然可以参加很多高端论坛，参与很多高大上的话题，但是早晚都会有一种空洞和无意义感，而缺少了动力的学习，最后是不会有效果的。
历史上，关于学习和职业的话题，最后都会落在信仰和工作的范畴。马克斯·韦伯在《新教伦理与资本主义精神》中说，早期资本主义发展的动力，在于人们相信工作和财富的意义可以证明自己是被造物主接纳和喜悦的。不久前SEC（美国证券交易委員会）首席会计师Wes Bricker也说，“高质量的财务报告信息，可以帮助投资者评估风险，做出合理的投资决策，从而影响美国经济中非常重要的上市公司。因此会计师和审计师的工作并不直接获得公众太多的注意，但是他们的工作毫无疑问影响着大量美国人的生活。”
学习什么？
李开复说，“在给定的社会系统中，我们甚至可能整个一生都不知道自己真正的兴趣和能力在哪里”，这句话其实反映了AI积极的破坏性。技术的发展，使得个人在组织和社会面前拥有了更多的选择，可以相对自由地决定我们学习什么。
这里的what具有两层含义：①学习的具体内容（鱼）；②通过学习这些内容，学习到一种思维、理念、习惯和方法（渔）。美国的一项统计显示，在技术快速迭代的背景下，很多大学生大一学习的知识，到了大三50%就过时了；人们一份工作的平均周期是4-5年，一项技能的平均周期5年。面对破坏性创新和转型，专业会计师需要走“通-专-通”的学习路径，这个原则将指导我们学习什么。
通——就是以“通识教育”作为职业教育的基础和起点。面对机器学习，通识教育更加具有人类的特征和优势。
专——人类的知识总量和大脑的有限性，决定了我们只能在更加有限的范围内训练专业技能。在机器代替更多人工的进程中，“专业程度”必然更高。以审计为例，现在的整合审计都是财务和内控两个团队。未来会计师的专业性，会出现技能的高度整合，一个审计师需要同时掌握财务、IT系统、信息安全、数据分析和控制自动化全过程。机器学习使得这种人类学习，既可行也必要。
通——基于“通”，经过“专”，会计师需要进一步学习融会贯通，亦即知识的统一，实现通识的专业应用，以及专业的通识理解。今天我们讨论业财融合、整合审计、技能危机，本质上都是解决跨专业沟通问题。在项目经济环境下，专业之间的接口、类比、关联，才是未来工作的关键，而这取决于我们是否可以触类旁通。试问，资产负债表和巴赫的平均律之间在美学上有何相似之处？SAP的信息安全机制和乐高玩具的设计思维如何相通？当机器释放更多的时间，我们需要这种大跨度思维的突破。如果马友友和杨振宁可以畅谈，那么会计师无法和工程师、销售沟通，就是我们的失败。
如何学习？
除了我们常讲的课程导向的学习外，人对人的辅导，各种项目和体验也是一种重要的学习模式。而老师的授课模式不应该仅仅局限于传递记忆性知识然后考试，还应该注重便利和工作室思维方面的引导。
对于学习而言，最好的控制是良好的反馈机制，反馈本质上是例外原则的。如果应收账款审计，人只需要做两件事：范围界定和异常处理。同样的，老师只需要提供例外的反馈，剩下的学生自己可以做得更好。我们需要不断追求新知识，需要更多地学习如何从已有的“旧知识”中复盘、反思、发现隐藏的真相。同时要注重限制过多的加法，进行智慧的减法，平衡学习vs忘掉。最后，面对通识、面对工程技术、面对物理学，会计师要学会如何与之关联和对话。
反观我们自己，究竟应该如何学习？中美的教育和职业界，弥漫着害怕错过的气氛，但笔者相信，恐惧恰恰是人们寻找希望的机会。
德勤美国研究院总监约翰·哈格尔提出了一个简单的学习金字塔。我们大量的培训都集中在技能和知识范畴，解决的是“所做和所知”问题。在“所做”方面，他又细分了激情和能力。“激情”包含很多内容，有学习和工作的意义、目的和价值，也有我们的商业伦理。最有趣的是，他在其中插入了“学习能力”。顺序也非常重要：基于价值观和工作伦理，我们首先需要学习“学习的能力”，在此之上，才是各种知识和技能。
由此，我们思考三个问题：①为什么要学习？（why）②面对全球化和数字化，知识过剩，技能周期缩短，我们学习什么？（what）③面对方法和工具的多元化，我们如何学习？（how）
为什么学习？
据说在谷歌搜索中，why的算法是最难的。会计师/专业人士的职业挑战之一，就是寻找自己的工作与客户价值的关系。会计师的审计和咨询工作非常专业，而专业就导致了工作属性的多变、碎片和关联的难度。一个药厂的收入确认准则和一个65岁糖尿病人的健康有什么关系呢？实施一个FDA监管有关的软件开发工程师模块，纠结其中的权限设计细节，对一个6岁儿童的快乐成长有影响吗？
笔者在美国给一些中国留学生做职业顾问，发现大学生有学习倦怠，很多职业人陷入“中年职业危机”。他们的共性是，缺少激励、没有意义感、失去激情和动力，本质问题都是一个，“为什么要学习？为什么要工作？意义是什么？”
未来最大的挑战，是正在学会学习的机器给我们留下的工作，是否可以帮助我们发现存在的意义。在《更好的学习》一书中，作者提到如何提高统计学的教学效果。显然，即使大数据趋势使得很多学生不得不选修统计学，但是面对课堂和电脑，以及枯燥的数字和模型，学习效果并不好。为此，教授鼓励学生发现和定义统计学与他们个人生活、未来工作以及社会责任的关系。当大家发现统计学可以帮助自己预测喜欢的球队的战绩、领英官网发布的频率与择业周期的关系、午夜电台某种类型的音乐可以降低城市犯罪率时，学习效果明显提高。 反思中国大量的CPA本科、MPAcc研究生、职业教育，我们如何帮助大家建立专业会计师学习、职业与个人及社会意义的关系？这个问题不解决，我们仍然可以参加很多高端论坛，参与很多高大上的话题，但是早晚都会有一种空洞和无意义感，而缺少了动力的学习，最后是不会有效果的。
历史上，关于学习和职业的话题，最后都会落在信仰和工作的范畴。马克斯·韦伯在《新教伦理与资本主义精神》中说，早期资本主义发展的动力，在于人们相信工作和财富的意义可以证明自己是被造物主接纳和喜悦的。不久前SEC（美国证券交易委員会）首席会计师Wes Bricker也说，“高质量的财务报告信息，可以帮助投资者评估风险，做出合理的投资决策，从而影响美国经济中非常重要的上市公司。因此会计师和审计师的工作并不直接获得公众太多的注意，但是他们的工作毫无疑问影响着大量美国人的生活。”
学习什么？
李开复说，“在给定的社会系统中，我们甚至可能整个一生都不知道自己真正的兴趣和能力在哪里”，这句话其实反映了AI积极的破坏性。技术的发展，使得个人在组织和社会面前拥有了更多的选择，可以相对自由地决定我们学习什么。
这里的what具有两层含义：①学习的具体内容（鱼）；②通过学习这些内容，学习到一种思维、理念、习惯和方法（渔）。美国的一项统计显示，在技术快速迭代的背景下，很多大学生大一学习的知识，到了大三50%就过时了；人们一份工作的平均周期是4-5年，一项技能的平均周期5年。面对破坏性创新和转型，专业会计师需要走“通-专-通”的学习路径，这个原则将指导我们学习什么。
通——就是以“通识教育”作为职业教育的基础和起点。面对机器学习，通识教育更加具有人类的特征和优势。
专——人类的知识总量和大脑的有限性，决定了我们只能在更加有限的范围内训练专业技能。在机器代替更多人工的进程中，“专业程度”必然更高。以审计为例，现在的整合审计都是财务和内控两个团队。未来会计师的专业性，会出现技能的高度整合，一个审计师需要同时掌握财务、IT系统、信息安全、数据分析和控制自动化全过程。机器学习使得这种人类学习，既可行也必要。
通——基于“通”，经过“专”，会计师需要进一步学习融会贯通，亦即知识的统一，实现通识的专业应用，以及专业的通识理解。今天我们讨论业财融合、整合审计、技能危机，本质上都是解决跨专业沟通问题。在项目经济环境下，专业之间的接口、类比、关联，才是未来工作的关键，而这取决于我们是否可以触类旁通。试问，资产负债表和巴赫的平均律之间在美学上有何相似之处？SAP的信息安全机制和乐高玩具的设计思维如何相通？当机器释放更多的时间，我们需要这种大跨度思维的突破。如果马友友和杨振宁可以畅谈，那么会计师无法和工程师、销售沟通，就是我们的失败。
如何学习？
除了我们常讲的课程导向的学习外，人对人的辅导，各种项目和体验也是一种重要的学习模式。而老师的授课模式不应该仅仅局限于传递记忆性知识然后考试，还应该注重便利和工作室思维方面的引导。
对于学习而言，最好的控制是良好的反馈机制，反馈本质上是例外原则的。如果应收账款审计，人只需要做两件事：范围界定和异常处理。同样的，老师只需要提供例外的反馈，剩下的学生自己可以做得更好。我们需要不断追求新知识，需要更多地学习如何从已有的“旧知识”中复盘、反思、发现隐藏的真相。同时要注重限制过多的加法，进行智慧的减法，平衡学习vs忘掉。最后，面对通识、面对工程技术、面对物理学，会计师要学会如何与之关联和对话。