想像 — 讓人又愛又恨的超能力
想像力是一種超能力,它帶你置身如天堂,也讓你難耐如地獄。兩個親身經歷的小故事看見想像的威力。想太多,不好;想太少,也不好。關鍵就在於經常覺察自己在哪種狀態,「富足的」還是「缺乏的」,並且持續練習覺察,一旦越早知道自己所處狀態,就能越早做出決定,也能越早走出停滯不前的泥淖。
想像力是一種超能力,它帶你置身如天堂,也讓你難耐如地獄。兩個親身經歷的小故事看見想像的威力。想太多,不好;想太少,也不好。關鍵就在於經常覺察自己在哪種狀態,「富足的」還是「缺乏的」,並且持續練習覺察,一旦越早知道自己所處狀態,就能越早做出決定,也能越早走出停滯不前的泥淖。
大企業進入到新興市場時會面臨的一個陷阱:刪減功能以降低價格 (Trying to reduce the price by eliminating features),為什麼會發生呢?文中舉了八〇年代中,美國車廠設計新車進入印度的小故事說明。破解之道,還是那句老話:Go out of the building, meet with your customers in their field.
設計思維 (Design Thinking) 要在企業或組織裡被廣泛應用是不容易的一件事,總要有些像 Bill Borucki 的傻子一般的堅持。如果你的公司有這樣的傻子,你要珍惜這樣的資源,為他開創空間和時間。因為設計思維不是和這個世界比「快」,而是看誰能累積地更厚實 (厚積),看誰能在這樣的基礎上更靈巧地因應變化 (薄發)。
這個工作坊我玩得很開心,參與者也很盡興,我知道其中的關鍵就在於「心流 (Flow)」被引導出來,貫穿整個時間和空間。事後回想起來,我不太記得我是怎麼帶領每一個遊戲的。我沒在投影片上寫任何遊戲規則,卻能把每一個細節印記在腦海中,清楚地講解並示範每一個遊戲;我也也太記得遊戲之後的反思是怎麼開始或結束的,只知道我把握 ORID 的對話原則,讓參與者安靜地連結現場所看所聽所學和日常工作或生活的關係。
我认为:好的设计主管必定是个好的设计师,好的设计师必定是个好的引导师。这一次我要分享的就是如何自我锻炼成为一个具备引导能力的设计师和领导者。其中重要的一个环节就是:即兴 (Improvisation, 简称 improv)。
在这个工作坊中,我会设计多个我锺爱的即兴游戏,从实际参与游戏活动中反思自己在设计、在人际沟通、在团队协作中的模式,进而找到自己最合适的应用方法,而不是我来告诉你要做什么。
只要你能站在任何講台上演講或帶領一場工作坊,聽眾或學員在結束後圍上來都會喊你一聲「X 老師」。只要交換了名片,就會有人叫你「X 總」。別被唬了,那只是一種稱呼,跟「你是誰」一點關係也沒有。
團隊人數越多,其對於結果的預測就越過於自信。實驗中找了 267 位 UCLA 的 MBA 學生,隨機分組後,設定任務:用 50 個樂高積木排出一個特定的「樂高人 (LEGO person)」頭像。各小組有 30 分鐘時間討論要如何完成「樂高人任務」,並在 30 分鐘之後要提出預估的完成時間。
結果是:(以下為平均值)
2 人一組 – 預估 23 分鐘完成;實際完成時間 36 分鐘;
4 人一組 – 預估 30 分鐘完成;實際完成時間 52 分鐘;
4 人一組的信心比 2 人一組的要強 30%,但效率卻低了 44%。
看完《Doctor X》第一季之後,我對於大門未知子醫生說:「我是不會失敗的。」這句話印象極為深刻。在劇中,每當大門醫生這麼說時,她的醫生同行覺得她很驕傲自大,畢竟這是攸关性命手術開刀的大事,而等待健康重生的病人卻在她堅定的眼神中得到安慰。當然這是戲劇效果。在真實世界裡,沒有人是不會失敗的。但…
《布達佩斯大飯店》的經理 Gustave 教導當時應徵當大廳門僮的 Zero 的「門僮之道」:門僮是無形隱藏的,但隨傳隨到;門僮記得人們討厭什麼;門僮預測客人會想要什麼,甚至客人自己都還沒意識到他自己需要;更重要的是,門僮會十二萬分地小心不犯錯;我們的客人知道他們那些不太體面的秘密,最後都會跟著我們進棺材。這正是服務業。
在第一次去體驗滑雪之前,我就聽了太多人說著滑雪摔傷、扭到手、扭傷腳踝或骨折的經歷。在滑雪道上的前幾分鐘,我開始害怕且呼吸急促,深怕自己在陌生的城市骨折或摔傷…
應香港大學中國商業學院服務設計與體驗策略學程邀請,分享《服務設計中的精益思維》主題。我節錄出重要的投影片並加以說明。有精實思維和服務設計的核心思維、有北京地鐵和 Amazon 的案例、有精實原則和服務設計工具概述。
上周末应香港大学中国商业学院服务设计与体验策略学程之邀,分享《服务设计…
繼上一次我談到穿戴式設備使用模型後,這一次我想談談這些智慧型裝置 (或物聯網設備) 到底提供 (或收集了) 哪些數據。我分成四類:[How long]、[How many/much]、[How often] 和 [How good]。價值不在數據本身,在於數據回答了哪些問題、且答案是什麼、用戶最後改變行為了沒。