Record

区块链记录你的初心
营销地产创业创新求职面试Word技巧金融职场工作区块链Excel教程财经PPT教程产品运营
Google谷歌为什么用OKR考核 解析谷歌的最佳目标设定方法

Google谷歌为什么用OKR考核 解析谷歌的最佳目标设定方法

目标考核

欢迎来到团队管理课。在上一节课我向你介绍了几个常用的目标管理的方法。这些目标管理方法有最早诞生的,彼得德鲁克提出的MBO目标管理法,也有我们后期所经常使用的叫做平衡计分卡,还有我们更多公司在使用的KPI,以及我们最近在全球范围都很火热的一个目标管理工具,叫做OKR。很多人说OKR是诞生于谷歌,但其实并非如此。OKR最早是诞生于上世纪的70年代,在芯片公司英特尔的首席执行官格鲁夫将其创造。那到了上世纪的90年代,谷歌的投资人约翰杜尔将OKR引入到了谷歌公司。那在之后发展的十年当中,谷歌一直把OKR作为其公司最佳的目标和绩效管理的工具,谷歌今天变成了全球科技业的巨头。因此谷歌在使用OKR过程当中的一系列的好的经验都在被很多公司所学习和效仿。所以今天我们看到在硅谷,包括今天很多的科技公司、核心的公司都在大力的学习和使用OKR的方法。那今天我就向你介绍一下,OKR这个方法到底有什么?它的特别之处以及它该怎么样使用?它的最佳实践是什么?OKR其实听上去很简单,它就是三个英文字母,OKR它分别代表什么呢?它分别代表,O是代表你做这件事情的目标是什么?你想要达成什么目标。那KR代表Key result就是关键任务,也就是说你想要实现这一个目标的几个关键的任务是什么?那简单来说O就代表我想要去到哪里,那KR就代表我要做哪些事情才能帮助我去到那里,这就是O和KR之间的关系。那OKR的最佳实践是说我们在某一个时间周期,我们对每一个成员要设定的OKR有一个很重要的原则,叫做三三法则。可能我对一个成员在某个季度我需要给他制定三个O,三个目标
和聚投资黄弢:看对趋势赚大钱

和聚投资黄弢:看对趋势赚大钱

密度估算

中美房地产差异的直观感受 最近从美国加州回来,一个直观的感受是美国的房子密度好低,从洛杉矶机场出来往南开一个小时,基本很少见到10层楼以上的建筑,都是以独栋别墅为主,还有部分的联排。截止2017年年底美国总人口3.267亿,加州总人口大约4000万,是人口总数最多的州,其中大洛杉矶地区和旧金山湾区又是加州人口密度最大的地区。 以目测的美国住房密度来估算的话,中国的房屋密度不是一般的高。以官方公布的2017年底中国总人口14亿来计算,中国的人口基本分布在胡焕庸线以东相对狭窄的区间,对应美国的人口分布在环太平洋和大西洋地区,加州的样本基本可以对照中国东部沿海地区。 去过东部沿海地区各大城市的人,我相信最强烈的印象就是到处都是20层以上的高楼,从一线城市深圳到四线城市浙江某县城,房子的密度远高于14亿/3.267亿=4.295。去年年底我去西双版纳参会,发现美丽的西双版纳我的家,澜沧江两边已经满是在建或者建成的高层住宅。 中国房屋增量已达到空前的规模 2017年美国新开工房屋套数为近几年的高点,大约为120万套,而中国房地产开发企业2017年房屋施工面积781484万平方米,其中,住宅施工面积536444万平方米。房屋新开工面积178654万平方米,其中住宅新开工面积128098万平方米,按照每套平均90平米计算,则住宅施工套数和新开工套数分别为6000万套和1423万套。再考虑
GrowingIO张溪梦:CMO培养技术增长战略思维的五种方法 | 中国技术营销群英会③

GrowingIO张溪梦:CMO培养技术增长战略思维的五种方法 | 中国技术营销群英会③

战略思维

编者按张溪梦是GrowingIO创始人,曾任LinkedIn(领英)美国商业分析部高级总监,全球前十位前沿数据科学家之一。张溪梦认为,Martech可以帮助市场人员对营销渠道数据整合分析、对用户行为数据进行积累与需求挖掘、最后是基于营销与用户行为数据更有效地触达用户,并且实现更大范围、更大程度的对有效用户产生影响。张溪梦着重提出:首席营销官升级到首席增长官的核心在于「建立基于市场增长的战略」,而培养战略思维可以从五个方面入手。1.您认为Martech能解决企业增长的哪些问题?当下的营销已不再是让消费者仅看到商家展示的图片,而是让消费者通过更多的形式去体验商家的产品,Martech开始全面强调消费者的体验。与此同时,面对增长,Martech帮助企业解决的不仅仅是广告精准投放与程序化购买的问题,也进一步扩大到客户精细化运营。2.业内把Martech分为广告技术/Ad Tech,数据分析、内容体验、互动关系、营销云、交易五类,您最看好哪一类?我目前最为看好数据分析,随着流量红利逐渐消失,流量获取愈发困难。虽然内容展现形式、流量入口不断更迭,并令人时常感觉耳目一新。但这一切都是基于如何更好的利用现有的流量和更加精准的客户画像,而这些的基础就是数据的分析。3. 现阶段Martech最大的难点是什么?哪个行业适用性最高?最重要的应用场景是什么?最大难度可能是不同营销渠道、不同类别数据的打通。其中,金融行业数字营销的适用性最高,比如理财产品的购买这一场景。由于不同于快消产品的冲动消费,金融投资类用户转化决策周期较长,这也决定了金融平台很难通过一次广告就能让一个用户直接做出购买的决定。另一个特征是金融产品多样化并且用户投资兴趣也更加细分,这会导致对用户需求把握更加困难,从而增加再营销的难度。而Martech就帮助市场人员对营销渠道数据整合分析、对用户行为数据进行积累与需求挖掘、最后是基于营销与用户行为数据更有效地触达用户,并且实现更大范围、更大程度的对有效用户产生影响。4.您看到的Martech或技术推动增长的案例能否分享一下?相比于国内其他航空公司,作为国内首个民营资本独资经营的低成本航空公司专线,春秋航空在数据驱动线上增长,进而提高直销
GrowingIO张溪梦:创业公司做好数据化运营,需要先搞清这6个问题

GrowingIO张溪梦:创业公司做好数据化运营,需要先搞清这6个问题

数据经验经验

流量为王的时代已经结束,互联网企业正在向精益化运营的方向转型。而做好精益化运营需要大量的数据来支撑决策,这对企业的数据采集和数据分析能力都是非常大的挑战。6月28日,GrowingIO 创始人CEO张溪梦在产品发布会发布了2.0版本的数据分析产品,并宣布获得经纬中国、NEA和Greylock三家2000万美元的A轮融资。发布会上,张溪梦就创业公司如何做好数据分析、实现增长分享了自己的经验。中美在数据分析上存在较大的差距,张溪梦直言道。数据分析在国内一些特别大的企业,比如BAT里,才能得到较高的重视;当然这得益于他们的长期积累,对数据和运营结合的比较好。这是我回国以后的总体感受,国内企业对数据本身,以及数据所能提供价值的认识程度,没有美国那边那么深入,并且差异还蛮大的。问题1:什么样的公司需要注意数据?不同阶段有何差异?一般来说,目前国内比较重视数据的是高客单价,重转化的公司,比如互联网金融、电商、交易平台、SaaS、在线旅游类的公司。这类客户客单价高,不是完全拼流量,如此创业者才有提高转化的动力。宏观的讲,创业者会经历产品4个生命周期阶段。第一个阶段,叫冷启动。这个时候公司特别早期,天使轮或者A轮,甚至融资还未成功。处在这个阶段的公司,用大数据驱动是一个伪命题因为客户数量有限,样本性不足。他们需要更多地去了解潜在客户的需求,去求客户来用这个产品。第二个阶段,增长前期。就是冷启动接近完成。有经验的创业者,会开始布局和增长有关系的一些核心指标,比如说日/月活跃,留存度。这些指标的目的不是为了衡量产品当前当下的表现,而是为了未来做增长时有可比较的基准。第三个阶段,增长期。这个阶段就能看出来好的创业公司和普通创业公司的巨大差别效率。无论PR还是做活动,都需要人力和时间成本。如何在增长中,找到效率最高的渠道?这个我觉得,是创业公司之间PK的核心竞争力。如果不做数据驱动,靠直觉,一次两次可以,但没有人能进赌场连赢一万次。所以,直觉需要和数据进行结合,这样企业能迅速优化各个渠道,来提高单位时间的转化效率。第四个阶段,变现期。业务变现,要求很高的用户基数。一般互联网产品,其中一小部分高活跃、体验好的用户,会转化为付费用户。类似一个漏斗,不断地去筛,这里面就是要拼运营的效率了。比如说,电商用户的转化漏斗一般是:访问注册搜索浏览加入购物车支付,或者到未来的退货。这是非常非常长的一个漏斗,真正要做好数据化运营,要对漏斗的每个环节持续地进行追踪。一个好的企业,特别是以后要做营收的企业,必须要关注各个部门各个环节的转化效率。这种转化效率,要达成的
前LinkedIn高级总监张溪梦:6个步骤,学会数据驱动产品的秘诀

前LinkedIn高级总监张溪梦:6个步骤,学会数据驱动产品的秘诀

起点创始

3月10日,起点学院特邀 GrowingIO 创始人 ,前 LinkedIn 美国商业分析部高级总监 @ 张溪梦做客免费在线讲座「起点学院公开课」栏目,分享通过 6 个步骤,教大家学会数据驱动产品优化的秘诀 。本文由人人都是产品经理团队@ 张婷依据嘉宾现场分享内容整理,编辑有修改。一、什么是数据?数据有四个属性:时间、地点、人物和事件;举个例子,在电子商务这个环境里,假设分析一个交易数据。这个交易数据在时间上,它必须有一个时间戳,这个数据必然会在某一个地点发生,还有对应的交易者,在事件的级别,消费者要购买某种产品,花某种价格,通过某种支付手段,进行交易。所以说,这是一个事件。真正的用户的行为,往往都是以事件为核心的数据点。这些数据点,会造成一个整体的事件流。二、数据的几何级数增长举几个例子,像 LinkedIn 这家公司每天大约会产生 100 亿条事件;通过用户行为产生的事件,在不到 5年 的时间之内,咱们全球大约会有 40 亿的人每天会产生大量的数据,同时,它是一个 4 万亿级别的市场;在全球范围内,将近有 2500 万个 app 诞生,不但有针对普通用户的 app,还有对企业级服务的 app;另外会有将近 250 亿活跃用户的各种设备将会接入我们的网络;最后,每年将近产生 5 万亿 GB 的数据。三、什么是数据分析1、数据分析的基本概念数据量这么大,呈爆发式增长,它的价值曲线,数据量,数据设备数,人的关联度不断增加,但这并不表示数据本身能够带来价值,真正的商业分析的核心,是通过 5 个步骤不断把低价值的信息或者数据变成高价值的产出。一般数据分析可以分成 5 个步骤。了解以前发生了什么;分析为什么会发生这件事;观测目前正在发生什么事;预测未来将会发生什么;全局优化。前四步是数据分析中的基础步骤,包括数据预测,它本身并不能产生太大的价值,只有通过全局优化,才能产生有价值的产出。2、数据分析的发展历程对于产品经理来讲, 数据可以作为产品优化的依据,比如交互、留存。实际这一切都是基于对数据基础的理解,在过去的 5年,数据框架在技术的推动下,有几次主要的迭代时期:第一个时期:数据库和数据仓库的时期。传统的公司都使用数据库或者数据仓库来存储数据,他们应用一些数据库管理工具获取数据,再通过一些经典的 BI 软件,比如 Cognos 或者 Businessobject 进行数据可视化,形成报表发给管理层。一般对于这些数据,只有管理层决策层才使用。这个阶段发展了将近 15--20年。第二个是我们现在所处的阶段,至少在过去的五年,数据量呈爆发式增长。数据研究者开发出了一套分布式的技术,这套技术以 Google 和 Yahoo 为代表----Google table 和 Yahoo 的 Hadoop,它能处理大量的半结构化数据,然后通过分布式的方法,能并行地计算处理很多信息。Google 和 Yahoo 的办法增加了数据处理的容量,大大降低了数据库的成本,分布式技术将数据库的技术提升了一个层次。以往数据分析只能支持几十个人的决策,现在能够支持几千甚至上万人的决策。它使得数据分析从一个非常贵的、缓慢的流程变成了一个有效的、价格相对较低的层次。但这其中还有一个问题:以往的软件都是比较结构化的,很多人都可以使用。但是 Hadoop 这种大数据结构,很多人都很难用,这就造成很多技术性瓶颈。具体体现在:数据收集来源增加,文件收集复杂性提高。对工程能力操作感各个公司拆解很大。3、数据分析驱动产品设计的意义如果能够用好数据分析公司,会产生一种战略性优势。用不好数据分析的公司,在发展上则会产生很多瓶颈。在现在的美国和将来的中国,要想做好一个产品经理、设计师、产品运营人员。核心不再是依靠分析师来分析数据,而是能够熟练地应用各种企业级应用,来达成数据驱动产品的手段。如何利用数据驱动产品设计?必须要有数据驱动产品设计的意识,这个意识已经被美国的 Facebook、LinkedIn 证明;善于观察用户的行为,用户的行为是不会说谎的,用户的行为往往能够反映出用户对于产品的容忍度和熟练度;我们要很聪明的用技术做决策;今天的企业已经由流量型向用户体验和产品设计方向迅速进化和衍化。这种进化和衍化的结果就是:每一个企业,不论大小,都需要用精益化运营的思维做好产品。互联网已经从 web2.0 进化到 web3.0,意味着流量为王的时代已经结束;这样的形态下,企业往往不注重流量的转化,而在乎流量获取的速度。而在今天这个时代,一个企业如何能够在一定时间内快速地对用户进行转化,增加用户的体验,增加用户的留存,这是当代互联网产品的核心。四、如何通过数据分析驱动产品设计精益化运营精益化运营不得不提的三个指标---转化率、用户的活跃度、用户留存率。这三点组成了一个产品最基本的一个骨架。以往我们谈论的都是流量:你有多少用户,多少活跃度,仅此而已。但今天来说,那些粗浅的指标已经不足以衡量产品的优秀。一个好的产品,我们首先要关注的是用户的留存率和用户粘度。在传统互联网企业,用户的留存率和粘度一般是后期才会关注的;但是在今天,在产品设计的早期,我们就需要关注这个指标。这个指标可以细化成 5 个不同的点:能够通过非常简单的方法让用户知道这个产品的价值;产品使用的流畅度。今天产品设计的思路已经演变为流式的设计,一步步引导用户如何使用你的产品,降低用户的使用门槛很重要;产品的区隔。这也是精益化运营的思维。不知道大家在平时做产品的时候有没有考虑到用户是可以分成不同的属性,同样的产品,针对不同的用户应该有不同的功能点,不同的体现,这就要求产品经理和运营人员花足够多的时间去了解这些不同的用户对产品交互的不同的需求,喜欢什么,不喜欢什么;要分析用户的行为。用户的行为是产品经理了解用户最好的方法,用户行为的分析往往能代表最真的用户需求;结合
GrowingIO 创始人张溪梦:5 个增长变化,如何帮助企业落地增长?

GrowingIO 创始人张溪梦:5 个增长变化,如何帮助企业落地增长?

平台资本平台

上图来自艾瑞 2018 年发布的研究报告,今年,平均每个中国互联网用户承载的广告投放成本约 620 元,2015 年,这个数字大概是 300 多,年均增速约 25%。在未来两年,随着用户基数提升,预测每年在用户广告投放上的成本增速接近 20%。这个数据背后的核心原因,有以下四点:人力成本攀升随着中国经济快速发展,近几年人力成本每年增长超过 10%。流量成本提升任何付费的广告平台,获取单个用户的成本都在快速提升。获取资本成本提升在各种经济不确定因素下,资本比前几年理性许多,更关注有效率、有长期成长性、有自然增长性的公司。吸引用户注意力成本提升各类 To C 细分领域中,头部马太效应加剧,用户将更多时间用于核心 APP。对每个想做增长、变现的企业来说,吸引用户注意力的成本在大幅提升。因此,中国企业需要在几年内,逐步靠近美国、欧洲等发达国家的企业增长模式,通过提高效率、数据精细化运营获得持续、稳定的增长。在 GrowingIO 成长的 3 年中,我们亲眼看到、亲耳听到,也是和客户一起体验、感受到以下五个巨大变化:一、对产品和设计驱动增长的认知变化:产品需要自带增长基因数千年来,人们对产品的定义停留在物理层面,是可见、可直接感知的,如一个杯子、一辆汽车、一瓶洗发水、一个沙发。商家通过传统的市场营销渠道,如电视、平面媒体、广播等进行传播和推广。客户走进实体商店,完成一系列的购买行为,然后把产品带回家使用。市场营销行为和产品体验互相独立,市场营销团队和产品团队也是独立运行的组织。传统认为,产品是不可能自带增长基因的,沙发不能卖沙发,杯子也不会向客户介绍自己。但今天,互联网对产品这个词进行了彻底的重新定义,不能触碰的东西变成了新产品,而新产品需要新的思维方式。因此,我们听到越来越多的产品驱动增长、设计驱动增长的案例。比如 GrowingIO 的客户造作,除了为客户带来良好体验的高端线下店铺外,也有 APP。上图是造作对 APP 注册/登录页面优化的三个版本,通过细微调整,为造作获客、活跃带来巨大增长。总结一下,产品需要自带增长基因是指:产品价值要尽可能快速、简单地传达给客户,即转化。通过产品自带的增长基因将用户留下来,即留存。二、对市场营销驱动增长的认知变化麦当劳第一次大规模增长在 20 世纪 50 年代,不是通过做广告,而是借助当时美国正在大量建设的高速公路,麦当劳将店铺建立在高速公路的入口和出口,获得了很多新用户和重复消费的用户。新时代的高速公路架设在互联网,数字化高速公路不断延伸、扩展,进入到每一个家庭、企业、社区和学校。从门户网站、电商到社交,每个增长人需要深刻理解这种渠道变迁,意
[转]GrowingIO张溪梦:增长黑客的产品实践

[转]GrowingIO张溪梦:增长黑客的产品实践

商业技术

张溪梦张溪梦(Simon Zhang)是硅谷大数据分析和数据科学的专家,前LinkedIn 商业分析部门高级总监,于2015年在硅谷和北京建立了大数据分析公司GrowingIO。 GrowingIO的目标是把大数据分析以及数据科技以最简单迅速的方法应用到互联网企业以及各个领域,以促进企业营收。 张溪梦曾经任职于世界知名社交网络LinkedIn公司,亲自建立了LinkedIn将近90人的数据分析和数据科学团队支撑LinkedIn公司所有与营收相关业务。他也是LinkedIn美国总部级别最高的华人,一直倡导硅谷海外华人团结奋斗,互相帮助,在技术和业务上做到与时具进。以下是Simon在Xtecher、DeepShare、北大孵化器共同主办的《关于用户增长,你不知道的事》活动中的演讲,主题为《增长黑客的产品实践》。我主要是跟大家分享一下,具体用数据如何来做增长。这是我在美国十几年工作的一些经验。特别是这几年,增长黑客的概念逐渐在中国推广开来。实际上,这个概念在美国也比较新,大概有4、5年的时间。最早提出应该是在5年前。简单介绍一下我的背景,LinkedIn大家可能都知道,它是2003年成立的职业社交网络。当时和Facebook、Twitter这三家公司,是社交网络里领先的三家公司。整体上说,LinkedIn业绩做得不错。我在2010年的时候,公司有400多人,当时的营业额我记得很清楚,是7000万美元,用户数量大约在5000万用户。然后在过去这五六年里(我去年年初离开了美国公司),营业额达到了30亿美元。在这五六年里,营业额大概增长了近四五十倍。它整个营收变现的方式,核心就是用的增长黑客技术。在加入LinkedIn之前,我在美国ebay工作了三四年,我负责整个电商网站的分析、买家的分析,一切围绕用户来展开,而不是围绕流量。增长黑客,它把若干的角色集于一身。首先,增长黑客是个工程师,其次是分析师,再次是产品经理,甚至还是个市场人员。最后,它还应该是一个心理学家。增长黑客通过心理学、产品、工程、数据驱动、业务运营的角度,用低成本的方法在最快的时间内实现增长。这种增长,不仅限于用户数量的增长,还有用户体验的增加,以及营业额的增长。所以,它的核心理论,是围绕各种基础框架,用最低的成本、最高的速度,来获取客户。下面跟大家分享一些国外的案例。在增长黑客提出的十多年前,Hotmail最早的版本,是一个非常火热的电子邮件系统(免费),他在邮件下面加了一行字,如果你喜欢Hotmail推荐给你的朋友,然后他把这行签名写在了每一个发信者的签名下面,结果Hotmail就获得了病毒式的增长,迅速地获取了大量的客户。Facebook也曾用电子邮件营销的手段,反向激活了很多用户,他重新把休眠的用户用邮件的方式唤醒。做增长之前,一定要把质量做好我去年年初跑出来创业时,我们GrowingIo的投资人(在十几年以前就投资了Facebook和LinkedIn)邀请我加入他的Group群,叫增长群。那个群里面汇集了各个公司做增长的人。每次线下活动的话,这个群里的人,大约60%讨论产品和市场营销,剩下的40%讨论的是数据分析和各种工具。所以,增长黑客它不只是一个概念,实际上是很多新兴互联网公司里一个核心的部门。传统的分析方式,一般是对用户生命周期的理解。在引入用户阶段,你要增加很多的口碑。接下来,就要找产品和市场之间的舒适度,在你做增长之前,一定要把质量做好,才能进入增长阶段。接下来你会进入早期的主流市场,这里就是增长的核心,它会给你带来大量的用户,同时又会产生大量的竞争。再下一阶段,就是一个相对衰减的阶段,你的营业额开始衰减,这时你就要关注留存。最后是这个产品线的消亡,消亡后再增加新的产品线。在大企业里,你会看到一个曲线,实际上它就是从引入到解体到衰减的过程。我想强调的是,传统数据分析方法的生命周期,是通过引入用户找到你的产品定位,然后迅速增长、变现,最后关注留存、最后消亡这个过程。今天增长黑客的核心,就是把其中两个东西换了方式。在产品的早期,我们就需要关注留存,这是我作为一个数据分析师,通过过往的经验和现在新兴的理念相结合,找到的很关键的一点。以往很多公司,都在关注流量。在过去几年,大家都还在想流量为王,有流量就可以做业务。但是今天,这种思维不适合精细创业。为什么?1.流量越来越贵2.市场里的生意越来越多,每个用户的心智,我们产品能占到的比例,是不断在衰减的,这就导致今天获取客户的价值,远远高于几年前3.如果我们产品不够好,你很难增加用户黏度,他会很快流失。这样获客成本和用户在你平台上产生的价值,这个比例才是一个真正
成为区块链专家只要6步

成为区块链专家只要6步

步骤专家

我本人当然不是区块链的专家,但是当看到如何成为区块链专家?这个问题的时候,还是本能的产生了兴趣。作为一个草根币民,我们有机会成为区块链领域的专家吗?带着这些疑问我开始在网络上浏览,幸运的是还真找到了一些特别值得思考的材料。于是结合过去的经验我做了一个大胆的猜想:成为区块链专家也许只需要6步骤。1. 仔细研读维基百科上关于比特币和区块链的介绍对于国人来说,比较熟悉的是百度百科,而对于维基百科可能大多数人是听过却很少使用。就比特币这个词条,我特意对比了这两个百科。 百度百科中,除了基本的定义外,更多是从外部新闻的角度来审视比特币,比如这里会花费大量的篇幅来探究谁是中本聪,以及比特币相关的交易乱象。 相比之下维基百科关于比特币的介绍要专业的多。它更多是从原理出发,尽可能以比较简单的语言,让你快速理解比特币的相关概念。为了防止自己一开始就被带跑偏,这里强烈推荐使用维基百科作为入门工具。2. 阅读一本关于比特币和区块链的书籍还记得2017年初,我在回老家的火车上啃完了Andreas M. Antonopoulos的《精通比特币》。没错,我就是从这本书开始学习区块链的,至于读完这本书的感受嘛老实说那真的是啃书而不是读书,即便当时我跳过了书中涉及代码的部分,但大部分章节内容我依然是云里雾里。感觉除了知道有比特币这么个东西,它可以让你以一种特殊方式转账之外,我什么都不知道。直到我在6月重读了这本书之后,才强烈的感受到这本书的强大之处。之后我也不再对像挖矿、共识、分叉,以及UTXO、Merkle Tree之类的概念感到困惑。虽然《精通比特币》真算的上是配得起这个书名,但是我依然不推荐它作为入门的第一本书,因为它很可能让你直接从入门到放弃。相比之下,《图说区块链》、《区块链:从数字货币到信用社会》这样的作品,对于初学者而言可能会更加友好。选书这件事情是仁者见仁智者见智的,不过你需要清楚的是一本书肯定是不够的,只读一遍也是不够的。3.投资比特币及其他代币在成为区块链专家的道路上,是否一定要进行投资?这是个值得讨论的问题。而我的答案是肯定的,一定要投资。我们的确会看到一些名人、大V或者学者,他们并没有投资区块链,但是却指点江山、大谈去中心化之类。我们暂且不说他们的观点是否正确,或准确。不管怎样,这种凭空得出结论的经验都不值得借鉴,实际上我们也借鉴不来。这些人之所以可以大谈特谈区块链,本质上是