技術世界永遠在移動、變化，你職涯裡的技能也必須跟上。這不只是把你手邊工具隨版本演進更新，更包括跟上那些會影響你職涯的新興、相關技術。這一章談的就是：如何有系統地判斷該學什麼、如何練出快速學習的能力，以及如何評估自己是否「跟得夠上」。

兩個軸線：新鮮（fresh）與相關（relevant）#

作者刻意用職涯、而非當前工作的角度來看待技能。雇主當然要求某些技能，你得把它們保持在最新狀態；但你的職涯往往需要一組更大、更不同的技能，才能在市場上保持競爭力。

作者以自己早年的一份工作為例：他曾是某公司 IBM AS/400 中型主機（現稱 IBM iSeries）的系統操作員。

• 他有一組必須持續更新、保持新鮮的工作技能：OS/400 命令語言、IBM 對作業系統的各種更新、偶爾的硬體變動。這些由雇主買單——送他去上課、幫他買書。
• 但把視野拉大到「以操作電腦維生」的整個領域，AS/400 是條死路：市場沒有成長，沒人買新的 AS/400。他大可在這家公司靠操作那台老主機混完 40 年，但代價是收入完全依賴這一家公司，因為 AS/400 領域的工作機會極少。

後來這家公司真的被競爭對手併購，AS/400 最終被除役。若作者當初只有這一項在市場上幾乎不相關的技能，將很難即時學會更相關的新技能去找下一份工作。這正是「新鮮但不相關」的危險。

於是，職涯技能有兩個軸線：

• 第一軸——保持既有、雇主要求的技能新鮮：通常由雇主協助維持，相對輕鬆。
• 第二軸——確保職涯技能組合保持相關：這組技能往往比雇主要求的更大，可能需要你投入可觀的個人時間與金錢去維持。雇主有權固守某套技術（即使某天會傷害公司競爭力），但你必須確保自己的職涯在多變的技術市場中保持相關。

用四象限圖規劃你的技能#

作者把「新鮮」與「相關」畫成一張散布圖（原書 figure 5.1），用兩軸把技能分成四個象限，作為決定學習重心的工具：

• 工作安全區（job-safe）：夠新鮮、能保住現職，但在業界其餘部分不見得相關。這些技能放在維護模式——維持到足以保住工作即可，不額外投資。
• 職涯安全區（career-safe）：在業界超級相關，但你可能不夠新鮮到能靠它保住工作，現職也未必需要。這些不主動投入，但要確保必要時能快速上手。
• 危險區（danger-zone）：既不夠新鮮到保住工作，也不相關。這些要處理，但大概只做到工作需要的程度即可，不必超過。
• 卓越區（awesome-zone）：既相關、又新鮮。這是最理想的技能——現職能用，換工作時也能用。

把自己的技能填進圖裡（原書 figure 5.2），就能看出學習取捨。作者以自身為例：

• VBScript 他很強，但已不再相關——學習上不再花時間。
• iSeries CL 也不再相關，而且他也沒那麼熟——除非現職要求，否則不投入。
• C# 與 JavaScript 超級相關、技能也算跟得上——這是能幫他找到新工作的強項，即使現職不需要，也想透過業餘社群專案「保持手感」。
• Java 11 高度相關但他所知甚少——這也許沒關係，也許不是他真想走的方向，需要深思後再決定。

保持雇主要求的技能新鮮一向直截了當：世界上有各種訓練媒介（本章稍後會談），挑雙方同意能把事情做好的即可，而且通常由雇主付費。真正難的是判斷職涯技能該保持哪些相關——因為「相關」到底是什麼意思，很難定義。這正是接下來要談的。

判斷什麼是「相關的」#

要讓你的職涯、讓「你」在全球市場保持相關，需要哪些技能？因為你擁有你的職涯，只有你能定義何謂相關。這個過程從一個問題開始：你替雇主解決的是什麼問題？ 維護網路？寫專屬桌面應用？打造 web 應用？讓伺服器持續運轉？無論你的廣義解題領域是什麼，那就是你該聚焦之處。這年頭很少人能真的樣樣精通，你會想讓自己穩定圍繞在你所解決的那個廣義問題空間。

確定所屬的廣義空間後，就開始觀察該空間的市場趨勢：雇主正在招募哪些技術？作者用兩種方式蒐集情報：

• 靠專業人脈：和其他公司的同行聊天，能給你更寬的業界視角。
• 廣泛瀏覽徵才列表：他刻意逛遍全國甚至全世界、盡可能多的求職網站，取得最寬的視野。

但他刻意不被閃亮的新趨勢過度影響。Google 又發表一套新的 JavaScript 框架，不代表他就得坐下來學。他要看的是那項新技術拿到多少市場滲透率——當大量徵才啟事開始點名它時，他才知道該跟上了。

比起「新與閃亮」，作者找的是反覆出現在徵才列表裡的技術：如果很多人都在招募某項技能，那項技術按定義就是當前市場相關的。他坦承這種做法會讓自己稍微落後曲線一點——他是在等雇主採用、而非預測雇主會採用；但這也是他能把「必須學的一切」限縮到一個合理、且很可能真正增益職涯的集合的唯一方法。

熟練就好，不必成為專家#

你不需要在你領域裡雇主招募的每一項技能上都成為專家。第一，挑一個合理的技能子集完全正當；第二，對你選的技能，你只需要基本熟悉度，外加一組強壯的學習肌肉。

作者喜歡把每項技術技能放到「廣度 vs. 深度」的連續軸上來評估。這呼應 Mark Richards 與 Neal Ford 提出、如今業界熟知的知識金字塔（knowledge pyramid）（原書 figure 5.3）。金字塔由下到上是三層：

• 你會做的事（技術深度）：對某些主題，這一層佔金字塔一大塊；對另一些，可能只是薄薄一條。
• 你知道存在、但沒把握做的事（技術廣度）：給點時間你就能熟練的區域。
• 你不知道自己不知道的事：超出你認知範圍的部分。對你是強力實踐者的技術，這塊會相當小。

作者的目標流程是：

1. 找出哪些技能需要強的技術深度，才能取得或保住工作。
2. 找出這些技能中具體哪些部分是取得或保住工作所需。
3. 學會第 1、2 步找出的技能與元件——過程中會順帶撈到不少第二層「我知道我不知道」的知識，把它們設為未來精進的目標。

其中第 2 步最難：具體來說，做某份工作到底需要懂 JavaScript / PowerShell / 微服務的哪些部分？作者的解法是善用業界基準——認證、奈米學位（nanodegree）等外部衡量，能幫你定義金字塔頂層、指出聚焦點。有些領域（如 IT 維運）認證很多，有些（如開發）較少，但只要肯找，任何領域都能找到類似認證的基準；有些訓練公司提供技能評估（如 Pluralsight 的 Skill IQ），有些提供奈米學位。

T 型技能：另一種看廣度與深度的方式#

第二種評估熟練度的方式，是檢視金字塔「我會做的事」那塊裡的知識水準。我們都有強的技能、也有普普的技能——這種評估法常被稱作 T 型技能組合（T-shaped skill set）（原書 figure 5.4）。

• T 型圖其實就是金字塔的另一種畫法，差別在於它一次評估多項技能，而非單一技能。
• 「我會做的事」很多的技能，代表深度深（例如 Windows），在 T 型圖上是較高的長條。
• 把所有「多少懂一點」的技能一起看，就構成你的廣度——圖上所有長條的橫向鋪陳。
• 任何淺的技能（例如 Linux、iSeries）需要時都能加深。

這就是四象限散布圖派上用場的地方：把學習精力集中在目前很淺、且在市場上高度相關的技能上。

該把重心放哪：從市占率下手#

想清楚自己深在哪、淺在哪，也看過哪些技能市場相關或現職需要之後，你就有了學習重心的雛形。你也可以視角色，把部分或全部學習時間投在業界普遍相關的主題上——做法是先選一個合理的技能子集。這很難，因為任何技術領域都有一堆彼此競爭的選項：

• 軟體開發者——語言：Java、C#、JavaScript、Python、PHP，以及上百種。
• 系統管理員——作業系統：Windows、Linux、UNIX，以及較舊的大型主機／中型主機系統。
• 網路工程師——品牌：Cisco、Juniper、Aruba 等。
• 資料庫管理員——選擇：Microsoft SQL Server、Oracle、MySQL、PostgreSQL，以及數十種。

這些技術都重要且熱門，各自都有大量雇主在招募。那要怎麼選？作者的辦法是從市占率下手：上網搜「networking vendor market share」或「cisco market share」之類，然後把研究聚焦在市場前一、兩名的競爭者。這麼做有兩個好處：

• 頂尖競爭者最可能是你能取得並保住工作的地方。
• 只要對頂尖者夠熟，需要時要學會較次要的選項並不難。

鎖定目標技術後，作者會提醒自己：不必成為世界級專家，只需要基本、核心的熟悉度，加上對自己學習肌肉的信心。

對作者而言，「基本熟悉度」通常等於在該技術上投入 40 ～ 80 小時的學習所能得到的程度。那也許還不足以拿到工作，但足以讓他指出未來學習的正確方向、需要時快速補強到能拿到工作。以每週三晚、每晚兩三小時計算，兩個月就能累積約 60 小時——這是「合理時間投入、換合理技能報酬」的划算交易。

只瞄準基本熟悉度還有個附加好處：任何技術的基礎變動最慢。所以這筆學習投資的效期更長、更容易保持新鮮，也讓你有餘裕把其他主題也帶到同樣的熟悉水準。而這整套「只到基本熟悉度」的策略，前提是你對自己的學習肌肉有信心。

鍛鍊強壯的學習肌肉#

每個人都懂鍛鍊肌肉的基本道理：得每天練、持續練。人們常說要當終身學習者，但作者更喜歡把自己想成每日學習者（daily learner）。你大腦「學習、且快速學習」的能力是可以訓練與發展的，而方法就跟練出更強的心臟一樣——適度、每日的運動。

作者每天排時間學習，常在午休：他愛閱讀，那一小時正好讀書，也順便從工作抽離、換個腦子。有時學習時段是長途開車時聽 podcast 或訓練影片的音軌。他很少排在晚上——因為他知道自己晚餐後記不太住東西。

那他都學什麼？意外的是，不總是技術。有時讀到一篇新聞就一路鑽下去。他愛讀美國最高法院的判例——他不是律師，文章常引用他不熟的法律原則與案例，於是他去查、Google 那些原則，翻到摘要與短文；再 Google 更早的案例、讀相關文章。不知不覺就學到東西，也才花了一小時左右。

想練強心肌，心肌不在乎你是跑步、走路、打沙包還是游泳——它只知道自己被鍛鍊了，於是慢慢變強。學習也一樣：你的大腦不見得在乎你學什麼，只在乎你有沒有在動用它用來學習的機制。所以作者不總是逼自己學新技術（那他上班一整天都在做），偶爾換點口味很好——但他每一天都在學某樣東西。

這份鍛鍊給了他信心：需要時能快速學會新技術、或快速精進某項技術。他曾經幾小時內自學到足夠的 Python 去解決工作上一個重大問題，而在那之前他從沒在工作用過 Python——他只是原本略知一二（因為它與他的領域相關），其餘全靠學習肌肉補上。JavaScript、C#、PHP、Linux、PowerShell、Windows、SQL Server、MySQL、Cosmos DB 等數十種技術，他都是這樣學來的。

強壯的學習肌肉，正是他敢於「只對領域內關鍵、市場領先的技術保持基本熟悉度」的底氣——因為他知道，真要用時，他能學更多、而且學得快。

學習媒介#

我們都熟悉技術世界的「經典」學習媒介：講師帶領的課程、自學影片、書籍。它們有效，適合時就該用。但別因此低估其他很棒的學習方式——尤其當你的目標是跟上、而非從零打造一項新技能時。

• 供應商官方文件（vendor documentation）：作者的替代學習資源清單第一名。品質雖然全業界參差不齊，但「能從供應商文件學習」本身就是我們這行極重要的能力。若你能直接消化源頭材料、從中為自己建構新知識，你將所向披靡。
• 網路：常用來對新技術／功能／做法做廣義入門。想快速建立「某東西在做什麼、怎麼做」的基本理解時，他會從搜尋引擎開始，一口氣開一堆部落格、Wikipedia、YouTube，然後略讀而非精讀，目標是找到那些以適合他既有程度、也符合他想理解深度來解釋的內容。
• 社群媒體：也能是學習資源。經營強大受眾（如 Twitter）的一個理由，就是有一大群人可以請教。找不到合用的閱讀材料時，他會問 Twitter 上的朋友——99% 的情況一天內就會收到十幾個好建議，讓他能聚焦接下來幾週的學習。

重點在於：所有學習都有用。你不必只靠我們習慣的正規教育。若學習目標是「跟上」而非「精通」，用更非正式的方式往往能花更少時間、又達到你要的熟悉度。

還有一個提醒：普遍存在一種「人天生偏好某種學習媒介」的信念——你或許覺得自己「讀最有效」「看影片最有效」或「上實體課最有效」。這是迷思（原書引 APA 相關研究）。人腦並沒有讓某種媒介天生更有效的內建傾向，任何大腦都能從任何媒介有效學習。你也許需要多鍛鍊一下學習肌肉去適應某種媒介，就像沒跑步習慣的人得慢慢練到能跑馬拉松一樣。

評估你的相關性#

保持技能新鮮的一大難處，是不知道做到什麼程度才算「夠新鮮、夠相關」。記住：你不必在每個可能的主題上都是世界級專家。作者把技能分成三大類，這個練習能幫你避免對技能過度投資：

• 我工作需要的技能：投資最重的一類，且他會期待雇主與他共同投資，因為這些技能正在增益公司業務。但關鍵在於——雇主只需投資到業務所需的程度。雙方可能得一起判斷技能新鮮度何時足夠，這可能牽涉認證考試、內部或外部技能評估等工具；具體工具因技術領域而異，你得研究自己這塊技術世界的業界標準是什麼。
• 別人工作需要、但我沒在用的技能：業界普遍在用、但他自己工作沒用到。因為雇主不需要，他不期待公司幫忙（願意幫當然很好）。對他而言，這反而是最該投注資源的一類——因為這正是他有落後風險之處：如果大家都在用而他沒用，代表業界正往一個他現職雇主沒跟上的方向走，忽視它就有失去市場相關性的風險。不過他不必精通這些，只要到「有信心必要時能快速達到基本熟練」的熟悉度即可（例如突然需要找新工作時）。這是主觀的個人判斷，通常不需要到認證會考的水準。
• 反映業界整體趨勢的技能：他會看向自己專業領域之外，觀察大家在談什麼——不一定是大家在做什麼，而是大家心裡在想什麼。寫這本書時，量子運算（quantum computing）可能就屬於這類。對這類技能，他追求的是電梯對話級的通曉（elevator conversancy）：能就這項技術在高層次言之有物地聊約五分鐘，就算及格。這些是他標記「保持關注」的項目，通常加進一份每季重看一次的閱讀清單。

終身每日學習的秘訣#

作者多年來養成幾個對維持職涯幫助極大的習慣，分享如下，盼其中幾個也對你有用：

• 學習是每天的事：人腦的運作方式，讓你會想每天都學點新東西——這樣才能維持學習肌肉的強壯，等你真需要學某樣東西時，它會來得更容易。
• 學習不只是技術：他不總把每日學習放在技術上；有時就是需要離開電腦這檔事喘口氣。於是他隨機抓一篇 Wikipedia，或順著新聞裡讀到的東西鑽下去——找一則有趣的美國最高法院判決，讀讀圍繞它的法律問題。你也可以追自己另一個休閒興趣：房地產、藝術史、微生物學，任何點燃你想像的東西。
• 把它排進行程：不特意騰出時間，學習很容易就不發生。想清楚學習為你的職涯帶來什麼價值，並承諾投入達成那份價值所需的時間。也要記住：不是所有學習時間都會發生在公司——若它是在增益你的職涯，你就得投入自己的閒暇。
• 把別人拉進來：如果有處境相似的同事，組個小讀書會，每週見一次、互相教點東西，會前幾天就用來準備你要教的內容。作者用四、五人的小組做過，非常有效——把一個主題拆開，每人認領一段、承諾做十分鐘的教學。這讓每人聚焦一小塊、也替學習加上結構；而「教會別人自己那塊」對鞏固自己所學更有奇效。
• 別怕隨機：雖然你該學會做足夠的市場分析來決定該學什麼，但也別怕偶爾擲個骰子。作者有時會登入 Pluralsight，隨機看一門剛上架的新課——可能完全不在他的領域，但那就是學習，而每日堅持學習本身才是重點。

延伸閱讀：《Mastery》，Robert Greene 著（Penguin Books, 2013）。

行動項目#

這一章，作者希望你開始發展一套「保持相關」的個人框架，並讓這些活動盡快成為你的日常：

• 建立每日學習排程：每天騰出一到兩小時學習就夠。這是一筆投資，可能需要你放棄別的事，但值得。
• 分析你的技術領域，列出學習清單：花幾週的學習時間，在各求職平台上盤點雇主正在招募、重要且市場領先的技術，整理成你的學習清單。一開始別超過六項；若太長，就靠「只留最市場領先的」來裁減。
• 開始達到基本熟悉度：為清單上每項技術投入約 60 小時。六項就是 360 小時，以每天兩小時計算約需六個月。但別每天都盯著這些技術——穿插一些隨機主題，給學習肌肉一點變化（Wikipedia 的「隨機文章」連結是找短主題探索的好工具）。