在 Lake Forest College 的 division 3 游泳队里，一名远落后于队友的 NCAA 运动员坚持了两年高强度训练。本期借这段身体与精神都很痛苦的经历，讨论 toughness、不找借口，以及为何痛苦不必自动成为停止信号。

适合正在长期训练、处理高压任务，或总在困难出现时怀疑是否该放弃的人；它帮助你区分事情真的不值得做，还是只是过程令人难受。

这期你会听到

• 从普通游泳水平进入 NCAA 游泳队，认知差距为何会在首次训练中集中暴露？

• Rocky 所代表的 toughness，为什么不是强者必胜，而是在明知艰难时仍坚持完成？

• 不找借口如何改变一个人面对迟到、训练和长期承诺的方式？

• 怎样区分不可避免的身体感受与自己追加的 suffering？

• 习惯在疲惫后继续发力，可能带来什么能力，又可能让人在哪些痛苦中停留过久？

相关内容

观看本期视频版

阅读本期文字稿

加入Superlinear Academy免费社区

带来一件因不适而拖延、但确认值得做的事，讨论如何减少借口并继续推进。

https://www.superlinear.academy/

关于主播与节目

孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。

《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

数据科学的价值不只在模型精度，而在于帮助组织把战略决策想全面、抓住关键矛盾，再把策略、指标和优先级连起来。本期重点辨析北极星指标究竟该衡量目标，还是衡量策略的执行效果。

适合希望从分析执行者走向业务决策参与者的数据科学家，也适合正在制定 KPI 或北极星指标的团队，用来检查指标能否真正指导行动。

这期你会听到

• 数据科学如何在战略决策、日常运营与自动化之间找到不同的价值位置？

• 判断业务是否值得做时，竞争差异、市场规模、用户价值与 PMF 应该怎样进入分析？

• 为什么北极星指标更适合衡量策略执行，而不是只显示离目标还有多远？

• 没有因果数据时，数据科学家是否仍应表达业务判断？

• 积累 domain knowledge 时，研究一线情况、请教专家和亲手实践分别解决什么问题？

相关内容

观看本期视频版

阅读本期文字稿

加入Superlinear Academy免费社区

把正在使用的北极星指标及其对应策略带来拆解。

https://www.superlinear.academy/

关于主播与节目

孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。

《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。

这场职业发展问答从老板为何应支持 career growth 出发，讨论如何把 one on one 从项目汇报变成成长协作，并延伸到向上管理、主动创造更大范围的工作，以及判断团队和机会是否值得继续投入。

适合不知道该和 manager 聊什么、在成熟团队缺少机会，或正在考虑加入新组的人；它帮助你判断该主动创造空间、争取支持，还是更换环境。

这期你会听到

• 如何把 career growth 变成你和 manager 共同追踪的目标，而不是等待老板主动安排？

• one on one 应该怎样分配职业讨论、工作想法与项目更新？

• 面对超出职责范围的问题，怎样用 20%时间先验证想法，再逐步争取支持？

• 作为 manager 加入新公司时，为什么第一个月要先和足够多的人交流，建立对组织的全局认识？

• 向上管理能提供哪些上级视角，又有哪些全局信息必须自己建立判断？

相关内容

观看本期视频版

阅读本期文字稿

加入Superlinear Academy免费社区

把下次 one on one 最想确认的职业差距和可执行动作带来讨论。

https://www.superlinear.academy/

关于主播与节目

孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。

《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。