Ada pepatah bagus yang mengatakan bahwa kita harus memberi terlebih dahulu, memberi sesering mungkin, dan memberi tanpa mengharapkan imbalan apa pun. Meskipun saya setuju dengan semua itu, saya sempat sangat bingung bagaimana cara meyakinkan diri bahwa saya memberi untuk hal-hal yang tepat.
Menjelang akhir tahun lalu, waktu terasa seolah-olah melambat sedikit (padahal sebenarnya tidak), dan saya terus memikirkan proses pemikiran ini serta ke mana hal itu akan membawa saya.
Pertanyaan yang muncul di benak saya adalah, jadi, untuk apa saya memberi?
Pertanyaan itu membawa saya pada sebuah perjalanan yang menarik. Saya terus kembali pada beberapa pertanyaan:
Apa yang saya yakini dan ingin saya perkuat?
Apa yang memiliki dampak untuk mendorong perubahan dengan cara yang lebih berarti daripada sekadar pernyataan?
Jika saya bisa menemukan hal-hal yang bisa saya dukung, yang memperkuat apa yang saya yakini dan berdampak pada perubahan lebih dari sekadar kata-kata, bagaimana saya bisa berkontribusi?
Bagaimana cara saya menemukan hal-hal tersebut jika saya belum terhubung dengannya?
Pertanyaan pertama mudah dijawab. Pertanyaan kedua ternyata mengharuskan saya untuk merenung. Saya menyadari bahwa hal yang mendorong jenis perubahan yang ingin saya ikuti justru lebih berkaitan dengan hal-hal yang belum saya kenal. Pertanyaan ketiga ternyata menjadi jelas begitu dua pertanyaan pertama terjawab. Pertanyaan keempat ternyata yang paling menarik.
Untuk menjawab pertanyaan keempat, saya harus mulai memikirkan cara yang tepat untuk menganalisis hal-hal yang tidak ada dalam lingkaran sosial saya serta dampaknya yang saling terkait.
Untuk menemukan hal-hal yang tidak saya ketahui, ironisnya saya memulai daftar dengan orang-orang yang saya kenal – dan kemudian memetakan jaringan mereka melalui apa yang dapat saya temukan tentang mereka secara online. Sumber data utama saya adalah:
Ingatan
Catatan konferensi
LinkedIn
Crunchbase
Angel List
Akhirnya saya mendapatkan model dengan ukuran yang cukup besar. Begitu jumlah elemennya melebihi ~10K, prosesnya mulai melambat sehingga penambahan elemen baru menjadi jauh lebih sulit, jadi saya berhenti berkontribusi secara agresif.
Setelah saya mendapatkan 3 atau lebih derajat pemisahan, saya mulai menelusuri lebih dalam ke kota-kota tertentu. Di sinilah hal-hal menjadi menarik. Saya mulai mempelajari berbagai hal tentang konektivitas antara Minneapolis, SF, Detroit, Indianapolis, dan daftar ini terus berlanjut. Salah satu temuan saya adalah betapa tertutupnya komunitas startup di SF, Boulder, dan NY. Kepadatan ekosistem di antara masing-masing kota jauh lebih kuat daripada di Des Moines. Hal ini mungkin terdengar jelas, tetapi melihatnya tercermin dalam data adalah hal yang berbeda.
Perusahaan-perusahaan yang go public tampaknya mendapatkan pendanaan dari tahap awal hingga IPO yang sebagian besar berasal dari dalam kota melalui putaran pendanaan Seri C atau lebih lanjut. Hal ini membuat sebagian besar keuntungan tetap berada di dalam komunitas saat terjadi peristiwa besar. Tampaknya juga para pendiri yang telah melakukan satu atau lebih exit besar cenderung mendirikan perusahaan baru di kota yang sama daripada pindah, yang merupakan tren yang belum dapat saya konfirmasi di tempat lain selain Boulder, New York, dan wilayah Teluk. Angka-angkanya masih sangat kecil jika dibandingkan dengan tempat lain.
Saya mungkin bisa menulis postingan lain tentang perbedaan antar kota, tetapi karena saya fokus pada kontribusi saya di Des Moines, saya kembali mengangkatnya sebagai fokus utama.
Dengan menggunakan sumber-sumber di atas, saya berhasil mengumpulkan kumpulan data yang memadai untuk mengidentifikasi apa yang berdampak dalam mendorong perubahan dengan berfokus pada siapa yang memiliki pengaruh untuk mendorong perubahan tersebut. Langkah selanjutnya adalah mengidentifikasi siapa saja mereka dan orang-orang di sekitar mereka.
Risiko yang saya khawatirkan adalah mengambil keputusan besar untuk mendukung sesuatu yang sebenarnya hanya menciptakan korelasi palsu yang tidak ada. Mengambil keputusan berdasarkan hubungan yang disimpulkan, bukan hubungan langsung atau yang telah terbukti.
Masalah lainnya adalah ketika saya mulai menanyakan kepada orang-orang apa yang harus didukung, jawaban mereka sering kali sarat dengan bias mereka sendiri. Semakin saya menggali lebih dalam, semakin jelas bahwa bias tersebut kemungkinan besar tidak disadari dan didorong oleh keputusan pribadi mereka sendiri. Seandainya saya hanya berfokus pada umpan balik langsung dari jaringan terdekat saya, saya tidak akan sampai pada kesimpulan seperti yang saya capai.
Tidak ada salahnya melakukan hal itu—saya sendiri juga melakukannya—tetapi hal ini semakin membuat saya khawatir tentang mengikuti rekomendasi tertentu mengenai di mana harus menghabiskan waktu, yang didasarkan pada asumsi kualitatif pihak ketiga mengenai bagaimana berbagai hal saling terhubung. Saya mengambil beberapa umpan balik lisan tersebut dan memasukkannya ke dalam model saya ketika hal itu menciptakan korelasi nyata yang tidak tersedia secara publik, itulah sebabnya saya juga tidak mempublikasikan model tersebut sebagai bagian dari postingan ini.
Perbedaan antara apa yang dirasakan seseorang sebagai pemicu perubahan versus apa yang dapat diungkapkan seseorang mengenai bagaimana perubahan itu terjadi, mengungkap banyak hal yang tidak dapat dicari di Google.
Upaya mencari jawaban atas pertanyaan yang tidak bisa saya cari di Google membuat saya teringat percakapan yang saya lakukan bertahun-tahun lalu dengan seorang teman, Paddy, yang sedang membicarakan eigenvector centrality dan bagaimana konsep tersebut memengaruhi pemikiran di organisasinya. Saat itu, saya ingat merasa tertarik tetapi belum benar-benar memiliki alasan praktis untuk menerapkannya. Pendekatan tersebut tampak layak untuk dicoba.
Hal ini memberi saya serangkaian titik koneksi dan saya memutuskan untuk mencoba menggunakan pendekatan Paddy untuk memahami konektivitas dan pusat-pusat pengaruh dalam komunitas teknologi di Iowa.
Perhatian utama saya adalah menemukan konektivitas di komunitas dan organisasi baru di tingkat lokal yang belum terhubung dengan saya – baik secara fisik maupun finansial.
Saya memulainya dengan jaringan saya sendiri dan mulai memetakan beberapa koneksi saya dari ingatan. Pada tingkat yang paling dasar, inilah tampilan jaringan tingkat pertama saya:
Penafian: Meskipun saya telah meninggalkan Clay & Milk dan menyerahkannya kepada orang-orang yang kompeten, hal itu belum terjadi saat saya mengambil tangkapan layar ini. Selain itu, saya menambahkan TAI sebagai koneksi meskipun pada awalnya TAI bukanlah bagian dari jaringan saya.
Tak lama kemudian, saya telah menghabiskan lebih dari beberapa jam mengumpulkan data dan menelusuri koneksi yang bermula dari titik awal ini hingga akhirnya berkembang menjadi model yang lebih bermakna dan mencakup skala global.
Sejak awal, saya memutuskan untuk menghubungkan orang-orang dengan perusahaan dan organisasi, tetapi tidak menghubungkan mereka satu sama lain kecuali jika mereka terhubung melalui pernikahan. Keputusan ini mungkin telah memengaruhi model tersebut, tetapi membantu memprioritaskan perusahaan dan organisasi, yang memang merupakan tujuan saya.
Karena saya berfokus pada pemanfaatan sentralitas vektor eigen, berikut adalah kutipan yang menjelaskannya:
… mengukur seberapa baik suatu elemen terhubung dengan elemen lain yang juga terhubung dengan baik. Secara umum, elemen dengan sentralitas vektor eigen yang tinggi adalah pemimpin dalam jaringan, meskipun mereka mungkin tidak memiliki pengaruh lokal yang paling kuat.
Untungnya, Kumu, alat yang saya gunakan, mempermudah hal ini. Setelah Anda membangun model dengan menentukan elemen, atribut, dan jenis koneksi, perangkat lunak tersebut akan mengurus sisanya. Ada dua tampilan yang menjadi fokus saya:
Apa yang belum terhubung langsung dengan saya, tetapi memiliki konektivitas tinggi di tempat lain?
Apa yang belum terhubung dengan saya, tetapi akan membuat saya bersemangat untuk berkontribusi?
Saya sudah berkontribusi pada yang pertama. Organisasi kedua dalam daftar adalah Technology Association of Iowa. Yang ketiga adalah organisasi lain yang saya masih berusaha untuk bergabung dengan dewan pengurusnya.
Jadi, ketika seseorang bertanya kepada saya, “Mengapa Anda bergabung dengan dewan TAI?”, saya dapat menjawab dengan jujur sebagai berikut:
Saya sangat tidak terhubung dengan jaringan perusahaan TAI dan organisasi terkait yang menetapkan kebijakan serta menciptakan kerangka kerja yang mendorong inovasi teknologi di negara bagian ini.
TAI memiliki prinsip-prinsip inti yang saya yakini:
Mengembangkan & Merekrut Talenta
Keragaman & Inklusi
Kebijakan Publik
Saya juga menyukai orang-orangnya. Sangat jarang dan sangat menyenangkan ketika Anda menemukan orang-orang hebat yang bekerja pada sesuatu yang Anda yakini, di mana Anda juga dapat berkontribusi.
Ini adalah pertama kalinya saya mencoba menganalisis kontribusi saya di komunitas menggunakan matematika, seperti yang akan dikatakan Paddy.
Meskipun jawabannya—bergabung dengan dewan—mungkin terdengar membosankan bagi banyak orang, saya menikmati proses mencari tahu cara berinvestasi lebih banyak dalam komunitas.