Nên dành thời gian vào việc gì?

Có một câu nói hay rằng hãy cho đi trước, cho đi thường xuyên và cho đi mà không mong đợi nhận lại điều gì. Dù tôi đồng ý với tất cả những điều đó, tôi vẫn rất trăn trở về việc làm sao để tự tin rằng mình đang dành sự cho đi cho những điều đúng đắn.

Vào cuối năm ngoái, thời gian dường như trôi chậm lại một chút (thực ra không phải vậy) và tôi ngày càng suy nghĩ nhiều hơn về quá trình suy nghĩ này và nó sẽ dẫn tôi đến đâu.

Câu hỏi mà tôi tự đặt ra là: vậy tôi nên cho đi điều gì? 

Câu hỏi đó đã dẫn tôi đến một hành trình thú vị. Tôi liên tục quay trở lại với nhiều câu hỏi:

1. Tôi tin vào điều gì mà tôi muốn củng cố?
2. Điều gì có tác động thúc đẩy sự thay đổi theo cách quan trọng hơn một tuyên bố?
3. Nếu tôi có thể tìm thấy những điều để ủng hộ, củng cố những gì tôi tin tưởng và tác động đến sự thay đổi không chỉ bằng lời nói, thì tôi sẽ đóng góp như thế nào?
4. Làm thế nào để tôi tìm thấy những điều đó nếu tôi chưa có mối liên hệ với chúng?

Câu hỏi đầu tiên rất dễ trả lời. Câu hỏi thứ hai hóa ra là một câu hỏi tự phản ánh. Tôi phát hiện ra rằng điều thúc đẩy loại thay đổi mà tôi muốn tham gia lại chính là những điều mà tôi chưa có mối liên hệ. Câu hỏi thứ ba hóa ra rất rõ ràng sau khi hai câu hỏi đầu tiên được trả lời. Câu hỏi thứ tư hóa ra là thú vị nhất.

Để trả lời câu hỏi thứ tư, tôi phải bắt đầu suy nghĩ về cách tốt nhất để phân tích những điều không nằm trong vòng kết nối xã hội của tôi và tác động liên quan của chúng.

Để tìm ra những điều tôi chưa biết, thật trớ trêu là tôi lại bắt đầu danh sách bằng những người tôi biết — và tiếp tục vạch ra mạng lưới của họ thông qua những gì tôi có thể tìm thấy về họ trên mạng. Các nguồn dữ liệu chính của tôi là:

• Ký ức
• Ghi chú hội nghị
• LinkedIn
• Crunchbase
• Angel List

Cuối cùng, tôi đã có được một mô hình có kích thước khá lớn. Khi vượt qua khoảng 10.000 yếu tố, tốc độ bắt đầu chậm lại đến mức việc thêm các yếu tố mới trở nên khó khăn hơn gấp nhiều lần, nên tôi đã ngừng đóng góp một cách tích cực.

Khi đạt được 3 hoặc nhiều hơn 3 mức độ tách biệt, tôi bắt đầu đi sâu vào từng thành phố riêng lẻ. Đây là lúc mọi thứ trở nên thú vị. Tôi bắt đầu tìm hiểu mọi thứ về sự kết nối giữa Minneapolis, SF, Detroit, Indianapolis và danh sách còn kéo dài mãi. Một trong những phát hiện là các cộng đồng khởi nghiệp ở SF, Boulder và NY đều được bao bọc chặt chẽ. Mật độ của các hệ sinh thái giữa các thành phố này mạnh mẽ hơn nhiều so với ở Des Moines. Điều này có thể nghe có vẻ hiển nhiên, nhưng việc nhìn thấy nó được phản ánh qua dữ liệu lại là chuyện khác.

Các công ty niêm yết trên sàn chứng khoán dường như nhận được nguồn vốn từ giai đoạn hạt giống đến IPO chủ yếu từ các vòng Series C trở lên. Điều này giúp giữ lại một phần lớn lợi nhuận trong cộng đồng khi có sự kiện lớn. Ngoài ra, các nhà sáng lập có 1 hoặc nhiều lần thoái vốn thành công thường có xu hướng thành lập công ty mới tại cùng thành phố thay vì rời đi. Tuy nhiên, tôi chưa thể xác nhận đây là xu hướng ở bất kỳ đâu ngoài Boulder, New York và Vùng Vịnh. Số liệu ở các nơi khác đơn giản là quá nhỏ so với các khu vực này.

Tôi có thể viết một bài viết khác về sự khác biệt giữa các thành phố, nhưng vì tôi tập trung vào đóng góp của mình tại Des Moines, tôi đã quay lại chủ đề này như trọng tâm chính.

Sử dụng các nguồn trên, tôi đã có thể tổng hợp một bộ dữ liệu khá đầy đủ để tìm ra những yếu tố có tác động thúc đẩy sự thay đổi bằng cách tập trung vào những người có khả năng tạo ra sự thay đổi. Bước tiếp theo là xác định những người đó và những người xung quanh họ.

Rủi ro mà tôi lo ngại là đưa ra quyết định lớn về việc ủng hộ một điều gì đó, trong khi thực tế tôi đang tạo ra một mối tương quan giả tạo không tồn tại. Quyết định dựa trên một mối liên hệ suy diễn thay vì một mối liên hệ trực tiếp hoặc đã được chứng minh.

Vấn đề khác là khi tôi bắt đầu hỏi mọi người nên ủng hộ điều gì, câu trả lời thường chứa đựng định kiến của chính họ. Định kiến đó, càng đào sâu, có lẽ là vô thức và được thúc đẩy bởi quyết định cá nhân của họ. Nếu tôi chỉ tập trung vào phản hồi trực tiếp từ mạng lưới gần gũi nhất của mình, tôi sẽ không đạt được kết quả như hiện tại.

Điều đó không có gì sai, tôi cũng làm như vậy, nhưng nó khiến tôi lo lắng hơn về việc chấp nhận một số đề xuất về nơi nên dành thời gian dựa trên những giả định định tính của bên thứ ba về cách các sự việc được kết nối. Tôi đã lấy một số phản hồi bằng lời nói đó và đưa vào mô hình của mình khi nó tạo ra những mối tương quan thực sự mà không có sẵn công khai, đó là lý do tại sao tôi cũng không công bố mô hình này như một phần của bài viết này.

Những gì ai đó cảm nhận đã tạo ra sự thay đổi so với những gì ai đó có thể diễn đạt về cách sự thay đổi đó xảy ra đã làm nổi lên rất nhiều điều không thể tìm kiếm trên Google.

Cách tìm câu trả lời cho một câu hỏi mà tôi không thể tìm kiếm trên Google đã khiến tôi nhớ lại một cuộc trò chuyện cách đây nhiều năm với một người bạn, Paddy, người đã nói về độ trung tâm eigenvector và cách nó đang định hướng một số suy nghĩ của tổ chức anh ấy. Lúc đó tôi nhớ là mình đã quan tâm nhưng chưa thực sự có lý do thực tiễn để áp dụng nó. Nó dường như là một cách tiếp cận đáng thử.

Điều này đã mang lại cho tôi một loạt các điểm kết nối và tôi quyết định thử sử dụng cách tiếp cận của Paddy để hiểu về kết nối và các trung tâm ảnh hưởng trong cộng đồng công nghệ ở Iowa.

Mối quan tâm chính của tôi là tìm kiếm sự kết nối trong các cộng đồng và tổ chức mới ở cấp địa phương mà tôi chưa có mối liên hệ nào — cả về mặt vật chất lẫn tài chính.

Tôi bắt đầu với mạng lưới của chính mình và bắt đầu vẽ bản đồ từ trí nhớ về một số mối liên hệ của bản thân. Ở mức độ cơ bản nhất, đây là hình ảnh mạng lưới cấp 1 của tôi:

Lưu ý: Mặc dù tôi đã rời Clay & Milk và giao lại cho những người có năng lực, nhưng khi tôi chụp ảnh màn hình này thì tình hình chưa như vậy. Ngoài ra, tôi đã thêm TAI vào danh sách kết nối mặc dù ban đầu nó không phải là một kết nối.

Không lâu sau, tôi đã dành hơn vài giờ để thu thập dữ liệu và kéo các mối liên hệ bắt nguồn từ điểm khởi đầu này đến mức nó phát triển thành một mô hình có ý nghĩa hơn, bao trùm toàn cầu.

Tôi đã quyết định từ rất sớm rằng sẽ kết nối mọi người với các công ty và tổ chức, nhưng không kết nối họ với nhau trừ khi họ có quan hệ hôn nhân. Quyết định này có thể đã làm sai lệch mô hình, nhưng lại giúp ưu tiên các công ty và tổ chức, đúng như ý định của tôi.

Vì tôi tập trung vào việc tận dụng độ trung tâm eigenvector, nên đây là một đoạn trích mô tả về nó: