在哪里投入时间？

有句名言说得好：先给予、经常给予，且不求回报。虽然我完全赞同这些观点，但我一直很纠结于如何确信自己是在为正确的事物付出。

去年年底，时间仿佛放慢了脚步（其实并没有），我却愈发频繁地思考着这一过程，以及它将把我引向何方。

我不断自问：那么，我究竟该把心血倾注于何处？ 

这个问题引领我踏上了一段有趣的旅程。我不断回到几个核心问题：

1. 我坚信什么，又希望强化什么？
2. 什么能产生实质性的影响，推动比空谈更有意义的变革？
3. 如果我能找到值得支持的事物，既能强化我的信念，又能产生超越言辞的变革影响，我该如何贡献自己的力量？
4. 如果我尚未与这些事物建立联系，又该如何去发现它们？

第一个问题很容易回答。第二个问题却让我陷入了自我反思。我发现，真正推动我想要参与的那种变革的，往往正是我尚未接触的事物。第三个问题在前两个得到解答后便显而易见。而第四个问题则最为引人入胜。

为解答第四个问题，我不得不开始思考：如何有效分析那些不在我社交圈内的事物及其关联影响。

为了发掘未知之事，我颇具讽刺意味地从“我认识的人”开始列清单——进而通过网络上能找到的关于他们的信息，绘制出他们的社交网络图谱。我的主要数据来源包括：

• 记忆
• 会议笔记
• 领英
• Crunchbase
• AngelList

最终我构建了一个规模可观的模型。当元素数量超过约1万个时，运行速度开始明显变慢，导致添加更多元素的难度增加了好几个数量级，所以我便不再那么积极地贡献数据了。

当我建立起3度或更少的社交距离后，便开始深入分析各个城市。这才真正变得有趣起来。 我开始深入了解明尼阿波利斯、旧金山、底特律、印第安纳波利斯等城市（名单可以列得很长）之间的各种联系。其中一个发现是，旧金山、博尔德和纽约的初创社区是多么封闭。这些城市之间的生态系统密度远高于得梅因。这听起来似乎是显而易见的，但通过数据来验证则是另一回事。

那些成功上市的公司，其从种子轮到IPO的融资似乎主要来自当地，通常在C轮或更晚阶段完成。这使得在重大事件发生时，大部分回报能留在当地社区。此外，拥有一次或多次重大退出经历的创始人，往往倾向于在原城市重新创业，而非另觅他处——不过这一趋势我仅在博尔德、纽约和旧金山湾区得到印证，其他地方的样本量相对太小。

我本可以再写一篇关于城市差异的文章，但因为我当时专注于自己在得梅因的贡献，所以最终还是将此作为核心主题。

借助上述资料，我整理出一套可靠的数据集，通过聚焦“谁”具备推动变革的影响力，进而深入探究哪些因素能真正驱动变革。接下来要做的，就是厘清这些关键人物及其周边圈子。

我担心的风险在于，若基于某种实际上并不存在的虚假关联做出重大支持决策，那将十分危险。这意味着决策依据的不是直接或已证实的关联，而是推断出的关联。

另一个问题是，当我开始询问人们该支持什么时，他们的回答往往充斥着自身偏见。随着我深入探究，发现这些偏见多半是无意识的，且源于他们个人的决策倾向。如果我仅关注自己最亲近人际网络中的直接反馈，就不会得出现在的结论。

这本身并无不妥——我也会这么做——但这让我更加担忧：若仅依据第三方对事物关联性的定性假设，来决定将时间投入何处，是否存在风险。我曾将部分口头反馈纳入模型，因为它们揭示了公开数据中未体现的真实关联，这也是我未将该模型作为本文内容发布的原因。

人们主观上认为引发了某种变化，与他们能够清晰阐述的、关于这种变化如何产生的过程之间，揭示了许多无法通过谷歌搜索到的内容。

面对无法通过谷歌搜索解答的问题，我不禁想起多年前与朋友帕迪（Paddy）的一段对话。当时他谈到了特征向量中心性（eigenvector centrality），以及这一概念如何影响其所在组织的决策思维。我记得当时对此颇感兴趣，但一直缺乏实际应用的契机。如今看来，这似乎是一个值得尝试的好方法。

这让我发现了一系列连接点，于是我决定尝试运用帕迪的方法，来理解爱荷华州科技社区中的连接性与影响力中心。

我的核心关注点在于，在本地那些我尚未建立联系（无论是物理上的还是资金上的）的新社区和组织中，寻找连接点。

我从自身人脉网络入手，凭记忆绘制了一些人际关系图。从最基础的层面来看，我的第一层人脉网络如下：

免责声明：尽管我已离开Clay & Milk并将其交给了能干的团队，但在截取这张截图时情况并非如此。此外，虽然最初TAI并非我的联系人，但我后来将其添加了进来。

没过多久，我便投入了数小时的时间进行数据抓取，梳理从这个起点延伸出的联系，最终将其发展成一个覆盖全球、更具意义的模型。

我早早便决定将个人与公司及组织建立关联，但除非通过婚姻关系，否则不将个人彼此关联。这一决定虽可能导致模型产生偏差，却有助于突出公司和组织的优先级，这正是我所期望的。

鉴于我在此主要关注特征向量中心性，以下是对此概念的描述：