有句名言说得好：先给予、经常给予，且给予时不期待任何回报。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将心血投入到了正确的事情上。
去年年底，时间仿佛慢了下来（其实并没有），我不断思考着这一过程，以及它会将我引向何方。
我发现自己一直在问：那么，我究竟该把心血倾注在什么地方呢？
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：
我坚信什么，又希望强化什么？
什么能产生实质性的影响，推动比空谈更有意义的变革？
如果我能找到值得支持的事物——既能强化我的信念，又能产生超越空谈的影响——我该如何贡献自己的力量？
如果我尚未与这些事物建立联系，又该如何找到它们？
第一个问题很容易回答。第二个问题则引发了自我反思。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。一旦前两个问题得到解答，第三个问题便显而易见。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连锁影响。
为了发现未知的事物，颇具讽刺意味的是，我竟从“我认识的人”开始列清单——并通过网上能找到的关于他们的信息，逐步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。
当我将“六度分隔”的范围扩大到3度或以上时，便开始深入分析各个城市。这部分内容尤为引人入胜。我开始了解到明尼阿波利斯、旧金山、底特律、印第安纳波利斯等城市之间的各种联系，这样的例子不胜枚举。 其中一项发现是，旧金山、博尔德和纽约的初创企业社区是多么紧密地融合在一起。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，但通过数据得到印证则是另一回事。
那些成功上市的公司，从种子轮到IPO的融资，很大程度上都是通过C轮及后续融资在本地完成的。 这使得在重大事件发生时，大部分回报都能留在当地社区。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，而非离开——不过除了博尔德、纽约和旧金山湾区外，我无法确认这在其他地方是否也是一种趋势。相比之下，其他地方的相关数据量实在太小了。
我本可以再写一篇文章探讨不同城市之间的差异，但因为我当时专注于自己在得梅因的贡献，所以又将这一主题作为核心重点。
借助上述资料，我整理出一套相当完善的数据集，通过聚焦“谁”具有推动变革的影响力，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围的人脉圈。
我担心的风险在于，如果基于某种实际上并不存在的虚假相关性来做出支持某项事业的重大决定，那将十分危险。这意味着决策是基于推断出的关联，而非直接或已证实的关联。
另一个问题是，当我开始询问人们应该支持什么时，他们的回答往往充斥着自身的偏见。随着我深入探究，发现这些偏见很可能是无意识的，且源于他们个人的决策。如果我只关注自己最亲近的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：如果仅根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，可能会带来风险。 我将部分口头反馈纳入了模型，前提是这些反馈能揭示出公开数据中未体现的真实关联——这也是我为何不在本文中公布该模型的原因。
人们主观上认为引发了变化，与他们能够清晰阐述的“变化如何发生”之间，揭示了许多无法通过谷歌搜索获得的信息。
如何解答一个无法通过谷歌搜索的问题，让我回想起多年前与朋友帕迪的一次对话，他当时谈到了特征向量中心性，以及它如何影响他所在组织的部分决策思路。 我记得当时对此很感兴趣，但并没有真正将它付诸实践的实际理由。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及影响力中心。
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，发现连接关系。
我从自己的社交圈入手，凭记忆开始绘制部分人际关系图。从最基础的层面来看，我的第一层人际网络大致如下：
免责声明：尽管我后来已离开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并非我的联系对象，但我后来将其添加为连接点。
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。
我早期就决定将个人与公司及组织建立联系，但除非通过婚姻关系，否则不将个人彼此连接。这一决定虽然可能导致模型出现偏差，但有助于将重点放在公司和组织上，这正是我的初衷。
由于我专注于利用特征向量中心性，以下是一段对此的描述：
……衡量一个元素与其他高连接度元素的连接程度。通常，具有高特征向量中心性的元素是网络的领导者，尽管它们在局部范围内的影响力未必最强。
值得庆幸的是，我使用的工具 Kumu 使这一过程变得简单。一旦通过确定元素、属性和连接类型构建了模型，剩下的工作就由软件自动完成。我重点关注了以下两个视图：
有哪些我尚未直接连接、但在其他地方具有高连接性的元素？
有哪些我尚未建立联系、但若能为其做出贡献会让我感到兴奋的组织？
对于第一类，我已经在贡献力量了。列表中的第二个组织是爱荷华州技术协会（TAI）。第三个组织是我目前仍在努力争取加入其董事会的一个机构。
因此，当有人问我“你为什么加入 TAI 董事会”时，我可以坦诚地这样回答：
我此前与 TAI 的企业网络及相关组织几乎毫无联系，而正是这些机构制定政策、构建框架，推动着本州的科技创新。
该协会秉持着我深信不疑的核心理念：
培养与招募人才
多样性与包容性
公共政策
我也喜欢这里的人。能遇到一群志同道合、致力于你所相信的事业且恰好能让你有所贡献的优秀伙伴，实属难得，也充满乐趣。
这是我第一次尝试像帕迪所说的那样，用数学方法来分析我在社区中的贡献。
尽管“加入董事会”这个答案对许多人来说可能有些乏味，但我乐在其中，一直在思考如何为社区投入更多心力。