像排程程式那樣安排任務,是什麼樣的體驗?

西西里的仔仔發表於2016-09-18

從事知識相關工作的時間越長,每天你的任務會越來越多,而完成其中任何一項也會變得越來越不可能。比如說,這裡有五項已經工作了兩週並且今天是截止日的任務,十項上週截止的任務,一項今早老闆突然提出的緊急任務,以及有時間就要去處理下的,永遠存在的積壓任務。另外還有常規會議,走廊談話,即時訊息以及郵件。無窮無盡的郵件…

這一現象最糟糕的部分,莫過於這種揮之不去的恐懼感:手頭所有的事情中,如果你正好選錯了現在該做的那件,就再也不能處理好任何事情了(就當你為這點擔心的時候,又收到了 11 封緊急郵件。)

像排程程式那樣安排任務,是什麼樣的體驗?

優先事項

所有這些職場生存焦慮,歸結為一個優先事項的問題:當下你應該做哪件事情?

在你的辦公室小隔間裡,有另外一樣東西也在不停地問自己這個問題:你的電腦。CPU 要同時處理多個任務,比如說當下你正在回覆即時資訊,同時又在下載郵件附件,防毒軟體還一直在後臺執行。電腦的作業系統中有一個演算法叫做“排程”,整天就是向 CPU 分發一件件的任務,就像一個數字歐普拉。(“每個人都有任務了”)通常,你的電腦工作做得很棒,它知道滑鼠點選和防病毒掃描哪個更重要,還能平衡其他正在執行的系統任務。我們的大腦中沒有排程演算法真是太糟糕了!

開玩笑啦,我們當然有。

你就是自己的排程演算法

每次你列出一個待辦事項列表,就是在使用一個排程演算法來決定自己的優先事項,即使你的演算法簡單到:這裡有個新任務,放到列表的最後。這個實現方法肯定存在問題,有些新的任務要放在列表的前面,一些要放在中間,還有即時只是個普通的工作日,優先任務也經常會變化。隨著時間的推移,你精心安排的代辦事務列表瓦解成了,“現在要做的事情”和“一會做的事情”,這樣一個不實用的集合。當然,肯定有更好的演算法,來管理工作任務,對吧?

來問問我們的計算機吧!雖然計算機用來實現排程的資料結構,在幫助人類快速做出決定上太過複雜,但是其基本的原則是相通的。反覆嘗試後,我找到個適用於整理這個瘋狂任務列表的簡化版演算法。

任務管理的四大原則(根據你的電腦)

正如艾薩克·阿西莫夫的機器人學三定律,第一條定律高於第二條定律,以此類推。

第一條定律:優先考慮最緊急的任務

計算機有時候會使用複雜的啟發式來計算哪些任務是最重要的。另一方面,在找出最關鍵任務方面,你有著非常好的直覺。如果這個任務標記為“不做就會被辭退”,加上一千個紅色感嘆號,你肯定會盡快完成它。

第二條定律:優先考慮更短的任務

用計算機語言來說,這個叫做“增加吞吐量”。吞吐量是指一定時期內所能完成的工作量。高吞吐量能給與你工作對接的人這樣一個印象,你對他們的需求反應更積極,同時還能讓自己更有成就感,清理代辦列表中更多的專案。很明顯,如果單個任務所需更短吞吐量就更高。

第三條定律:優先考慮需要等其他人的任務

計算機中的“I/O”(輸入/輸出)的意思是,與一個外在的元件進行互動,比如鍵盤或者磁碟。從你的角度來說,一項 I/O 大型任務可能是這樣,先需要你完成一部分工作,然後等待別人完成,再需要你進行一部分工作,等等。如果你優先完成這一型別的工作,在完成自己這部分的工作等待別人的過程中,還可以用來完成其他的事情。這個方式既增加了你的吞吐量,又增加了你的頻寬(“頻寬”的意思是你可以同時進行的工作數量,你的個人頻寬可能低得讓你無法相信

第四條定律:優先考慮較舊的任務

今天的低優先順序任務到了明天就更緊急了,因為截止日子更近了,或者老闆會要求一個更新版本。總之任務越舊越重要。

 

如果將這四條定律依次用於你的待辦事務列表,你會得到一個精心組織的任務列表。(計算機會通過為每個任務設定優先順序別,將排序過程更深入一步。確定優先順序別的條件包括:緊急程度、任務長短、I/O 任務多大以及任務多陳舊,然後通過總計數來對任務進行排列。這可以避免一些問題,比如說,第二條定律下可能會導致長任務被擱置:當長任務擱置時間長了,基於第四條定律,它的優先順序別就會提升,最終高於短任務。但是這個優化對於人類來說並沒有必要—我們只需要通用的指導方針,來確定接下來要做的 50 項任務就可以了)

當你覺得工作中被代辦事務淹沒時,停下來想想這四條定律(基於第一條定律我該完成什麼,第二條呢?)。回到開篇使用的那個例子,你可能會運用第一條定律,先完成老闆的緊急任務,然後根據第二條定律的先做短任務原則,回覆一批快速郵件,然後基於第四條定律,按照積壓時間從長到短的順序,完成五項當前的重要任務。

這麼做的目的並不是將所有任務完美排序,而是通過為這些任務制定一個基本的等級制度,來避免連鎖恐慌。希望每天工作的最後,這四條定律能讓你有種,可能已經忘記的感覺:今天你完成了一些有意義的工作。

不要低估帶著這種成就感結束一天工作的重要性,畢竟你不是計算機。

相關文章