2017 retrospect on user experience research

Why we always talk about best practice but no one discuss worst/bad practice
为什么年终小节不可以是吐嘈大会。一直很奇怪为什么弹幕在中国如此盛行，在美国却悄无声息。很可能人家老早在rap里diss过千百回并且在podcast or stand-up comedy里出现多次。
Cross-functional team communication under time-tight job request
云哥可能是全公司的此间高手。实际情况是拿我司财务报销工具作为例子，改版后对于需要报销的员工输入时间更长。对于财务处理而言由于数据输入更规范，提高了工作效率节省了时间。那么对于公司的总效率，到底是不是优化呢？
Academic wisdom contradict street wisdom
风水轮流转，山水有相逢。赴美留学源起自2012年在XX地产二手房交易领域的知识共享工作。三年冰天雪地的认知人因工程master到2018一年的项目经历。无论公司大小，何种资本，遇到的困境居然惊人的相似。五年前Competitive Research最终是阻挡不了竞争对手迅速占领地方市场，并形成垄断之势。地方公司任职十年的创始总经理也提早下课收场。
创新，研究或流程是否能解决公司的通病？（e.g., 从培训部获得的一些信息是，由于零部件持续创新，导致安装流程/工具一直在变动。每次安装工人拿到的安装手册都是过时的。也就意味着工人要凭经验实地操作。e.g., 从安装教程视频录制的case,有一个10年经验老机械工会在现场观察安装，当一些关键步骤或者出现可能引发返工错误的时候，老机械工可以凭经验预判而叫停安装。这是培训教材永远不会具备的功能。因为，每个安装过程会根据实地情况改变，即使使用摄影机积累千万小时的安装视频训练AI，也无法做出老机械工的经验判断。）
单纯比较两者，操作/专业经验越久对公司越有利，管理经验越久对公司危害更大。
也许工程师过于执着的control, model, predict思想无法超越机器与人的差异。公司无论产品层，执行层，管理层也并没有在人的差异，环境差异，目标差异上有更深的洞察。(e.g., 物联卡在摩拜的成功未必在共享雨伞共享充电宝甚至共享电瓶车上成功)
在AI方兴未艾之前,还需要UX 提取人类知识去训练AI model. 但正如樊登读书会里的一个故事：
一群发达国家慈善组织希望援助某落后村落儿童饥荒。一堆政客的方法是fund-raising向有关跨国机构申请食品药品补助而对方回应正在解决食品药品过期排查需等待半年完成此项工作。更好的方法出自一个常驻该村落的记者，他采访相仿年龄的儿童里，对比营养好的孩子和营养差的孩子母亲在食物选择上的差异。结果发现营养好的小孩吃了较多当地有一种不知名小鱼，于是在无资金无预算无援助的情况下，最好的方法是推广吃小鱼。这样或许能确保50%以上饥饿儿童活到救援食品到达。这就是street wisdom的优势了。
P.S.看了范伟的《不是问题的问题》英语字幕版，觉得如果用这个电影测一下所有外派高管对本土文化的理解力，不知道会是怎样的结果。