行动三角是易效能时间管理最核心的技术之一,上一次总结分享了第一个环节“记录”,今天分享第二个环节“排程”。
“记录”将所有的事件从大脑中清空,以能使大脑不再被事件消耗能量与精力用于记忆,而能使用高级功能进行分析、总结、处理事件。
经过了第一个环节“记录”之后,收件箱当中就有了很多的事件等待我们去处理,这个时候不能马上行动,要先进行“排程”,再处理,因为只有通过“排程”,我们才能分清“轻重缓急”,做到“心里有数、处理有序”。易效能关于“排程”的核心要点是:
1、杂事不能被管理,能管理的只有行动,我们通过对收件箱的事件进行三问:我要不要做?我要的结果是什么?我的下一步动作是什么?来清空收件箱。
2、对于既不重要又不紧急的事情,直接删除掉;对于重要不紧急的事情,推迟处理,可以放到“将来也许”或3-6月出成果的“项目”模块中处理;对于可以委托的事情就委托他人处理以为自己腾出时间;最后剩下在2周内需要做的事情才由自己亲自动手做。
3、在两周内需要做的事情当中,分为有固定日程(日期、时间)的事情和没有固定日程的事情,有固定日程的放到日历中,没有固定日程的放到清单当中。
4、放到日历中的事情是严谨的,也是我们的“战略地图”,我们要经常查看(我是每天早上起床后就查看),以免遗漏。
5、放到清单的事情相对有弹性,可以分为有截止期限的事件和没有截止期限的事件。为了提高处理事件效率,要对事件进行情境管理,即综合时间、空间、精力等维度,对处理事情的情境进行分类,方便自己在合适的情境下批量处理事情(如购物清单、电话清单等)。
6、放到日历中的事情要少而精,放到清单中的事情可以相对多一些。
7、每天要挑出难度最大的事情(三只青蛙),预留出高精力的时间优先处理,具体的处理方法可以通过番茄工作法。
8、用纸和笔来排程的方法已经跟不上时代,必须要用电子工具,日历用苹果系统的“日历”或“Calendars 5”来管理;清单用(Omnifoucus)。安卓系统用“Sol日历”和“滴答清单”。
9、有固定日程的事情越早安排越好,奥巴马说要“凡事提前”,越早安排,我们能完成的可能性就越大。另外,确定时间是做一件重要事情最困难的地方,一旦确定,后续各方就比较好配合了。
10、大卫.艾伦提出要做重要的事情,史蒂芬.柯维提出通过重要+紧急两个维度对时间进行分类划分;易效能的思路是:删除不重要、推迟不紧急,通过固定日程+弹性清单来分类处理事件。
经过一段时间的践行,我对于排程的体会是:
1、为什么要排程?事件记录下来之后不是马上去做,而是必须要经过不断排程的环节,这是为什么呢?
(1)因为通过排程可以通过4D原则(删除、委托、推迟、做)屏蔽掉大量不需要马上做或自己亲自做的事情,可以减少我们的负担;
(2)通过排程,对事件进行分类,分出轻重缓急和处理方式方法,可以让我们对处理事件做到心中有数,批量处理,大大提高效率;
(3)排程过程,也是一个不断判断事件的重要性、紧急性的过程,通过这个过程,我们要不断判断、分析事件和自己人生努力方向的关系,可以在过程中不断觉察自己,找到自己。
2、什么时候排程?
因为每天都有可能往收件箱里记录了事件,因此最好的排程时间就是每天清晨,清空昨天已经完成的事件,重新对新录入收件箱的事件进行排程,有固定日程的就写入日历,清单重点安排2周内的事情。另外,一周也可以抽出一个固定时间进行统一排程。
3、为什么要找出“青蛙”?
人生不在于做完所有的事情,而在于把重要的事情做到极致,什么才是重要的事情?和自己终身为之奋斗目标一致的事情就是重要的事情,那也是我们的“青蛙”,我们只有不断的吃掉“青蛙”,输出成果,才能向自己的目标迈进。
4、排程的过程,也是提升管理能力的过程,自己处理的事情越来越少,越来越聚焦,越来越找到方向,管理能力就越强。(观察不难发现,公司领导总是只安排日程活动,而很少自己动手亲自处理事件,也说明管理者委托他人处理事件的能力很强)
5、对于杂乱无章的对象,如果只有一种处理思路和方法,那是很难高效且处理到位的。完美的处理方式,是在将待处理对象全部搜集完毕后,进行有效的分类,再根据待处理对象类别的不同特征,以及处理者的具体情况,匹配不同的处理方案,才能完美的进行处理。在事件的排程过程中,对需要处理的事件通过重要性、紧急性、是否有固定日程、是否有截止期限、是否可以委托等方面进行了划分,对处理者也通过时间、空间、精力也进行了分类形成情境,两者有效匹配,打造高效事件处理系统。
去年谷歌推出的智能机器人阿法GO战胜了世界顶级围棋棋手李世石,今年又战胜了世界排名第一的中国棋手柯杰,智能机器人之所以能战胜人类,是因为有一套严密的逻辑思维能力,不求妙招,只求胜率,所以屏蔽掉了很多的风险,最终获得胜利。
我们在排程的过程中,也有类似于机器的逻辑思维过程,这样虽然看起来繁琐,其实会让我们处理事务更为有序,最终解决烦事缠身、抓不到重点、漏洞百出的问题。
我们不得不承认,在好多方面,我们都需要向机器学习。或许,傻傻地按照流程来,严格按照规则做,那才是达成目标的最佳途径。