Cãi nhau sao cho mượt là nỗi băn khoăn lớn nhất của mình

Trong thời đại AI đẻ code hay requirements như gà để trứng thì điều gì tạo nên sự khác biệt giữa một người làm chuyên môn giỏi và một người dẫn dắt giỏi? Mình nghĩ câu trả lời không nằm ở việc nắm bao nhiêu thông tin, mà nằm ở cách bạn phản biện lại thông tin đó và sử dụng dữ liệu như một đòn bẩy để định hình tư duy.

Steve Jobs từng nói: "Tôi không tin vào các nhóm khảo sát khách hàng. Công việc của chúng ta là đọc được những gì chưa được viết trên trang giấy." Câu nói này không phủ nhận data, mà là một lời khẳng định về tầm cao nhất của tư duy phản biện: Biết dùng data để nhìn thấu bản chất, thay vì bị data dẫn dắt một cách mù quáng.

1. Cần Reflection thinking

Mình luôn tâm niệm một điều: "Bạn không thể nhìn thấy vết bẩn trên mặt mình nếu không có gương". Trước khi muốn phản bác một ý tưởng của ai đó, mình học cách phản biện lại những suy nghĩ đang chạy trong đầu mình một cách logic nhất.

Tại sao Reflection Thinking lại quan trọng?

Ray Dalio, tỷ phú sáng lập Bridgewater Associates và tác giả cuốn sách "Principles", đã đúc kết một công thức:

Pain + Reflection = Progress (Nỗi đau + Chiêm nghiệm = Tiến bộ)

Mình cần Reflection thinking để Phá vỡ định kiến

Con người có xu hướng "thiên kiến xác nhận" (confirmation bias) – chỉ tin vào những gì ủng hộ quan điểm sẵn có. Reflection giúp mình nhận ra mình đang bị cái tôi dẫn dắt hay đang đi theo sự thật.

Con người chúng ta có một xu hướng rất "tệ" là Confirmation Bias. Chúng ta chỉ muốn nghe những gì ủng hộ quan điểm của mình. Khi mình làm Product, nếu mình đã lỡ muốn làm một tính năng, mình sẽ vô thức chỉ nhìn vào những số liệu tích cực và phớt lờ những feedback tiêu cực. Điều này cực kỳ nguy hiểm vì nó khiến mình mù quáng.

Reflection giúp mình nhận ra mình đang bị cái tôi (Ego) dẫn dắt hay đang đi theo sự thật khách quan. Cái tôi luôn muốn mình "Đúng", nhưng tư duy phản biện đòi hỏi mình phải tìm ra "Sự thật". Tôi bắt đầu tập thói quen tự hỏi mình những câu hỏi mang tính "tự vả" để tỉnh ngộ: "Nếu giả sử giả thuyết này của mình là hoàn toàn sai, thì đâu là bằng chứng cho thấy điều đó?"

Trong công việc, pain không chỉ là những thất bại lớn, có thể đơn giản là cảm giác bị "hớ" khi không trả lời được câu hỏi của sếp trong buổi họp.

Khoảng 3 năm về trước, lúc mới vào làm Product, mình thường có phản xạ là đổ lỗi cho khách quan (thị trường khó, team hỗ trợ chậm, sản phẩm mới tiếp nhận lỏ quá) rồi mặc kệ cho các điểm nghẽn dần đi vào quên lãng. Và mình nhận ra đó là cách nhanh nhất để mình dậm chân tại chỗ.

Sau này, khi làm việc với quy trình, vận hành nhiều hơn, mình bắt đầu đọc các bài viết về quản lý chính là lúc mình nhận ra nếu không có sự chiêm nghiệm, pain chỉ là một trải nghiệm tồi tệ (và có thể tích luỹ dần theo năm tháng). Nhưng khi có sự chiêm nghiệm, nó trở thành bài học đắt giá để mình nâng cấp bản thân.

Đây là cách giúp mình nâng cao khả năng tự nhận thức

Khi nào mình cần được ghi nhận, khi nào mình đang làm tốt, khi nào mình đang làm chưa tốt.

Ngay cả khi làm gì đó "thành công" hay thất bại, mình đều tự nhìn nhận lại vấn đề và tự thẩm 🤡 (nên hay thấy mình "Yẹt sơ" trong giờ làm việc). Self-awareness giúp mình ghi nhận những gì mình vừa đóng góp cũng như điềm tĩnh hơn trước áp lực vì mình hiểu rõ cơ chế tâm lý của chính mình.

Nhìn sâu thì sợ chưa đủ, nhìn gần thì thấy thiếu đã cải thiện khả năng Deep Learning của mình

Kiến thức chỉ thực sự trở thành kỹ năng khi nó được "tiêu hóa" qua quá trình chiêm nghiệm.

Mình đọc rất nhiều lí thuyết, luôn băn khoăn làm sao để có thể giải quyết vấn đề tốt hơn

Và cuối cùng là mình dành ra một chút thời gian để nghĩ về cách mình đã nghĩ và tại sao kết quả lại như vậy.

Note: Mình dành ra 15 phút mỗi ngày để note các đầu việc cần làm trong ngày để chia khung thời gian cho 1 ngày làm việc nữa nhá. Có thể đọc bài viết tại đây.

2. Cần biết sử dụng Data khi làm Product

Trong phát triển sản phẩm, data là la bàn. Nhưng một chiếc la bàn sẽ vô dụng nếu bạn không biết đọc bản đồ.

2.1. Tận dụng Data có sẵn

Mọi sản phẩm đều để lại "dấu chân số". Trước khi bắt đầu một tính năng mới, hãy nhìn vào những gì bạn đang có.

Tại Amazon, Jeff Bezos nổi tiếng với việc yêu cầu mọi đề xuất phải dựa trên dữ liệu cụ thể nhưng đồng thời phải đi kèm với một bản ghi nhớ (memo) giải thích logic đằng sau.

Việc tập trung vào Actionable Metric giúp bạn tìm ra đúng điểm nghẽn của sản phẩm. Nó là cơ sở để bạn đưa ra quyết định ưu tiên (prioritization) chính xác: biết nên sửa tính năng nào, bỏ tính năng nào để thực sự tạo ra tăng trưởng.

2.2. Quan sát hành vi User

Dữ liệu định lượng cho bạn biết Cái gì (What) đang xảy ra, nhưng dữ liệu định tính (hành vi, phỏng vấn) mới cho bạn biết Tại sao (Why).

• Ví dụ: Data cho thấy user thoát trang ở bước thanh toán. Nếu chỉ nhìn số, bạn có thể nghĩ là giá cao. Nhưng khi quan sát hành vi (qua công cụ như Hotjar/Clarity), bạn mới nhận ra nút "Thanh toán" bị che khuất bởi một banner quảng cáo. Đó chính là sức mạnh của việc kết hợp data và quan sát thực tế.

2.3. Theo dõi xu hướng thị trường

Đừng xây dựng sản phẩm trong một chiếc hộp chân không. Tư duy phản biện yêu cầu bạn phải đặt sản phẩm của mình trong bối cảnh thị trường.

• Xu hướng dài hạn: Công nghệ AI đang thay đổi cách người dùng tương tác như thế nào?
• Đối thủ: Họ đang giải quyết nỗi đau của khách hàng tốt hơn bạn ở điểm nào?

2.4. Khái niệm về "Sense"

Đây là phần thú vị nhất. Nhiều người gọi đó là "bản năng", nhưng thực tế, Product Sense là sự tích lũy của việc quan sát dữ liệu và hành vi.

Sense phụ thuộc vào điều gì?

1. Sự thấu cảm (Empathy): Khả năng đặt mình vào vị trí của người dùng. Nếu bạn không dùng sản phẩm của chính mình hàng ngày, bạn sẽ không bao giờ có "sense" tốt.
2. Kiến thức nền tảng (Domain Knowledge): Bạn không thể có sense tốt về Fintech nếu không hiểu về dòng tiền và quy định tài chính.
3. Pattern Recognition (Nhận diện mô thức): Khả năng nhìn thấy sự tương đồng giữa các vấn đề khác nhau. Người có kinh nghiệm lâu năm sẽ "cảm" được một tính năng có thành công hay không dựa trên những thất bại họ từng thấy trong quá khứ.

3. Thoát khỏi bẫy Overthinking: Nghĩ để làm, không phải nghĩ để dừng lại

Một trong những rào cản lớn nhất của người có tư duy phản biện là Overthinking (Suy nghĩ quá mức). Chúng ta sợ sai, chúng ta muốn có thêm data, và cuối cùng chúng ta rơi vào tình trạng "tê liệt vì phân tích" (Analysis Paralysis).

Mối quan hệ giữa Nghĩ và Làm

Trong triết học của các startup thành công tại Silicon Valley, họ luôn nhấn mạnh: "Thinking and Doing are the same thing".

Reid Hoffman (Sáng lập LinkedIn) từng nói: "Nếu bạn không thấy xấu hổ về phiên bản đầu tiên của sản phẩm, bạn đã ra mắt quá muộn."

Tư duy phản biện không có nghĩa là ngồi một chỗ suy ngẫm cho đến khi hoàn hảo. Tư duy phản biện đúng đắn là:

1. Đưa ra giả thuyết nhanh nhất có thể.
2. Thực hiện (Làm) để kiểm chứng.
3. Lấy data từ thực tế để điều chỉnh tư duy.

Tránh overthinking bằng cách đặt Deadline cho suy nghĩ. Hãy tự nói với bản thân: "Mình có 2 tiếng để nghiên cứu và đưa ra quyết định. Sau đó, mình sẽ hành động."

4. Đạt cảnh giới tư duy sâu

Nếu Overthinking là một vòng lặp luẩn quẩn và nông cạn, thì tư duy sâu là khả năng tập trung toàn bộ nguồn lực trí tuệ vào một vấn đề cốt lõi.

Làm thế nào để đạt được tư duy sâu?

Trong cuốn sách "Deep Work", Cal Newport nhấn mạnh rằng khả năng tư duy sâu là "siêu năng lực" trong thế kỷ 21. Để đạt được cảnh giới này, bạn cần:

1. Loại bỏ tiếng ồn: Tắt thông báo, rời xa mạng xã hội. Trí não cần ít nhất 20 phút để thực sự bước vào trạng thái "Dòng chảy" (Flow).
2. Xác định vấn đề gốc rễ (First Principles Thinking): Đây là phương pháp của Elon Musk. Thay vì so sánh với người khác, hãy phân rã vấn đề về những sự thật cơ bản nhất.
   • Ví dụ: Thay vì nghĩ "Làm sao để quảng cáo rẻ hơn?", hãy nghĩ "Giá trị cốt lõi mà khách hàng muốn nhận được là gì và làm sao để mang nó đến cho họ trực tiếp nhất?"
3. Tư duy bằng văn bản: Viết xuống giúp làm rõ dòng suy nghĩ. Khi bạn viết, những lỗ hổng trong logic sẽ lộ ra. Các lãnh đạo tại Google hay Facebook thường viết các "Design Docs" rất dài trước khi bắt tay vào code. Đó chính là quá trình Deep Think.

Kết luận: Hành trình trở thành một "Deep Thinker" dựa trên dữ liệu

Tư duy phản biện không phải là một món quà bẩm sinh, đó là một cơ bắp cần được rèn luyện hàng ngày. Sự kết hợp giữa Reflection Thinking (để hiểu mình), Data-driven (để hiểu thế giới), và Deep Think (để giải quyết vấn đề) sẽ tạo nên một nền tảng vững chắc cho sự nghiệp của bạn.

Đừng để mình bị cuốn trôi bởi dòng thác thông tin. Hãy dừng lại, phản chiếu, dùng data làm điểm tựa và quyết liệt hành động. Như Peter Drucker – cha đẻ của quản trị hiện đại đã nói: "Kết quả tốt nhất đến từ việc làm đúng việc (doing the right things), chứ không phải chỉ là làm việc đúng cách (doing things right)." Và để biết cái gì là "đúng việc", bạn cần tư duy phản biện.