昨天为了准备暑期赛事复盘，又重新整理了一遍数据。
前面借助 AI 做了一个HTML数据看板，看起来已经挺完整了，但进一步讨论之后才发现，里面其实还缺了不少重要的信息。
一些真正决定项目结果的数据，我过去很少接触于是昨天开始一点点往下梳理，才发现这里面有很多自己原来并不清楚的东西：一些数据怎么来的，规则为什么这样设计，不同环节之间又是怎么关联起来的。
不过这个过程倒让我挺开心。
感觉像是突然打开了一块以前没怎么进去过的地图。
AI 在这里也给了我不少帮助。一个很直接的作用，是让我可以比较快地进入一个自己原本并不熟悉的领域。很多东西以前完全不了解，现在可以一边做、一边问、一边补。
但我后来发现，它还有另外一个作用。
因为我本来就不是这套流程最熟悉的人，反而会带着一点旁观者的视角去看已有的制度，再加上 AI 帮我整理信息，就会冒出很多问题：
为什么这里是这样？
这个规则有没有写清楚？
哪些东西其实一直靠经验在运转？
有没有更简单、更清楚的方式？
一开始看到一些规则不够清晰的时候，我其实是有情绪的。会想为什么没有一套明确的规则，还要重新翻很多以前的数据，再一点点倒推它到底是怎么运作的。
后来想想，这些表格和制度，本来也不是凭空出现的。
很多都是伙伴们在过去一次次做事情的过程中，一点点留下来的痕迹。有些地方没有那么完整，也很正常。
如果现在刚好轮到我接触这一块，那与其抱怨它为什么没有被整理好，不如把自己这次看见的规律慢慢补进去。
这个转念之后，心里的感觉也不太一样了。
过程中我还发现了自己另外一个挺明显的习惯。
遇到一个东西不清楚，我的第一反应通常不是找人问，而是先自己查资料、看数据、找规律，再和 AI 一起慢慢推。
有时候这样确实会多发现一些东西。
但有时候，可能找一个了解情况的人问一句，很快就能搞明白，我却还是会习惯性地想先自己 figure out。
昨天做到这里的时候，我才比较清楚地看见这个习性。
好像里面一直有一个很自然的念头：
“这个我应该可以自己搞定。”
它有好的一面，让我愿意钻进去研究；但有时候，也会让我绕一点远路。
所以这次复盘对我来说，还挺像一个新的入口。
以后遇到问题，也许可以先多判断一下：
这个事情值得我自己慢慢研究，还是其实先问一句会更合适？
