TED2017
Ray Dalio: How to build a company where the best ideas win
वक्ता : रे डेलियो: शीर्षक : एक ऐसी कम्पनी कैसे बनाएँ जहां सर्वोत्तम विचार विजयी हों?
Filmed:
Readability: 3.9
3,449,614 views
विवरण : यदि आप जानते हैं कि आपके सहकर्मियों ने वास्तव में आपके बारे में क्या सोचा और वे वास्तव में कैसे थे? रे डेलियो एक प्रतिभा आधारित विचार द्वारा पूर्ण पारदर्शिता और एल्गोरिथम फैसले का उपयोग करने के लिए ऐसे व्यापार के पक्षधर हैं जहां लोग बात कर सकते हैं और कह सकते हैं कि वे वास्तव में क्या सोचते हैं - यहां तक कि मालिक को फोन करना उचित खेल है। इन रणनीतियों के बारे में अधिक जानने के लिए कि डेलियो ने दुनिया के सबसे सफल हेज फंड में से एक को कैसे बनाया और आप आंकड़ा-संचालित समूह निर्णय लेने की शक्ति का उपयोग कैसे कर सकते हैं।
Ray Dalio - Hedge fund chair
Ray Dalio is the founder, chair and co-chief investment officer of Bridgewater Associates, a global leader in institutional portfolio management and the largest hedge fund in the world. Full bio
Ray Dalio is the founder, chair and co-chief investment officer of Bridgewater Associates, a global leader in institutional portfolio management and the largest hedge fund in the world. Full bio
Double-click the English transcript below to play the video.
चाहे तुम्हें पसंद हो या नहीं ¶
00:12
Whether you like it or not,
0
560
1336
00:13
radical transparency and algorithmic
decision-making is coming at you fast,
decision-making is coming at you fast,
1
1920
5376
पूर्ण पारदर्शिता व एल्गोरिथम द्वारा
फैसले लेना आप तक तेज़ी से बढ़ रहे हैं।
फैसले लेना आप तक तेज़ी से बढ़ रहे हैं।
00:19
and it's going to change your life.
2
7320
1976
और यह आपके जीवन को
बदलने वाला है।
बदलने वाला है।
00:21
That's because it's now easy
to take algorithms
to take algorithms
3
9320
2816
क्योंकि एल्गोरिदम द्वारा
यह अब आसान है
यह अब आसान है
00:24
and embed them into computers
4
12160
1896
और उन्हें कंप्यूटर में लागू करना
00:26
and gather all that data
that you're leaving on yourself
that you're leaving on yourself
5
14080
2936
और वह सब जानकारी इकट्ठा करना
जोकि तुम स्वयं पर छोड़ रहे हो
जोकि तुम स्वयं पर छोड़ रहे हो
00:29
all over the place,
6
17040
1376
सभी स्थानों पर,
00:30
and know what you're like,
7
18440
1696
और तुम्हें पता है कि तुम कैसे हो,
00:32
and then direct the computers
to interact with you
to interact with you
8
20160
2936
और फिर आपसे आदान प्रदान करने
के लिए कंप्यूटर को निर्देश दें
के लिए कंप्यूटर को निर्देश दें
00:35
in ways that are better
than most people can.
than most people can.
9
23120
2120
जो अधिकांश लोगों के
तरीकों से बेहतर हैं।
तरीकों से बेहतर हैं।
00:38
Well, that might sound scary.
10
26160
1616
खैर, यह डरावना लग सकता है।¶
00:39
I've been doing this for a long time
and I have found it to be wonderful.
and I have found it to be wonderful.
11
27800
3640
मैं ऐसा एक लंबे समय से कर रहा हूँ
और मैंने इसे अद्भुत पाया है।
और मैंने इसे अद्भुत पाया है।
00:44
My objective has been
to have meaningful work
to have meaningful work
12
32159
2657
मेरा उद्देश्य रहा है
अर्थपूर्ण कार्य करने का
अर्थपूर्ण कार्य करने का
00:46
and meaningful relationships
with the people I work with,
with the people I work with,
13
34840
2856
और अपने सहकर्मियों के साथ
अर्थपूर्ण रिश्ते बनाने का
अर्थपूर्ण रिश्ते बनाने का
00:49
and I've learned that I couldn't have that
14
37720
2056
और मुझे पता चला है कि ऐसा नहीं हो सकता था
00:51
unless I had that radical transparency
and that algorithmic decision-making.
and that algorithmic decision-making.
15
39800
4280
जब तक कि मेरे पास वह पूर्ण पारदर्शिता
और निर्णय लेने का एल्गोरिथम न थे।
और निर्णय लेने का एल्गोरिथम न थे।
मैं आपको दिखाना चाहता हूं
ऐसा क्यों है,
ऐसा क्यों है,
00:56
I want to show you why that is,
16
44680
2016
मैं आपको दिखाना चाहता हूं
यह कैसे काम करता है।
यह कैसे काम करता है।
00:58
I want to show you how it works.
17
46720
1696
01:00
And I warn you that some of the things
that I'm going to show you
that I'm going to show you
18
48440
3096
और मैं आपको सजग करता हूँ कुछ
चीजें जो मैं दिखाने वाला हूँ
चीजें जो मैं दिखाने वाला हूँ
01:03
probably are a little bit shocking.
19
51560
1667
शायद थोड़ा चौंकाने वाली हों।
01:05
Since I was a kid,
I've had a terrible rote memory.
I've had a terrible rote memory.
20
53760
3480
बचपन से ही मेरी रटने कि
यादाश्त बहुत अधिक थी।
यादाश्त बहुत अधिक थी।
01:10
And I didn't like following instructions,
21
58120
2176
और मुझे निर्देश लेना पसंद नहीं था,
01:12
I was no good at following instructions.
22
60320
2416
मैं निर्देशों का अनुसरण करने में
अच्छा भी नहीं था।
अच्छा भी नहीं था।
01:14
But I loved to figure out
how things worked for myself.
how things worked for myself.
23
62760
3000
पर मुझे यह जानना पसंद था कि
मेरे लिए चीज़ें कैसे काम करती थीं।
मेरे लिए चीज़ें कैसे काम करती थीं।
01:18
When I was 12,
24
66680
1376
जब मेरी आयु 12 वर्ष थी,
01:20
I hated school but I fell in love
with trading the markets.
with trading the markets.
25
68080
3280
मुझे स्कूल से नफरत थी लेकिन मुझे
बाज़ारों के कारोबार से प्यार हो गया।
बाज़ारों के कारोबार से प्यार हो गया।
01:23
I caddied at the time,
26
71920
1656
मैंने उस समय थैले उठा कर ,
01:25
earned about five dollars a bag.
27
73600
1576
प्रति थैला लगभग पांच डॉलर कमाए।
01:27
And I took my caddying money,
and I put it in the stock market.
and I put it in the stock market.
28
75200
3200
और मैंने इस पैसे को शेयर बाज़ार में लगाया।
01:31
And that was just because
the stock market was hot at the time.
the stock market was hot at the time.
29
79240
3376
और यह सिर्फ इसलिए था क्योंकि
उस समय शेयर बाज़ार में तेज़ी थी।
उस समय शेयर बाज़ार में तेज़ी थी।
01:34
And the first company I bought
30
82640
1456
और पहली कम्पनी जिसका
मैंने शेयर खरीदा
मैंने शेयर खरीदा
01:36
was a company by the name
of Northeast Airlines.
of Northeast Airlines.
31
84120
2600
उस कम्पनी का नाम
पूर्वोत्तर एयरलाइंस था।
पूर्वोत्तर एयरलाइंस था।
01:39
Northeast Airlines was
the only company I heard of
the only company I heard of
32
87360
2736
पूर्वोत्तर एयरलाइंस ही ऐसी
कंपनी थी जिसका मैंने सुना था
कंपनी थी जिसका मैंने सुना था
01:42
that was selling for less
than five dollars a share.
than five dollars a share.
33
90120
2696
वह प्रति शेयर पांच डॉलर
से कम बेच रही थी।
से कम बेच रही थी।
01:44
(Laughter)
34
92840
1976
(हँसी)¶
01:46
And I figured I could buy more shares,
35
94840
1856
और मुझे लगा मैं और
शेयर खरीद सकता था,¶
शेयर खरीद सकता था,¶
01:48
and if it went up, I'd make more money.
36
96720
2096
और अगर यह ऊपर गया, तो मैं
और पैसा कमाऊंगा।
और पैसा कमाऊंगा।
01:50
So, it was a dumb strategy, right?
37
98840
2840
तो, यह एक मूक रणनीति थी, है न?
01:54
But I tripled my money,
38
102360
1456
लेकिन मेरा पैसा तीन गुना बढ़ा,
01:55
and I tripled my money
because I got lucky.
because I got lucky.
39
103840
2120
व धन तिगुना हुआ
क्योंकि मैं भाग्यवान था।
क्योंकि मैं भाग्यवान था।
कंपनी लगभग दिवालिया होने ही वाली थी,
01:58
The company was about to go bankrupt,
40
106520
1816
लेकिन किसी अन्य कंपनी ने इसका
अधिग्रहण कर लिया ,
अधिग्रहण कर लिया ,
02:00
but some other company acquired it,
41
108360
2096
02:02
and I tripled my money.
42
110480
1456
और मेरा पैसा तीन गुना बढ़ गया।
02:03
And I was hooked.
43
111960
1200
और मैं जुड़ सा गया था।
02:05
And I thought, "This game is easy."
44
113720
2280
और मैंने सोचा, "यह खेल आसान है।"
02:09
With time,
45
117200
1216
समय के साथ,
02:10
I learned this game is anything but easy.
46
118440
1960
मैंने सीखा कि खेल कुछ
भी हो पर आसान है।
भी हो पर आसान है।
02:12
In order to be an effective investor,
47
120880
2136
एक प्रभावी निवेशक बनने के लिए,
02:15
one has to bet against the consensus
48
123040
2896
हमें सर्वसम्मति के खिलाफ जोखिम उठाना
02:17
and be right.
49
125960
1256
और सही होना होता है।
02:19
And it's not easy to bet
against the consensus and be right.
against the consensus and be right.
50
127240
2856
आम सहमति के खिलाफ जोखिम उठाना
और सही होनाआसान नहीं है।
और सही होनाआसान नहीं है।
02:22
One has to bet against
the consensus and be right
the consensus and be right
51
130120
2336
हमें सर्वसम्मति के खिलाफ जोखिम उठाना
और सही होना होता है।
और सही होना होता है।
02:24
because the consensus
is built into the price.
is built into the price.
52
132480
2640
क्योंकि आम सहमति
मूल्य में समाहित है।
मूल्य में समाहित है।
02:28
And in order to be an entrepreneur,
53
136120
2456
और एक उद्यमी होने के लिए,
02:30
a successful entrepreneur,
54
138600
1616
एक सफल उद्यमी,
02:32
one has to bet against
the consensus and be right.
the consensus and be right.
55
140240
3480
को सर्वसम्मति के खिलाफ जोखिम उठाना
और सही होना होता है।
और सही होना होता है।
02:37
I had to be an entrepreneur
and an investor --
and an investor --
56
145400
2936
मुझे एक उद्यमी निवेशक होना था -
02:40
and what goes along with that
is making a lot of painful mistakes.
is making a lot of painful mistakes.
57
148360
4200
और उसके साथ बहुत दर्दनाक
गल्तियाँ करना चलता है।
गल्तियाँ करना चलता है।
तो मैंने बहुत दर्दनाक गल्तियाँ कीं,
02:45
So I made a lot of painful mistakes,
58
153440
2816
02:48
and with time,
59
156280
1256
और समय के साथ,
02:49
my attitude about those mistakes
began to change.
began to change.
60
157560
2960
उन गल्तियों बारे मेरा दृष्टिकोण
बदलना शुरू हो गया।
बदलना शुरू हो गया।
02:53
I began to think of them as puzzles.
61
161160
2096
मैं उन्हें पहेली के रूप में सोचने लगा।
02:55
That if I could solve the puzzles,
62
163280
1936
कि अगर मैं पहेलियों को हल कर सका ,
02:57
they would give me gems.
63
165240
1440
तो वे मुझे रत्न देंगे।
02:59
And the puzzles were:
64
167160
1656
और पहेलियाँ थीं:
03:00
What would I do differently in the future
so I wouldn't make that painful mistake?
so I wouldn't make that painful mistake?
65
168840
3880
भविष्य में मैं ऐसा क्या अलग करूँगा
कि मैं वह दर्दनाक गलती न करूं?
कि मैं वह दर्दनाक गलती न करूं?
03:05
And the gems were principles
66
173280
2576
और वे रत्न सिद्धांत थे
03:07
that I would then write down
so I would remember them
so I would remember them
67
175880
3136
जिन्हें मैं लिख लेता और याद कर लेता
03:11
that would help me in the future.
68
179040
1572
जो भविष्य में मेरी मदद करते।
03:13
And because I wrote them down so clearly,
69
181000
2696
और क्योंकि मैंने उन्हें इतनी
स्पष्ट रूप से लिखा था,
स्पष्ट रूप से लिखा था,
03:15
I could then --
70
183720
1336
तब मैं कर सकता था -
03:17
eventually discovered --
71
185080
1576
अंततः खोज -
03:18
I could then embed them into algorithms.
72
186680
3760
तब मैं उन्हें एल्गोरिदम में लागू
कर के उपयोग कर सका।
कर के उपयोग कर सका।
03:23
And those algorithms
would be embedded in computers,
would be embedded in computers,
73
191400
3456
और उन एल्गोरिदम को
कंप्यूटर में लागू किया जाता,
कंप्यूटर में लागू किया जाता,
03:26
and the computers would
make decisions along with me;
make decisions along with me;
74
194880
3336
और कंप्यूटर मेरे साथ मिल कर निर्णय करता ;
03:30
and so in parallel,
we would make these decisions.
we would make these decisions.
75
198240
3136
और अतः समानांतर रूप में,
हम ये निर्णय लेते।
हम ये निर्णय लेते।
03:33
And I could see how those decisions
then compared with my own decisions,
then compared with my own decisions,
76
201400
3976
और मैं उन निर्णयों को मेरे अपने निर्णयों
के परिपेक्ष में देख सकता था,
के परिपेक्ष में देख सकता था,
03:37
and I could see that
those decisions were a lot better.
those decisions were a lot better.
77
205400
3096
और मैं यह देख सकता था
वे निर्णय कहीं अधिक बेहतर थे।
वे निर्णय कहीं अधिक बेहतर थे।
03:40
And that was because the computer
could make decisions much faster,
could make decisions much faster,
78
208520
4736
और इसका कारण था कि कंप्यूटर
फैसले बहुत तेज कर सकता था,
फैसले बहुत तेज कर सकता था,
03:45
it could process a lot more information
79
213280
2256
यह बहुत अधिक जानकारी
संसाधित कर सकता था
संसाधित कर सकता था
03:47
and it can process decisions much more --
80
215560
3400
और यह अधिक फैसले कर सकता था -
03:51
less emotionally.
81
219880
1200
कम भावनात्मक रूप से।
03:54
So it radically improved
my decision-making.
my decision-making.
82
222760
3920
तो मौलिक रूप से मेरा निर्णय लेने
में काफी सुधार हुआ।
में काफी सुधार हुआ।
04:00
Eight years after I started Bridgewater,
83
228440
4896
मेरे ब्रिजवॉटर शुरू करने के आठ साल बाद,¶
04:05
I had my greatest failure,
84
233360
1536
मेरी सबसे बड़ी विफलता थी
04:06
my greatest mistake.
85
234920
1200
मेरी सबसे बड़ी गल्ती।
04:09
It was late 1970s,
86
237680
2136
यह 1970 के दशक के अंत की बात थी,
04:11
I was 34 years old,
87
239840
1976
मैं 34 साल का था,
04:13
and I had calculated that American banks
88
241840
3656
और मैंने गणना की थी कि
अमेरिकी बैंकों ने
अमेरिकी बैंकों ने
04:17
had lent much more money
to emerging countries
to emerging countries
89
245520
2856
उभरते हुए देशों को इतना
अधिक पैसा दे दिया था
अधिक पैसा दे दिया था
04:20
than those countries
were going to be able to pay back
were going to be able to pay back
90
248400
2816
कि वे देश वापस उतना भुगतान
करने में सक्षम नहीं थे
करने में सक्षम नहीं थे
04:23
and that we would have
the greatest debt crisis
the greatest debt crisis
91
251240
2696
और हम सबसे बड़े कर्ज़ संकट में होंगे
04:25
since the Great Depression.
92
253960
1360
महान वित्तीय मन्दी के बाद।
04:28
And with it, an economic crisis
93
256200
2216
और इसके साथ, एक आर्थिक संकट
04:30
and a big bear market in stocks.
94
258440
2040
और स्टॉक में एक बड़ा मन्दी बाज़ार।
04:33
It was a controversial view at the time.
95
261680
2000
उस समय यह एक विवादास्पद राय थी।
04:36
People thought it was
kind of a crazy point of view.
kind of a crazy point of view.
96
264160
2440
लोगों ने सोचा था कि यह झक्की राय थी।
04:39
But in August 1982,
97
267480
2216
लेकिन अगस्त 1982 में,
04:41
Mexico defaulted on its debt,
98
269720
1960
मेक्सिको कर्ज़ चुकता करने में नाकाम रहा
और कई अन्य देशों ने इसका
अनुसरण किया।
अनुसरण किया।
04:44
and a number of other countries followed.
99
272520
2256
04:46
And we had the greatest debt crisis
since the Great Depression.
since the Great Depression.
100
274800
3400
और महान मन्दी के बाद से हम
सबसे बड़े कर्ज़ संकट में थे।
सबसे बड़े कर्ज़ संकट में थे।
04:51
And because I had anticipated that,
101
279080
2776
और क्योंकि मैंने वह पूर्व
अनुमान लगाया था,
अनुमान लगाया था,
04:53
I was asked to testify to Congress
and appear on "Wall Street Week,"
and appear on "Wall Street Week,"
102
281880
4336
मुझे कांग्रेस के समक्ष साक्षी के लिए व
"वॉल स्ट्रीट वीक" में आने को कहा गया
"वॉल स्ट्रीट वीक" में आने को कहा गया
04:58
which was the show of the time.
103
286240
1976
जो उस समय का नामी ग्रामी शो था।
05:00
Just to give you a flavor of that,
I've got a clip here,
I've got a clip here,
104
288240
2936
बस इसका थोड़ा सा भान कराने के लिए,
मेरे पास एक अंश है,
मेरे पास एक अंश है,
05:03
and you'll see me in there.
105
291200
1920
और तुम मुझे इसमें देखोगे।
05:06
(Video) Mr. Chairman, Mr. Mitchell,
106
294480
1696
(वीडियो)श्री अध्यक्ष, श्री मिशेल, ¶
05:08
it's a great pleasure and a great honor
to be able to appear before you
to be able to appear before you
107
296200
3376
आपके समक्ष आ पाना बहुत खुशी और
महान सम्मान की बात है
महान सम्मान की बात है
05:11
in examination with what
is going wrong with our economy.
is going wrong with our economy.
108
299600
3480
यह जांचने हेतु कि हमारी अर्थव्यवस्था
के साथ क्या गड़बड़ हो रही है।
के साथ क्या गड़बड़ हो रही है।
05:15
The economy is now flat --
109
303640
1936
अर्थव्यवस्था अब समतल है -
05:17
teetering on the brink of failure.
110
305600
2136
असफलता के कगार पर डगमगा रही है।
05:19
Martin Zweig: You were recently
quoted in an article.
quoted in an article.
111
307760
2496
मार्टिन ज़ेइग: आप हाल ही
एक लेख में उद्धृत थे¶
एक लेख में उद्धृत थे¶
आपने कहा, "मैं यह पूर्ण निश्चितता
से कह सकता हूं
से कह सकता हूं
05:22
You said, "I can say this
with absolute certainty
with absolute certainty
112
310280
2336
क्योंकि मुझे बाज़ारों की
जानकारी हैं। "
जानकारी हैं। "
05:24
because I know how markets work."
113
312640
1616
05:26
Ray Dalio: I can say
with absolute certainty
with absolute certainty
114
314280
2096
रे डैलिओ: मैं कह सकता हूं
पूर्ण निश्चितता से¶
पूर्ण निश्चितता से¶
05:28
that if you look at the liquidity base
115
316400
1856
कि अगर आप चल निधि आधार को देखते हैं
05:30
in the corporations
and the world as a whole,
and the world as a whole,
116
318280
3376
निगमों और पूरे विश्व में ,
05:33
that there's such reduced
level of liquidity
level of liquidity
117
321680
2096
तो चल निधि का स्तर इतना कम है
05:35
that you can't return
to an era of stagflation."
to an era of stagflation."
118
323800
3216
कि तुम वापस स्थिरता के
युग में नहीं जा सकते। "
युग में नहीं जा सकते। "
05:39
I look at that now, I think,
"What an arrogant jerk!"
"What an arrogant jerk!"
119
327040
3096
अब मुझे लगता है कि
"क्या दम्भी झटका है!"¶
"क्या दम्भी झटका है!"¶
05:42
(Laughter)
120
330160
2000
(हँसी)¶
05:45
I was so arrogant, and I was so wrong.
121
333760
2456
मैं इतना दम्भी और गलत था।¶
05:48
I mean, while the debt crisis happened,
122
336240
2576
मेरा मतलब है, जब यह
कर्ज़ संकट घटित हुआ,
कर्ज़ संकट घटित हुआ,
05:50
the stock market and the economy
went up rather than going down,
went up rather than going down,
123
338840
3976
शेयर बाज़ार और अर्थव्यवस्था
नीचे जाने की बजाय ऊपर चले गए,
नीचे जाने की बजाय ऊपर चले गए,
05:54
and I lost so much money
for myself and for my clients
for myself and for my clients
124
342840
5016
और मैंने अपना और अपने ग्राहकों का
इतना पैसा खोया
इतना पैसा खोया
05:59
that I had to shut down
my operation pretty much,
my operation pretty much,
125
347880
3416
कि मुझे अपना कार्य बहुत
ज्यादा बंद करना पड़ा,
ज्यादा बंद करना पड़ा,
06:03
I had to let almost everybody go.
126
351320
1880
मुझे लगभग सभी को जाने देना पड़ा था।
06:05
And these were like extended family,
127
353640
1736
और ये विस्तारित परिवार की तरह थे,
06:07
I was heartbroken.
128
355400
1616
मेरा दिल टूट चुका था।
06:09
And I had lost so much money
129
357040
1816
और मैंने इतना पैसा खो दिया था
06:10
that I had to borrow
4,000 dollars from my dad
4,000 dollars from my dad
130
358880
3336
कि मुझे अपने पिताजी से
4,000 डॉलर उधार लेने पड़े थे
4,000 डॉलर उधार लेने पड़े थे
06:14
to help to pay my family bills.
131
362240
1920
मेरे पारिवारिक बिल भुगतान मदद हेतु।
06:16
It was one of the most painful
experiences of my life ...
experiences of my life ...
132
364840
3160
यह मेरे जीवन का सबसे दर्दनाक
अनुभवों में से एक था...¶
अनुभवों में से एक था...¶
06:21
but it turned out to be
one of the greatest experiences of my life
one of the greatest experiences of my life
133
369240
3776
लेकिन यह मेरे जीवन का सबसे महान
अनुभव निकला
अनुभव निकला
06:25
because it changed my attitude
about decision-making.
about decision-making.
134
373040
2680
क्योंकि इसने मेरा निर्णय लेने बारे
दृष्टिकोण बदल दिया।
दृष्टिकोण बदल दिया।
06:28
Rather than thinking, "I'm right,"
135
376360
3056
यह सोचने के बजाय, "मैं सही हूँ"
06:31
I started to ask myself,
136
379440
1576
मैंने खुद से पूछना शुरू कर दिया,
06:33
"How do I know I'm right?"
137
381040
1800
"मुझे कैसे पता कि मैं सही हूँ?"
06:36
I gained a humility that I needed
138
384480
1936
मुझे विनम्रता मिली जिसकी
मुझे जरूरत थी
मुझे जरूरत थी
06:38
in order to balance my audacity.
139
386440
2560
मेरी धृष्टता को संतुलित करने के लिए।
06:41
I wanted to find the smartest
people who would disagree with me
people who would disagree with me
140
389880
4216
मैंने ऐसे उच्चतम कुशाग्र बुद्धि लोगों को
ढूंढ़ना चाहा जो मुझसे असहमत होंगे
ढूंढ़ना चाहा जो मुझसे असहमत होंगे
ताकि मैं उनके दृष्टिकोण समझने की
कोशिश करूं
कोशिश करूं
06:46
to try to understand their perspective
141
394120
1896
06:48
or to have them
stress test my perspective.
stress test my perspective.
142
396040
2600
या उन्हें अपने दृष्टिकोण का कठोर
परीक्षण करने दूँ।
परीक्षण करने दूँ।
06:51
I wanted to make an idea meritocracy.
143
399400
2776
मैं यह अवधारणा प्रतिभा आधारित
बनाना चाहता था।
बनाना चाहता था।
06:54
In other words,
144
402200
1216
दूसरे शब्दों में,
06:55
not an autocracy in which
I would lead and others would follow
I would lead and others would follow
145
403440
3816
एक निरंकुशता तंत्र नहीं जिसमें
मैं नेतृत्व करूं और दूसरे पालन करें
मैं नेतृत्व करूं और दूसरे पालन करें
06:59
and not a democracy in which everybody's
points of view were equally valued,
points of view were equally valued,
146
407280
3616
और लोकतंत्र भी नहीं जिसमें प्रत्येक के
विचार का समान मूल्य हो,
विचार का समान मूल्य हो,
07:02
but I wanted to have an idea meritocracy
in which the best ideas would win out.
in which the best ideas would win out.
147
410920
5096
लेकिन मैं प्रतिभा आधारित विचार
चाहता था जिसमें सर्वश्रेष्ठ विचार जीतें।
चाहता था जिसमें सर्वश्रेष्ठ विचार जीतें।
07:08
And in order to do that,
148
416040
1256
और ऐसा करने के लिए,
07:09
I realized that we would need
radical truthfulness
radical truthfulness
149
417320
3576
मुझे लगा कि हमें आमूल परिवर्तनवादी
सच्चाई की आवश्यकता होगी
सच्चाई की आवश्यकता होगी
07:12
and radical transparency.
150
420920
1616
और तत्त्वरूप पारदर्शिता।
07:14
What I mean by radical truthfulness
and radical transparency
and radical transparency
151
422560
3856
आमूल परिवर्तनवादी सच्चाई और तत्त्वरूप
पारदर्शिता से मेरा मतलब है ¶
पारदर्शिता से मेरा मतलब है ¶
07:18
is people needed to say
what they really believed
what they really believed
152
426440
2656
लोगों को वैसा कहना चाहिए
जैसा सच में विश्वास करते हैं
जैसा सच में विश्वास करते हैं
07:21
and to see everything.
153
429120
2000
और सब कुछ देखने के लिए।
07:23
And we literally
tape almost all conversations
tape almost all conversations
154
431480
3936
और हम सचमुच लगभग सारी बातचीत
को अक्षरशः टेप करते हैं
को अक्षरशः टेप करते हैं
07:27
and let everybody see everything,
155
435440
1616
और सभी को सब कुछ देखने देते हैं,
07:29
because if we didn't do that,
156
437080
1416
क्योंकि अगर हम ऐसा नहीं करते,
07:30
we couldn't really have
an idea meritocracy.
an idea meritocracy.
157
438520
3080
हम वास्तव प्रतिभा आधारित विचार
नहीं ले सकते।
नहीं ले सकते।
07:34
In order to have an idea meritocracy,
158
442760
3696
एक प्रतिभा आधारित विचार लेने के लिए,
07:38
we have let people speak
and say what they want.
and say what they want.
159
446480
2376
हमने लोगों को वह बोलने
व कहने दिया जो वे चाहते थे।
व कहने दिया जो वे चाहते थे।
07:40
Just to give you an example,
160
448880
1376
बस आपको उदाहरण देने के लिए,
07:42
this is an email from Jim Haskel --
161
450280
2696
यह जिम हास्केल द्वारा भेजी एक ईमेल है -
कोई जो मेरे लिए काम करता है -
07:45
somebody who works for me --
162
453000
1376
07:46
and this was available
to everybody in the company.
to everybody in the company.
163
454400
3376
और कंपनी में हर किसी के लिए
यह उपलब्ध था।
यह उपलब्ध था।
07:49
"Ray, you deserve a 'D-'
164
457800
2536
"रे, आप एक 'डी' के लायक हैं
07:52
for your performance
today in the meeting ...
today in the meeting ...
165
460360
2256
आज बैठक में आपके प्रदर्शन के लिए...
07:54
you did not prepare at all well
166
462640
1696
आपने बिल्कुल अच्छी तैयारी नहीं की
07:56
because there is no way
you could have been that disorganized."
you could have been that disorganized."
167
464360
3560
क्योंकि यह हो ही नहीं सकता कि आप
इतने अव्यस्थित होते। "
इतने अव्यस्थित होते। "
08:01
Isn't that great?
168
469520
1216
क्या यह बड़ी बात नहीं है?
08:02
(Laughter)
169
470760
1216
(हँसी)¶
08:04
That's great.
170
472000
1216
एक दम बढ़िया।¶
08:05
It's great because, first of all,
I needed feedback like that.
I needed feedback like that.
171
473240
2936
यह अच्छा है क्योंकि, सर्वप्रथम,
मुझे ऐसी प्रतिक्रिया चाहिए थी।
मुझे ऐसी प्रतिक्रिया चाहिए थी।
08:08
I need feedback like that.
172
476200
1616
मुझे ऐसी प्रतिक्रिया ही चाहिए।
08:09
And it's great because if I don't let Jim,
and people like Jim,
and people like Jim,
173
477840
3456
और यह अच्छा है क्योंकि अगर मैं जिम
और जिम जैसे लोगों को आज्ञा नहीं देता,
और जिम जैसे लोगों को आज्ञा नहीं देता,
08:13
to express their points of view,
174
481320
1576
उनके दृष्टिकोण को व्यक्त करने को,
08:14
our relationship wouldn't be the same.
175
482920
2056
हमारे संबंध वैसे न होते।
08:17
And if I didn't make that public
for everybody to see,
for everybody to see,
176
485000
3056
और अगर मैंने उसे सभी के देखने के लिए
सार्वजनिक नहीं किया होता,
सार्वजनिक नहीं किया होता,
08:20
we wouldn't have an idea meritocracy.
177
488080
1960
हमारे पास प्रतिभा आधारित
विचार न होता।
विचार न होता।
08:23
So for that last 25 years
that's how we've been operating.
that's how we've been operating.
178
491760
3280
तो हम पिछले 25 सालों से
इसी तरह काम कर रहे हैं।¶
इसी तरह काम कर रहे हैं।¶
08:27
We've been operating
with this radical transparency
with this radical transparency
179
495640
3056
हम इसी मूलभूत पारदर्शिता के
साथ काम कर रहे हैं
साथ काम कर रहे हैं
08:30
and then collecting these principles,
180
498720
2296
और फिर इन सिद्धांतों का संग्रह करते हुए,
08:33
largely from making mistakes,
181
501040
2056
अधिकतर गल्तियां करने से,
08:35
and then embedding
those principles into algorithms.
those principles into algorithms.
182
503120
4416
और फिर उन सिद्धांतों को
एल्गोरिदम में लागू करने से।
एल्गोरिदम में लागू करने से।
08:39
And then those algorithms provide --
183
507560
2696
और फिर वे एल्गोरिदम प्रदान करते हैं -
08:42
we're following the algorithms
184
510280
2016
हम एल्गोरिदम का अनुसरण कर रहे हैं
08:44
in parallel with our thinking.
185
512320
1440
हमारी सोच के साथ-साथ।
08:47
That has been how we've run
the investment business,
the investment business,
186
515280
3176
हमने निवेश कारोबार ऐसे चलाया है,
08:50
and it's how we also deal
with the people management.
with the people management.
187
518480
2736
और लोगों के प्रबंधन कार्य को भी
हम ऐसे ही करते हैं।
हम ऐसे ही करते हैं।
08:53
In order to give you a glimmer
into what this looks like,
into what this looks like,
188
521240
3736
आपको एक झलक देने के लिए
कि यह कैसा दिखता है,¶
कि यह कैसा दिखता है,¶
08:57
I'd like to take you into a meeting
189
525000
2336
मैं आपको एक मीटिंग में ले
जाना चाहता हूं
जाना चाहता हूं
08:59
and introduce you to a tool of ours
called the "Dot Collector"
called the "Dot Collector"
190
527360
3136
और हमारे एक उपकरण "डॉट कलेक्टर"
से परिचित करवाना चाहता हूँ
से परिचित करवाना चाहता हूँ
09:02
that helps us do this.
191
530520
1280
जो हमें इसमें मदद करता है।
09:07
A week after the US election,
192
535640
2176
अमेरिकी चुनाव के एक सप्ताह बाद,
09:09
our research team held a meeting
193
537840
2096
हमारी शोध टीम ने एक बैठक
आयोजित की थी
आयोजित की थी
09:11
to discuss what a Trump presidency
would mean for the US economy.
would mean for the US economy.
194
539960
3320
बहस हेतु कि राष्ट्रपति ट्रम्प का अमेरिकी
अर्थव्यवस्था पर क्या असर होगा।
अर्थव्यवस्था पर क्या असर होगा।
09:16
Naturally, people had
different opinions on the matter
different opinions on the matter
195
544000
2856
स्वाभाविक रूप से, लोगों की
इस मामले पर अलग-अलग राय थी
इस मामले पर अलग-अलग राय थी
09:18
and how we were
approaching the discussion.
approaching the discussion.
196
546880
2040
और हम चर्चा को कैसे ले रहे थे।
09:21
The "Dot Collector" collects these views.
197
549840
2776
"डॉट कलेक्टर" इन विचारों
को एकत्रित करता है।
को एकत्रित करता है।
09:24
It has a list of a few dozen attributes,
198
552640
2296
इसमें कुछ दर्जन विशेषताओं की सूची है,
09:26
so whenever somebody thinks something
about another person's thinking,
about another person's thinking,
199
554960
4016
इसलिए जब भी कोई व्यक्ति कुछ सोचता
है किसी अन्य व्यक्ति की सोच के बारे,
है किसी अन्य व्यक्ति की सोच के बारे,
09:31
it's easy for them
to convey their assessment;
to convey their assessment;
200
559000
2936
उनके मूल्यांकन को व्यक्त करना
उनके लिए आसान है;
उनके लिए आसान है;
09:33
they simply note the attribute
and provide a rating from one to 10.
and provide a rating from one to 10.
201
561960
4520
वे केवल विशेषता को ध्यान में रखते हैं
और एक से 10 से मूल्यांक प्रदान करते हैं
और एक से 10 से मूल्यांक प्रदान करते हैं
09:39
For example, as the meeting began,
202
567520
2256
उदाहरण के लिए, जैसे बैठक शुरू हुई,
09:41
a researcher named Jen rated me a three --
203
569800
3120
एक शोधकर्ता जेन ने मुझे 3 अंक दिए -
09:45
in other words, badly --
204
573640
2016
दूसरे शब्दों में, बुरी तरह -
09:47
(Laughter)
205
575680
1376
(हँसी)¶
09:49
for not showing a good balance
of open-mindedness and assertiveness.
of open-mindedness and assertiveness.
206
577080
4160
खुले दिमाग और मुखरता का अच्छा
संतुलन न दिखाने के लिए। ¶
संतुलन न दिखाने के लिए। ¶
09:54
As the meeting transpired,
207
582080
1456
जैसे-जैसे बैठक प्रक्षेपित हुई,
09:55
Jen's assessments of people
added up like this.
added up like this.
208
583560
3240
लोगों के लिए जेन का आंकलन
इस तरह रहा।
इस तरह रहा।
09:59
Others in the room
have different opinions.
have different opinions.
209
587920
2176
कमरे में अन्यों कीअलग राय है।
10:02
That's normal.
210
590120
1216
यह सामान्य है।
10:03
Different people are always
going to have different opinions.
going to have different opinions.
211
591360
2920
अलग-अलग लोग हमेशा
अलग-अलग राय ही रखते हैं।
अलग-अलग राय ही रखते हैं।
10:06
And who knows who's right?
212
594800
1400
और किसे पता कि कौन सही है?
10:09
Let's look at just what people thought
about how I was doing.
about how I was doing.
213
597240
3440
आइए देखें कि लोग क्या सोचते हैं
कि मैं कैसे कर रहा था।
कि मैं कैसे कर रहा था।
10:13
Some people thought I did well,
214
601600
2216
कुछ लोगों ने सोचा कि मैंने अच्छा किया,
10:15
others, poorly.
215
603840
1200
दूसरों ने सोचा, खराब।
10:18
With each of these views,
216
606080
1336
इन सभी विचारों के साथ,
10:19
we can explore the thinking
behind the numbers.
behind the numbers.
217
607440
2320
हम संख्याओं के पीछे की
सोच का पता लगा सकते हैं।
सोच का पता लगा सकते हैं।
10:22
Here's what Jen and Larry said.
218
610520
2160
ये जेन और लैरी ने कहा है।
10:25
Note that everyone
gets to express their thinking,
gets to express their thinking,
219
613760
2616
ध्यान दें कि हर कोई अपनी सोच
व्यक्त करता है,
व्यक्त करता है,
10:28
including their critical thinking,
220
616400
1656
उनकी आलोचनात्मक सोच का भी ,
10:30
regardless of their position
in the company.
in the company.
221
618080
2120
कंपनी में उनके पद का विचार किए बिना।
10:33
Jen, who's 24 years old
and right out of college,
and right out of college,
222
621120
3096
जेन, जो 24 साल का है और अभी-अभी
कॉलेज से पढ़ कर आया है,
कॉलेज से पढ़ कर आया है,
10:36
can tell me, the CEO,
that I'm approaching things terribly.
that I'm approaching things terribly.
223
624240
2840
मुझे, मालिक को, बता सकते हैं
कि काम करने का मेरा ढंग बेकार है।
कि काम करने का मेरा ढंग बेकार है।
10:40
This tool helps people
both express their opinions
both express their opinions
224
628480
3776
यह उपकरण लोगों को मदद करता है
दोनों अपनी राय व्यक्त करने हेतु¶
दोनों अपनी राय व्यक्त करने हेतु¶
10:44
and then separate themselves
from their opinions
from their opinions
225
632280
3096
और फिर स्वयं को अपनी
राय से अलग कर के
राय से अलग कर के
10:47
to see things from a higher level.
226
635400
2040
चीजों को उच्च स्तर से देखने के लिए।
10:50
When Jen and others shift their attentions
from inputting their own opinions
from inputting their own opinions
227
638640
4896
जब जेन और अन्य अपना ध्यान
अपनी स्वयं की दी हुई राय से हटा कर
अपनी स्वयं की दी हुई राय से हटा कर
10:55
to looking down on the whole screen,
228
643560
2576
पूरी स्क्रीन पर नीचे देखते हैं,
10:58
their perspective changes.
229
646160
1720
तो उनका दृष्टिकोण बदल जाता है।
11:00
They see their own opinions
as just one of many
as just one of many
230
648680
3136
वे अपनी राय को कईयों में से सिर्फ
एक के रूप में देखते हैं
एक के रूप में देखते हैं
11:03
and naturally start asking themselves,
231
651840
2536
और स्वाभाविक रूप से खुद से
पूछना शुरू करते हैं,
पूछना शुरू करते हैं,
11:06
"How do I know my opinion is right?"
232
654400
2000
"मुझे कैसे पता कि मेरी राय सही है?"
11:09
That shift in perspective is like going
from seeing in one dimension
from seeing in one dimension
233
657480
4056
दृष्टिकोण में यही बदलाव उसे
एक आयाम में देखने से
एक आयाम में देखने से
11:13
to seeing in multiple dimensions.
234
661560
2256
बहु आयामों में देखने का हो जाता है।
11:15
And it shifts the conversation
from arguing over our opinions
from arguing over our opinions
235
663840
4096
और यह हमारे विचारों पर बहस करने की
बातचीत के रुख को बदल देता है
बातचीत के रुख को बदल देता है
11:19
to figuring out objective criteria
for determining which opinions are best.
for determining which opinions are best.
236
667960
4400
निष्पक्ष मापदंड से निर्धारित करने के लिए
कि कौन सी राय सबसे अच्छी है।
कि कौन सी राय सबसे अच्छी है।
11:24
Behind the "Dot Collector"
is a computer that is watching.
is a computer that is watching.
237
672920
3600
"डॉट कलेक्टर" के पीछे
एक कंप्यूटर है जो देख रहा है।¶
एक कंप्यूटर है जो देख रहा है।¶
11:29
It watches what all
these people are thinking
these people are thinking
238
677120
2176
यह देखता है जो ये सब लोग सोच रहे हैं
11:31
and it correlates that
with how they think.
with how they think.
239
679320
2576
और यह सहसंबंध स्थापित करता है
कि वे कैसे सोचते हैं।
कि वे कैसे सोचते हैं।
11:33
And it communicates advice
back to each of them based on that.
back to each of them based on that.
240
681920
3520
और यह उसके आधार पर प्रत्येक को
सलाह देता है।
सलाह देता है।
11:38
Then it draws the data
from all the meetings
from all the meetings
241
686520
3416
तो यह सभी बैठकों से आँकड़े लेता है
11:41
to create a pointilist painting
of what people are like
of what people are like
242
689960
3216
एक बिन्दुनुमा पेंटिंग बनाने के लिए
लोग किस तरह के हैं
लोग किस तरह के हैं
11:45
and how they think.
243
693200
1240
और वे कैसे सोचते हैं।
11:47
And it does that guided by algorithms.
244
695160
2720
और इसे यह एल्गोरिदम निर्देशों
द्वारा करता है।
द्वारा करता है।
11:50
Knowing what people are like helps
to match them better with their jobs.
to match them better with their jobs.
245
698800
3760
लोगों की प्रवृति जान कर उनको नौकरी के
अनुरूप बेहतर बना सकते हैं
अनुरूप बेहतर बना सकते हैं
11:55
For example,
246
703120
1216
उदाहरण के लिए,
11:56
a creative thinker who is unreliable
247
704360
1736
एक रचनात्मक विचारक
जो अविश्वसनीय है
जो अविश्वसनीय है
11:58
might be matched up with someone
who's reliable but not creative.
who's reliable but not creative.
248
706120
3080
को किसी ऐसे से जोड़ा जा सकता है जो
विश्वसनीय है पर रचनात्मक नहीं।
विश्वसनीय है पर रचनात्मक नहीं।
12:02
Knowing what people are like
also allows us to decide
also allows us to decide
249
710280
3336
लोगों की प्रवृति जान कर
फैसला कर पाते हैं
फैसला कर पाते हैं
12:05
what responsibilities to give them
250
713640
2256
कि उन्हें क्या जिम्मेदारियां दें
12:07
and to weigh our decisions
based on people's merits.
based on people's merits.
251
715920
3480
और अपने फैसले लोगों के
गुणों के आधार पर करें।
गुणों के आधार पर करें।
12:12
We call it their believability.
252
720040
1600
इसे उनकी विश्वसनीयता कहते हैं।
12:14
Here's an example of a vote that we took
253
722560
1976
यहां वोट का उदाहरण है जो हमने लिया
12:16
where the majority
of people felt one way ...
of people felt one way ...
254
724560
2840
जहां बहुमत लोगों का एक ही मत था ...
12:20
but when we weighed the views
based on people's merits,
based on people's merits,
255
728920
2936
लेकिन जब हमने लोगों के गुणों के आधार
पर मत को जांचा,
पर मत को जांचा,
12:23
the answer was completely different.
256
731880
1840
उत्तर पूरी तरह से अलग था।
12:26
This process allows us to make decisions
not based on democracy,
not based on democracy,
257
734920
4576
इस प्रक्रिया से हम निर्णय ले पाते हैं
लोकतंत्र पर आधारित नहीं,
लोकतंत्र पर आधारित नहीं,
12:31
not based on autocracy,
258
739520
2136
स्वाधीनता पर आधारित नहीं,
12:33
but based on algorithms that take
people's believability into consideration.
people's believability into consideration.
259
741680
5240
लेकिन एल्गोरिदम के आधार पर
जो लोगों की विश्वसनीयता को विचारती है।
जो लोगों की विश्वसनीयता को विचारती है।
12:41
Yup, we really do this.
260
749520
1696
हां, हम वास्तव में ऐसा करते हैं।¶
12:43
(Laughter)
261
751240
3296
(हँसी)¶
12:46
We do it because it eliminates
262
754560
2856
हम ऐसा करते हैं क्योंकि
यह भ्रम निकाल देता है¶
यह भ्रम निकाल देता है¶
12:49
what I believe to be
one of the greatest tragedies of mankind,
one of the greatest tragedies of mankind,
263
757440
4456
मुझे क्विश्वास है मानव जाति की सबसे
बड़ी त्रासदियों में से एक जो है ,
बड़ी त्रासदियों में से एक जो है ,
12:53
and that is people arrogantly,
264
761920
2160
और वह है कि लोग धृष्टता से,
12:56
naïvely holding opinions
in their minds that are wrong,
in their minds that are wrong,
265
764760
4456
भोलेपन से अपनी गलत अवधारणों को
दिमाग में संजोय रखना,
दिमाग में संजोय रखना,
13:01
and acting on them,
266
769240
1256
और उनको कार्यान्वित करना ,
13:02
and not putting them out there
to stress test them.
to stress test them.
267
770520
2760
और उनको कठोर परीक्षण से न गुज़रने देना।
13:06
And that's a tragedy.
268
774000
1336
और यह एक त्रासदी है
13:07
And we do it because it elevates ourselves
above our own opinions
above our own opinions
269
775360
5416
और हम ऐसा करते हैं क्योंकि यह हमें
अपनी अवधारणा से ऊपर उठाता है
अपनी अवधारणा से ऊपर उठाता है
13:12
so that we start to see things
through everybody's eyes,
through everybody's eyes,
270
780800
2896
हम चीजों को सब की दृष्टि से
देखना शुरू कर देते हैं,
देखना शुरू कर देते हैं,
13:15
and we see things collectively.
271
783720
1920
और हम चीजों को सामूहिक
रूप से देखते हैं।
रूप से देखते हैं।
13:18
Collective decision-making is so much
better than individual decision-making
better than individual decision-making
272
786360
4336
सामूहिक निर्णय लेना व्यक्तिगत निर्णय लेने
से कहीं अधिक अच्छा है
से कहीं अधिक अच्छा है
13:22
if it's done well.
273
790720
1200
अगर यह अच्छे से किया है।
13:24
It's been the secret sauce
behind our success.
behind our success.
274
792360
2616
यह गुप्त मसाला रहा है
हमारी सफलता के पीछे।
हमारी सफलता के पीछे।
यही कारण है हमने ग्राहकों
के लिए अधिक पैसा बनाया
के लिए अधिक पैसा बनाया
13:27
It's why we've made
more money for our clients
more money for our clients
275
795000
2176
13:29
than any other hedge fund in existence
276
797200
1936
समकालीन अन्य बचत निधि की अपेक्षा
13:31
and made money
23 out of the last 26 years.
23 out of the last 26 years.
277
799160
2720
और पिछले 26 वर्षों में से 23 में
पैसा बनाया
पैसा बनाया
13:35
So what's the problem
with being radically truthful
with being radically truthful
278
803880
4536
तो समस्या क्या है मौलिक सच्चा होने में ¶
13:40
and radically transparent with each other?
279
808440
2240
और एक दूसरे के साथ पूरी तरह पारदर्शी?
13:45
People say it's emotionally difficult.
280
813400
2080
लोग कहते हैं यह भावनात्मक
रूप से कठिन है।
रूप से कठिन है।
13:48
Critics say it's a formula
for a brutal work environment.
for a brutal work environment.
281
816240
4240
आलोचकों का कहना है कि यह एक सूत्र है
एक क्रूर काम के माहौल के लिए।
एक क्रूर काम के माहौल के लिए।
13:53
Neuroscientists tell me it has to do
with how are brains are prewired.
with how are brains are prewired.
282
821400
4856
तंत्रिका वैज्ञानिक बताते हैं इसका सम्बन्ध
मस्तिष्क कैसे पहले से तैयार हैं, से है।
मस्तिष्क कैसे पहले से तैयार हैं, से है।
13:58
There's a part of our brain
that would like to know our mistakes
that would like to know our mistakes
283
826280
3216
हमारे दिमाग का एक हिस्सा है
जो हमारी गलतियों को जानना चाहेगा
जो हमारी गलतियों को जानना चाहेगा
14:01
and like to look at our weaknesses
so we could do better.
so we could do better.
284
829520
3960
और हमारी कमज़ोरियों को देखना चाहेगा
ताकि हम अधिक अच्छा कर सकें।
ताकि हम अधिक अच्छा कर सकें।
14:06
I'm told that that's
the prefrontal cortex.
the prefrontal cortex.
285
834120
2440
मुझे बताया गया है कि यह
"प्रीफ्रंटल कॉर्टेक्स" है।
"प्रीफ्रंटल कॉर्टेक्स" है।
14:09
And then there's a part of our brain
which views all of this as attacks.
which views all of this as attacks.
286
837040
4856
और फिर हमारे दिमाग का एक हिस्सा है
जो सभी को हमलों के रूप में देखता है।
जो सभी को हमलों के रूप में देखता है।
14:13
I'm told that that's the amygdala.
287
841920
1960
मुझे बताया गया है कि
यह "अमिगडाला" है
यह "अमिगडाला" है
14:16
In other words,
there are two you's inside you:
there are two you's inside you:
288
844440
3056
दूसरे शब्दों में, आपके अंदर
दो व्यक्तित्व हैं:
दो व्यक्तित्व हैं:
14:19
there's an emotional you
289
847520
1416
एक भावुक आप
14:20
and there's an intellectual you,
290
848960
1776
और दूसरे एक बौद्धिक आप,
14:22
and often they're at odds,
291
850760
1776
और अक्सर वे प्रतिकूल हैं,
14:24
and often they work against you.
292
852560
1920
और अक्सर वे तुम्हारे खिलाफ
काम करते हैं।
काम करते हैं।
14:27
It's been our experience
that we can win this battle.
that we can win this battle.
293
855160
3736
यह हमारा अनुभव रहा है
कि हम इस युद्ध को जीत सकते हैं।
कि हम इस युद्ध को जीत सकते हैं।
14:30
We win it as a group.
294
858920
1320
हम इसे समूह में जीतते हैं।
14:33
It takes about 18 months typically
295
861000
2336
इसमें आमतौर पर लगभग 18 महीने
लगते हैं।
लगते हैं।
14:35
to find that most people
prefer operating this way,
prefer operating this way,
296
863360
3056
यह जानने के लिए कि ज्यादातर लोग
इस तरह से संचालन पसंद करते हैं,
इस तरह से संचालन पसंद करते हैं,
14:38
with this radical transparency
297
866440
2016
इस मौलिक पारदर्शिता के साथ
14:40
than to be operating
in a more opaque environment.
in a more opaque environment.
298
868480
3336
एक अधिक अपारदर्शी वातावरण में
संचालन करने की अपेक्षा।
संचालन करने की अपेक्षा।
14:43
There's not politics,
there's not the brutality of --
there's not the brutality of --
299
871840
4296
राजनीति नहीं है, क्रूरता नहीं है -
14:48
you know, all of that hidden,
behind-the-scenes --
behind-the-scenes --
300
876160
2376
आप जानते हैं, सब छुपे हुए को ,
परदे के पीछे --
परदे के पीछे --
14:50
there's an idea meritocracy
where people can speak up.
where people can speak up.
301
878560
2936
एक प्रतिभा आधारित विचार
जहां लोग बोल सकते हैं।
जहां लोग बोल सकते हैं।
14:53
And that's been great.
302
881520
1256
और यह बहुत अच्छा रहा है
14:54
It's given us more effective work,
303
882800
1656
इसने हमें अधिक प्रभावी काम दिया है,
14:56
and it's given us
more effective relationships.
more effective relationships.
304
884480
2400
और इसने हमें अधिक
प्रभावी रिश्ते दिए हैं।
प्रभावी रिश्ते दिए हैं।
14:59
But it's not for everybody.
305
887400
1320
लेकिन यह सब के लिए नहीं है।
15:01
We found something like
25 or 30 percent of the population
25 or 30 percent of the population
306
889680
2936
हमने पाया कि जनसंख्या के
लगभग 25 या 30 प्रतिशत
लगभग 25 या 30 प्रतिशत
15:04
it's just not for.
307
892640
1736
के लिए यह नहीं है।
15:06
And by the way,
308
894400
1216
और वैसे,
15:07
when I say radical transparency,
309
895640
1816
जब मैं पूर्ण पारदर्शिता कहता हूं,
15:09
I'm not saying transparency
about everything.
about everything.
310
897480
2336
मैं सब कुछ में पारदर्शिता नहीं कह रहा हूँ।
15:11
I mean, you don't have to tell somebody
that their bald spot is growing
that their bald spot is growing
311
899840
3816
मेरा मतलब है, आपको बताने की ज़रूरत
नहीं है कि किसी का गंजापन बढ़ रहा है
नहीं है कि किसी का गंजापन बढ़ रहा है
15:15
or their baby's ugly.
312
903680
1616
या उनका बच्चा बदसूरत है।
15:17
So, I'm just talking about --
313
905320
2096
तो, मैं बस बात कर रहा हूँ -
15:19
(Laughter)
314
907440
1216
(हँसी)¶
15:20
talking about the important things.
315
908680
2176
महत्वपूर्ण बातों के बारे में
बात कर रहा हूँ¶
बात कर रहा हूँ¶
15:22
So --
316
910880
1216
इसलिए --
15:24
(Laughter)
317
912120
3200
(हँसी)¶
15:28
So when you leave this room,
318
916600
1416
तो जब आप इस कमरे से जाएं,¶
15:30
I'd like you to observe yourself
in conversations with others.
in conversations with others.
319
918040
4440
मैं चाहता हूं कि आप दूसरों के साथ
बातचीत करते हुए स्वयं को देखें।
बातचीत करते हुए स्वयं को देखें।
15:35
Imagine if you knew
what they were really thinking,
what they were really thinking,
320
923360
3680
कल्पना करो अगर आप जानते
कि वे वास्तव में क्या सोच रहे थे,
कि वे वास्तव में क्या सोच रहे थे,
15:39
and imagine if you knew
what they were really like ...
what they were really like ...
321
927760
2600
और कल्पना करो अगर तुम्हें पता हो
वे सच में कैसे थे ...
वे सच में कैसे थे ...
15:43
and imagine if they knew
what you were really thinking
what you were really thinking
322
931840
3976
और कल्पना करो अगर वे जानते
कि तुम सच में क्या सोच रहे थे
कि तुम सच में क्या सोच रहे थे
15:47
and what were really like.
323
935840
1840
और वास्तव में आप कैसे थे।
15:50
It would certainly clear things up a lot
324
938160
2576
यह निश्चित रूप से बहुत कुछ
चीजों को स्पष्ट करेगा
चीजों को स्पष्ट करेगा
15:52
and make your operations
together more effective.
together more effective.
325
940760
2856
और आपके इक्क्ठे संचालन कार्य को
अधिक प्रभावी बनाएगा।
अधिक प्रभावी बनाएगा।
15:55
I think it will improve
your relationships.
your relationships.
326
943640
2240
मुझे लगता है कि यह आपके
रिश्तों को सुधारेगा।
रिश्तों को सुधारेगा।
15:58
Now imagine that you can have algorithms
327
946600
3296
अब कल्पना करो कि आपके पास
एल्गोरिदम हो सकते हैं
एल्गोरिदम हो सकते हैं
16:01
that will help you gather
all of that information
all of that information
328
949920
3816
जो आपको वह सब जानकारी
इकट्ठा करने में मदद करेगा
इकट्ठा करने में मदद करेगा
16:05
and even help you make decisions
in an idea-meritocratic way.
in an idea-meritocratic way.
329
953760
4560
और आप को प्रतिभा आधारित विचार से
निर्णय लेने में मदद करेगा।
निर्णय लेने में मदद करेगा।
16:12
This sort of radical transparency
is coming at you
is coming at you
330
960640
4336
इस प्रकार की पूर्ण पारदर्शिता
तुम तक आ रही है
तुम तक आ रही है
16:17
and it is going to affect your life.
331
965000
1960
और यह आपके जीवन को प्रभावित
करने वाला है।
करने वाला है।
16:19
And in my opinion,
332
967600
2056
और मेरी राय में,
16:21
it's going to be wonderful.
333
969680
1336
यह अद्भुत होने जा रहा है।
16:23
So I hope it is as wonderful for you
334
971040
2336
अतः मुझे आशा है यह आपके लिए भी
उतना ही अद्भुत है
उतना ही अद्भुत है
16:25
as it is for me.
335
973400
1200
जितना कि मेरे लिए ।
16:27
Thank you very much.
336
975160
1256
आपका बहुत बहुत धन्यवाद।¶
16:28
(Applause)
337
976440
4360
(तालियां)¶
ABOUT THE SPEAKER
Ray Dalio - Hedge fund chairRay Dalio is the founder, chair and co-chief investment officer of Bridgewater Associates, a global leader in institutional portfolio management and the largest hedge fund in the world.
Why you should listen
Dalio started Bridgewater out of his two-bedroom apartment in New York City in 1975 and has grown it into the fifth most important private company in the U.S. (according to Fortune magazine). Because of the firm’s many industry-changing innovations over its 40-year history, he has been called the “Steve Jobs of investing” by aiCIO magazine and named one of TIME magazine’s "100 Most Influential People."
Dalio attributes Bridgewater’s success to its unique culture. He describes it as “a believability-weighted idea meritocracy” in which the people strive for “meaningful work and meaningful relationships through radical truth and radical transparency.” He has explained this approach in his book Principles, which has been downloaded more than three million times and has produced considerable curiosity and controversy.
Ray Dalio | Speaker | TED.com