2024年9月21日 星期六

底層邏輯:看清這個世界的底牌

底層邏輯:看清這個世界的底牌

PART1. 是非對錯的底層邏輯
一個人心中,應該有三種「對錯觀」
- 在人生中,博弈是第三層智慧,定力是第二層智慧,選擇是第一層智慧。
選擇做某件事情,憑藉長期主義形成自己的定力,和這個世界重複博弈。
- 如何學好經濟學?
一是學李白,也要學杜甫;二是給每個模型找個反例;三是記住每個理論都有前提。
只要這樣,你學的才不是「黑板上的經濟學」,才是既能抽象於真實世界,也能還原於真實世界的「有用的經濟學」。
- 在學經濟學之前,先能記住三句名人名言。
第一句是費茲傑羅說的:「同時持有全然相反的兩種觀念,還能正常行事,是第一流智慧的標誌。」
這樣,你才會懂得,學李白,也要學杜甫。
第二句是羅曼·羅蘭說的:「這個世界上,只有一種真正的英雄主義,那就是認清了生活的真相後還依然熱愛它。」這樣,你才有勇氣給每個模型找個反例,然後繼續用這個模型。
第三句是查理·蒙格說的:「如果我不能比這個世界上最聰明的人更能反駁這個觀點,我就不配擁有這個觀點。」這樣,你才能時刻提醒自己,每個理論都有前提。

PART2. 思考問題的底層邏輯
事實、觀點、立場和信仰
- 舉個例子,「今天很熱」是不是事實?這不是。「今天攝氏30度」才是事實。熱,是你的觀點。
事實,是獨立於人的判斷的客觀存在。觀點,是你對一個事實的看法。
觀點和你的關係,比它和事實的關係更加密切。
- 立場就是被位置和利益影響的觀點。
「我們不爭對錯,只爭輸贏」就是立場。所以,不要和有立場的人爭對錯。
這也是我們常說的「小孩子才談對錯,成年人只談利益」。
為什麼?因為小孩子沒有位置和利益。
- 信仰,是一套完全自治(self-consistent)的邏輯體系
你信基督教,我信佛教,他信科學。信仰比立場更厲害,為什麼?
因為大家都覺得自己沒有立場,都覺得自己信的是「對」的東西。
-當一個人持有的不是觀點而是立場時,當一個人「屁股決定腦袋」時,你應該做的事情,是對他說「It's good for you」(這對你有益)。反過來,我們也要時刻反省自己:我說的話、我的表述,是事實,是觀點,是立場,還是信仰?
- 「為什麼」,是「黃金三問」(Why、What、How)裡最有力量、最有可能觸及靈魂的問題,但也是最危險的問題。「為什麼」這三個字的強大之處,就在於會強行把你的注意力吸引到這個觀點找原因上。
當你開始為它找原因的時候,這個觀點就已經悄悄地被「注射」進你的大腦了。
「為什麼+觀點」這個句式,就是一支「注射器」。
- 對「為什麼+觀點」這個巨型的非理性反應,是人的思維模式中最大Bug(漏洞)。這個Bug,常常被狡猾的人利用。
- 辯論的目的,不是說服對方,而是說服觀眾。
- 辯論的目的,甚至不是改變觀眾的觀點,而是改變觀眾的態度。
態度改變了,他們會自己改變觀點。
- 人們只會在安全、舒適、信任的氛圍下,自己取走喜歡的觀點。
你要給觀眾營造一個讓他們願意取走你的觀點的氛圍。
- 一場表演性質的辯論,有一個「暗黑的秘密」,就是辯論雙方幾乎不會真正的正面辯論,他們只是在不斷地表達自己的觀點。
- 你需要掌握一個技巧:偷換概念。如果覺得很難聽,那就換一種說法:重新定義概念。如果還是覺得難聽,那就再換一種說法:糾正對方的概念。
- 一場你來我往的辯論賽,其實雙方從來沒有真正地辯論過,他們只是透過不斷地重新定義一個概念的方式,表達著自己,影響著觀眾。
- 一個人的觀點往往由論據和論證構成,即「論據+論證=論點」。
一個優秀的辯手,總是能輕易「噎死」一個普通人,因為他根本不關心對方的論據,
只關心對方的論證。
舉個例子。你說:「我昨天吃了一頓大餐,所以今天心情好。」對方可以立刻接過去:「李四,聽說你昨天也吃了大餐,怎麼這麼愁眉苦臉呢?」李四插科打諢接話說:「我的餐可能不夠大吧,張三,你那餐有多大?」這時,你可能就愣在那裡,不知道該怎麼接了。
- 普通人只能看到事物的現象,而優秀的人總能透過現象看到事物的本質。
- 什麼是「假設-驗證-結論-調整」?就是在遇到問題時,先大膽假設,然後去驗證,得出結論,最後根據結論做出調整。
- 我們常說「眼見為實」,經驗很重要。很多情況下,確實如此。但有時,我們看到的表象或著經驗會欺騙、迷惑我們,讓我們看不透事情的本質。
- 所以我們要做到以下幾點:
一是拋棄經驗,放棄想當然,不要輕易下結論,要懷著卑空心態去看問題。
二是運用「假設-驗證-結論-調整」,大膽假設,小心求證,得出結論,最後做出調整。
三是不要被利益、立場左右,要就事論事。
能做到以上三點,即使是再複雜、繁瑣的事,你也能抽絲剝繭、洞察本質。
- 對商業顧問來說,最核心的能力,就是透過現象看本質的洞察力。
- 系統=要素X連接關係
什麼是系統?系統,就是一組相互連接的要素。
這個定義中,有兩個關鍵字:(1)要素(2)連接關係
- 構成系統的五種模組:變數、因果鏈、增強迴路、調節迴路和滯後效應
其中,變數是「要素」;因果鏈、增強迴路和滯後效果,是四種「連接關係」。
- 變數,就是系統中變化的「要素」。變數會隨著時間的變化而變化,比如你的體重,忽高忽低;
比如公司財務,乎好乎壞;比如門店顧客,乎多乎少。
- 一旦加上時間軸,變數就會呈現出兩種不同的狀態:存量和流量。以浴缸為例,在一個浴缸之中,「水」這個變數有兩種不同的狀態。一是存量,就是在一個「靜止的時間點」,浴缸中存了多少水;二是流量,就是栽一個「動態的時間段」,有多少水流入浴缸(流入量),有多少水流出浴缸(流出量)。
- 流量,改變存量;存量,改變世界。
- 因果鏈,就是變數之間增強或著減弱的連接關係。
  • 增強的因果鏈就是「你強,我就強」。比如工作時間和疲勞程度之間的關係。
  • 減弱的因果鏈就是「你強,我就弱」。比如疲勞程度和工作效率之間的關係。
- 增強迴路:兩條增強或減弱的因果鏈,首尾相連,形成一條迴路,就是增強迴路。
  • 「因」增強「果」,「果」又增強「因」的,叫正向增強迴路;
  • 「因」減弱「果」,「果」又減弱「因」的,叫負向增強迴路。
- 調節迴路
  • 「因」增強「果」,「果」增強「因」的迴路,是增強迴路。
  • 「因」增強「果」,「果」減弱「因」的迴路,就是調節迴路。
- 滯後效應:因果不是瞬間連接的,迴路也不是瞬間閉合的,它們之間都有個時間差。
這個時間差就是滯後效應。
- 制度,是規定,是契約,關注的是結果流程,是基於時間線做一件事的過程,關注的是過程
而系統,是內部各個要素、變數之間相互關係、相互作用的整體,關注的是各要素之間的關係
- 無論是流程、制度,還是系統,其實都是用來解決問題的。
普通的人改變結果,優秀的人改變原因,頂級優秀的人改變模型。
改變制度是改變結果,改變流程是改變原因,改變系統則是改變模型。
- 如果說改變流程、改變制度是管理,那麼改變系統、改變模型就是治理。
- 真正頂級優秀的人,都用治理的方式管理組織。
- 普通的人改變結果,優秀的人改變原因,頂級優秀的人改變模型。
- 四句話建立基本的邏輯素養:
  1. 證有不證無
  2. 以偏不概全
  3. 證有靠舉例
  4. 概全靠推理
- 一件事情的真相,有千萬種可能。看到一個事實,就會排除一批假象。很多人往往只看到3~5個事實,就迫不及待地找一個最符合自己價值觀的當作真相。
- 時代所帶來的機率優勢是極其巨大的,它能幫助順應時代的人獲得巨大的成功。
- 機率思維是你要心平氣和地承認,就算你做對了所有事情,你成功的機率也不高,比如在今天的網路行業,成功的機率可能只有5%;在認識到這一點之後,再思考應該用什麼方式提高成功的機率。
- 在千位上,你可以透過把握時代的脈搏提高12%;在百位上,你可以透過選對戰略,再提高5%;在十位元上,你可以透過設計好組織結構又提高2%;最後在個位數上,你可以透過做好管理,提高1%。綜合計算,你的成功機率一共提高了20%,再加上原來的5%,你的成功機率就變成了25%。

PART3. 個體進化的底層邏輯
- 人生商業模式 = 能力 X 效率 X 槓桿
- 谷登堡讓複製聖經這件事,從嚴重依賴人類「邊際交付時間」的「服務」,變成了更多依賴技術和工具而較少占用人類時間的「產品」。
一旦脫離對人類時間的依賴,複製聖經這件事做大的可能性就大大增加了。
- 為什麼在世界500強中,做產品的公司要遠遠多於做服務的公司?
因為只有盡量脫離對人類的依賴,一家公司才有可能擁有不受限制的發展空間。
- 複製放大,不是必然導致成功。如果你的能力內核很強大,使用桿槓會使你更快地獲得成功。但是,如果你的能力內核很虛弱,使用槓桿只會加速你的失敗。
- 最可怕的能力是獲得能力的能力。最可怕的效率是伸縮時間的效率。最可怕的槓桿式撬動人心的槓桿。
-  什麼是服務業?我們先來定義「產品」和「服務」:邊際交付時間為零的叫產品;邊際交付時間不為零的,邊際交付時間越高的,越是服務。比如,線上下幫大型企業做戰略顧問,這顯然是服務;公開場合做演講、去企業做內訓,這也是服務,因為邊際交付時間是很高的。即使是中國最貴的商業顧問之一,也是一個服務者。
- 而<5分鐘商學院>則是產品。每天花5~7個小時來錄製課程,但是音訊發布之後,無論是3000人來聽、10萬人來聽,還是100萬來聽,都不會因為人數的增加而花費更多的時間,邊際交付時間為零,所以是產品。
- 正態分布和冪律分布是主宰商業世界的兩個數學模型,它們的核心區別在於邊際交付間是否為零。
只有邊際交付時間為零,或著抽離出邊際交付時間為零的部分,企業才有機會獲得指數級增長同樣,我們還可以用邊際交付時間是否為零來區分「產品」和「服務」
- 當你想增長10%時,你是希望在原有路徑上獲得自然增長。邏輯不變,血戰向前,並不容易。
但是,如果你想獲得的是10倍的增長,那一定不是在原有道路上走出來的,你必須尋找一條新道路;
苦思冥想,不斷嘗試,只要找到優化的戰略,就可能瞬間提高10倍。
- 格局太小,糾結的都是雞毛蒜皮的小事,算的都是家長裡短的小帳,看不到廣闊的增量。
- 不是每個人都配做你的對手,不要在不值得的人身上花時間。
- 你能創造什麼樣的價值,就會認識什麼樣的人。
- 人脈的本質,是平等交換。
- 真正的人脈,本質是給予價值、平等交換。你能給予什麼樣的價值,就會認識什麼樣的人。
你能為別人創造多大價值,你就有多大價值。
- 如過想要累積人脈,你能做的,就是不斷累積自己的價值,並不斷輸出自己的價值。
- 當你能夠幫到約來越多厲害的人時,你的人脈才會越來越廣,人脈的品質也會越來越高。
- 那些能幫到你的人,不是你的人脈;只有哪些你能幫到的人,才是你的人脈。
- 用腦學習知識,用手學習技能,用心學習態度。把知識學以致用,把技能練成藝術,那麼你用心相信的東西一定會實現。
- 工資是支付給責任的,一個人想要漲薪,就必須提升自己的能力,承擔更大的責任。
- 工資支付給責任,獎金支付給超額業績,那麼股份又是支付給什麼呢?
股權有很多形式,比如分紅權、期權、股票等,但是股權的本質,是「利潤分成制」,是支付給未來的潛力的。
- 老闆也許會和你商量,讓你把眼光放長遠一些,說服你拿低一點的工資、少一點的獎金,但給你20%的股份,以後公司賺了錢你就可以分錢。這時,你和公司的合夥關係就發生了變化,從一開始的利益共同體轉變為事業共同體。你承擔的責任更大、風險更大,但你也從給老闆打工變成與老闆一起創業了。

PART5. 社會協作的底層邏輯

2024年9月5日 星期四

雜訊:人類判斷的缺陷(下)

雜訊:人類判斷的缺陷
Daniel Kahneman, Olivier Sibony, Cass R. Sunstein

第四部 雜訊的發生
13 捷思法、偏誤與雜訊
- 如果許多人都有共同的偏誤,心理偏誤就會造成統計偏誤。
然而,在許多情況下,人們的偏誤各有不同。這些時候,心理偏誤會產生系統雜訊。
15 量表
- 水準雜訊是陪審員在整體嚴厲程度的變異。
型態雜訊是某個陪審員在某個案件的反應相對於自己審判結果平均值的變異。
- 我們可以把片段的整體變異分解成三個要素:
判斷的變異=公正懲罰的變異+(水準雜訊)^2+(型態雜訊)^2
- 量表的選擇對於判斷的雜訊量會造成非常大的差異,因為模糊的量表有雜訊。
- 以相對判斷取代絕對判斷有可能降低雜訊。
16 型態
- 型態誤差的產生,綜合著暫時因素與長期因素。
暫時因素包括我們描述為場合雜訊的因素,像是在重要時刻遇到法官心情不錯,或是法官當下剛好想到最近某些不幸的偶發事件。有些因素更為長期,像是雇主特別喜歡就讀某幾所大學的人,或是醫師特別傾向於建議感染肺炎的人住院。我們可以用一條簡單的等式表達單一判斷裡的誤差:型態誤差=穩定型態誤差+暫時(場合)誤差
-由於穩定型態誤差和暫時(場合)誤差是獨立、不相關的事件,因此我們可以延伸上述等式,分析它們的變異:(型態雜訊)^2 = (穩定型態雜訊)^2 +(場合雜訊)^2
- 而對專業判斷來說,變異是問題,雜訊是誤差。
這個類比的重點在於,判斷裡的型態雜訊並非隨機事件,我們不太可能解釋型態雜訊,即便是做出不同判斷的個人也無法解釋他們的判斷。

17 雜訊的來源
- 誤差可以拆解為偏誤和系統雜訊。
- 系統雜訊可以拆解為水準雜訊和型態雜訊。
- 型態雜訊可以拆解為穩定雜訊和場合雜訊。
第五部 提升判斷力
21 預測的挑選與總合
- 預測(以及預測出錯的時間與出錯原因)分析師對於偏誤和雜訊(也稱為預測得不一致或不可靠)分得一清二楚。大家都同意,在某些背景下,預測人員會有偏誤。例如,官方機構對預算的預測上就顯現不切實際的樂觀。平均而言,他們對經濟成長的預測高得脫離現實,赤字預測也低得不真實。實際上,他們不切實際的樂觀究竟是認知偏誤或政治考量的產物,根本無關緊要。
- 預測者也有雜訊。史考特·阿姆斯壯的參考書<預測原理>(Principles of Forecasting)就指出,即使在專家之間,「判斷性預測的一項誤差來源是不可靠性。
事實上,雜訊誤差的主要來源。場合雜訊是常見現象;預測者自己的意見都不一定前後一致。人與人之間的雜訊也很普遍;預測者彼此的意見會有分歧,即使他們都是專家也是一樣。
- 在數學上,平均法是減少雜訊的保證:具體而言,會使雜訊減少到「1-(1/判斷數量得平方根)」的水準。也就是說,如果你用100個判斷值求取平均值,就能減少90%的雜訊,而如果你用400個判斷值求取平均值,就能減少95%的雜訊,基本上會把雜訊消除。這條統計法則是群眾智慧法的引擎
- 由於平均法無法減少偏誤,它對總誤差(均方差)的影響取決於偏誤和雜訊在均方差裡的占比。所以,在判斷屬於獨立、因而比較不會包含共同的偏誤時,群眾智慧的效果最好。
實證上有充分的證據顯示,多個預測時的平均能大幅增加準確度,例如,股市分析裡經濟預測人員的「共識」預測。至於銷售預測、氣象預測和經濟預測,一群預測人員未經加權的平均值,表現優於大部分的個別預測值、有時勝過全部得個別預測值。
- 布里爾分數讚賞的是校準度和辨析度俱佳。要拿高分,你不只必須在平均值上正確(也就是有不錯的校準度),也必須願意採取立場,在預測上做出差異(也就是高辨析度)。布里爾分數遵循均方差的邏輯,因此分數越低越好:0代表完美。
23 績效評鑑量表的制定
- 系統雜訊如何拆解這三個要素(水準雜訊、型態雜訊和場合雜),結論因研究而異。

第六部 雜訊的最適水準
26 減少雜訊的成本
- 歧視也可能來自原始資料。如果演算法是根據有偏誤的數據庫訓練而成,它也會有偏誤。
以「預警性警務(predictive policing)演算法為例,這套演算法意在預測犯罪,通常是為了改善警務資源的配置。如果現存與犯罪有關的數據反映某些區域的警力過度部屬,或是某些類型罪刑的報案量相對高,那麼由此而來的演算法也會持續或加重歧視。只要訓練用的資料有偏誤,就相當有可能設計出把歧視編寫進去的演算法,無論這是出於有心或是無意。確實,以此而言,演算法可能更糟糕:由於它們會消除雜訊,因此會比人類判斷有更嚴重的偏誤。

綜述與結論 正視雜訊問題
- 系統雜訊可以拆解成水準雜訊型態雜訊。有些法官通常要比其他法官來的嚴厲,還有一些法官則比較寬容;優些預測者通常看好市場前景,有些則看壞;有些醫師開立的抗生素比其他醫師來得多。
水準雜訊是指不同個體平均判斷的變異。判斷尺度得模糊性就是水準雜訊的一個來源。像有可能這樣的文字描述或是數字(如「0到6分當中的4分」),每一個人的感受並不相同。水準雜訊是判斷系統裡誤差的重要來源,而且是採取干預措施來減少雜訊的重要瞄準目標。
- 系統雜訊還包括另一個占比通常更大的雜訊。無論兩個法官的平均判斷為何,他們對那些罪刑該判處較重的刑罰可能有不同的看法。他們的判刑決定在所有案件會產生不同的排序。我們稱這種變異為型態雜訊(用統計術語來說,就是統計交互作用statistical intercation。
- 型態雜訊的主要來源是穩定的:就是不同法官因為個人特質而對同個案件有判斷差異。有些差異法而反映人遵守的原則或價值觀,不管在做判斷時是否有覺察到這一點。例如,有一個法官可能在店內行竊的扒手特別是嚴厲,對違反交通規則的人則比膠寬容,另一個法官則剛好相法。有些潛藏人心的原則或價值觀可能相當複雜,法官人也許不會覺察。例如法官對於店內行竊的年長扒手會無意識地採取相對寬容的態度。最後,對某一個案件的高度個人化反應也是穩定的。如果法官發現被告自己的女兒很像,可能會出生在同情心,而背對告比較寬容。
- 這種穩定的型態雜訊反映出法官個人的獨特性:他們對每一個案件的反應就像個性一樣因人而異。人與人之間的微妙差異通常沒什麼不好,而且很有趣,然而如果是在一個假定應有一致性的系統當中,專業人士的個人差異就會變成問題。在我們調查的研究當中,個人差異產生的穩定型態雜訊通常是系統雜訊的最大來源。不過,法官對特定案件的獨特態度仍不是完全穩定的。型態雜訊含有一種暫時的成分,稱為場合雜訊

- 如果一位放射科醫師在不同的日子對同章醫療影像做出不同的診斷,或是指紋鑑識人員在某一個場合下鑑定指紋辨識的結果是吻合。這像這些例子一樣,當法官不記得之前承諾過某一個案件時,某一個不相干的特點對判斷所產生的影響,如法規支持的球隊獲勝,法官在量行時就會變得寬容,或是醫生在一天門診快結束時,比較可能會開鴉片指通要。
- 心理偏誤是系統偏誤或統計偏誤得一個來源。其實,心理偏誤也是雜訊的來源,只是不是那麼明顯。並非所有的判斷者都有同樣的偏誤,在偏誤程度不一、而且偏誤的影響取決於外部的環境之下,心理偏誤就會產生雜訊。例如,做雇用決策的一群經理人當中,有半數的人對女性有偏見,還有半數的人則偏好雇用女性,整體偏誤為零,但系統雜訊仍會造成很多錯誤的雇用決策。另一個例子則是第一印象的效應往往不成比例。這是一種心理偏誤。在隨機呈現證據的順序之下,這種心理偏誤會帶來場合雜訊。

2024年8月11日 星期日

雜訊:人類判斷的缺陷(上)

雜訊:人類判斷的缺陷
Daniel Kahneman, Olivier Sibony, Cass R. Sunstein

- 圖1:四個隊伍:B隊有偏誤(biased),因為這五發都沒射中靶心,而且都偏到同一個角落。
我們可以從這種偏誤的一致性得到這樣的預測:如果這個團隊中有人再射擊一次,
也會跟前五槍一樣落在同一個角落這種偏誤一致性也許有原因可循:該隊的步槍瞄準器可能歪掉了?

我們認為C隊有雜訊(noisy),因為彈著點很分散。由於彈著點幾乎都在靶心四周,所以沒有明顯錯誤。若是團隊中有人再射一槍,我們無法預測可能的落點。
因此,我們也無法從C隊的結果推想出任何有意思的假設。
我們只知道這一隊的人幾乎都是生手,但不知道為什麼這個隊伍的表現充滿雜訊。
- 場合雜訊(occasion noise)

第一部 尋找雜訊
03 單一決策
- 單一決策向來被視為與大型組織中可互相替代的人員經常做出的重複決策不同。
社會科學學者研究重複性決策,高風險的單一決策則是歷史學家和管理大師的研究範圍。
這兩種決策的研究方法截然不同。
重複決策的分析通常傾向利用統計學,社會科學家也會評估很多類似決策,
以辨識規模、規律性,並衡量準確性。相比之下,單一決策的討論通常會採用因果關係的觀點,而且是在事情發生之後才檢視,把焦點放在找出事情發生的原因。
歷史分析,如成功或失敗的管理案例研究,旨在了解一個本質上獨一無二的判斷是如何做出來的。
- 換言之,我們無法衡量單一決策的雜訊,然而我們可以透過反事實思維(counterfactual thinking)
肯定雜訊的存在。如某個射擊手的手不能保持穩定時,彈著點可能會落在其它地方,決策者及決策過程的雜訊,意味單一決策可能會有所不同。

第二部 你的頭腦也是一把尺
05 誤差的測量
- 偏誤和雜訊在誤差的作用,可以簡單的用所謂的誤差方程式來表達。
第一個等式把單次測量中的誤差分解成兩部分,
也就是你現在熟悉的偏誤(平均誤差),以及殘留的「雜訊誤差」
當誤差大於偏誤時,雜訊誤差為正值,誤差小於偏誤時,雜訊誤差為負值。雜訊誤差的平均值為零。
- 第一個誤差方程式沒有什麼新意:單次測試的誤差 = 偏誤 + 雜訊誤差
- 第二個誤差方程式是均方差,也就是我們現在介紹的總體誤差
利用簡單的代數即可顯示出,均方差等於偏誤的平方加上雜訊的平方
(請回想:雜訊是測量的邊準差,與雜訊誤差的標準差相同。)
因此:
- 總體誤差(均方差) = 偏誤^2 + 雜訊^2
- 而預測和估計的目標就是在準確度(accuracy)最高(偏誤最小)
精確度(precision)最高(雜訊最小)下接近真正的數值。
- 決策者必須考量多種選擇,並運用自己的價值觀做出最佳選擇。
但這些決策都必須以價值中立的預測為基礎,目標是準確(盡可能接近靶心),
而均方差就是衡量誤差最適當的方法。只要偏誤不會大幅增加,減少雜訊將能改善預測性判斷。

06 雜訊分析
- 誤差的兩個構成要素就是偏誤和雜訊。
- 如圖9的黑色箭頭所示,水準雜訊是2.4年,系統雜訊為3.4年。
這樣的差異代表系統雜訊要比個別法官平均嚴厲程度的差異來得要大。
這是雜訊的另一種成分,我們稱為型態雜訊(pattern noise)
- 依照誤差方程式把誤差分解成偏誤和雜訊的邏輯把系統雜訊分解為水準雜訊和型態雜訊。
- 系統雜訊的方程式:系統雜訊 = 水準雜訊^2 + 型態雜訊^2。
- 系統雜訊是指多人對同一個案件的判斷出現令人討厭的變異性。
我們已經找出系統雜訊的兩個主要成分:
   1.水準雜訊是不同法官判斷平均水準的變異。
   2.型態雜訊是法官對特定案件反應的變異。
- 在這個研究中,水準雜訊與型態雜訊的數量大致相等。
然而,我們認為型態雜訊必然包含一些場合雜訊,可以把場合雜訊當作隨機誤差。
- 水準雜訊就是不同法官呈現出不同的嚴厲程度。
型態雜訊是指不同法官對某一個被告更嚴厲或更寬容而出現意見分歧的狀況。
型態雜訊當中包含場合雜訊,這是指法官自己有不同的意見。

07 場合雜訊
- 群眾智慧效應
- 辯證性的自我重複抽樣法(dialectical bootstrapping)
- 賭徒謬誤(gambler's fallacy)

08 群體如何擴大雜訊
- 社會影響是個問題,因為它們「減少群體的多樣性,卻沒有減少集體誤差」。
諷刺的是,多項獨立意見妥善的總合起來,有可能達到驚人的準確度,不過即使只有一點點社會影響,都可能會產生一種羊群效應,破壞群體的智慧。

第三部 預測性判斷中的雜訊
- 我們需要一個衡量預測準確性的方法,藉此回答這個問題:預測與結果的共變異性(co-vary)為何?
如果人力資源部門經常評估新進人員的潛力,我們可以等幾年後再來看看員工表現,確認他們的潛力評級與績效評即有多大的共變異性。如預測準確,新進員工的潛力評級高,工作表現也會得到高度評價。
-有一種測量方法可以呈現這種直觀判斷,也就是和諧率(percent concordant)
和諧率可以回答一個更具體的問題:若隨機抽選兩名員工,
潛力評級較高的人績效評估也比較高的機率是多少?如果早期的評級是完美的,和諧率應該是100%。
- 舉個更簡單的例子,成年男性腳長(鞋碼)與身高的和諧率是71%。
如果你看兩個人,先看他們的頭,再看他們的腳,有71%的機率是較高的人有較大的腳。
- 和諧率是一個衡量共變異性的直觀指標。這種方法有很大的優點,但不是社會學家使用的標準指標。標準指標是相關係數(correlation coefficient,常用r表示)
當兩個變數正相關時,相關係數會在0與1之間。在前面的例子中,身高與腳長的相關係數為0.60。
- 客觀的無知(objective ignorance)

09 判斷與模型
- 你的估算就是所謂的臨床判斷(clinical judgment)。你考慮得到的訊息,或許很快計算一下,
並利用自己的直覺,最後得出判斷。
- 判斷的雜訊太多,因此沒有雜訊的判斷者模型,會比人類判斷者的預測更準確。
- 多元迴歸(multiple regression)
- 機器預測(mechanical prediction)

10 無雜訊的規則
- 很多機械方法都能勝過人類判斷,從簡單到近乎可笑的規則、到最複雜難解的機器演算法都是如此。會有這樣的突出表現有個關鍵的原因,那就是機械方法是沒有雜訊的。

- 相同權重的公式稱為非最適線性模型(improper linear model)。
Robyn Dawes的發現驚人之處在於,這些相等權重模型(equal-weighted model)的準確度與
「最適」(proper)迴歸模型差不多,而且遠遠優於人類的臨床判斷。
- 多元回歸計算出使平方誤差最小的「最佳」權重。但多元迴歸使得原始數據中的誤差最小。
因此,這裡的公式會自我調整,藉此預測數據中每個隨機偶然的因素。
例如:如果樣本中有些經理人擁有高度的技術技能,而這些經理人也因為不相關的原因表現得特別好,那麼這個模型就會誇大技術技能的權重。
- 要正確衡量一個模型的預測準確度,要看這個模型的新樣本中的表現,
也就是其交叉驗證相關性(cross-validated correlation)。

12 常態之谷
- 只要有因果關係,就有相關性。由此可見,凡是因果關係,我們應該能夠預測,
而相關性,也就是這種推論的準確性,則是用來衡量我們對因果關係的了解有多少。
- 運用統計學思維(statistical thinking):你關注的是全體,以及描述這些家庭的統計數字,包括平均數、變異數、相關性等等,你不是把焦點放在個別的案例上。
- 因果思維(casual thinking)會創造特定事件、人物、物體相互影響的故事。

2024年7月6日 星期六

推力 Nudge

推力:每個人都可以影響別人、改善決策,做人生的選擇設計師
作者:Richard H. Thaler, Cass R. Sunstein

第一部 一般人與經濟人
第一章 偏見與謬誤
- 經驗法則可以很有用,但也可能引發系統性偏差(systematic bias)
由兩位心理學家-丹尼爾·康納曼及阿莫斯·特沃斯基率先提出這個觀點,
他們指出三種捷思法(heuristics)或經驗法則
定錨(anchoring)可得性(availability)代表性(representativeness)及其各別對應的偏見,
後來成為依據「捷思法與偏見」探討判斷力的著名研究。
- 人類有「損失規避」(loss averse)的特性。
- 維持現狀的偏見(status quo bias)。
- <快思慢想>(Thinking,Fast and Slow)描述我們可以將人腦的運作想成包含兩個部分或系統,
一個快速,另一個緩慢、仰賴思考。稱之為系統一(自動系統Automatic System)和系統二(省思系統Reflective System)。
- 本書旨在約略分析人性的弱點。現代人都很忙碌,這個世界又很複雜,人們面對許多事情通常無法一一深思熟慮再做決定,只好採取明智的經驗法則。這類法則通常很有用,有時卻會讓人誤入歧途,尤其是遇到較富挑戰性或不熟悉的情況時。正因太忙碌,能夠專注的範圍有限,人們通常不會去思考,若換個方式陳述同一個問題,自己的答案是否也會跟著不同。
然而,人是可以被輕推的,在我們看來,這才是最重要的。人在做選擇時會受到許多因素的影響(甚至包括面對人生的重大抉擇時),那是標準的經濟學理論無法完全預期的。

第二章 抗拒誘惑
- 動態矛盾(Dynamically Inconsistent)
- 激發狀態(State of Arousal)
- 冷熱同理差距(hot-clod empathy gap)
- 人們即使知道自己被激發時會表現出不同的行為,還是會低估這個效應的強度。
我們在冷的狀態時,往往不知道自己受到激發狀態「影響」時會如何改變欲望與行為,天真地輕忽這些條件將如何影響我們的選擇,而這又會反映在行為上。
- 計畫者追求的是你的長遠利益,但必須不斷應付行動者的感覺、搗蛋和頑固,因為只要行動者稍微受到刺激,便禁不起誘惑。
- 一個有趣的例子是曾風行一時、現在仍有少數人使用的種獨特的金融服務-聖誕儲蓄俱樂部(Christmas savings club)。
- 心理會計(mental accounting)

第三章 從眾心理
- 人們傾向於相信說話自信的人一定是對的。這告訴我們:不論在公私領域,立場一貫且堅定不移的人,可以將人或事推往他希望的方向走。
這帶給我們一個重要的啟示:團體裡的資深成員若想要了解資淺同仁的真實想法,應該要個別詢問(以免同仁彼此影響),最重要的是先不要說出自己的意見。
-更奇特的是,團體的判斷會變得完全內化,就算是私下個別表示意見,也不會改變初衷-即使時間已過了一年,即使這些人再去參加新的團體、而其它人提出不同的判斷,也不會改變。值得注意得是,原始的答案甚至還會「代代相傳」。
儘管當足夠數量的新成員加入,舊成員退場,到後來所有的成員都不了解狀況時,原始的集體判斷還是無法被動搖,雖則最初促成此判斷的那個人早已不在。到後來,很多人會一直遵循下去,而不去探究最初形成時是否有道理。
- 集體保守主義(collective conservatism)

第二部 選擇設計師的工具
第四章 我們何時需要推力?
- 自制力最可能受到考驗的情況,是做了選擇之後要隔一段時間,才能看到後果。
有一種極端的例子或可稱為投資財(investment goods),如運動、使用牙線、健康飲食。
要得到這些投資,你必須立即付出成本,效益卻會延遲出現。
- 另一個極端的例子可稱為誘惑財(temptation goods):抽菸、酗酒、狂追劇、嗜吃等。
現在立刻享受,事後承擔後果。

第五章 選擇設計
- 當顧客想要在串流網站找電影或電視節目看,可輕鬆依演員、導演、類型等條件搜尋,網站還會依據其它品味相似的用戶偏好來推薦影片,這個方法叫做「協同過濾」(collaborative filtering)
演算法利用相同品味用戶的判斷,從大量的書籍或電影裡篩選你比較可能喜歡的產品。
- 同過濾其實就是要解決選擇設計的問題,當你知道和你相似的人喜歡什麼時,你會更放心去選擇不熟悉的產品,因為和你相似的人多半也有相似的品味。對我們很多人而言,協同過濾確實能讓艱難的選擇變得容易。

第六章 好康在後頭

- 小店靠內容篩選競爭,巨型網路商店則是運用導覽工具,讓你輕鬆在眾多選項中找到你要的。
- 高明的內容篩選不只是去除不好的選項,同時還要引進新奇的選項。
第七章 智慧揭露
- 現在很多人是用銀行帳戶定期付款,如房租、水電、信用卡。設定這類轉帳還算單純,只需幾分鐘,但稍微有點麻煩。假設有位顧客不滿意現在的銀行,想要換一家。這件事本身就是個麻煩,這在零售金融方面造成了些許惰性。
第八章 #淤泥(sludge)
- 高明的選擇設計有一項最基本的原則,就是我們一再強調的鐵律:簡單為要。
如果你要鼓勵某種行為,先想想為何人們現在沒有這樣做,再消除擋在他們面前的阻礙。假如你要人們取得駕照或接種疫苗,就要讓這些事變得簡單,最重要的是增加便利性。
- 當然,我們可以由此得出另一個明顯的推論:若你要阻止某種行為,就要製造阻礙,讓那個行為變得困難。
- 經濟學家最強調的因素是:誘因(稅制如何改變行為)公平(每個人應繳多少稅)發生率(誰真正繳某一種稅)遵從度(民眾合法納稅的程度)。這些顯然都很重要,,但我們要在這個清單中再添加一項:淤泥-依法繳稅或避稅要花多少時間和心力。

第三部 金錢
第十一章 今日借更多:房貸和信用卡
- 當下為重的偏見(present-biased),意思是輕忽將來才能得到的東西,過度看重現在能夠擁有的。
第十二章 保險:保大不保小

第四部 社會

第十四章 拯救地球
- 共有財的悲劇(tragedy of the commons)
第五部 客訴部門
第十五章 反對意見
-冷卻期的規定,理由是認為消費者在熱頭上往往會做出考慮欠周或衝動的決定。
-通常在下列兩種情況中,強制冷卻期的規定最合理、也最可能實施:
一、人們不常做這種決定,因而欠缺經驗;
二、人們在做這種決定時往往情緒高昂,這時特別容易做出日後後悔的決定。
-冷卻期是相對溫和的干預。

2024年6月22日 星期六

5分鐘商學院 商業篇:人人都是自己的CEO

5分鐘商學院 商業篇:人人都是自己的CEO
第一章 消費心理學
❤基本比例謬誤
- 基本比較謬誤的應用方式:
第一,在促銷的時候,價格低的商品用打折的方式,可以讓消費者感到獲得更多優惠;
價格高的商品,則用降價的方式讓消費者感到優惠。
也就是說,價格低的時候講比例,價格高的時候講數值
第二,用換購的方式,讓消費者在心理上把注意力放在價格變化比例很大的小商品上,這樣會產生很划算的感覺。
第三,把廉價的配置品搭配貴重的商品一起賣,相對於單獨賣這個廉價商品,會更容易讓消費者產生價值感
第二章 行為經濟學
雞蛋理論
- 雞蛋理論,其實源於消費者的一種行為特徵:當我們對一個物品付出的勞動者情感越多,就越容易高估該物品的價值。
- 為什麼會這樣?美國行為經濟學家丹·艾瑞利認為,這是因為人們對某一事物付出的努力不僅給事物本身帶來了變化,也改變了自己對這一事物的評價,付出的勞動越多,產生的依戀就越深。
- 也叫「宜家效應」,是指人們在一件物品上投入的勞動者或情感越多,就越容易高估它的價值。運用這套理論最簡單的方法就是:第一,讓用戶有參與感,比如投票、選擇、搭配等
第二,讓用戶付出勞動,把百分之三十的工作留給用戶自己做,這個商品就能在用戶心中價值倍增
第三章 個體經濟學
❤交易成本
- 高斯的交易交易成本理論,回答了經濟學家一直爭論的一個問題:企業的邊界在哪裡?
企業應該做大還是做小?高斯說,交易成本與管理成本的對比,決定了企業的邊界。
交易成本越低的事情,越應該外部化;管理成本越低的事情,越應該內部化。

第七章 企業能量模型之訂價
❤組合訂價法
  1. 產品線定價
  2. 備選品訂價
  3. 專用配件定價
  4. 副產品定價
  5. 配套式定價
  6. 分段式定價
  7. 不二價定價
❤差別訂價
- 合法的差別訂價,有三個級別。
第一級:完全差別取價。讓每個人付出他能付出的最高價格。比如電信公司拍賣黃金門號。
第二級:區間定價。買得愈多越便宜。
第三級:市場分隔。
這種特殊的差別訂價充滿套路,比如,地域分隔、人群分隔、時間成本與機會成本分隔。

第八章 企業能量模型之行銷
❤定位理論
- 應該怎麼利用定位理論,獲得行銷成功呢?
第一,從消費者心智出發,不要從產品出發
比如做化妝品,還有什麼用戶需求是競爭對手未能滿足的?「補水,讓你的肌膚一天喝八杯水」。
比如做餐飲,消費者怕油怕鹽,那麼「蒸的才是健康的」。關注消費者的買點,而不是產品的賣點。
第二,基於沒有被滿足的需求,或者說痛點,創立一個乾淨的品項。
第三,佔領消費者認知的武器-資訊。
第四,要歡迎競爭,有個對手,品類才成立,而且會共同教育市場,把蛋糕做大。
❤獨特銷售主張
- 定位理論還有一個「親兄弟」-獨特賣點(Unique Selling Proposition,USP)
定位理論是從用戶出發,而獨特賣點是從產品出發的。
一個獨特賣點必須具備三個突出特徵:
  1. 第一,這個主張,不應該是「買我們的吧」;不應該是自吹自擂。而是必須向消費者提出一種主張,讓他們能夠意識到產品帶來的真正好處。
  2. 第二,這個主張,必須是競爭對手還沒有提出來的,甚至無法提出來的。也就是說,它必須獨特。
  3. 第三,這個主張,必須有巨大的說服力,能夠讓消費者立刻採取行動,成為企業的客戶。
  4. 用一句話來總結,找到獨特的賣點,就是從產品中找到一個有巨大說服力的、競爭對手不具備得、對消費者的好處。
第九章 企業能量模型之通路
進入市場的微血管-深度配銷
- 行銷是為了提高「或然購買率」,通路是為了提高「商品可得率」。
如何把銷售團隊變成虎狼之師-銷售激勵
- 行為指標,比如用新客戶相對於老客戶的比例來衡量是否不斷開拓了新市場;
用利潤指標衡量是否有大出血式銷售;用客戶滿意度衡量是否只在乎短期利益;
用銷售人員流失率衡量團隊是否可持續經營。
- 底薪+獎金+佣金,再加上行為指標。
把一切的觸點發展為通路-全通路零售
- 有兩種線上與線下結合的全通路零售方式:會員店和體驗店。
會員店,是從線上獲得客戶,反哺線下;體驗店,是從線下獲得客戶,反哺線上。

人類大歷史:從野獸到扮演上帝

人類大歷史:從野獸到扮演上帝 
Yuval Noah Harari

 - 歷史是所謂的二階混沌系統("level two" chaotic system)。
混沌系統可分成兩種,一階混沌指的是「不會因會預測而改變」
例如天氣就屬於一階混沌系統。雖然天氣也是受到無數因子影響,但是我們可以建立電腦計算模型,不斷加入越來越多因子,讓天氣預報也越來越準確。 
- 至於二階混沌系統,指的是「會受到預測的影響而改變」,因此就永遠無法準確預測了。
例如市場就屬於二階混沌系統。假設我們開發出一個電腦程式,能夠完全準確預測明天的油價,情況會如何呢?可以想見,油價會立刻因應這個預測而波動,最後也就不可能符合預測。
例如,假設目前石油價格是每桶90美元,而有個絕對準確的程式預測,明天會漲到100美元。商人就會立刻搶進,好在預測的漲價中獲利。但結果就是油價會在今天就漲到100美元,而不是明天才漲。那明天究竟會如何?這件事就沒人知道了。 
- 政治也屬於二階混沌系統。從定義上,革命就是無法預測,如果真能預測有革命,革命就永遠不會發生。 
- 無知的革命-現代科學與先前的知識體系有三大不同之處: 
第一、願意承認自己的無知。
第二、以觀測和數學為中心。
第三、取得新能力。
- 科學革命並不是「知識的革命」,而是「無知的革命」。
真正讓科學革命起步的偉大發現,就是發現「人類對於最重要的問題,其實毫無所知。」

2024年5月19日 星期日

數據識讀者

數據識讀者:數據素養教父教你如何用數據溝通、工作與生活
Jordan Morrow

第一章 數據的世界
- 一旦世界各地的組織不具備強大的數據與分析策略,數據技能差距就會擴大。
與其制定明確的策略,同時明文規定公司允許內部在軟體、科技和學習投資等相互流通,
公司卻寧可去購入數據與分析的軟體和科技來替他們完成所有的事。
如此一來,他們把科技當成策略、強迫人們使用,就無法透過策略明確地指出要用那些科技才對,
便可能導致內部人力不願採納、重回老路,以前怎麼做,現在就怎麼做。
一旦重回老路,新科技也就像擺在架上的玩具那樣,盡是沾染灰塵而以,毫無用處。
- 因此組織慘遭到致命的雙重打擊:
第一,內部人力並沒有有效利用與採納組織所投資的軟體;
第二,內部人力抗拒了組織原先為他們好所購入的那些投資與科技,在數據技能上不見成長,
反而更加落後了。

第二章 分析法的四大層次
- 分析法是以四大層次為前提,亦即:
  1. 描述性層次(descriptive)
  2. 診斷性層次(diagnostic)
  3. 預測性層次(predictive)
  4. 指示性層次(Prescriptive)

第三章 定義數據素養
- 在描述性分析法中,對組織內許多不同的人和部門而言,「用數據工作」可能意味著諸多不同的事。切記,描述性分析法就是為組織描述發生過甚麼事,或著正在發生什麼事
當我們利用「用數據工作」的這項特點,「描述以往發生過什麼事」正好就是我們所在尋找的定義。
- 診斷性分析法-抑或找出描述性分析法背後的「原因」也是一樣,「用數據工作」四處可見。
- 在預測性分析法與指示性分析法中,人們用數據工作的方式很多,從協助建構出數據源的不同團隊,到用數據工作以建立分析和預測的數據科學家,乃至讀取數據的終端使用團隊,他們用數據工作的方式都不盡相同。

第四章 數據素養之傘
- 無論如何,即便公司在說服自己真的需要數據科學家後想方設法地錄用這些人,他們之後仍會為了如何使用這些數據科學家,或是如何把他們融入整體架構所苦,而這通常是公司本身缺乏數據與策略使然。
- 一旦論及要在組織文化中順利推動數據與分析法,提升內部人力在數據素養方面的技能將有助個人藉由眼前的策略取得成功。
- 組織若想在數據與分析法上取得成功,數據治理是不可或缺的,而數據素養則是協助賦予個人能力,使其透過治理獲得成功。

第五章 讀取並訴說數據的語言
- 組織中的數據暢流

第六章 結合數據素養及分析法四大層次
- 分析法的第一個層次即描述性分析法,簡言之,就是觀察性分析法,我們只要大致回顧過往事件,
即可從中獲得知識、取得理解。這是組織不可或缺的面向。
組織必須知道以往發生過什麼,才有助於規劃未來、了解銷售趨勢為何下滑、清楚行銷活動的表現如何,還有其它數不完的原因。
- 分析法四大層次的第二個層次是診斷性分析法;我想要稱之為分析法「原因」的層次。
一如大家所知,描述性分析法是一種觀察性分析法,它觀察正在發生何事,但卻不會告訴我們為何發生。
- 於是,我們進入到分析法的第二個層次,也就是數據素養的本質。能夠找出事情發生的原因可讓公司組織真正地催生Insight,Insight又可進而幫助公司找到解答與決策。倘若你思考一下,我們是能進行觀察,但唯有正在透過數據素養中的技能和能力深入探討時,Insight-或者「原因」才變的顯而易見。就來看看數據素養和診斷性分析法是如何搭配得天衣無縫吧。
- 數據分析師:數據分析師經由數據普及化、握有數據,而被賦予了數據的力量。數據分析師或許正是那個利用數據工作,建構數據視覺化,繼而篩查、掌控數據,以看出描述性分析法現況如何得人。
- 數據科學家:數據科學家會密集地用數據工作,以找出事物背後的原因。有了原因,我們才會在分析法的第三個層次中更深入探討這點,做出預測,並且設計模型。

第七章 數據素養的學習步驟
- 在通往數據與分析法的道路上,最大的路障和阻礙莫過於組織文化。
組織文化若還沒準備好接納數據與分析法的工作,投資適當的軟體、科技和數據就未必能發揮作用。
領導團隊必須確保公司正在正確的文化架構、文化結構上,同時強化賦權增能,這樣個人和公司才能妥善藉由數據與分析法獲得成功。

第八章 數據素養的三個C
  • 數據素養的第一個C:好奇心
  • 數據素養的第二個C:創意
  • 數據素養的第三個C:批判性思考
第九章 數據啟發的決策
- 你有問題想用數據解答,同時明白或認為自己清楚想要哪種數據而且必須解決問題。
那麼,你能像幫你取得那種數據的團隊充分傳達這點也就變得無比重要。
你會希望取得並用以答題的數據必須具體,你的需求也必須明確等等。
數據的問題和要求模糊不清,不僅會讓你想在正確使用數據時感到挫折,還會嚴重妨礙你成功地透過數具啟發做出決策。
- 偏誤:基本上被定義為「相較於其它事、其它人或其它團體,人們對於某件事、某個人或某個團體之好的偏見,而且常被認為有欠公允。
- 我想要協助各位釐清得第一種偏誤,就是確認偏誤(confirmation bias)
基本上,確認偏誤就是我們全找數據去支援既有的觀念、想法等等;
我們並沒有對所有的數據敞開心胸,而只是找到支持既有的觀念、想法等等。
這種偏誤隨處可見:在業務上、政治上,還有個人生活上都很普遍。
- 數據啟發決策。
- 受到數據啟發的決策架構之相關步驟
  1. 提問
  2. 取得
  3. 分析
  4. 整合
  5. 決策
  6. 重覆
第十章 數據素養和數據與分析策略
- 有時,我認為組織把工具或是有如神話、難以理解的數據驅動文化看作是一種策略。
請容我強調一下:工具和文化並非策略,而是促使事情成功的元件。
在此,我用蓋房子當作類比吧。想像一下,你想要蓋一棟超棒的房子,所以買了些許的木材和釘子、一把鐵鎚,可能還有一些其它的工具。你沒有畫出藍圖,但你預計這樣不會有問題、可以順利完成,於是隨便雇用幾個路人,對他們說:「為我蓋出一棟夢想中的房子吧。」這會有多麼成功?很遺憾地,你不會成功。
但如今想像一下,你畫好了藍圖、聘請專業的承包商,並讓人人都準備好為你蓋起這棟夢中的房子。
你的計劃具備了蓋房子的文化,而這就是數據驅動的文化。


第十一章 展開數據與分析法之旅
- 我們不能總是侷限在過去還有以往做事的方式,應該要有所警覺,
準備投入嶄新的事務並對此感到興奮。
- 本書不是要探討怎麼培養心態-這類的書已經很多-而是要探討為了在數據與分析法上獲得成功,我們人人都該小心、明白這個世界正在快速進化。我們越是了解未來、數據、一般的分析法和趨勢,將來在數據的旅途上也就準備的越充分。