2016/08/31

《為什麼常識不可靠》讀後筆記

『我花在廣告的錢,有一半都浪費掉了——只是我不確定是哪一半。』
約翰·沃納梅克/百貨公司之父

原文書名《Everything Is Obvious》,然而它顯然不是一本可以速讀的書。實際上,這是一位從理工轉行的社會學家的著作。本書並不討論什麼是常識、或者它為什麼不可靠,而是解釋:我們理解這個世界的方式(例如直覺),許多時候『其實反而不利我們理解這個世界』。許多讀者甚至不知道本書的封面,實際上是長這樣的:


訊息理論(Information Theory)的教科書喜歡引用底下的例子來解釋何謂訊息(information):在一個一年當中有90%的日子是大晴天的小島上,每天固定猜測明天是晴天,即使『正確率』高達九成,這樣的天氣預報卻沒有包含任何訊息。相對於正確率,天氣預報傳達了什麼訊息才是重要的。例如:在任何有可能下雨的狀況下,指出明天可能是下雨天。即使全年當中有30%的日子給出這種預報(因此,實際下雨的日子,只有其中的三分之一),預報『正確率』只有八成(另有20%的日子預報降雨實際晴天),然而,這種預報所提供的訊息量遠高於前者。訊息理論早已能用數學方法充分解釋這個例子。這樣的例子同時意謂著,那些具有較低的發生率以及較大影響的事件,才是需要預測的對象。

然而,本書的作者指出:那些發生率極低、事發之後會造成重大衝擊的『黑天鵝事件』,最需要被預測。不幸的是,它們不僅在事前難以想像(更不用說估算發生頻率),對於事件將會造成多大規模的影響,也往往無法在事發當時正確掌握(更不用說事前估計),只能在事後以歷史的角度回顧。也就是說,我們理解這個世界的方式,比較像是在氣候溫和的地方,依照直覺、常識或經驗,預測明天是晴天,而不是在平靜之中預知洪水和地震等天災即將來臨。

此外,作者指出,高複雜度的系統,往往天生具有不可預測的本質。以美國職棒大聯盟為例:比賽的各種細節受到球迷高度關注,從每一位球員的打擊率到各個先發投手的防禦率等等,各種統計數據鉅細靡遺。棒球賭盤也發展出複雜的模型,使用上述各種統計數據當參數,來預測下一場比賽的勝敗。知道得愈多不是愈好嗎?考慮了一場比賽的先發投手防禦率,豈不能更精準地預測比賽勝敗嗎?然而統計結果顯示:複雜模型對大聯盟賽事做出的預測,和一個僅僅統計主場優勢以及兩隊之間近期輸贏所做出的簡單預測,兩者的表現幾乎沒有任何差別。

我們所在的這個世界,是由複雜系統所組成。事件的不可預測性,使得決策變得困難。作者引用麥可雷諾提出的策略矛盾概念:以Sony在Betamax與VHS規格競爭、以及MiniDisc的失敗為例,說明策略失敗的原因並不一定是策略差,而是因為好策略『事後回顧』未必正確。差勁的策略確實不具備成功的要素,然而,高明的策略,即使『願景清楚、領導果決、執行力不偏不倚』卻也可能帶來如雷轟頂的失敗。這些策略的願景是對是錯,無法事前預測,只能事後回顧,以結局論成敗。

一般人不會喜歡這種結論的。尤其是商業人士,誰在乎社會學家的嘮叨啊?他們會繼續在『大數據』當中偵側各式信號、建立消費行為的各式複雜模型。別忘了,Google Analytics提供幾百種參數,讓網頁業主了解訪客行為。這可是Google,多麼成功的企業。

沒有留言: