《未來架構師》的平臺戰略範例(4)
作者：高煥堂，[email protected]
首頁：Back
主題：決策愛上大數據
一、前言
這是我(高煥堂)於北京的<2014 Spark亞太峯會>的演講內容。有鑑於許多人從全體行爲的預測(prediction)視解，觀其大數據與技術發展。本講座，將從更大的決策(decision)視野，來看大數據和技術的應用。闡述如何像股神巴菲特(Buffett)一樣思考決策，發揮技術威力，讓決策愛上大數據。
大家都知道，<電腦+大數據>能大幅提升電腦的預測(prediction)和短期決策的能力。然而，許多人還不知道，<人腦+大數據>則能大幅提升人腦的長期預測(forecasting)和決策的能力。
二、認識<大數據>的意義
大數據是電腦與電腦之間互相對話的語言，只有在這些電腦之間高速對話纔會產生大規模的大數據。電腦之間的對話通常是透過物聯網、雲平臺、寬帶網、移動終端等設施來傳遞，隨着信息科技的發展，大數據的規模愈來愈大，電腦也愈來愈智能化。
大數據的價值並非與生俱來而是應用創新之結果，價值是由技術組合創新涌現出來的。例如，大數據與AI深度學習的技術組合、大數據與VR三維立體呈現技術的組合，讓大數據的應用場合不斷擴大，其商業價值也愈來愈大。
三、電腦+大數據：創造智能化服務
在傳統上，是人們來操作電腦，或者透過人手來把數據輸入電腦裏。這是人腦和電腦一起組合，共同使用大數據的情形。隨着信息科技的發展，電腦與電腦之間直接對話的情形愈多了，人腦的介入反而阻礙服務的效率。當大數據的規模愈來愈大，電腦也愈來愈智能化，更加排除掉人腦的參與，電腦將會取代許多人們的工作了，搶走了人們的工作機會。
電腦把人腦排除在外的好處是：1)執行速度快，才能迅速處理海量的數據；2) 執行結果具有確定性的，可重複的工作能做得更快。除了運算快、確定性之外，最關鍵的是：大數據提升了電腦的預測(prediction)能力，也就是智能化的核心。電腦能夠迅速搜索海量數據，掌握整體的面貌，比過去的統計實驗途徑更迅速看到全體的變化趨勢。基於這種實時性和全體性，迅速分析出複雜數據之間的相關性(dependency)，並依據相關性來進行短期的預測和決策。原來是人們(智能)專長的這種短期預測和決策能力，已經逐漸被電腦(+大數據)所超越了。
四、人腦+大數據：提升長期決策能力
剛纔談到了，電 腦的高速運算能力，加上大數據之後，如虎添翼，快速掌握複雜數據的相關性，超越了人們的短期預測和決策能力，可能會搶走許多人們的工作。那麼，<人腦+大數據>又有那些部分是可以發揮的呢? 當然有的，例如可有效發揮大數據的特性，提升目前決策的未來性，降低長期決策的風險。降低決策風險是決策者的責任，就如同軍事將領常說的：<不打沒把握的仗>。那麼，人們又如何提升對事物的把握度，來降低風險呢? 其途徑有二：
【1】基於現實優勢，以數據來嚴格<實證>和選擇符合預測性的途徑。就是所謂的：發揮優勢，穩定之中，(找機會)力求發展。
【2】基於未來機會，以數據來嚴格<否證>和刪除無現實基礎的各種途徑，去蕪存菁，選擇能從現實通往未來願景的途徑。就是所謂的：把握機會，創新途徑，實現願景。
這兩種途徑都能有效提升對事物的把握度，來降低風險。其中，前者較爲關注於短期風險，大數據對於降低短期風險有加乘效果，但對降低長期風險幫助較小；而後者則較爲觀注於長期風險，大數據的短期預測性能有效降低短期風險，具有互補的作用。因之，就整體風險而言，後者是大數據下，企業的美好決策思考模式。
君不見，股市投資之神 巴菲特在進行投資評估時，基於詳盡的數據分析，刪除高風險的方案，實踐他<不打沒把握的仗>的原則，大幅降低長期投資風險。這是以數據分析來檢驗長期決策的模式，有效補捉未來機會，降低風險。
五、從複雜設計出簡單框架
物的簡單，來自其元素不多(最好不超過4個)，元素關係明確。例如，道爾頓(Dalton)的原子(atom)模型，只有3個元素: 質子、中子、電子。足夠簡單，人類可無中生有許多how-to來操作它，並藉之駕馭複雜多變的人們週遭事物。我也從知識3.0的複雜中設計出簡單結構，就如同道爾頓的原子(atom)，我的簡單含有4個元素: 決策(decision)、願景(vision)、假設(assumption)和事實(reality)。
這是我從複雜而設計出來的簡單框架。在知識3.0裏，像上述的的簡單思維框架，並不是唯一的，而是人人都可以設計出自己的簡單框架，並基於自己的簡單框架，而找到許多how-to來操作這些框架。如此，即可設計出最佳方案、解決問題、駕馭複雜。例如，針對大數據(big data)而言，身爲《未來架構師》，就是架構未來的人，自然會重視關於眼前(長期)決策的未來性。於是，我針對商業平臺，而設計出一個簡單的思維框架，其包含4項元素: 決策(decision)、願景(vision)、假設(assumption)和大數據(big data)。
以上只是一個思維框架，展現了《未來架構師》如何思考長期決策，然後基於這項簡單設計，以創新的how-to來操作它，藉之駕馭複雜，創造長期決策的未來性，大幅降低長期決策的風險。
六、流程演練：決策愛上大數據
A) 大數據如何提升電腦做<短期決策>
Step-A1. 大數據表現最亮麗的部分是：短期的預測與決策。如下圖：
Step-A2. 對大數據進行相關性分析，非常有助於提升短期決策，如下圖：
Step-A3. 基於相關性分析，可以提供有效的預測，並提供實證資料來指引企業經理們迅速採取業務操作(operations)面的決策。隨着大數據和AI(人工智能)的結合，愈來愈多的電 腦袋替人們(經理們)來做這些決策。表示如下：
Step-A4. 因此，當大數據的規模愈來愈大，電 腦也愈來愈智能化，更加排除掉人腦的參與，電 腦將會取代許多人們的工作了，搶走了人們的工作機會，表示如下：
B) 大數據如何提升人腦做<長期決策>
Step-B1. 如何基於大數據來支持人們的長期決策呢? 例如，企業總裁的長期決策。表示如下：
Step-B2. 由於長期決策，未來環境瞬息萬變，愈長期的決策，其面對的不確定性就愈高。表示如下：
Step-B3. 願景就像北極星，指引人們發現更多可通往願景之路徑。表示如下：
Step-B4. 但是這些可通往願景之路徑，人們還未確知在未來的路程中，是否可獲得能夠現實條件的支持，所以決策者內心會有許多對未來可能資源和變化，做出很多<假設>。表示如下：
Step-B5. 這種對未來演變趨勢的假設性預估，就稱爲：預測或預估(forecasting)。表示如下：
Step-B6. 假設性的估計，需要事實來檢驗(否證)。這時，大數據可扮演非常重要的角色：強有力地否證決策者的內新的假設。表示如下：
Step-B7. 人腦擅長做假設，電 腦擅長於大數據分析，於是<人腦+假設>+<電 腦+大數據>成爲最棒的長期決策的合作模式。這個模式簡稱爲：<人腦+大數據>模式。表示如下：
Step-B8. <人腦+假設>+<電 腦+大數據> == <人腦+大數據>模式能對各項假設，進行<去蕪存菁>的作用，也就能大幅降低決策的風險，表示如下：
七、<人腦+大數據>的原理
決策者與大數據
目前的大數據領域的主軸在於：搜尋、分析和圖形表現技術上。大幅擴大人類的歸納邏輯推理能力。這如同20多年前，Microsoft公司時代的Execl電子表格，發揮了科學性的統計分析能力。它讓我們知道「爲何如此」，更知道「正是如此(“現在”)」。我們“過去”留下的數據軌跡，將成爲我們認識“未來”世界的最好起點。大數據只給個人或企業的未來起點(現在)，在這部分，<電 腦+大數據>將表現得愈來愈亮麗了。
那麼，從現在到未來，就是<人腦+大數據>的美好舞臺了。人腦提供創新力，讓現在決策具有高度<未來性>，俗稱爲：創新決策。 這就如同10年前，蘋果公司的iPhone智能終端，讓科學分析與設計創意結合，抓住了決策者(如老闆、策劃經理、醫生和銷售人員)的心靈，而主宰整個產業。<人腦+大數據>可讓決策者完美髮揮大數據的科學分析和創新思考能力，有效支撐企業的商業模式和策略。
人類決策的<直覺與偏見>
諾貝爾獎得主卡尼曼(Daniel Kahneman)寫了一本書：《思考，快與慢》。在書裏，卡尼曼指出：人有兩個系統，其主宰着人的思考與決策。
兩個系統哩，一個快思，另一個慢想。快的叫做<系統一>，專司直覺思考，包括知覺和記憶，非常的快，不費力。而慢的叫做<系統二>，這是需用到注意力去做費力的心智活動。通常在<系統一>感到無能爲力的時候，<系統二>纔會上場。卡尼曼這本書，就想要破除思考的盲點與迷思，希望人們不僅要會直覺地「快思」，也要能縝密的「慢想」，其決策的質量就會大大提高。
卡尼曼指出，雖然一般人想到自己的時候，多半認爲自己是經過思考後才做出判斷，也就是認爲<系統二>在當家，但是因爲<系統一>可以提供毫不費力、自動產生的印象，所以<系統二>經常就「省事地」採納了系統一的建議來過日子。
簡而言之，<系統一>代表着反射性的直覺思考，決策常常產生偏見。而<系統二>則代表着按部就班分析的理性思考，客觀地檢驗決策。
因此，<人腦(系統一)+大數據>常常會在決策時找到更多證據來支持<系統一>的直覺，導致更嚴重的偏見。
反之，如果是<人腦(系統二)+大數據>，則常常會在決策時找到更多證據來支持<系統二>的客觀檢驗，避免<系統一>的偏見。
八、<人腦(系統二)+大數據>：降低長期決策風險
巴菲特：先保本，後獲利
在長期決策上，決策者以願景(vision)爲基礎，來進行設想(未來性)、思考推理和決策，然後拿分析結果來支持<系統二>，客觀地檢驗人們的直覺和決策。於是，大幅降低了長期決策的風險。
君不見，巴菲特（Warren Buffett）是當今世界具有傳奇色彩的證券投資家，並大獲成功。巴菲特說:“投資的第一條準則是不要賠錢(把風險降到最低 )；第二條準則是永遠不要忘記第一條。”
其意味着，透過大數據來<力圖否證>某些決策；以便去蕪存菁，逐漸浮現出大資料所支持(實證)的有效決策。例如，巴菲特的價值投資原則是：公司的股本收益率應該不低於15%。依據資料分析來去蕪存菁(否證&刪除)。然後，像可口可樂的股本收益率超過30%、美國運通公司達到37%等纔是投資好對象。只偏愛那些能對競爭者構成巨大“經濟屏障”的公司。
兵書：不打沒把握的仗
巴菲特的決策思考，很符合《孫子兵法》的原則。例如：
孫子兵法： “昔之善戰者，先爲不可勝，以待敵之可勝。不可勝在己，可勝在敵。” (善於用兵者，不打沒把握的仗，尋覓成功機會而出兵。不打沒把握的仗，在於自己不掉入陷阱(預見失敗)。尋覓成功機會在於探索外部戰略資源和機運。)
孫子兵法： “故善戰者，能爲不可勝，不能使敵之必可勝。故曰：勝可知，而不可爲。” (善於用兵者，能夠預見失敗，不給競爭者必勝之機。因之，成功在於自己努力探索，不斷提升信心和期待，卻無法強求百分之百打勝仗。)
孫子兵法： “不可勝者，守也；可勝者，攻也。守則不足，攻則有餘。善守者藏於九地之下，善攻者動於九天之上，故能自保而全勝也。” (不打沒把握的仗，偏於否證；探索成功機會，偏於實證。從否證中找出陷阱；實證中提升信心。善於否證者，避開風險而養精蓄銳；以否證爲基礎而力求實證者，因而打無風險的有把握之仗。)
孫子兵法： “見勝不過衆人之所知，非善之善者也；戰勝而天下曰善，非善之善者也。…故善戰者，立於不敗之地，而不失敵之敗也。是故勝兵先勝而後求戰，敗兵先戰而後求勝。善用兵者，修道而保法，故能爲勝敗之政。” (如果從大數據的實證和短期預測，看出贏家機會，這樣的贏家是短視的。這種短利的贏家，不算最高明的。…. 而真正的贏家是，基於大數據來否證，避開長期風險而養精蓄銳；不貪圖短期成功而自豪，致力於捕捉長期成功機會。其不打沒把握的仗(長期決策)，不打沒必要的仗(短期決策)；因此，用兵高手是善於<假設-否證>，主宰了長期決策的勝敗。)
知識3.0的思維是與生俱來的，只是沒有喚醒而已，向孔明、孫子等人具有高度的聯想力和創造力，通常都會有活躍的知識3.0的假設/否證思維。只是孔明、孫子等人並沒有以明顯的文字表達出來。導致後人常常用知識1.0的思維去理解他們的文章。我們可以運用知識3.0思維來詮釋，更容易從其文章裏學到許多隱藏於幕後的珍貴知識。例如：孫子兵法： “
l 可勝：實戰(證)也。
l 不可勝：不實證(戰)也。
l 不能使敵之必可勝：不能讓對方有把握實證(實戰)也。
l 勝可知，而不可爲：勝負不必實戰(證)，即可(從否證)而知曉。
l 不可勝者，守也；可勝者，攻也：不實戰(證)也，防守。實戰，進攻。
l 守則不足，攻則有餘。防守，隱藏弱點，讓敵方不足以有把握實戰(證)也。進攻，擴大聲勢，讓敵方知道我必得勝(而敵自敗)。
l 善守者藏於九地之下，善攻者動於九天之上，故能自保而全勝也：防守時，深藏弱點。進攻時，虛張聲勢。敵方不敢攻而不敗，不戰而屈人之兵，完聖也。
l 見勝不過衆人之所知，非善之善者也；戰勝而天下曰善，非善之善者也：實戰而勝，非上上之策也。
l 故善戰者，立於不敗之地，而不失敵之敗也：敵方不敢實戰，而不錯失讓敵自敗也。
l 是故勝兵先勝而後求戰，敗兵先戰而後求勝。善用兵者，修道而保法，故能爲勝敗之政：勝者在於，否證敵方，立於不敗，才實戰取勝。敗者，出兵實戰，才尋找機會勝出。
九、結語
大數據是現實(fact)的抽象數據，其抽象思維過程的幕後假設(assumption)，對於所呈現出來的數據影響很大。例如，科舉中狀元，表示人品優秀。大學考試分數高，表示學生優秀。評選狀元和計算分數的幕後準則(Criteria)及其權重(Weight)高低往往基於專家的直覺和推論假設。這些假設，會影響數據顯示的因果關係；因爲這些假設已經預設了某些因子對於結果影響力的高低了。因此，大數據分析師的幕後思維中的推論假設，大大影響了大數據的呈現。
大數據凸顯特定角度(特定假設)的全面性(大數據的完整性)趨勢變化，能有效弭補專家邏輯思維(完整性、實時性)的不足。大數據在彌補專家思維廣度(實時性、完整性)的不足，是非常有幫助的。
然而，如果過於依賴大數據來找出影響因子，並據之擬定業務執行策略，則常常是短利而長空。萬一幕後的推論假設，因環境而變化了，主要影響因子改變了，所有基於舊有影響因子的投入與設施，可能一夕之間就失靈了。俗語說，水能載舟也能覆舟。大數據會說話，也會騙人(也被人的假設所騙)。深思大數據幕後的抽象視角、推論假設和評估準則，有助於善用大數據，又能避免掉入”數據會騙人”的陷阱裏。也能強化<理性>而避免過度的<適用主義>、強化<治本>而避免過度<治標>的近利偏執。
如果專家們(或決策者)更善於運用大數據，則專家直覺的思維深度，與大數據的取樣廣度(實時而完整)，做了完美結合，將大幅提升決策的現實性。更進一步，如果專家能有效探索大數據的真實性(有效從真實中抽象出數據)，避免數據騙人的話，就能確保決策的有效性了。胡適曾說：大膽假設，小心求證。當我們把大數據角色定位爲小心求證的<減法>機制時，專家們(或決策者)便敢大膽地運用其專家直覺而進行<加法>創新(即假設、思考和推理)了。
~ End ~
著作：《思考軟件、創新設計：A段架構師的思考技術》
演講：創新思維框架(2016 Tid大會/北京/國家會議中心)
相關文章：
如何培養《未來架構師》
《未來架構師》的平臺戰略範例(1)：VISA信用卡
《未來架構師》的平臺戰略範例(2)：集裝箱的序中有亂
《未來架構師》的平臺戰略範例(3)：Docker雲平臺
《未來架構師》的平臺戰略範例(4)：決策愛上大數據