未来架构师的平台战略范例(4) 

 

作者:高焕堂,misoo.tw@qq.com  

首页:Back 

                                      

主题:决策爱上大数据

 

一、前言

  这是我(高焕堂)于北京的<2014 Spark亚太峰会>的演讲内容。有鉴于许多人从全体行为的预测(prediction)视解,观其大数据与技术发展。本讲座,将从更大的决策(decision)视野,来看大数据和技术的应用。阐述如何像股神巴菲特(Buffett)一样思考决策,发挥技术威力,让决策爱上大数据。


  大家都知道,<电脑+大数据>能大幅提升电脑的预测(prediction)和短期决策的能力。然而,许多人还不知道,<人脑+大数据>则能大幅提升人脑的长期预测(forecasting)和决策的能力。

二、认识<大数据>的意义

  大数据是电脑与电脑之间互相对话的语言,只有在这些电脑之间高速对话才会产生大规模的大数据。电脑之间的对话通常是透过物联网、云平台、宽带网、移动终端等设施来传递,随着信息科技的发展,大数据的规模愈来愈大,电脑也愈来愈智能化。

  大数据的价值并非与生俱来而是应用创新之结果,价值是由技术组合创新涌现出来的。例如,大数据与AI深度学习的技术组合、大数据与VR三维立体呈现技术的组合,让大数据的应用场合不断扩大,其商业价值也愈来愈大。 

三、电脑+大数据:创造智能化服务

  在传统上,是人们来操作电脑,或者透过人手来把数据输入电脑里。这是人脑和电脑一起组合,共同使用大数据的情形。随着信息科技的发展,电脑与电脑之间直接对话的情形愈多了,人脑的介入反而阻碍服务的效率。当大数据的规模愈来愈大,电脑也愈来愈智能化,更加排除掉人脑的参与,电脑将会取代许多人们的工作了,抢走了人们的工作机会。

  电脑把人脑排除在外的好处是:1)执行速度快,才能迅速处理海量的数据;2) 执行结果具有确定性的,可重复的工作能做得更快。除了运算快、确定性之外,最关键的是:大数据提升了电脑的预测(prediction)能力,也就是智能化的核心。电脑能够迅速搜索海量数据,掌握整体的面貌,比过去的统计实验途径更迅速看到全体的变化趋势。基于这种实时性和全体性,迅速分析出复杂数据之间的相关性(dependency),并依据相关性来进行短期的预测和决策。原来是人们(智能)专长的这种短期预测和决策能力,已经逐渐被电脑(+大数据)所超越了。 

四、人脑+大数据:提升长期决策能力

  刚才谈到了,电 脑的高速运算能力,加上大数据之后,如虎添翼,快速掌握复杂数据的相关性,超越了人们的短期预测和决策能力,可能会抢走许多人们的工作。那么,<人脑+大数据>又有那些部分是可以发挥的呢? 当然有的,例如可有效发挥大数据的特性,提升目前决策的未来性,降低长期决策的风险。降低决策风险是决策者的责任,就如同军事将领常说的:<不打没把握的仗>。那么,人们又如何提升对事物的把握度,来降低风险呢? 其途径有二:

【1】基于现实优势,以数据来严格<实证>和选择符合预测性的途径。就是所谓的:发挥优势,稳定之中,(找机会)力求发展。

【2】基于未来机会,以数据来严格<否证>和删除无现实基础的各种途径,去芜存菁,选择能从现实通往未来愿景的途径。就是所谓的:把握机会,创新途径,实现愿景。

  这两种途径都能有效提升对事物的把握度,来降低风险。其中,前者较为关注于短期风险,大数据对于降低短期风险有加乘效果,但对降低长期风险帮助较小;而后者则较为观注于长期风险,大数据的短期预测性能有效降低短期风险,具有互补的作用。因之,就整体风险而言,后者是大数据下,企业的美好决策思考模式。

  君不见,股市投资之神 巴菲特在进行投资评估时,基于详尽的数据分析,删除高风险的方案,实践他<不打没把握的仗>的原则,大幅降低长期投资风险。这是以数据分析来检验长期决策的模式,有效补捉未来机会,降低风险。

五、从复杂设计出简单框架

  物的简单,来自其元素不多(最好不超过4个),元素关系明确。例如,道尔顿(Dalton)的原子(atom)模型,只有3个元素: 质子、中子、电子。足够简单,人类可无中生有许多how-to来操作它,并藉之驾驭复杂多变的人们周遭事物。我也从知识3.0的复杂中设计出简单结构,就如同道尔顿的原子(atom),我的简单含有4个元素: 决策(decision)、愿景(vision)、假设(assumption)和事实(reality)。

  这是我从复杂而设计出来的简单框架。在知识3.0里,像上述的的简单思维框架,并不是唯一的,而是人人都可以设计出自己的简单框架,并基于自己的简单框架,而找到许多how-to来操作这些框架。如此,即可设计出最佳方案、解决问题、驾驭复杂。例如,针对大数据(big data)而言,身为《未来架构师》,就是架构未来的人,自然会重视关于眼前(长期)决策的未来性。于是,我针对商业平台,而设计出一个简单的思维框架,其包含4项元素: 决策(decision)、愿景(vision)、假设(assumption)和大数据(big data)。

  以上只是一个思维框架,展现了《未来架构师》如何思考长期决策,然后基于这项简单设计,以创新的how-to来操作它,藉之驾驭复杂,创造长期决策的未来性,大幅降低长期决策的风险。 

六、流程演练:决策爱上大数据       

A) 大数据如何提升电脑做<短期决策>

Step-A1. 大数据表现最亮丽的部分是:短期的预测与决策。如下图:

     

Step-A2. 对大数据进行相关性分析,非常有助于提升短期决策,如下图: 

Step-A3. 基于相关性分析,可以提供有效的预测,并提供实证资料来指引企业经理们迅速采取业务操作(operations)面的决策。随着大数据和AI(人工智能)的结合,愈来愈多的电 脑袋替人们(经理们)来做这些决策。表示如下:

Step-A4. 因此,当大数据的规模愈来愈大,电 脑也愈来愈智能化,更加排除掉人脑的参与,电 脑将会取代许多人们的工作了,抢走了人们的工作机会,表示如下:

 

B) 大数据如何提升人脑做<长期决策>

Step-B1. 如何基于大数据来支持人们的长期决策呢? 例如,企业总裁的长期决策。表示如下:

   

Step-B2. 由于长期决策,未来环境瞬息万变,愈长期的决策,其面对的不确定性就愈高。表示如下:

Step-B3. 愿景就像北极星,指引人们发现更多可通往愿景之路径。表示如下:

Step-B4. 但是这些可通往愿景之路径,人们还未确知在未来的路程中,是否可获得能够现实条件的支持,所以决策者内心会有许多对未来可能资源和变化,做出很多<假设>。表示如下:

Step-B5. 这种对未来演变趋势的假设性预估,就称为:预测或预估(forecasting)。表示如下:

Step-B6. 假设性的估计,需要事实来检验(否证)。这时,大数据可扮演非常重要的角色:强有力地否证决策者的内新的假设。表示如下:

 

Step-B7. 人脑擅长做假设,电 脑擅长于大数据分析,于是<人脑+假设>+<电 脑+大数据>成为最棒的长期决策的合作模式。这个模式简称为:<人脑+大数据>模式。表示如下:

Step-B8. <人脑+假设>+<电 脑+大数据> == <人脑+大数据>模式能对各项假设,进行<去芜存菁>的作用,也就能大幅降低决策的风险,表示如下:

  

七、<人脑+大数据>的原理

决策者与大数据

  目前的大数据领域的主轴在于:搜寻、分析和图形表现技术上。大幅扩大人类的归纳逻辑推理能力。这如同20多年前,Microsoft公司时代的Execl电子表格,发挥了科学性的统计分析能力。它让我们知道「为何如此」,更知道「正是如此(“现在”)」。我们“过去”留下的数据轨迹,将成为我们认识“未来”世界的最好起点。大数据只给个人或企业的未来起点(现在),在这部分,<电 脑+大数据>将表现得愈来愈亮丽了。

  那么,从现在到未来,就是<人脑+大数据>的美好舞台了。人脑提供创新力,让现在决策具有高度<未来性>,俗称为:创新决策。 这就如同10年前,苹果公司的iPhone智能终端,让科学分析与设计创意结合,抓住了决策者(如老板、策划经理、医生和销售人员)的心灵,而主宰整个产业。<人脑+大数据>可让决策者完美发挥大数据的科学分析和创新思考能力,有效支撑企业的商业模式和策略。

人类决策的<直觉与偏见>

  诺贝尔奖得主卡尼曼(Daniel Kahneman)写了一本书:《思考,快与慢》。在书里,卡尼曼指出:人有两个系统,其主宰着人的思考与决策。

 

  两个系统哩,一个快思,另一个慢想。快的叫做<系统一>,专司直觉思考,包括知觉和记忆,非常的快,不费力。而慢的叫做<系统二>,这是需用到注意力去做费力的心智活动。通常在<系统一>感到无能为力的时候,<系统二>才会上场。卡尼曼这本书,就想要破除思考的盲点与迷思,希望人们不仅要会直觉地「快思」,也要能缜密的「慢想」,其决策的质量就会大大提高。

  卡尼曼指出,虽然一般人想到自己的时候,多半认为自己是经过思考后才做出判断,也就是认为<系统二>在当家,但是因为<系统一>可以提供毫不费力、自动产生的印象,所以<系统二>经常就「省事地」采纳了系统一的建议来过日子。

 

  简而言之,<系统一>代表着反射性的直觉思考,决策常常产生偏见。而<系统二>则代表着按部就班分析的理性思考,客观地检验决策。

  因此,<人脑(系统一)+大数据>常常会在决策时找到更多证据来支持<系统一>的直觉,导致更严重的偏见。

  反之,如果是<人脑(系统二)+大数据>,则常常会在决策时找到更多证据来支持<系统二>的客观检验,避免<系统一>的偏见。

八、<人脑(系统二)+大数据>:降低长期决策风险

巴菲特:先保本,后获利

  在长期决策上,决策者以愿景(vision)为基础,来进行设想(未来性)、思考推理和决策,然后拿分析结果来支持<系统二>,客观地检验人们的直觉和决策。于是,大幅降低了长期决策的风险。

  君不见,巴菲特(Warren Buffett)是当今世界具有传奇色彩的证券投资家,并大获成功。巴菲特说:“投资的第一条准则是不要赔钱(把风险降到最低 );第二条准则是永远不要忘记第一条。”

  其意味着,透过大数据来<力图否证>某些决策;以便去芜存菁,逐渐浮现出大资料所支持(实证)的有效决策。例如,巴菲特的价值投资原则是:公司的股本收益率应该不低于15%。依据资料分析来去芜存菁(否证&删除)。然后,像可口可乐的股本收益率超过30%、美国运通公司达到37%等才是投资好对象。只偏爱那些能对竞争者构成巨大“经济屏障”的公司。 

兵书:不打没把握的仗

  巴菲特的决策思考,很符合《孙子兵法》的原则。例如:

  • 孙子兵法: “昔之善战者,先为不可胜,以待敌之可胜。不可胜在己,可胜在敌。” (善于用兵者,不打没把握的仗,寻觅成功机会而出兵。不打没把握的仗,在于自己不掉入陷阱(预见失败)。寻觅成功机会在于探索外部战略资源和机运。)

  • 孙子兵法: “故善战者,能为不可胜,不能使敌之必可胜。故曰:胜可知,而不可为。” (善于用兵者,能够预见失败,不给竞争者必胜之机。因之,成功在于自己努力探索,不断提升信心和期待,却无法强求百分之百打胜仗。)

  • 孙子兵法: “不可胜者,守也;可胜者,攻也。守则不足,攻则有余。善守者藏于九地之下,善攻者动于九天之上,故能自保而全胜也。” (不打没把握的仗,偏于否证;探索成功机会,偏于实证。从否证中找出陷阱;实证中提升信心。善于否证者,避开风险而养精蓄锐;以否证为基础而力求实证者,因而打无风险的有把握之仗。)

  • 孙子兵法: “见胜不过众人之所知,非善之善者也;战胜而天下曰善,非善之善者也。…故善战者,立于不败之地,而不失敌之败也。是故胜兵先胜而后求战,败兵先战而后求胜。善用兵者,修道而保法,故能为胜败之政。” (如果从大数据的实证和短期预测,看出赢家机会,这样的赢家是短视的。这种短利的赢家,不算最高明的。…. 而真正的赢家是,基于大数据来否证,避开长期风险而养精蓄锐;不贪图短期成功而自豪,致力于捕捉长期成功机会。其不打没把握的仗(长期决策),不打没必要的仗(短期决策);因此,用兵高手是善于<假设-否证>,主宰了长期决策的胜败。) 

  • 知识3.0的思维是与生俱来的,只是没有唤醒而已,向孔明、孙子等人具有高度的联想力和创造力,通常都会有活跃的知识3.0的假设/否证思维。只是孔明、孙子等人并没有以明显的文字表达出来。导致后人常常用知识1.0的思维去理解他们的文章。我们可以运用知识3.0思维来诠释,更容易从其文章里学到许多隐藏于幕后的珍贵知识。例如:孙子兵法: “

      l   可胜:实战()也。

l   不可胜:不实证()也。

l  不能使敌之必可胜:不能让对方有把握实证(实战)也。

l  胜可知,而不可为:胜负不必实战(),即可(从否证)而知晓。

l  不可胜者,守也;可胜者,攻也不实战()也,防守。实战,进攻。

l   守则不足,攻则有余。防守,隐藏弱点,让敌方不足以有把握实战()也。进攻,扩大声势,让敌方知道我必得胜(而敌自败)

l  善守者藏于九地之下,善攻者动于九天之上,故能自保而全胜也:防守时,深藏弱点。进攻时,虚张声势。敌方不敢攻而不败,不战而屈人之兵,完圣也。

l  见胜不过众人之所知,非善之善者也;战胜而天下曰善,非善之善者也实战而胜,非上上之策也。

l   故善战者,立于不败之地,而不失敌之败也敌方不敢实战,而不错失让敌自败也。

l   是故胜兵先胜而后求战,败兵先战而后求胜。善用兵者,修道而保法,故能为胜败之政:胜者在于,否证敌方,立于不败,才实战取胜。败者,出兵实战,才寻找机会胜出。

九、结语

  大数据是现实(fact)的抽象数据,其抽象思维过程的幕后假设(assumption),对于所呈现出来的数据影响很大。例如,科举中状元,表示人品优秀。大学考试分数高,表示学生优秀。评选状元和计算分数的幕后准则(Criteria)及其权重(Weight)高低往往基于专家的直觉和推论假设。这些假设,会影响数据显示的因果关系;因为这些假设已经预设了某些因子对于结果影响力的高低了。因此,大数据分析师的幕后思维中的推论假设,大大影响了大数据的呈现。

  大数据凸显特定角度(特定假设)的全面性(大数据的完整性)趋势变化,能有效弭补专家逻辑思维(完整性、实时性)的不足。大数据在弥补专家思维广度(实时性、完整性)的不足,是非常有帮助的。

  然而,如果过于依赖大数据来找出影响因子,并据之拟定业务执行策略,则常常是短利而长空。万一幕后的推论假设,因环境而变化了,主要影响因子改变了,所有基于旧有影响因子的投入与设施,可能一夕之间就失灵了。俗语说,水能载舟也能覆舟。大数据会说话,也会骗人(也被人的假设所骗)。深思大数据幕后的抽象视角、推论假设和评估准则,有助于善用大数据,又能避免掉入”数据会骗人”的陷阱里。也能强化<理性>而避免过度的<适用主义>、强化<治本>而避免过度<治标>的近利偏执。

  如果专家们(或决策者)更善于运用大数据,则专家直觉的思维深度,与大数据的取样广度(实时而完整),做了完美结合,将大幅提升决策的现实性。更进一步,如果专家能有效探索大数据的真实性(有效从真实中抽象出数据),避免数据骗人的话,就能确保决策的有效性了。胡适曾说:大胆假设,小心求证。当我们把大数据角色定位为小心求证的<减法>机制时,专家们(或决策者)便敢大胆地运用其专家直觉而进行<加法>创新(即假设、思考和推理)了。

~ End ~

                                      

著作:《思考软件、创新设计:A段架构师的思考技术》

演讲:创新思维框架(2016 Tid大会/北京/国家会议中心)

相关文章: 

 如何培养《未来架构师》

 《未来架构师》的平台战略范例(1):VISA信用卡

 《未来架构师》的平台战略范例(2):集装箱的序中有乱

 《未来架构师》的平台战略范例(3):Docker云平台

 《未来架构师》的平台战略范例(4):决策爱上大数据