未来架构师的平台战略范例(4)_大数据

大家好，欢迎来到IT知识分享网。

《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。

 (图片源自百度图片)

  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： “

• 可胜：实战(证)也。

• 不可胜：不实证(战)也。

• 不能使敌之必可胜：不能让对方有把握实证(实战)也。

• 胜可知，而不可为：胜负不必实战(证)，即可(从否证)而知晓。

• 不可胜者，守也；可胜者，攻也：不实战(证)也，防守。实战，进攻。

• 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(证)也。进攻，扩大声势，让敌方知道我必得胜(而敌自败)。

• 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。

• 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。

• 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。

• 是故胜兵先胜而后求战，败兵先战而后求胜：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