11.08.2011

為什麼無法控制我的狗

image

 

 

 

 

在圖書館偶得,一本比預期之外的好書。

初閱讀時只想打發時間,越讀越覺獲益匪淺。

裡面都是短篇,有些初讀不以為意,越想才發現後招變化不窮。

描述的論點很廣,認知、決策、說服、領導、組織……

推薦給喜歡思考及理論的朋友~


我一直在思考的問題:理論有什麼用?

盧希鵬博士在前言中說的好:博士讀的是理論哲學,但理論對專業有什麼用?

隨著工業時代的專業分工,漸漸地學教育的不懂音樂、學數學的不懂文學、學管理的不懂工程。
等到學生畢業,進入不同的行業,又演變成金融業不懂建築業、建築業不懂零售業。愈講求專業分工,卻發現愈缺乏跨領域整合的更寬廣視野。

理論的發展與專業分工的方向正好相反,理論講求「一般化」(generalization),尋找不同行業與專業之間的共通性,像是行銷與人管的共通性,或是管理、工程與生物等不同專業的共通性,最後逐漸朝向尋找吾道一以貫之的「一」與「道」來邁進。

舉例來說,博塔朗菲(Ludwig Von Bertalanffy)嘗試以「一般系統理論」解釋所有的系統,認為系統都包括了輸入、處理與輸出,並藉由回饋來控制整個系統。你不難發現,機械系統、消化系統、電腦系統、組織系統等等的共同特性,不就是如此嗎?學會系統理論,能讓你結構化地了解任一複雜系統。

理論來自於眾多個案的共同特性,所以直接反推在單一個案時,便會有學院派不夠專業的感覺。一個待在化工業30年的專業工程師,可能無法了解汽車產業,但讀過產業分析相關理論的人,便能利用這些一般化的工具,快速了解不同產業的特性,但是絕對不會比待在單一產業30年的人更專業。

原來,理論的學習在於增加經理人更寬廣與嚴謹的視野,並且改變思考氣質。

盧希鵬曾在口試時問他的學生:「如果有一件投資,理論與你的直覺相違背時,你會相信理論還是直覺?」
學生回答說是直覺,盧繼續問道:「那你為什麼到學校博士班讀理論?」
學生回答得也很妙:「理論能幫助我的直覺更周延,同時也能幫助我說服人家接受我的直覺!」。

下面是讓我思考較多的幾的章節:


直覺理論

許多事實太過複雜,什麼是事實?其實人們認知到的事實,就是事實
(我覺得這很像是休謨[Hume]的論點…)

而認知到的事實,往往不是來自於理性的推理,而是來自於學校不太教的直覺

經理人許多時候靠的不是分析,而是稱做捷思(hueristics)的直覺。這種直覺捷思能讓經理人快速做出決策,雖然不是最好的,可能也是錯誤的,但是不可否認的,直覺還是人們主要做判斷的方式。

諾貝爾經濟獎得主Daniel Kahneman 及Amos Tversky提出人們常用的三種直覺捷思:

1.看起來像(表徵相似原則,Representativeness):包裝、外貌。

2.記起來是(易於記憶原則,Availability):故事使人印象深刻。

3.比較起來(定錨調整原則Anchoring & Adjustment):比較參考點。

所以,直覺捷思的判斷可能不是正確的,但是記住:認知到的事實,才是事實!

衡量理論

彼得杜拉克認為:「沒有數字,就沒有管理」,所以許多企業在實施績效考核時,盡量都要求量化。我同意,不過在採用數字之前,我們必須瞭解有關數字的理論,因為,人的行為與數字很不一樣,怎麼可以單以數字來衡量人的行為?

根據衡量理論(measurement theory),數字指標可以分做:
(1)「標籤指標」(nominal scale,只是個標籤,如王建民是40號,飛人喬單是23號,這種指標無法排序,不能說王建民>飛人喬單,相加等於63更是沒有意義)。
(2) 「順序指標」(ordinal scale,如名次,這種指標是無法加減的,像是第一名加上第二名=第三名是毫無意義的)。
(3) 「間隔指標」(interval scale, 指間隔等距的指標,如溫度。但這種指標沒有原點,所以不能乘除,像是溫度0度不是真正的0,所以我們不能說溫度2度是1度的兩倍熱)。
(4)「比例指標」(ratio scale, 當有原點時,方可做數學運算,如重量0公斤就是沒有重量時,我們就可以說2公斤是1公斤的兩倍重)。

如果績效指標牽涉到多項因素與權重的話,那可要更注意了!許多時候只要任一樣好(壞)就是好(壞)。
有人戲稱男女朋友可以因為彼此的一個優點結婚,婚姻可以因為一個缺點而破滅。也有時候要樣樣好才叫好,我也看過一個安全指標得了九分,但是單單沒有做到的那一項,可能就會讓系統萬劫不復。

數字指的主要是客觀的事實,一旦要衡量人的主觀偏好與行為,數字的目的只是讓人think harder,但是一旦用來作為績效評估,就會有偏誤

OWN A PIECE OF TAIWAN

主觀的機率

機率統計是數字,一旦變成數字,數學家便搞出許多深奧的公式出來,公式越複雜,假設越多,離真實世界也更遠,然後統計學也越難。如上期所言,數字不能代表行為,那統計是否也有其限制?

學校教的統計道理很簡單,真實世界是母體,因為許多情況是未知,所以用實驗室中的抽樣實驗來猜測真實世界的情況。像是我們不知道工廠生產出來的燈泡平均壽命有多長,於是在實驗室中抽樣,來猜測真實的情況。過去經驗告訴我們,這些推測的結果還不錯。但是如果遇到無法重複實驗的單一事件(多半人生問題與企業決策都無法重複),就需仰賴主觀機率的判斷,但是學校卻沒教

目前機率統計主要有三個學派:
(1) 古典學派:由賭場所發展,像是丟一個銅幣,出現正面的機率就是二分之一。
(2) 次數學派:需要能夠重複做實驗。銅板連續丟了1000次,便能知道出現正面的機率。這學派在二次世界大戰時因有許多戰備物資生產與品管而大行其道,成為現在教科書中的主流。
(3) 主觀學派:根據環境與感覺,主觀猜測出現正面的機率。

經理人應學習主觀機率判斷  (下面案例讓我思考頗多:)

許多管理事件與決策屬於單一事件(one-time event),無法重複實驗,使得次數學派英雄無用武之地,必須採取主觀學派。

舉例來說,每年都有很多人報考EMBA,假設有100人報名,只錄取十名,那「你」考上的機率是多少?

古典學派會說:10%,因為每十個人只有一個人上。

次數學派會說:當你考過三十次後,我就知道你的錄取率了。因為你只考一次,無法大量重複實驗,所以無法判斷你考上的機率。

主觀學派卻說:我相信是多少就是多少。如果你是上市公司董事長,信心可以是100%,如果你是小職員,錄取率大概就是零。不過,人們對於小機率的事件通常都會過份樂觀,所以有人(貝氏Bayesian學派)建議,你的信心只是初步主觀的機率(Prior Probability),你必須觀察考上的人與你相似背景的人多不多(Likelihood Experiment),來調整你的主觀成為觀察後的機率(Posterior Probability)。


唔,節錄這些內容,若有版權問題,請予告知。

盧希鵬教授(盧老師專欄)有一些文章的分享,可參考:
http://140.118.9.116/mislab/?q=trackerartical

沒有留言: