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。
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
留言