演算法下的行銷優勢

我們常聽到，與機器相比，人類有多麼不理性、多麼欠缺效率。與矽晶動力的電腦相較之下，人腦不僅呆鈍還太情緒化。在職場上，人類根本一無是處，只會拖延專案進度，把原本黑白分明的事變得模糊且複雜。我們需要透過經驗學習，而我們即使學到一些東西，也仍然無法達到演算法那種精確、嚴密或一致。

由於在這世上的地位跌得實在太慘，我們還找出一句為自己辯白的託辭。在員工休息室或下班後酒酣耳熱之間，我們會聳聳肩對同事說，「我也只是人而已」。這句話點出我們的文化對人性的一種真正看法：既是人，就充滿瑕疵。

工程圈稱此為「人因因素」（human factor）。在航空、供應鏈管理、製藥等產界，所謂「人因因素」就是「會出錯」的另一種說法。學界甚至出現一門新學術，名為「人因因素研究」，專門研究如何更正我們在人機互動過程中所犯下的錯誤，以「優化」這些互動。人因因素研究探討的是，當人類犯下常見錯誤時，機器應該怎麼因應才能得到最好的結果。舉例來說，谷歌一輛自駕車在設法解釋真人駕駛的前後矛盾時，便運用這種研究。人類以行為不規律出名，這種缺陷使自駕車很難用演算法達到完美駕駛。

我們人類的悲哀還不只如此而已，記者與未來學者也不斷告誡，人類的大部分工作即將為機器人取代。首先被機器搶走飯碗的是工廠與客服員工，但很快所有勞動力，包括餐館員工、藥劑師、診斷師、律師、會計師，就連照顧老人的看護都得丟差。對記者與學者而言，目前的問題不是這種現象會不會出現，而是出現以後我們應該如何自處。

這種人性問題的解決之道似乎很清楚。如果想讓自己仍然有用——想保住工作——我們就得將周遭的一切讓給演算法，甚至向演算法屈膝稱臣。我們每天總會聽到一些「魔球」式的新故事，說某家公司如何聘了一名常春藤盟校出身的經濟專家，拋開人類直覺與經驗，用完全以事實為根據的分析破解產業迷津。我們耳濡目染，盡是亞馬遜、谷歌與無數其他新創企業用大數據取勝的消息。職業點評網站Glassdoor 根據職缺、薪酬與升遷機會數字，將「數據科學家」列為美國在2016年的頭號工作。我們堅信更多數據能帶來更多見解。如果在觀察一百個人的「資料集」（data set）之後，我們學到，一旦將資料集擴大到十萬人，我們學到的豈不是要比多得太多？資料集擴大到一億呢？擴大到十億呢？臉書執行長馬克．祖克柏（Mark Zuckerberg）最近向投資人表示，他希望臉書的機器學習能創造「世上一切知識最明確的模式」。

學生們也接獲這類訊息。過去在美國最著名的大學，英文與歷史這類博雅教育領域是最熱門的主修學科，但近年來工程與自然科學愈來愈紅，讓許多人文科系元氣大傷。自二十世紀六Ｏ年代迄今，人文科系畢業生人數已經少了一半。人文學術領域研究經費也暴減。在2011年，與科學及工程研發經費相形之下，人文經費占比竟連百分之零點五都不到。在社會科學方面，社會網路分析與心理測定學這類定量研究成為顯學，社會學與人類學等定性研究則乏人問津。在2015年一次市政廳會議中，美國共和黨總統候選人傑布．布希（Jeb Bush）告訴與會人士，主修心理學這類學科的學生最後只能在速食店找工作。同一年，日本文部大臣下令日本大學關閉社會學與人文學院所，或將之轉型為「以服務能滿足社會需求的領域」。文學、歷史、哲學、藝術、心理學與人類學這類探討文化的人文學術，不再能滿足「社會需求」。 人文學術以人文知識為基礎，探討不同的人以及不同的人的世界，但這樣的學術已經由官方正式宣告為「無用」。畢竟，透過大數據可以取用無盡的資訊，以人為首的文化探討又能有什麼價值？既然演算法可以「閱讀」所有好書，還能為我們公正分析書本內容，又何必花時間真正讀幾本好書？戲劇、繪畫、歷史研究、舞蹈、政治論文、詩歌，以及有關文化的知識，既然無法去除特異性與環境背景，轉換為大量資訊，又有何價值可言？

我寫這本書的目的，主要表達一個緊急訊息：它們當然有價值。

否定這種透過人文思考取得的文化知識，會為我們的未來帶來奇險。我們需要具備一定敏感度，才能取得所有不屬於化約論（reductionism）範疇的知識，然而一旦我們將全副精神完全投注在硬數據與自然科學方法上——當我們將人類行為視為眾多夸克或物件，以便量化時——我們將腐蝕這種敏感度。我們將與書本、音樂、藝術及文化失聯，也因此無法在複雜的社會環境中體驗自我。

這不是什麼純供象牙塔內辯論之用的深奧課題。事實上，我在顧問職涯中每天都能眼見這種現象造成的惡果。我見到許多大公司的高級主管欠缺文化素養。我遇到太多頂尖領導幹部所持世界觀過於狹隘。他們與顧客、選民的人文經驗失聯，也因此將數字表象與模式誤認為真實人生。他們將工作日程切割成眾多小塊，覺得自己不再有時間悠遊在真實世界龐雜紛擾、五花八門的資料數據中。他們在尚未了解真實問題之前，就已經栽進問題解決流程，驟下結論。

也因為如此，企業主一般會聘用工程科系或企管碩士出身的低階主管，在數據戰場上代為衝鋒陷陣。這類低階經理對硬數據的迷戀往往掩飾了他們驚人的缺陷，在今日的商務世界，他們之中有許多人會撞上玻璃天花板 。他們是麻木不仁的化約主義者，看不清那些最讓人興奮、最重要的模式。他們是做「對」一切的經理：他們破解這個系統，在一切測驗中 名列前茅；他們唸最好的學校，而且取得高分；他們用整個受教過程訓練腦子減少問題、解決問題。就這樣，到了今天，他們仍欠缺晉升高層所需的智慧涵養。

對成功的職涯而言，人文與社會科學的訓練就算不比STEM重要，至少也同等重要。想用硬數據證明這一點並不容易。不過，且讓我用一件事來說明。《華爾街日報》在2008年報導研究業者PayScale Inc.進行的一項大規模全球薪酬研究報告。這項研究報告證實，擁有純STEM背景的學生，自大學畢業後一般都能獲得薪酬較佳的工作。就中等起薪而言，麻省理工學院與加州理工學院以七萬二千美元名列榜首，在職涯中期中等薪酬項下，這兩所學校也分別高踞第三與第六名。

但這項研究將美國所有大專院校畢業生全數納入，所以起薪與職涯中期的中等薪評估標準對STEM的畢業生有利。這是因為博雅教育畢業生在全美各地從事各式各樣、繁雜得令人難以想像的各行各業使然。但如果你觀察全美薪酬最高的人從哪裡畢業，情況便有所改觀。麻省理工學院排名落到第十一，前十名都是強調博雅教育概念的院校。耶魯與達特茅斯學院這類學府，以超過三十萬美元的成績在中等薪酬項下拔得頭籌。在職涯中期中等薪酬項下，除了麻省理工與加州理工以外，所有以STEM為主軸的學府只有卡內基．梅隆大學進入第九十百分點排行。

在主修科系上，這項研究也說了同樣故事。就整體來說，談到薪酬時，電腦工程與化學工程排名很高。在職涯中期中等薪酬項下，前二十名主修科系名單幾乎找不到人文科系。但如果你觀察全美國薪酬最高的人大學主修的科系，情況又一次出現變化：突然間主修政治學、哲學、戲劇與歷史的畢業生排名耀眼，而且他們往往出身柯爾蓋大學（Colgate University）、巴克納爾大學（Bucknell University）與聯合學院（Union College）這類純文科學府。

我們從這些數據中得知，大多數STEM訓練能讓學生在進入職場之初得到一份好工作與好待遇。但那些領高薪的人——主導大局、衝破玻璃天花板、改變世界的人——往往是那些博雅教育出身的畢業生。如果你聽信來自矽谷、政界人士、甚至來自許多教育界領導人的言論，這樣的事自然令你驚奇，但你若曾在全球性大公司、或在世上最有影響力的機構待過，這樣的事其實也理所當然。我為全球各地最頂尖的主管與管理階層做了近二十年顧問， 發現最成功的領導人往往是那些心性好奇、博學多聞、能讀小說也能看電腦報表的人。

無論如何，我們難道真會相信，僅憑一個線形「決策樹」（decision tree）或電腦報表上的一組數字，就能策畫一家全球性保險公司的前途？就能洞悉擬議法案可能帶來的政治與社會衝擊？當我們不再思考時，陷入險境的不僅是我們的智慧而已，還有我們的事業、教育、政府，以及我們的畢生積蓄。

像我一樣有這種顧慮的人不在少數。許多最著名的領導人已經公開呼籲：我們需要更多受過博雅訓練的思想家以因應未來。美國航太製造商洛克希德．馬丁（Lockheed Martin）的退休總裁兼執行長諾曼．奧古斯丁（Norman Augustine）在2011年投書《華爾街日報》，認為我們應該在小學與中學加強人文基礎教育：「歷史教育絕不僅僅是傳遞一個國家或文明的故事而已，它還要創造能將資訊消化、分析、進行綜合整理，以闡釋所見所聞的批判性思想家。各行各業許多領域都需要這樣的技巧。」

對於有志在今日複雜的管理環境中取勝的人，前寶僑（Procter & Gamble）執行長雷富 禮（A. G. Lafley）有一段忠告。他在《赫芬頓郵報》指出，「研究藝術、科學、人文學、社會學與語言，能為你帶來心理上的靈巧，讓你萌生新構想。面對今天不斷變化的環境，新構想是成功的本錢。就像職棒投手需要靈活的手臂及能夠冷靜算計的頭腦才能有效投球一樣，經理人也需要接受通才教育，才能在面對模糊不清、渾沌不明之際有效反應。想建立一個健全、靈活的心靈，概念性、開創性與批判性思考技巧是必不可缺的要件，完成博雅課程有助學生養成這些技巧。」

正如同許多走在商界、政策與創業戰線尖端的人士，這些領導人也不斷敲響警鐘，要求提升勞動人口教育素養。畢竟不很久以前，根據常態，金融界、媒體或政策領導人多有人文教育背景：美國運通（American Express）現任執行長肯尼斯．錢納特（Kenneth Chenault）曾言，他的領導與管理技巧來自其對歷史的深度鑽研；前執行長山姆．巴米沙諾（Sam Palmisano）曾在約翰．霍普金斯大學（Johns Hopkins）主修歷史；做過一任美國財政部長的亨利．鮑爾森（Henry “Hank” Paulson）曾在達特茅斯大學主修英文；在1999至2005年間擔任惠普（Hewlett Packard）執行長的卡莉．菲奧莉娜（Carly Fiorina）曾說，她在大學時代主修的中古史，為她奠下了解高科技世界的完美基礎；曾任迪士尼（Disney）執行長的麥可．艾斯納（Michael Eisner）為了主修英文與戲劇而捨棄商學與金融課；著名投資人卡爾．伊坎（Carl Icahn）當年在普林斯頓主修哲學，寫的畢業論文題目是「對經驗主義者標準意義提出適當解說的難題」；前美國聯邦存款保險公司（FDIC）董事長希拉．貝爾（Sheila Bair）大學時在堪薩斯大學（University of Kansas）主修哲學；私募基金公司黑石集團（Blackstone）董事長兼執行長蘇世民（Stephen Schwarzman）在耶魯選了一門他所謂跨「心理學、社會學、人類學與生物學，真正研究人類」的主修課。

但由於數據分析學位或線上最新電腦程式技巧的密集課程能夠立即派上用場，愈來愈多的人開始將人文學術視為老舊過時。這種文化轉型的結果是，我們再也看不見詩歌、雕塑、小說與音樂這類東西的價值。而一旦貶低人文價值，我們也因此失去探討另類世界的大好良機。在閱讀湯瑪斯．曼（Thomas Mann）的不朽巨著《魔山》（The Magic Mountain）時，我可以真正感受到，第一次大戰期間與戰後在歐洲造成的毀滅；見到「獵殺獨角獸」（The Hunt of the Unicorn）這類中古時代的掛毯時，我了解法國人在文藝復興盛極時期忙些什麼，遊覽日本京都龍安寺公園時，園區內石頭的布置與紋理、質感，也能向我訴說日本人世界觀與美學的一些線索。

無論你研究的是中國建築、墨西哥歷史或蘇非派（Sufis）哲理，這類思考能訓練我們的腦子綜合整理各種數據，讓我們無須贊同或不贊同狹隘的假設、逕行探討；使我們在面對一個特定世界時，能與它的獨特性心領神會。我相信，想了解任何一群人，這類文化性參與是必不可缺的訓練基礎。舉例而言，你如果為製藥公司工作，就得了解糖尿病患者的世界，否則你無論怎麼嘗試開發新藥，結果必定以失敗收場。假設你製造汽車。你需要了解一個住在中國西部的駕駛人怎麼過日子，要不然你造出的車子可能有一大堆在全球最大汽車市場不合用的特性。又如你在公家機關服務，便需要運用社會學工具對官僚文化進行批判性思維。

人文經驗教我們如何想像其他的世界，不過其所帶來的遠比這多得太多，因為一旦我們能充分想像其他世界——運用文化知識解釋我們的人文經驗——我們一定也能將自身所處的世界看得更精確。我們學會觀察，能看出模式與金融創新方案什麼時候偏離事實。我們知道如何從科學事實與實際現實、從既有情勢與未來可能性中進行精煉，找出模式，讓我們更有見解，最後幫我們建立真正的眼界、視野。長遠來說，無論就銀行帳戶或整個人生而言，有眼界、視野的人一定比關在數據籠子裡的人強得太多。

這種嚴密精確的文化參與，是我所謂「意義建構」（sensemaking）作法的基礎。許多年來，學界用「意義建構」一詞描述各種不同概念，但我在這整本書裡只用它描述一種古老的文化探討作法，這種作法以一套極有可能即將為我們遺忘的價值觀為基礎。透過意義建構法，我們運用人的智慧探索有意義的差異——對其他人重要，對我們本身也重要的差異。

在接下來的篇章中，意義建構法將引領我們在二十世紀哲理世界進行知識暢遊。我們要觀察形成人文研究骨幹的理論與方法，討論這些人文知識能幫我們從非線形數據中找出意義的各種途徑。我們要檢驗自身創造性見解的真正經驗，並且在檢驗過程中，去除一些假創新與突破之名、其實造成誤導的概念。我們還要會見「意義建構」大師，觀察何以人的智慧才是唯一可以塑造視野的智慧。

在人類文化發展過程中，我們從未對人工智慧、機器學習、認知運算（cognitive computing）的成果如此迷戀。我們政治、財經、社會、科技與環境系統相互重疊的世界，也從未像如今這樣錯綜交織、難解難分。我們必須提醒自己及自身文化，在了解這個世界的過程中，何以人的因素才是最重要的因素。

我們常聽到，與機器相比，人類有多麼不理性、多麼欠缺效率。與矽晶動力的電腦相較之下，人腦不僅呆鈍還太情緒化。在職場上，人類根本一無是處，只會拖延專案進度，把原本黑白分明的事變得模糊且複雜。我們需要透過經驗學習，而我們即使學到一些東西，也仍然無法達到演算法那種精確、嚴密或一致。

由於在這世上的地位跌得實在太慘，我們還找出一句為自己辯白的託辭。在員工休息室或下班後酒酣耳熱之間，我們會聳聳肩對同事說，「我也只是人而已」。這句話點出我們的文化對人性的一種真正看法：既是人，就充滿瑕疵。

工程圈稱此為「人因因素...

序言：思考的盡頭
前言：人因因素
第一章 看懂這個世界
第二章 矽谷是一種心態
第三章 原則1：注重文化，而非個人
第四章 原則2：掌握厚數據，不只是薄數據
第五章 原則3：要大草原，不要動物園
第六章 原則4：重視創意，捨棄工廠製造
第七章 原則5：學會仰望北極星，而非依賴GPS
第八章 生而為人，所為何來？
資料來源

序言：思考的盡頭
前言：人因因素
第一章 看懂這個世界
第二章 矽谷是一種心態
第三章 原則1：注重文化，而非個人
第四章 原則2：掌握厚數據，不只是薄數據
第五章 原則3：要大草原，不要動物園
第六章 原則4：重視創意，捨棄工廠製造
第七章 原則5：學會仰望北極星，而非依賴GPS
第八章 生而為人，所為何來？
資料來源