模型思维与”get through life”

标题引用语出Woody Allen老爷子在《君子》杂志的采访:

The best you can do to get through life is distraction. Love works as a distraction. And work works as a distraction. You can distract yourself a billion different ways. But the key is to distract yourself.

我这几年的工作本质上都是和数据打交道,只要不断有新东西可以挖,我就还多少总能保持一点好奇心和新鲜感,好歹能distract我from大部分的重复性劳动——卖东西/想法这事我有点天赋,但因为这样就时常面对客户和供应商,久了以后我发现比起做数据分析的实事,倒是people frequently bore me——所以相对其他工种,我逐渐开始意识到,这个毕业以后的偶然选择还挺适合我这性格,因为它确实可以serve as a distraction。

过去是一成不变的积淀。那么为了接下来几十年里也能找到足够的distraction,努力提高自身能力和判断力以适应日新月异的世界显然是符合逻辑的 XD。

不过,虽然人的能力与其判断力一定是正相关的,却不能说是简单的线性关系,因为判断力不仅随能力增长,同时也是能力增长斜率的重要影响因素之一。个体潜力差异的表征之一即在于同等能力水平线上面的存在一个上下浮动的判断力区间,不同对象在这个区间所处的位置亦不同,差异或小,而日积月累的作用是巨大的。

数据分析这事也一样,深浅实在因人而异。比如最近豆瓣某篇“大数据分析XXX”的标题党文章英勇地舍身取义,钓出了一堆数据分析大牛的评论,两相比较立知深浅,我受教颇多。比如这篇里面提到:

(数据分析)需要回答的问题原型就是:
系统S在过去这段时间内产生了这个数据集D,请问S处于什么样的状态?
而数据分析的核心方法论是:
将S描述为定量模型M,将数据集D经过加工F,映射到模型M上。M反映了分析者对系统的认识和理解。

四行字,言简意深。尤其后两行,一语惊醒,宇宙级别的适用性。不但是工作纲领,甚至在我们理解日常世界的方式上亦可阐发不少。前面说的判断力/能力关系不就是一个复杂模型中抽取出的两元素特征么。当然,哪怕不考虑真实是模糊的、或者真实也在快速变化中这些情况,正如应用在数据分析上的限制一样,这种外延出来的套用仍旧也是有限度的:

Wain_Cat_(realistic)louis-wain2

模型思维的设置是为了达到预设目的或者获取可习得信息的一种高效手段,不过须知,再复杂的模型也只是对真实的一种模拟,相似性99.9999%也仍只是相似而非相同,(何况这种相似率在大多数应用场景下只是天方夜谭),因此,一味穷追模拟近似度并没有实践研究层面上的意义,模型设置的复杂程度一旦超越了当前技术可应用/理性可消化的水平,就失去了即时的实用价值,只能作为超前的艺术静静等待未来站在发展前沿的人来鉴赏。

从实用层面考虑,模型思维的另一种误区,不是把模型设置得太简单,而是太脱离真实。我在工作中见过不少“分析师”/“战略咨询师”,沉浸在夸夸其谈的自我满足感中,却没意识到他们的模型好比空中楼阁,还是模仿立体派时期的毕加索的:他们用肆意的笔触构建了一个自己理想中的宏大模型,然后把所有的真实线索(数据)割裂扭曲着挤入这个模型,再喝着茶听着麻雀叫想着自己真聪明真牛逼,一个模型出手搞定一切问题嘛。

呵呵。

日常也是一样,如果将目力所及的一切都视作可作为分析对象的元素,用自己的思维模型来理解这些元素、与这些元素沟通,那么前者就好比阿斯伯格症的建模方式*,而后者则显然是精神分裂了。但你瞧,我很难想象日常生活里有哪个普通人会愿意每天通过阿斯伯格症或是精神分裂症患者的眼睛去看这个世界,作为一个普通人,没有多少人愿意用“正常“态的简单舒适去换取”艺术“追求,我所想要的,只是能够get through life而已。

p.s. 至于有效的模型构建方向,上周末在coursera上跟一门模型思维的课,就很有意思。

* 目前学术界关于阿斯伯格的认知方式仍有争议,但我比较相信这种主张,即不是认知不足,而是共情体验太强烈

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注