上午好啊，大家~

今天我們談?wù)劻炕季S。

嘻嘻嘻嘻，昨天在直播間尼祿一直在逗我，我不知道他是故意詭辯逗我玩還是實(shí)際上就是很推崇量化思維，但不管怎樣，秉著“理不辯不明”的想法，今天系統(tǒng)聊一下量化的好處和量化的坑。

我們知道，沒有哪種工具是萬能的，或者說是完美的，在使用一個(gè)工具之前，我們一方面要了解這個(gè)工具的優(yōu)勢(shì)，另一方面還要看這個(gè)工具有哪些不足。

只有在了解工具兩面性的基礎(chǔ)上，我們才可以更好的運(yùn)用這個(gè)工具；否則，我們很容易被我們制造的工具馴化，受工具所制（哲學(xué)狗頭）。

尼祿已經(jīng)說過了，他無時(shí)無刻不在收集數(shù)據(jù)，通過這些數(shù)據(jù)他可以描繪出眼前這個(gè)人的畫像，以判斷出采用什么樣的策略與對(duì)方溝通會(huì)得到比較好的效果。

按照尼祿的風(fēng)格，他要的效果一般有倆，要么是商業(yè)成功，要么是哄女生開心，而且商業(yè)成功對(duì)他來說占的比重很大，那么我們其實(shí)都是為實(shí)現(xiàn)他商業(yè)成功目標(biāo)而準(zhǔn)備的訓(xùn)練樣本（鋼鐵直男是不是很可怕又簡(jiǎn)單得很可愛~）。

既然我們是訓(xùn)練樣本，那么我們有理由推測(cè)尼祿將自己的部分思維訓(xùn)練成了一個(gè)人群分類器，通過輸入各種各樣的樣本來讓這個(gè)分類器更精準(zhǔn)，將來遇到舊樣本他這里基本上可以很easy就判斷出對(duì)方的階層和興趣愛好，遇到新樣本不好判斷時(shí)，他可以通過各種問題或場(chǎng)景觀測(cè)對(duì)方的想法，將新樣本打上各種標(biāo)簽量化以后，放到自己的訓(xùn)練樣本里，同時(shí)在人群分類器中加上這個(gè)分類。

長(zhǎng)此以往，尼祿的人群分類器會(huì)越來越精準(zhǔn)。

好啦，以上是不是尼祿的思路不重要，但的確是機(jī)器學(xué)習(xí)的思路，現(xiàn)在已經(jīng)有成熟的算法了，訓(xùn)練數(shù)據(jù)是我們?cè)诰W(wǎng)站上的行為，網(wǎng)站通過我們的行為給我們打標(biāo)簽或者直接給出推薦結(jié)果，投我們所好，讓我們?cè)谶@里呆更久。

那么，一個(gè)人在一個(gè)網(wǎng)站上的數(shù)據(jù)越多，這個(gè)給人打標(biāo)簽的模型就會(huì)越精準(zhǔn)，同時(shí)，如果一個(gè)平臺(tái)有我們?cè)谄渌W(wǎng)站的數(shù)據(jù)，那么這個(gè)數(shù)據(jù)覆蓋的維度就更廣，訓(xùn)練出的模型基本上說可以逆天了（當(dāng)然政府對(duì)這塊有管控，我們不用太擔(dān)心）。

舉一個(gè)簡(jiǎn)單的例子，要想了解一個(gè)人，投其所好，我們是要找多個(gè)數(shù)據(jù)來源的：

不僅要看他在B站上是啥風(fēng)格，還要看他在知乎、微信、QQ上是啥風(fēng)格；

不僅要看他現(xiàn)在的風(fēng)格，還要看他過去的風(fēng)格；

不僅要看他線上的風(fēng)格，還要看他線下的風(fēng)格；

不僅要看他工作的風(fēng)格，還要看他在生活、感情里的風(fēng)格；

不僅要看他對(duì)愛人的風(fēng)格，還要看他對(duì)家人、朋友的風(fēng)格；

不僅要看他在人前的風(fēng)格，還要看他在人后的風(fēng)格。

數(shù)據(jù)來源越多，數(shù)據(jù)的時(shí)間維度拉的越長(zhǎng)，我們?cè)侥芫珳?zhǔn)地判斷一個(gè)人，對(duì)其實(shí)施營(yíng)銷或其他控制手段。

所以，量化思維強(qiáng)不強(qiáng)，強(qiáng)啊

而且尼祿這個(gè)量化思維是經(jīng)歷過商業(yè)成功驗(yàn)證的，所以他很推崇這種想法也就很容易理解了。

好，說完量化的好處，我們來聊聊量化的坑。

量化思維，歸根究底，有一個(gè)沒說破的假設(shè)：經(jīng)濟(jì)人假設(shè)。

極度推崇量化思維的人，他們認(rèn)為人都是理性的，都是自利的，而且不會(huì)干不理智的事。

但現(xiàn)實(shí)情況往往不如理論完美，大家在正常情況下都是理性的，自利的，狀態(tài)好的時(shí)候是無私的，歲月靜好的，狀態(tài)差的時(shí)候腦子瓦特一下，成啥狗樣就見仁見智了。（我突然發(fā)現(xiàn)情緒穩(wěn)定很重要_(:з」∠)_）

不說別人，我們就說一般的、狀態(tài)好的理性人，他在量化時(shí)遇到的坑吧，這樣更有說服力。

量化模型追求精準(zhǔn)，按理說越準(zhǔn)越好。

但如果一個(gè)理性人，經(jīng)歷了量化模型精度逐漸提高的過程，他會(huì)如何行動(dòng)呢？

模型逐漸變準(zhǔn)意味著模型使用者會(huì)逐漸增大他在模型預(yù)測(cè)結(jié)果上的賭注（因?yàn)槟Ｐ褪褂谜呤抢硇匀?，理性且自利的他不?huì)在模型準(zhǔn)確度高的時(shí)候還不加大賭注以增大收益），模型準(zhǔn)確率越高，賭注越大，高賭注也意味著高風(fēng)險(xiǎn)，這時(shí)模型一點(diǎn)點(diǎn)的不準(zhǔn)就會(huì)造成模型使用者血崩的結(jié)果。

也就是說，模型越精準(zhǔn)，反而越容易將本來理性的人變得不理性（忽略模型風(fēng)險(xiǎn)），導(dǎo)致崩盤。

現(xiàn)在我們看到了這個(gè)悖論：

1. 模型不準(zhǔn)時(shí)，效果不好，因?yàn)槟Ｐ团袛喑龅慕Y(jié)果準(zhǔn)確度不高；

2. 模型準(zhǔn)時(shí)，效果也不好，因?yàn)槟Ｐ途鹊闹饾u提高會(huì)讓看起來理性的人做出實(shí)際上不理智的行為；

理性的人，越量化越爽，一直量化一直爽，越爽玩越大，利欲熏心，利益巨大時(shí)他們會(huì)選擇對(duì)可能的黑天鵝事件視而不見，最終把自己玩死。

這種情況經(jīng)常在某些富豪身上上演，他們前期使用各種量化思維獲利頗豐，最終因?yàn)橘€注壓得太大掛了。

Ray Dalio在《原則》那本書中舉了這個(gè)例子，那人是他朋友，當(dāng)時(shí)是世界首富，后來把自己玩掛了。

（另外，我很喜歡Ray Dalio的原因是，他是量化思維的高手，而且他跟我們一樣也是思維的軟件好、硬件不好，現(xiàn)在計(jì)算機(jī)的存儲(chǔ)能力很好，可以幫我們這種人彌補(bǔ)硬件不好的劣勢(shì)，可以說我們這群人遇到了好的時(shí)代）

說起量化的坑，恐怕只有最推崇量化并且將量化踐行到極致的人才會(huì)知道量化的盡頭是墳?zāi)埂?/p>

通過尼祿說的事，我能感到量化給他帶來了很多有利的東西，同時(shí)又把他的生活毀得一團(tuán)糟。

作為一個(gè)科班學(xué)實(shí)證營(yíng)銷模型的人，我不僅量化，而且還總是喜歡算如何才能取得最優(yōu)結(jié)果，也就是那個(gè)鐘形曲線的頂點(diǎn)。

將量化和控制踐行徹底的我，在項(xiàng)目管理上很強(qiáng)，推進(jìn)項(xiàng)目幾乎不會(huì)延期并且能保質(zhì)量。

我最喜歡量化的是時(shí)間，但有次因?yàn)榘才诺眠^于滴水不漏，把我的時(shí)間管理系統(tǒng)搞崩潰了。在外人看來，是一件很簡(jiǎn)單的遲到的小事，但我很清楚這意味著我求最優(yōu)的量化思維背后隱藏的風(fēng)險(xiǎn)。

后來我看了《黑天鵝》這本書，深感認(rèn)同。

可怕的不是黑天鵝，可怕的是過于自信的我們?cè)谧铌P(guān)鍵的時(shí)點(diǎn)對(duì)黑天鵝事件視而不見。

但其實(shí)也不用恐慌，我們?nèi)祟惤?jīng)過漫長(zhǎng)的進(jìn)化，處理黑天鵝事件已經(jīng)很easy了。

比如說，為啥我們的眼睛、耳朵、鼻孔、手、腳、腎臟等等都是偶數(shù)的，其實(shí)單份完全可以解決問題，讓我們生存下去。

而且從理性的角度看，單份的器官是最優(yōu)的，可以讓我們的邊際收益與邊際成本平衡，基因他沒感情，不會(huì)對(duì)偶數(shù)情有獨(dú)鐘的。

為啥呢，因?yàn)槿梭w這個(gè)生存機(jī)器要抵抗風(fēng)險(xiǎn)。

假設(shè)遇到一個(gè)未知惡性事件，我們生存的機(jī)會(huì)是五五開，如果只有一個(gè)器官，我們失敗的概率是50%，如果有兩個(gè)器官，我們失敗的概率是1-50%*50%=75%，生存的幾率一下子提高了50%，血賺！

那可能大家會(huì)問，器官不就越多越保險(xiǎn)了嘛？

別忘了親愛的，基因是理性和會(huì)算計(jì)的，再多個(gè)器官對(duì)它來說投入就太多了，這個(gè)不合算，基因要追求帕累托最優(yōu)的。

好，說完量化的坑以后，有沒有覺得量化思維很刺激很可怕呢？

其實(shí)也還好，一般人是沒辦法把量化踐行到極致的，能做到這些的人一般都是喜歡數(shù)字的大富豪，到他們那種境界，可能也會(huì)慢慢看到量化的弊端。

也就是說低層次的我們追求量化就好啦，等我們的思維提升到了新的高度，自然就會(huì)看到量化的弊端，并且找到解決量化弊端的方法。

目前來看，有效利用量化手段的方法是別把量化做太滿，并且用多個(gè)維度的數(shù)據(jù)來交叉驗(yàn)證，始終對(duì)模型的精度持懷疑態(tài)度，然后將造成黑天鵝事件的因素都加進(jìn)來，不斷優(yōu)化自己的量化模型。

下面附一個(gè)Dalio做的視頻，我突然覺得我要再看一遍《原則》了_(:з」∠)_