《演算法下的行銷優勢》:綜合知識的四種類型,做出殺手級買空賣空判斷

《演算法下的行銷優勢》:綜合知識的四種類型,做出殺手級買空賣空判斷
Photo Credit: Depositphotos
我們想讓你知道的是

索羅斯及其團隊之所以能做出殺手級的買空賣空判斷,不是因為全靠感覺背痛,而是因為他們能將所有上述四類型知識巧妙綜合。而且為了達到通情合理效果,最重要的是,他們並不特別著重其中任何一類型知識。

文:麥茲伯格(Christian Madsbjerg)

知識的四種類型

我們是如何知道目前已知的事物?而且,我們怎麼確定自己真的已經知道了?哲學家對這些問題已經思考了幾千年。我是不是真正知道我坐在一張椅子上,是不是真正知道a2 + b2 = c2,是不是真正知道莎士比亞是一位處理權力議題的大詩人?對哲學世界的圈外人而言,這樣的問題竟引發歷時兩千多年的辯論,似乎荒誕不經。但當我們丟下一個東西時,我們怎知那東西確實往下掉?當我們閉上眼睛時,世界是不是真的存在?——哲學家們確實窮畢生之力思考這類問題,而且他們的見解值得我們重視。首先,我們先來檢驗薄數據特有、抽象的「知道」方式:客觀知識。

  • 類型1:客觀知識

客觀知識是自然科學的基礎。「我知道二加二等於四」,「我知道這塊磚重三磅」,「我知道水是由兩個氫原子與一個氧原子合成的」。這樣的知識不涉及任何真正省思。哲學家湯瑪斯.內格爾(Thomas Nagel)在其1986年著作《無源之見》(The View From Nowhere,中文書名暫譯)中,主張客觀知識是「憑空而來的看法」,原因就在這裡。客觀知識可以經過一再檢驗,得到的結果都一樣。我們可以用客觀知識觀察、測量螞蟻、原子與小行星,因為它的主張有重覆性,具普世有效性,而且能呼應對現實的觀察。

鼓吹客觀知識的人多年來提出多種不同架構,不過我們可以追溯它的歷史,源自19世紀的「實證主義」(positivism)哲學運動。根據實證主義的說法,任何事物都可以在沒有觀察人的偏見或價值判斷的情況下進行測量。適逢工業革命高峰的19世紀,同時也是機器的時代,應該不是偶然。那個時代的人非常樂觀,他們相信科學是理性而客觀的,相信人類意志可以克服一切。而且從許多方面來說,事實也確實如此:科學的進步促成農業與運輸現代化,使我們得以跨越國界、穿過大洲交易商品;自動化製造帶來大量生產,滿足了愈來愈富裕的中產階級的需求。

公司為增加獲利,開始聚焦生產力,以生產為導向的文化應運而生,而客觀測量、保證成果的構想與這種文化頗能切合。就在這波強調客觀熱潮興起的同時,一種新的「現實主義」美學出現了。為展現真實人生,而不是我們理想中的人生,舞台藝術家力求在舞台上再造整個城市景觀;埃米爾.左拉(Émile François Zola)與古斯塔夫.福樓拜(Gustave Flaubert)這類作家也紛紛強調「每一個男人」與「每一個女人」的客觀現實。就連福樓拜筆下那位可憐的包法利夫人(Madame Bovary)——那位渴望浪漫的尋常主婦——也值得我們鉅細靡遺、詳加檢驗。

當然,對20世紀藝術與哲學稍有涉獵的人都知道,隔沒多久,懷疑、主觀與非理性就以夢想與潛意識的形式,取代了現實主義這波肯定、客觀與理性的思考。就像許多自然科學(例如,愛因斯坦的相對論就是物理學的一大轉捩點)一樣,人文學術也與客觀知識的科學「現實主義」漸行漸遠。但令人感到反諷的是,商界的「管理學」仍然貶抑其他各型知識,獨尊客觀知識。能夠客觀測量數量、結果與重覆反饋的大數據,之所以能獲得商界人士如此青睞,原因就在此。它能掌握跨越知覺門檻而出現的一切:那些點擊、那些選擇、那些讚─那些化約論者筆下我們赤裸裸的本身。

  • 類型2:主觀知識

繼客觀知識之後,強調個人意見與感覺的主觀知識登場。認知心理學者研究的,就是這種反映我們內心生活的知識。我們知道某些有關我們自己的事,而我們身邊每一個人都會將這些事視為知識。當我們說,「我脖子痛」或「我餓了」,這是我們對我們身體、我們自己的知識,大家都會尊重。當一個人歷經屬於感覺範疇的事物時,對那一刻的他們而言,那經驗一定是真正的知識。非這樣不可。

不過,完全主觀的知識例子少得出奇。在觀賞一場球賽時,觀眾發現周圍的人都在吃熱狗,他們很可能也會說「我餓了」。這是出現在主觀與客觀之間的知識類型。它涉及我們共享的世界,這也是厚數據的威力如此強大的重要因素。

  • 類型3:共享知識

與客觀知識不同的是,這類型的知識不能像原子或距離一樣測量。而且不同於主觀知識的是,這類型知識屬於公共與文化。它涉及對我們各種社會結構的感受,或者可以套用我在第一章使用的概念,它涉及我們的「世界」。

用另一種方式說,這第三類型是有關人類共有經驗領域的知識。我們在本章要觀察的是,如何運用現象學研究分析這類型經驗:猶太經驗是什麼?在美國,身為職業婦女的意義是什麼?在迅速都市化的中國,移居城市會是什麼感覺?

對索羅斯及其兩位同事而言,第三類型知識是他們那場豪賭不可或缺的重要部分。他們「知道」德國經驗,知道其對二次大戰戰後德國金融政策的影響。他們「知道」倫敦街頭的感覺,知道提高利率為英國人帶來的困苦。這不是普世知識;是必然的情勢性知識。它也不是內心知識,而是一種共享的規則。它是我們一起經驗的「存有」與了解。索羅斯等人追蹤英鎊貶值這件大事,但投機機會出現在貶值帶來的第二與第三波事件中。投資人對這場一幕幕展現的大戲會怎麼反應? 他們的貪婪與恐懼會造成什麼情景? 這些反應會引發哪些結果?

了解情緒這種厚數據形式,是這項分析不可或缺的重要部分。情緒比我們大:它們可以占領一間房間、一個城市或一個國家。我們說「我陷在焦慮情緒中」,不說「焦慮情緒在我心中」。這個區別很重要,因為情緒本質上就是社會性的產物。情緒毫無客觀可言,情緒也不會有全然的主觀。我們聚在一起時都會遭情緒掌控,一個人的感覺可以影響身邊每一個人。索羅斯三人組運用他們對情緒超人一等的敏感度,分析馬斯垂克條約過後、某些市場動向帶來的一波波激情與恐慌。

  • 類型4:感覺知識

索羅斯及其兩位同事同時還運用了來自人體的第四類知識。當我們對身邊世界不甚了解時,這第四種知識能告訴我們應該怎麼做。在伊拉克久經戰陣的士兵說,他們能在走近詭雷時,憑身體「感覺」到詭雷就在附近;老資格救火員可以透過「第六感」知道火往哪裡燒;技藝精熟的醫護人員,在還看不出病人有任何心搏停止的明確跡象以前就先抓起電擊機——這就是感覺知識。

索羅斯把自己的身體說成是市場系統的一部分。像衝浪人與衝浪板合而為一、進而融入海浪波濤起伏一樣,市場數據也像源源不絕的感知,與他自己的觀感縱橫交織、難解難分。他曾經問他的同事和員工,他們會在身體什麼地方體驗到最好的出手時機——在脖子、背部,頭或肚子——而大家都知道,索羅斯自己會在背痛或一夜難眠時做出重大投資決定。索羅斯的公司另有一位投資人曾說,呼吸器官感染是很有價值的軟數據,表示投資部位可能槓桿操作過度。因此每當這名投資人在開會時咳嗽,索羅斯立即會問他,「是不是應該少冒一些險?」

綜合知識與模式辨認

你或許對人體感覺與市場知識交互作用的說法不屑一顧,但不能因為索羅斯一些投機魔法師的神話,就看輕了他的一套更有分析嚴謹度的作法。索羅斯及其團隊之所以能做出殺手級的買空賣空判斷,不是因為全靠感覺背痛,而是因為他們能將所有上述四類型知識巧妙綜合。而且為了達到通情合理效果,最重要的是,他們並不特別著重其中任何一類型知識。

由於能從環境背景中汲取更多知識——而將基準與模型視為路標——索羅斯三人組在1992年取用的資訊比其他人多得多。由於大多數投資人以理性行為與均衡(equilibrium)為決策根據,索羅斯團隊可以預測其他市場投機人的行動。如果你知道敵人的世界(如果你對敵人的認知瞭若指掌),你可以藉機行事,大發利市。

與較為傳統的銀行或投資公司相比,索羅斯及其團隊採用的資訊蒐集過程大不相同,值得我們花一些時間加以討論。當索羅斯三人組圍著索羅斯基金管理公司那張會議桌,極力運用所有四類知識——不僅要考慮德國國家尊嚴,還得了解英國對嚴厲樽節措施究有多少胃口——之際,高盛(Goldman Sachs)或摩根史坦利(Morgan Stanley)這類銀行的專家,很可能正在運用數學模型進行運算。由非常聰明、受過完美教育的數學家或物理學家設計的這類模型,只能運用於客觀知識,對於諾曼.拉蒙特的憤怒這種無法量化的數據點完全派不上用場。他們假定市場有理性,而且最後總會回歸均衡,並且視之為核心,在全球規模上對各種可能狀況進行評估,認為這樣的模型萬無一失。風險與報酬平衡,因此是公平而且可以預測的。在他們看來,人是有理性的,都有明確而預定的目標。

值得考慮的是,進行這類模型分析的地點,幾乎全部位於倫敦、紐約與法蘭克福這類大都會玻璃大樓的頂層,與真實世界相隔甚遠。這類數據與模型變成一種像是世界之窗的東西,讓金融公司的員工看在眼裡,自以為可以藉以了解整個全球經濟。由於有關理性行為與均衡的基本假定,他們沒有走出辦公室的真正必要。這是一個清楚的世界:清楚的辦公室、清楚的假定、清楚的意向。他們就這樣,根據一套與任何真實、具體世界扯不上邊的知識——那種只能讓人以數學之美、孤芳自賞的知識——時時刻刻下著輸贏數以百萬美元計的賭注。

現在,我們看看索羅斯的貨幣交易專家羅伯.強生,如何為他在「打破英國銀行」事件中扮演的角色做準備。1991年秋,他察覺到兩德統一的壓力因蘇聯解體而不斷增加。每個人都知道馬斯垂克條約會在若干方式上,讓已經緊繃的歐洲系統分崩離析。強生持有約20億美元芬蘭馬克(markka)多頭部位,但已經開始對這項投資存疑。儘管他原也可以坐在紐約或巴黎的辦公室裡,用更多模型檢驗數字,但他決定,想知道下一步應該怎麼做,最好的辦法就是在赫爾辛基找一家酒店過冬。

強生告訴我,「或許你沒聽說,芬蘭人愛喝酒。所以我每天晚上跟他們一起到一家叫做莫札特咖啡館(Café Mozart)的地方喝酒。每個人都喝很多,我和他們混得很熟。有天晚上,他們都開始跟我談論他們做的模擬。這些人都在為芬蘭幣貶值做準備。我可以從言談間聽出他們的心聲。」

第二天,強生走進芬蘭中央銀行,表示要賣掉他那20億美元芬蘭幣。為免驚動市場,他們在芬蘭郵政銀行(Finnish Postal Bank)完成這項交易。當天上午10點鐘,強生出清了他的部位。他搭下一班飛機返回紐約,而且一回到紐約立即放空芬蘭幣。不過幾天以後,芬蘭幣跌了大約18%。那個市場幾乎所有其他投資人都損失慘重,只有強生大賺一票。

強生跟我說,「每個人見到我都問,『你是怎麼看到(跡象)的? 你怎麼知道他們準備棄守他們的貨幣?』我知道,因為我在那裡。在與那些芬蘭人聊天時,我可以感覺到山雨欲來。與我聊天的,不只是中央銀行官員,還有金融投資人與交易商,以及工會談判代表。我從帶有真正感情的真正交談中─不是從基本機械經濟中─察覺這件事。」

出身麻省理工的強生,將這類厚數據與麻省理工奉為「正統」的薄數據做比較:「我帶著一個經濟學數學公式來到工程系,把它放在示波器中檢驗,發現它配合得天衣無縫。但一旦將之運用在勞工市場,就發現它一點道理也沒有。我對他們說,『你們在瞎搞什麼啊?你們這是一廂情願。這是人的系統,不是機器系統。』」

談到他在麻省理工從恩師、著名經濟學家與歷史學家查爾斯.金德伯格受教的情形,強生言語間滿懷思念:「教授會邀我們全班學生在星期五早晨,前往觀賞波士頓交響樂團周末演出前最後一場預演。他會帶我們全班出去喝咖啡,吃鬆餅,然後一起聽預演。預演結束後,我們坐在一起聊天。教授經歷經濟史大風大浪,參加過馬歇爾計畫(Marshall Plan),寫過膾炙人口的《瘋狂、恐慌與崩盤》。他的模式辨認能力來自環境、歷史與人的故事。他對銀行家說,想在金融界練就真正的精密,笛福(Daniel Defoe)、巴爾札克(Honoré deBalzac)與狄更斯(Charles Dickens)的書都是重要讀物。」

回到文學經濟學

就一門學術而言,經濟學是最能從所有四類型知識(包括厚數據與薄數據)中獲益的絕佳例證。既然如此,為什麼這麼多人堅持經濟學應該純以客觀知識為範疇?20世紀90年代末期,經濟學大師保羅.薩繆爾遜(Paul Samuelson)在公共電視(PBS)「新聞一小時」(NewsHour)節目中接受訪問時,談到這種衝突:

經濟不是一門精確的科學,而是藝術與科學要件的結合。這幾乎就是我們從經濟學學到的第一個、也是最後一個教訓:根據我的判斷,我們並不是在追求精確,只是在改善我們的數據庫及其相關的推理方式而已。

歷史學家以撒.柏林(Isaiah Berlin)對這個特定教訓有獨到見解。為了解政治見解與領導,他的學術生涯大多投入政治學研究。在20世紀中葉到晚期,他寫了許多書與論文。當時的政治與經濟學者熱衷為所有政治系統尋找普世性法則與架構。他們說,這類理論概念可以引導整個社會與政治體,以科學進步的方式邁進。他們要政治玩一種理性遊戲。

柏林在1996年發表論文集「現實的意識」(The Sense of Reality),查證這類說法。這種理性遊戲能精確反映現實嗎?政治真的是這麼玩的嗎?他在查證過程中的發現,與此恰恰相反。柏林發現,就像索羅斯這樣的投資大師能同時整合許多複雜得不可思議的訊息一樣,偉大的政治領導人也有一套他稱為「十足平凡、以經驗為基礎、半美學」的個人技巧。有這種技巧的人能根據經驗投入現實,能設身處地了解他人,而且善於觀察情勢。那是一種能夠將「各式各樣不斷變化、色彩繽紛、忽隱忽現、永遠重疊的數據,將太多、太快、太糾纏不清、無法掌握、無法貼上標籤、像群蝶亂舞一樣的東西」綜合整理的超凡能力。

如果根據柏林的說法,索羅斯這類投資人天賦異稟,能夠在浩瀚的數據、觀念、事實、經驗、意見與觀察心得之海中看出模式,然後將這些模式結合為一個統一的見解。柏林認為,想做到這一點必須「與相關數據建立直接、幾乎是感官的接觸」,必須「對什麼適合什麼,什麼由什麼而來,什麼導致什麼有敏銳的感覺」。

這種技巧結合理智、情緒、判斷與分析,或者用柏林的說法,就是結合「亂舞群蝶」。此外,在金融投機中,這種技巧還需要根據所有四類知識採取行動的膽量。

相關書摘 ▶《演算法下的行銷優勢》:設計思考——狗屁龍捲風的剖析

書籍介紹

本文摘錄自《演算法下的行銷優勢》,天下文化出版
*透過以上連結購書,《關鍵評論網》由此所得將全數捐贈兒福聯盟

作者:麥茲伯格(Christian Madsbjerg)
譯者:譚天

汲取人文科學五大原則,
供商界領導人、企業界與個人解決工作與生活最棘手的難題。

最優秀的執行長除了能讀報表以外,還要懂得欣賞小說!

大數據真能解決所有問題?你我如何在演算法時代下勝出?

人類已成為演算法的奴隸。日復一日,一個又一個數學天才、工程師拋開人類直覺與經驗,用完全以事實為根據的分析破解產界難題。就這樣,我們不再思考。機器替我們思考了。

在大數據與科學至上論當道的今日,麥茲伯格根據他在福特、愛迪達與香奈兒等全球大企業工作的經驗寫成本書,主張純憑數據解決問題的作法往往造成驚人缺失,為人類帶來巨大風險。一味以數字算計,將危及我們的事業、教育、政府,以及畢生的積蓄。太多公司將具備人文技巧的員工撇在一邊,終於再也無法掌握顧客的人性需求。麥茲伯格提出證明,今日許多最大的成功故事並非來自量化思考,而是源自與文化、語言,以及歷史的深入而精微的互動。他為這套作法取名為「意義建構」(Sensemaking)。

在這本具指標意義的書中,麥茲伯格提出以下五項原則,供商界領導人、企業界與個人用以解決他們最棘手的難題。

  1. 注重文化,而非個人。
  2. 掌握厚數據,不只是薄數據。
  3. 要大草原,不要動物園。
  4. 重視創意,捨棄工廠製造。
  5. 學會仰望北極星,而非依賴GPS。

他剖析用這種辦法招徠新客戶的公司,並引領讀者進窺投資人喬治・索羅斯(George Soros)、建築師比雅・英格爾(Bjarke Ingels)這類意義建構「大師」的工作進程。無論就實用與理論而言,本書都是反制公司集體思考的利器,是卓而不群的領導人與創意家不可或缺的資源。

getImage-2
Photo Credit: 天下文化

責任編輯:潘柏翰
核稿編輯:翁世航