Product Info
Description
指尖下的大數據:運用Google Analytics發掘行動裝置裡的無限商機
NOW: RM 53.90 (-0%)
MEMBER: RM 48.51 (-10%)
PRODUCT INFORMATION
★榮獲《金融時報》「本月最佳商業書」 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。
麥茲伯格 Christian Madsbjerg ReD 聯合顧問公司創辦人、客戶關係總監,將人文與社會科學工具應用於企業界的重要先驅,專注於發掘人類行為的研究方法,並為許多《財星》(Fortune)三百大企業最高階主管提供策略建議。曾在哥本哈根和倫敦攻讀哲學與政治學,擁有倫敦大學碩士學位。合著有《大賣場裡的人類學家:用人文科學搞懂消費者,解決最棘手的商業問題》(The Moment of Clarity)。
譚天 曾任《聯合報》編譯主任、《自由時報》副總編輯等職。現旅居加拿大專事譯作。譯有《把成功變成習慣》、《商業冒險》(合譯)、《泰王的新衣》、《如果你願意,讓我為你上一堂課》、《當代最具影響力14位大師談創新》、《十億民工進城來》、《大事法則》、《戈巴契夫傳》、《新媒體消費革命》、《身先士卒》、《飛堡戰記》、《新工業國》、《採訪CEO》、《推動轉型的手》等約一百本書。
TABLE OF CONTENT
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
CONTENT PREVIEW OF THE BOOK
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?