大數(shù)據(jù)、預測類話題熱門了很久了，各種宏觀微觀的預測案例都是媒體喜聞樂道的話題。
這就涉及到“預測”這件事情的邊界問題。預測是否有邊界？有的事情類似牛頓力學是決定論、像太陽從東方升起一樣不用預測；有的事情被認為至今“不能預測”、比如對地震提前數(shù)月數(shù)天預測從古至今都難以做到；天氣可以大致預測、精確到城鎮(zhèn)和小時則很不容易。
那么，事件是可以有方法可以衡量“可預測的程度”的嗎？
為什么有不少事情，事后人們認為“顯而易見”“早有預示”、卻為什么“沒早點想到”呢？
“在終極的分析中，一切知識都是歷史；在抽象的意義下，一切科學都是數(shù)學；在理性的基礎(chǔ)上，所有的判斷都是統(tǒng)計學。”C.R.勞在《統(tǒng)計與真理——怎樣運用偶然性》中這樣說。
那么，像第一次登月、第一次核試爆、第一次發(fā)射衛(wèi)星，這類事情有何“歷史”可“統(tǒng)計”、來“預測”呢？
有沒有“不是歷史的知識”的知識呢？
像“薛定諤的貓”這類“海森堡測不準”的事情和“預測”又是什么關(guān)系呢？預測一定要有“度量”這個前提嗎？
既然抽象的意義下，一切科學都是數(shù)學；我們已經(jīng)知道，“哥德爾不完備定律”已經(jīng)證明一切形式邏輯要么不完備、要么內(nèi)部有悖論。那么“度量”、“預測”是不是也需要避開“量子糾結(jié)”的場景呢？
比如，預測房價漲，如果這個預測的資訊馬上被潛在購房人群吸收的話，那么漲幅和速度可能甚至超過預測；又比如，老師預測學生潛力不凡，對學生的影響就會真的讓學生愈加超出原本的能力水平；又比如，知名專家在機構(gòu)內(nèi)部對于股票的預測意外的傳播甚廣之后，對于實際股價的影響。比如，醫(yī)生對病情的預測、有的時候也會影響患者的心態(tài)和病情，古代有“醫(yī)不自醫(yī)”“關(guān)心則亂”、名醫(yī)自身和關(guān)切的人需要診斷的時候往往請另外的名醫(yī)幫助。
那么，“預測”的結(jié)果又會“自返放大”或者“自返縮小”、從而對被預測對象的原本發(fā)展趨勢造成了影響？
“理性的判斷都是基于統(tǒng)計學”，但我們的日常經(jīng)驗知道，蕓蕓眾生、繁華世界很多的決策和判斷都并不是基于統(tǒng)計，那么，我們的工作和生活中的常見“預測”有哪些方面是可考慮改進的呢？從統(tǒng)計學和數(shù)學來看，現(xiàn)代人的數(shù)學知識比古人平均是要多一些了，決策和預測有“先見之明”的人，要不數(shù)學和統(tǒng)計學知識豐富的人要稀有的多。這又涉及《思考，快與慢》中所說的人類決策習慣的“奧卡姆剃刀”了。
另外，即便是規(guī)約到統(tǒng)計學和數(shù)學，也還是存在一些問題。《系統(tǒng)化思維》的溫伯格說，最容易控制的、就是簡單又有序，比如機械系統(tǒng)、牛頓的世界，這是第一層；第二層，還有雖復雜、但有序，就是雖然量大，但是所涉及的元素，都是各個領(lǐng)域內(nèi)已經(jīng)比較有把握的東西；但是，模塊內(nèi)已經(jīng)比較靠譜的各個模塊、數(shù)量一多、聚在一起、組合到一起，卻未必靠譜。第三層，就是最不容易控制的，就是量很大、分解到各個元素，各個元素自身都很無需難以控制，很難建模、或者計算量大到NP的程度，這種情況就是只能看歷史結(jié)果的統(tǒng)計了。
要簡化給這三個性質(zhì)不同的情形各給一個代號名稱的話，我這里暫時稱呼第一層叫機械世界、第二層叫中數(shù)世界、第三層叫NP世界。我們?nèi)粘Ｓ龅降膱鼍埃谝粚右呀?jīng)基本都機器自動化了，第三層里有時稱“不可抗力”下的概率。
第二層中數(shù)世界是比較常見的情形，就是雖復雜、但有序，就是雖然量大，但是分解后、所涉及的元素，都是各個領(lǐng)域內(nèi)已經(jīng)比較有把握的東西。問題在于，模塊內(nèi)已經(jīng)比較靠譜的各個模塊、數(shù)量一多、聚在一起、組合到一起，卻未必靠譜。雖然不靠譜，也不必自暴自棄，不必直接就跳到概率的領(lǐng)域去完全聽從概率發(fā)落；這中間，還有個叫系統(tǒng)論的學問專治各種不服。
通過對系統(tǒng)建模，讓我們基于對機械世界的確定性的認識，可以幫助到對中數(shù)世界的預期。不斷的提升中數(shù)世界的能力，盡力把NP世界的一些地盤轉(zhuǎn)化為中數(shù)世界的地盤；于是獲得某些領(lǐng)域的領(lǐng)先地位。
小結(jié)一下零零星星了解的這些，就是，人們決策、或者為了決策支持的“預測”，有幾個前提：
一是，人要意識到“問題”。
在《精益數(shù)據(jù)分析》中，涉及到人認知有兩個層面、分出四個象限。
兩個層面，一個層面是“顯性的”自己有明確意識的領(lǐng)域，一個層面是“人的潛意識”就是人心里隱約感知、或者有這個能力，但沒有顯性的認識到可語言表達的層面，比如，有的高手的好習慣是下意識、他自己并不一定顯性的認識了這些習慣在成效中為何能發(fā)揮著作用。
對于四象限，
1我們知道自己知道的，可以用于預測的知識；這種需要數(shù)據(jù)的檢驗；
2知道自己不知道，可以去尋求幫助、或者調(diào)研，獲取一些知識，再檢驗這些知識；
3不知道自己知道，隱約懵懂，在決策中存在猶豫核模糊；也可以說是直覺，需要評估、訓練、整合，從“隱學”變?yōu)椤帮@學”。
4不知道自己不知道，就容易遺漏而不自知了；事情出現(xiàn)時才覺得吃驚、沒有準備、倉促應(yīng)對。這個領(lǐng)域需要的是探索。數(shù)據(jù)分析，既有描述型的數(shù)據(jù)分析，也有探索型的數(shù)據(jù)分析。
如果對于某個領(lǐng)域，我們的象限4很大，那么很可能根本就不知道去發(fā)起“預測”這件事、只覺得驚詫莫名、險象環(huán)生。
所以，很多人都知道用麥肯錫的MECE法來分析問題，但很多問題卻MECE執(zhí)行有局限。因為MECE是結(jié)構(gòu)化思維的范疇、假設(shè)能夠結(jié)構(gòu)化的分解“相互獨立、窮舉不遺漏”。各因素是不是“相互獨立”？是否“有遺漏”？這兩件事情都考察著使用MECE的人的“不知道自己不知道”的盲點。
在傅盛的認知升級論中，稱之為“認知的打怪升級過程”：
不知道自己不知道——以為自己什么都知道，自以為是的認知狀態(tài)。
知道自己不知道——有敬畏之心，開始空杯心態(tài)，準備豐富自己的認知。
知道自己知道——抓住了事情的規(guī)律，提升了自己的認知。
不知道自己知道——永遠保持空杯心態(tài)，認知的最高境界。
二是，“問題”要至少是可度量的，無論是定性還是定量。度量、預測的行為至少在一定時間和范圍內(nèi)，需要避免“自返”。比如上文說的股價、房價、教師、醫(yī)生的例子。
三是，“問題”自身的復雜度。如果是上文的機械世界、不需要預測，要確保一貫的確定性的結(jié)果和表現(xiàn)；如果是NP世界的問題，就多從概率層面去預期；盡力提高對于中數(shù)世界的建模水平和計算能力，就是預測的主要著力之處。
這就是為什么預測要求的精細度、顆粒度，會直接影響到預測的可行性和工作量。某個地區(qū)的氣候常常是可預期的，某一天是否會降雨就不那么確定了，未來48小時某個片區(qū)是否降雨預報比較有把握，但精確到點鐘和小鎮(zhèn)就很不容易了。“就好像知道一鍋水十分鐘會開是很好預測的，但要預測各個氣泡先后從哪里冒出則很困難。”
以上就是我自己“民科”小結(jié)的關(guān)于預測的一些架構(gòu)性的問題，之后關(guān)于什么樣的中數(shù)問題，如何解耦、系統(tǒng)化，解耦后的模塊的數(shù)量級，耦合的關(guān)系如何處理，如何選擇模型，分解到算法上的可執(zhí)行性如何，這其中的學問更是浩瀚深邃，且學且珍惜吧。
