大數據驅動的決策（以下簡稱大數據決策）的邊界
大數據或者人工智能如此如火如荼，不可避免讓很多人沮喪。就在上周，一個朋友還感嘆著“一把辛酸淚，我們這些人遲早被機器取代”。
果真如此么？又或者如果是，那大數據決策或者是人工智能的邊界又在哪里？幾乎所有人類行動都可能被大數據、人工智能、機器人替代？如果不是，哪些是大數據和人工智能無法替代的？這個問題，我時不時也困惑著。記得在前年（2015年）參加兩個小型論壇碰巧也是被大家熱議，這兩個論壇一個是經濟主題，另一個是傳媒主題，但都不可避免的談到了大數據和人工智能。當然討論的結果都是無果，有人悲觀認為人遲早會被機器代替甚至被機器控制，有人則認為不可能。但不管哪種看法，都沒有能有說服力的pros or cons.
去年讀論文時看了一篇沃頓商學院兩位教授和一位博士生的工作論文(目前這篇論文Under Review)，順便說一句，這兩位教授都曾是MIT斯隆管理學院Erik Brynjolfsson(有興趣的可以搜索一下此大牛)的學生，還都有MIT或Brown的計算機或者電子工程的學士和碩士學位，以及在IBM研究院工作經歷。他們通過實證研究發現，在企業中，數據分析能力更多的在流程提升和組合已有技術式創新方面產生價值；而對于企業力圖產生創造式或者說真正新穎的創新，數據分析能力則無甚效應甚至可能產生負向作用。（寫到這里，我不得不“哈哈哈”一下）。作者進一步解釋其發現，也就是說，企業擁有的大數據分析能力更多的有價值（強相關）于exploitative innovation(exploitation,利用式創新，國內多翻譯為開發式創新；or simply,你可以理解為微創新、漸進式創新)，而對于exploratory innovation（exploration,國內大多翻譯為探索式創新，or simply,可以理解為時髦的范式創新、突破性創新、破壞式創新等）則并沒什么價值。
而昨天看到HBR(哈佛商業評論)最新一期Roger L. Martin（2013年Thinkers50／全球50位管理思想家排行第三位）和Tony Golsby-Smith發表的文章則更為深刻和根本的討論數據在商業決策或者說決策中的作用和邊界。該文追溯了第一位提出科學的探索方法、強調科學的意義、并區別科學與哲學方法的亞里士多德。亞里士多德在定義科學方法的同時，也澄清了科學方法的邊界，即使用在理解“不能不是這樣”的自然現象上，比如為什么太陽每天會升起，再比如為什么會發生月食，等等。這些事物的一個共同特點是，它們超出了人類的控制，而科學就是去研究什么導致這些事物的發生。世界上的事，有超出了人類的控制范圍，但也有大量的是由人的自由意志、權力、意識形態等等所控制和影響。也就是說，決策和結果有科學客觀的因素，也有人的因素。即便亞里士多德他老人家，也相信世界的可能性最終并不是由科學分析，而是由人類發明(invention)和勸服(persuasion)所驅動，也就是這個意思。（注：我的理解，這里的invention可以認為就是上述的exploratory innovation；至于persuasion的理解涉及修辭學，這里暫不展開了。）
由此，大數據決策的邊界也清晰了。決策（包括商業決策）中，該文認為，我們首先需要界定決策場景中哪些元素是人為可以改變的，是由人為各種可能在支配；而哪些元素是人為無法改變的，是必然性在支配。面對后者，我們可以充分使用大數據分析進行決策；而面對前者，我們則不宜依賴大數據，而應該充分發揮人類的創意和真正的創新。事實上，在后者這些決策元素上，大數據決策有著其局限性和無力感。
也就是如果如果決策邏輯是自然的、預期結果是天然設定的、有必然性在支配，這些就是大數據決策的邊界。比如下圍棋，就符合以上屬性的決策，在這樣的決策場景或問題，數據機器做的比人更有競爭力，隨著大數據／人工智能的發展和采納，這些決策過程中，人將會被越來越多淘汰。
當然如果問題決策涉及較大范圍，其通常是同時擁有以上兩種決策元素，也就是大數據決策（必然）和人類決策（各種可能性）的結合，最終的決策結果就是一個基于必然之上的各種可能性，即contingency。在這個意義上，下圍棋其實是一個“簡單”決策，Alpha go也只是在這個“簡單決策”上勝出。盡管它看上去需要較高的智力水平。而一個家庭決定周末要不要去露營，還是宅家，卻是一個極其復雜的決策，因為其涉及家庭人員權力、情感、道德、話語技巧和當時的心理狀態等等各種因素而最終可以被人所控制。其結果是無法利用大數據決策進行預測的。
另一方面，大數據決策在很多方面反而會產生誤導。兩位作者以樂高為例，樂高經過歷史數據發現，發現玩建筑類玩具的85%都是男孩子，即使公司花大量努力去改進改品類玩具的設計吸引女孩子，都以失敗告終。這時候公司大部分管理層認為，女孩子天性不喜歡玩建筑類玩具，即這是一個人“不可控”的事物，但是CEO Knudstorp卻認為問題是樂高沒有找到如果讓女孩子玩建筑類玩具的途徑。這后來，樂高的“朋友”玩具產品線由此產生并在女孩子喜愛的爆品。因為大數據的來源是產生于歷史，如果是在歷史的相似或者路徑上，依據大數據決策可以挖掘出相應的決策信息，但也會隱藏或蒙蔽了歷史數據中未能揭示的歷史。因此，也可以理解為什么大數據能力在突破性創新（exploratory innovation）的弱效應乃至負效應。
總而言之，大數據決策或者人工智能有其邊界，有其局限性。人類決策有其價值，有其需求。正在影響世界的最終還是人類決策。此外，基于計算理性的人工智能決策只占了人類社會世界生活的一小部分而已。
那在這里，套用一句話，讓上帝的歸上帝，讓凱撒的歸凱撒。我們充分認識到這些邊界，了解人之所長和所短。理解決策中人之因素和人之價值。這樣也能更好的讓我們參與到管理決策中去。
