嗯嗯，本文沒耐心勿讀，不夠無聊不喜歡思考的人也不建議讀下去啦。

用數字說話的科學分析方法是有問題的。

經濟學家的理性的行為模式分析，則是沒有什麼用處的。

有關注行為經濟學的人大概知道傻蛋在說什麼。

或者至少也聽過，世上最大的謊言是統計數字的笑話。

嗯，這不就是說說嘴而已嗎？也是廢言哩！

好吧，傻蛋是想要從系統複雜度的角度，來探討這些所謂的理性科學分析有什麼問題。

或許這是有軟體工程素養的人未來應該具備的常識吧。

或者現代管理所需要的，基本的常識。

第一點我們先回頭看數字。

道生一，一生二，二生三，三生萬物。

這是在裝逼吧？

其實這句話挺軟體工程的。

先定義出了零與一。

兩個一是二。

三個一是三，二和三差一。

然後由此類推，可以推出所有無窮的正整數出來囉！

重點就在，二是一的兩倍，十是二的五倍，反正，最終都可以是一的倍數。

數字的意義，是和一的比例而建立。

而且這是抽象定義出來的，絕對的真理。

這裡就出現了一個很有威力的工具，等式。

2*5=3+7

嗯，簡單的算術，是沒有用的。

但，我們會把算數套用在有意義的事情在，來改善我們的思考。

因為有等式，所以我們可以類比出相同的價值，然後做交換。

交換的過程，則有可能在維持等式的交換的同時，增進了整體價值。

所以說數字是有用的，越擅長數字，就越能夠精算利害，找到增進效率的機會。

這也是常識。

但這就是矛盾的起點。

一百萬新台幣是一百新台幣的一萬倍，這絕對是正確的。

但一百新台幣與一百萬新台幣，對不同條件的人，在不同的時機與情境之下，意義又是不一樣的。

實際效用並非精確的相差一萬倍，而是隨著條件不同，而有很大的浮動的。

在荒島落難油盡燈枯的人，身邊有多少錢，一樣都幾乎沒有意義。

而有時候，數字需要達到門檻值才有用，針對一個具體目的，數字的意義，並不是等差的線性。

就好比維持生活品質這件事，收入很低的時候，每一分錢都影響很大。

到了中等收入時，增加同樣多的金錢，對生活品質的提升，差別就沒那麼大了。

至於每個月生活費是一千萬和一千零一萬的差別，基本上則可以算是沒有差別了吧？

同樣的數字，隨著數字大小的增加減少，相對的比例就會改變。

而意義，則是要有具體的客觀實體，如一個人，才會發生的。

不同人，同樣的數字，意義不會完全相同。

同一個人，有多種考量時，同一個數字，對每個考量，也有不同意義。

數字的意義更常是非線性的，而非線性的原因是因為有更複雜的多種考量與動機造成的。

數字，是絕對的抽象定義。但混合了我們身為人的目的，在我們的思考決策時應用的數字，則更多是追求意義與價值，此時則更多是相對，主觀，特例的。

在作帳務審查管理時，數字是當作精確的，抽象線性的工具在使用。

但若是做經營管理與風險決策的時候，數字真的只能做為輔助，目標是價值的最大化，而價值這東西就不是線性的，或者說，要把整個系統的數字都轉換成線性的價值對價指標，成本太高，幾乎無法做到。

所以經濟學家的理性經濟人，追求數字效用最大化的前提假設就是錯的。

因為，每個人的效用都不是線性的直線。

人腦的本能是生物演化的機制，受到刺激作出反應，在過程中學習，形成經驗。

這種生物模式對數字是不易使用的。

刺激過了一定門檻，意義與感覺才會有變化。

而更麻煩的是，由於人會因為經驗而學習成長，所以，人的行為與思考模式也不是固定不變的，以前是對的是相等的，不代表現在就一定還是對的與相等的。

簡單說，這個世界是一個非常複雜，相互影響的高度複雜系統。

如果我們能夠百分之百複製與模擬出現實環境，要做到準確的預測與對現實情況的完全掌握，是可以做得到。

只是成本很高，可能高到沒有意義就是了。

接下來就是一個分歧。

數字當然還是我們分析思考時的好用工具。

但，有的人以數字為尊，用數字說服別人，盲信所謂的數據，而罔顧現實。

另外有的人則是經歷過了許多數字不可信的體驗後，放棄了對數字的依賴，而完全用直覺與感覺作思考，甚至以迷信作決策主要考量。

現實是，這個世界是一個複雜的網路，因為各種連結而產生各種互動的意義，這些互動的意義推動著系統參與者的行為反應，進而演變與演化。

數字就是數字，對數字的理解越是深入，對數字的侷限性越是能夠掌握，就越是能夠運用數字分析提高自己的效能。

盲信數據派其實也是一種無知。

是的，要量化還是可以量化，但不能為了量化而罔顧關鍵重要的現實，硬是把複雜的效用曲線當成直線來計算。

這個世界就是那麼複雜，硬要用簡單的假設作預測，自然不會太準。

預測失準時，我們不該抱怨公式有瑕疵或是誰的哪個SOP沒做好，找怪罪的對象，然後繼續抱著沒效用的模型繼續使用再怪東怪西。

直接觀察現實，客觀的了解事情是怎樣發生與運作的，這個其實只要有鍛鍊過，還是做得到的。

可能就是少了一些變數的，以及對某些系統要素有了錯誤的假設。

更新後的系統模型，可能還是有所遺漏，畢竟我們沒辦法觀察到所有細節。

但這正是我們靠經驗學習的實際模式，更新系統狀態，重新推算一次預測，和結果相符，則接受新的狀態，不符，則更換假設，尋找其他可能遺漏的要素。

其實抱持著理性客觀的態度的這種經驗學習，也是很科學的。

畢竟這個世界就是個複雜的系統，一個不斷變化的超級複雜系統。

簡單的道理，我們一般人都能想明白。

而更多要素疊加進來後，系統的互動的複雜度會是指數形式的成長，以現況來說，再聰明的腦袋再強大的電腦也無法百分之百模擬出來。

小時候讀儒家的中庸大學，裡面對道的描述，其實也就和這種系統模型很像。

簡單的道，普通人都能觀察學習掌握。

但複雜精微之處，聖人也很難充份掌握。

其實也就是這種系統模型的侷限性。

好吧，既然現實的系統是近乎無窮連結的互相影響的變數，幾乎是無窮盡的複雜度，我們不就無能為力了？

放棄算了？

說到這裡，傻蛋就可以牽拖軟體工程了。

軟體工程的核心，就在於控制系統複雜度。

要追求完美的系統，把方方面面完整納入考量，可以說，每增加一個因素，潛在的複雜度可能就增加不止一倍。

所以就必須要設法簡化，設法減少因素與因素之間的相互關係，才能讓整個軟體系統，保持在一個可以理解維護的程度。

多一個需求，可以做到啊，這需求也有它的意義，但這個新需求得和整個系統做關聯檢查，可能加了一個新需求後，整個系統概念會發生質變，複雜度不是相加而是相乘的暴增。

新需求可能有價值，但如果不符成本，加進來就會是災難。

軟體工程就是反覆的用各種手段來減少系統複雜度的成長。

抓重點，把幾個重點內聚成主要模組，避免模組之間的關聯性，讓模組與模組之間的互動集中管理，設法讓系統概念容易聚焦理解與靈活的對應現實，是好的系統設計的必要工夫。

高內聚低耦合的模組化設計，其實也是所謂好的物件導向設計的核心精神，總之，就是要降低系統複雜度指數型成長帶來的管理困境。

對，就是管理困境。

當系統複雜度沒有好好控制，牽一髮而動全身，又讓整個系統的概念沒辦法具體清楚，讓所有人容易理解掌握與溝通的話，軟體系統就進入那所謂進一步，退至少一步的狀態，也就是系統的死亡。

多數系統都是複雜死的。

經驗不足，或是對軟體工程的基本概念沒有任何知覺的工程師，很容易就會把系統設計得不必要的複雜。

只有這麼點東西，好像有點少，再加一點個人的想法，讓整個流程圖看起來完整專業一點吧？

如果沒有對需求與設計作嚴格的簡查表決策，把所有非必要與性價比不足的需求與設計加以排除，將很難避免系統品質的低落。

學習曲線很陡峭，不容易上手，很容易改出Bug，溝通起來效率也很差。

或許更嚴重的是，系統介面難學難懂與缺乏效率，有邏輯漏洞與常態性的問題數據，嚴重的影響系統背後的商業目的與配合競爭力需要的彈性。

因為大敵是複雜度，而系統本身就是複雜的，所以不得不聚焦於主要目的，並在建構系統的基礎時就預先做好完善的定義與取捨，好像系統能活得好，能夠完成必要的使命。

這種模型的建構，其實仔細想想喔，和我們應用數字來作分析思考，有不少相通之處？

我們用數學公式來簡化我們的問題分析，和我們大膽定義系統範圍簡化細節來讓系統能被管理與維護，是一樣的。

傻蛋唯一能說的，大概也只有直接觀察，保持理性客觀這個原則很重要而已。

人性的本能，動物的本能是違反理性客觀，而是更多的自我中心的。

沒有刻意鍛鍊，時時保持警惕，人，多半都是自我感覺良好，無法看清現實，活在自己世界的廢物而已。

世界的本質是系統，系統的問題在於複雜度的成本。

這就可以帶到現代的管理議題上了。

組織管理與人力資源管理，其實在大型組織，問題，也是複雜度。

組織大了，通常很難擺脫官僚，效率也會變差，喪失活力與競爭力。

當然，有規模優勢與雄厚的資本，大型組織有其力量。

但大型組織的管理一旦失控，內部運作失能，將難以發揮規模效應的力量，而是在嚴重的內耗中喪失力量。

關鍵可能在組織結構的複雜度上。

複雜度失控，組織就會失能失控。

盡可能保持簡單，排除所有沒有綜效的複雜度，聚焦於組織的主要目的。

或許可以像軟體工程的作法一般，把組織設計與管理流程的制訂，一樣弄出一個複雜度必要性的簡查表吧。

要知道人性是很容易引入不必要的複雜度的。

錯的不對的東西，只要是老闆說的，就會變成對的，像這種決策，就會製造出虛假的知識與不必要的複雜度，決策者若是無法自我克制，很容易就會變成組織的災難。

刷存在感的管理流程，自己搞死自己，是很常見的事。

也有不少明明是小公司，溝通成本還不高，卻為了向大企業看齊，預先設計很多複雜的，只是感覺很像比較專業的管理辦法，讓管理者可以自我感覺良好。

這不是自掘墳墓嗎？

但，這可能是台灣企業的常態吧！

所以啊，綜合以上傻蛋一連串的廢話，其實結論很簡單。

這個世界是個很複雜的系統，我們必須學會客觀理性的直接觀察事實，並且學會用專注於核心目的，盡量排除不必要複雜度的手段來建構我們的思考分析模型，我們才能真正學會如何學習與思考分析，在接下來的時代創造價值與生存下去吧？