Subscribe
Share
Share
Embed
课代表立正的官方Podcast
深度访谈，有用干货，亲身验证的「真本事」
Superlinear Academy创始人，Maven Top AI Instructor
前Statsig布道师（OpenAI收购），腾讯副总监，Meta，Amazon；康奈尔经济学博士
社区：Superlinear.Academy
课程：ai-builders.com
个人：lizheng.ai
Hello大家好
欢迎来到课代表聊数据的第不绕段期
我们上期Promise大家说讲一下
这个是科学分析问题的框架
到底是什么意思
和Analytics work的价值是什么
我觉得就稍稍讲的宽泛一点
我们到时候接下来的视频
可以把它讲得再细一点
前一段时间看了老高的
讲可口可乐的一期视频
有一个例子
我觉得特别好
就想在这用一下
可口可乐以前是一款药
就是它里边是有可卡因和咖啡因
然后它只在药
就是Pharmaceutical里边销售
或者说你在超市的话
你只能在买药的地方买到它
但是后来政府说你不行
你不能把它当药卖
你要把它当饮料卖
你要去超市买
所以说他们就只能把它从药柜上拿下来
然后放到放饮料的柜上开始卖
当时可口可乐的高管
我不知道
就老高说的
当时可口可乐的高管觉得
这一下是个disaster
因为大家愿意去买我们可口可乐
就是因为它是药
但是如果说变成饮料了
它就不值钱了
大家就不想买了
结果后来发现它不是这样子的
但是欢迎你当成饮料了以后一样好卖
而且你当成饮料了以后
你门槛就降低了很多
大家就要买
所以就成就了可口可乐今天的市值
可口可乐今天如果只是卖药的话
它这个药再怎么厉害
它也没有办法成为现在的市值的
它是一个大众饮料
大家天天喝才支撑起来这么大的失职
那这个事情为什么要讲呢
就是大家的认知
有的时候很多时候是错的
对吧
就是可口可乐高管
他哪怕那个时候很懂可口可乐了
他对大众的认知也是错的
不然他早就把它放到超市上直接去卖了
可是这个错误的认知
危害是很大的
就是如果说不是政府逼着可口可乐去卖饮料的话
可口可乐有可能到现在还是一个药
我们就没有听过这个公司
或者说把它当成一个很有名的药厂
对吧
但是它的市值就会低很多
它改变了这个认知
它才有可能进入大众市场
这一个认知的差别
可能就是市值几十倍
几百倍
几千倍的差别
同样的例子
就比如说日新说
日新说也是一个大家观念上的改变
是吧
你觉得地球绕着太阳转
还是太阳绕着地球转
在那一刻
其实人的生活没有任何的改变
但是这个观念的改变
其实会改变你的很多根深蒂固的其他的观念
就比如说你对宗教的信仰
或者说你对其他科学的探索
都会随之改变
甚至有人说你到底是地心说还是日心说
就是一个中世纪的人和文艺复兴人的区别
这两个例子就是想说
观念是一个看不见摸不着的事情
而且你观念一旦改变了之后
你就会觉得理所当然就应该是这样子的
我之前怎么没有想到
然后按照新的观念去
更好的观念去做事情的话
你就会发现多了很多的机会
或者做事情做的顺很多
但是在这个观念被改变之前
大家都是有那个错误的观念的
就是历史上那么多人
都没有人说
我为什么觉得太阳一定是绕着地球转的
为什么不可能地球绕着太阳转
直到戈白尼把这件事情给讲清楚了
对吧
可口可乐在之前那么多人也没有说
我们为什么不试着开发一款
针对大众的饮料
我们为什么要直接只把可口可乐拿来当药卖呢
大家是你的观念在改变之前
你是不会觉得你的旧观念有问题的
在你的观念改变之后
你也觉得
of course 这个新观念是对的
你也会忘记你在改变观念的过程
好
我觉得数据科学家或者说任何人
TNM工程师
他最大的价值之一就是改变观念
你要去不断的去找到正确的认知
或者说包括你做slap的时候
大家到底喜不喜欢你的产品
大家喜欢什么样的产品
或者说什么样的功能更好用
这也是你要有你的认知才行
对吧
就比如说乔布斯或者张小龙
他们一上来就有正确的认知
他们就知道
这个东西就是大众想要的
我就把这个东西造出来就好了
可是我们绝大多数的人
没有这样的天分
那这个时候怎么办呢
这个时候首先就是
你要有一个科学的框架
你要能科学的分析问题解决问题
这样子的话你才能知道你的假设是什么
你怎么样子去验证的假设
有了科学的分析问题和解决问题的框架以后
你才有可能convince自己说
我之前的认知是错的
我的新的认知是对的
因为我有如下的证据来通过科学的方法告诉自己
第二个就是你要不断的去想
你要不断去挑战自己的认知
挑战大家的认知
然后在这个过程中就不断的发现新的认知
所以说我在我的视频里边也会特别注重这些东西
就是我觉得我想到的一些东西
我觉得和市面上大家想的不一样
那我就愿意把这个东西说出来
有可能是我错了
那我也希望这样改变我的认知
这样我
而且我想知道我为什么错的
这样我就可以要么改变我的assumption
要么改变我对事情的一些过有看法
或者改变一些我之前认识到的错误的事实
但是如果我说的是对的话
那就能提供很多价值
对吧
我觉得这是一个增量的知识
总之就是有这两点
一个是你能去想到一些新的想法
第二
你有一些科学的方式去帮大家test
哪个想法对
哪个想法不对
改变大家的认知
在我看来这就是非常大的价值
说到具体工作
我们有很多例子
但是上次promise大家用这里边的例子
我觉得其实这里边的例子也是非常好的
我就把这里边的例子
跟大家用我的语言paraphrase一下
如果感兴趣的话
其实原书写的写的比我说的要好很多
他说的就是你在修摩托车的过程中
你其实修的不是你的实体的摩托车
而是你一年中的摩托车
什么意思呢
其实摩托车有两种修法
一个是你可能一个很直觉的修法
你觉得什么东西有问题修一下
然后修好了
这个先不算
如果你有一个问题
你怎么修都修不好
这个时候你就要用scientific method
去修这个自行车了
你这个scientific method是怎么使用的呢
你脑子中你会知道摩托车
我的引擎是干什么用的
我的离合器是干什么用的
我的刹车线
我的电动每一个部件
它每一个部件有什么样的功能
然后部件和部件之间相互怎么样子work
我脑子中是有一个框架的
我不是看到我面前的自行车
而是我脑子中的概念中的自行车
摩托车我刚一直说
我刚一直说自行车玩法摩托车
就是我脑子中的摩托车和现实中的摩托车
但是其实我知道一辆摩托车怎么工作
是我脑子中的摩托车
我现在说一个东西出了问题
一个零件出了问题
我是用现实中的摩托车
它产生的optivation
带入到我脑子中的摩托车
然后我在脑子中的摩托车就去想
它这个地方出了问题
可能代表哪些零件有问题
然后如果比如说零件A出了问题
可能还会导致什么其他的问题
零件B出了问题的话
可能会导致什么其他问题
我在用现实中的摩托车去观测一下
看看它是不是出现了零件A代表的那些问题
或者零件B代表的那些问题
然后你再对现实的摩托车进行观测
然后再回到你的脑子里边
所有的这些观察发现出来的以后
我觉得可能是零件B出了问题
然后零件B应该怎么去修
然后我再到现实的摩托车中去把零件B拆下来修好
换个新的或者悄悄地打什么的
修好了以后
我脑子中就觉得我修好了摩托车的零件B
这摩托车就应该work
它的这些症状就应该消失了
如果它没有消失的话
我再去想一下可能还有什么样的问题
其实我们数学科学群里边
压根他用一个天窗眼镜
也完全就是说了一个类似的例子
但是天窗眼镜那种爱好太小众了
我觉得摩托车这个例子可能大家还更好理解一些
总之就是你在工作中
其实你的认知
你的工作是你的工作是吧
你的网站app或者说你的model什么东西
你的用户都是现实
但是你的脑子里边一定要有一个对现实的理解
抽象的框架或者说
康德说的就是a priority是吧
你对现实社会有理解了以后
你才能根据你的脑海中的抽象框架去决定
我如果做了一件新的事情
大家应该是怎么反应的
我现在如果说销量下降了
它的原因是出在哪里
然后你在现实中的这些行动
也都是根据你脑子中的抽象框架来的
这个时候你有一个好的scientific framework
你有一个好的analytics
你有好的数据
你就可以得到更好的事实
然后你可以不断的去完善你的框架
当然了就是数据不是事实的所有部分
你应该去跟industry的人多聊一聊
应该去多跟你的customer聊一聊
应该去多跟你的一线的同事聊一聊
去得到一些对现实更好的理解
很多数据科学家把数据太当回事了
反而缺乏了对现实的理解
我有一些视频也会专门讲
我觉得很多时候大厂大家用model去做决策
是因为大家都不敢做决策
不敢做决策的不敢担责任
但是不是因为model
就真的比大家人的决策要好
这个先不说
总结一下的话
这个视频想说的是
认知是一个人非常大的财产
就是亚马逊有一个leadership principle
叫alright a lot
就是你这个人要经常对
大家就觉得非常confused
就是为什么这个东西可以作为一个leadership principle
就是你要么是对要么是错的
你怎么样子可以让自己对的次数更多
但是其实就说明这个人的认知更正确
他对市场的理解更深
他对做什么更融的理解更深
就是他的认知更正确
他就能有更多的机会是对的
所以说你不管是给你的产品公司
或者给自己做决定的时候
你的认知就决定了你的结果
对吧
认知是特别重要的
然后data analytics
是提高认知的一个非常有效的方法
不管是提高你自己的认知
还是提高还是整个team
或者整个work
对你的business的认知
analytics是一个非常重要的工具
具体怎么样子通过analytics来提高认知
我们就之后的视频再说
今天就到这里
谢谢大家
我们下期再见