Jeffrey Ma 馬愷文
ISBN : 9789865797676
關鍵字
●了解變異數
「我已經訓練自己不要去管短期波動。我對我做的每件事都保持冷靜。生意人最好學會這一課，不要對短期結果反應過度，因為那可能只是變異數的產物而已。」
●重視長期觀點，並且承諾投資於長期成果。
賭徒謬誤(gambler's fallacy)：如果在某個隨機過程的反覆獨立試驗中，預期結果發生異常現象，則未來可能會發生相反的情況，將這些異常現象平衡過來。
條件機率的定義是：某一件事情的出現，影響到另一件事出現的機率。例如：一張A出現後，影響領一張A出現的機率。
資料探勘是一個過程，主要是分析大量資料、從中尋找具統計重要性和意義的型態。
把過去資料納入決策過程，會讓結果變得更好。
確認性偏誤(confirmation bias)
當你照著基本策略打牌時，你會做出一些在數學上正確，但卻和直覺牴觸的決定。有時候，數學會教你做一些奇怪的決定，以充分提高你的機會。
只要用錯誤憑據去證明錯誤觀念，就會產生「確認性偏誤」。這是人類天性裡一個奇怪的特質：我們會自然而然去關注支持自己觀點的資料，而忽視和自己觀點衝突的資料。這也是為什麼當要確認一個理論或假設時，建立一個真正全面、分析的方法非常重要。
選擇性偏誤(selection bias) - 倖存者偏誤
從來沒有人告訴我們那些失敗的案例，我們只看到那些成功的人，也就是那些倖存者。
必須確認看到的是所有的資料，而不是資料的一部分。檢視的資料越多越好。
了解因果關係和相關係數的差異。
決策框架(decision frame)
提出正確的問題，是在企業中建立莊家優勢的重要步驟。
認知性偏誤(cognitive bias)
沒辦法用統計證明，並不表示結果是負面的。
如果你想用統計學來觀察某件事，但卻找不到它，那並不表示它不存在。
公司不應該延後運用分析力來解決資料問題，而是應該繼續運用分析達成進展，同時盡力改善資料品質。資料永遠不會是完美的，因此，純粹根據分析來改進業務決策，是一個重要的起點。
沒有必要追求完美或是什麼大作為，只需要比現在的預測精準一些就行了。
專注於實際的小問題，而非理想化的大問題。
要讓數字有機會說明「完整的故事」，才可以用數字來說故事。
避免偽統計學的四大原則
統計學應該建立在某種客觀的衡量標準上。統計學只有採用了正確的資料，才能得出正確的結論。
統計應該易於理解，或者盡可能地簡單易懂。
統計學不改用來支持謊言。小心注意，提出的事情代表某種程度的事實。
真正的統計評估的是有用的事物，而不只是容易衡量的事物。
用數字來講故事或呈現資訊的能力，是在商業上取得莊家優勢的重點。
把錢輸光就意味著自己丟掉了翻本的希望。
要注意風險管理。你必須確定你有足夠的資金，經得起最惡劣的情況。
風險管理的焦點應該集中在最壞的狀況。
當你擁有少許優勢，你需要確定自己擁有很多機會實現那種優勢。
正面的結果不表示決定是對的
異於平常的做法往往看似不對。
常規作法不一定是正確作法。
「損失趨避」的陷阱—在意損失更勝於獲利
損失趨避是一種認知性偏誤，意指：縱然獲利的機率相當，人們仍比較容易受到潛在損失所影響。換言之，人們不喜歡損失。
比免損失趨避的一個方法，就是從真正座標為零的參考架構看待所有事情。
忽略性偏誤(omission bias)是指，人們往往會選擇不採取行動，以便支持失敗或不良的後果。
不行動的代價極為可觀。
決定不做決定，實際上就等於做了決定。
關鍵是同等對待採取行動與不行動的選擇。所有決定都應該獲得平等的考量。
後見之明偏誤 (hindsight bias)
專注於想像成功，並且通盤了解失敗的成本。
---
數學的本質不是將簡單的事情複雜化，而是讓複雜的事情變簡單。以簡單扼要的方式展示資料導向決策的價值。
資料導向的直覺：
現實世界中的數學，在這個世界哩，變數通常多不勝數，而樣本卻少到無法建立起完美的模型。但這並不意味著你應該忽略資料的存在，而是意味著，你一定要努力找出最佳數據資料— —可用來做出最佳決策的最相關數據資料。
與其將直覺定義為「未經任何推理過程，對真相、事實等的理解」，不如稱它為「在尚無明確推理過程之下，對真相和事實的理解」。
瘋狂行為的背後存在著理性的分析方法。 每一個良好的決定，背後都有一些數據資料支持。
