推薦序
一到十分,你給這個人打幾分?
江湖人稱S姐 在過去社會裏,多數人在詢問他人判斷事物或績效的標準就是及格╱不及格,判斷條件從單一執行╱效率層麵到多維度層麵至全方位三百六十度績效評估法則的演進,如果在平均值以上似乎較能被接受,平均值以下就必須進入觀察,這在企業、學校教育、個人感情,甚至傢庭教育都有可能發生,似乎永遠有辦法標準化評估並分類。從獵人頭顧問的角度來看,若要替企業解決適纔適所的議題,部門中就不能都是A咖,必須有不同等級或專業的人組閤起來纔可能和諧。而這本書定義瞭不同的評估標準,讓我對於企業用人與求職者之間的矛盾關係有瞭新的想法。
在企業端,公司高層總把人頭數字化,玩組織遊戲與分析遊戲。這個部門需要多少人,這個單位創造齣多少價值或是替公司節省多少成本為考量,越標準化的流程越能保證品質。如果此産品不賺錢就裁員或將此單位流放邊疆等著被收購拿一筆,如果組織因為員工滿意度不高有流動率,就隻是補人數或乾脆遇缺不補,說到底就是數字遊戲。在過去工業化社會裏也許可行,績效決定薪資或奬金漲幅,所以工作者也樂得藉由工作錶現爭取更高的薪水,導緻長久下來組織為瞭利益而不惜産生衝突或鬥爭。
反觀,數字化管理和個體員工的成長是上下矛盾的,員工需要被認同、需要被知道他是誰、能貢獻什麼。隨著資訊取得普遍,個人意識成長,更多人開始認知人生不是隻有工作,還有很多值得追尋的事物與興趣,渴望改變,甚至積極參與教育改革,認為知識及資本不再是由上位者控製,而是個體力量的結閤,並對於既有體製提齣反動。
所以近十年各種新創公司崛起並快速擴張是有脈絡可循的,因為他們將員工視為資産,以人為核心而非産品為核心,從個體中發現璞玉,並予以彈性空間任其發揮,甚至免費訓練員工,這讓不少大型企業在近五年受到極大衝擊而必須迴過頭來重新檢視員工價值。這些力量並非單一事件,而是大量個體意識集閤。
然而,拋棄舊有思維比接受新思維難多瞭,科技的進步及個人意識崛起,依照個人職能來執行最閤適的事務並有各種新興職位是下一步人纔發展關鍵。未來的教育路徑會和現在的上下課、午休、課後進修等的模式有所差彆,學習沒有年齡差距,十五歲的小孩和四十歲的學生進修同一門專業;工作也許會和現在的週一到週五打卡上下班、在一個辦公室共事方式有所差距—同事將來自世界各地而且虛擬實境,甚至可能彈性選擇工時。相信在企業與個體專注於各自強項並協同閤作後,這是有可能發生的。
個體都應該跳脫係統及體製思維,因為一旦適應瞭,就會接受一切的不閤理。個體在未來被定義擁有多種角色及特質,而不是過去的一張名片或單一行為定義價值。可能白天是行銷主管,其他時間是個好媽媽,是個鋼琴老師,是個到處旅行的背包客。
《終結平庸》透過大量案例及分析研究重新定義過去所謂的「平均值」,帶你瞭解過去以平均值為基準的武斷篩選方法早已不存在,透過瞭解個體各種層麵的參差性找齣個人潛能,拒絕盲目追求大眾要求的平均值之上,學校應該教育倫理而非知識,社會應該教育生存及挖掘潛能。個體創造機會的時代已經來臨,本書值得仔細閱讀,瞭解曆史脈絡及演進,進而找齣個人方嚮與目標。
(本文作者為職場力部落客╲商周專欄作傢)
推薦序 盡管會製造麻煩,我們都需要「奇點」
蘇文鈺 在大學裏,我教過機率、統計與隨機過程,也常常是各類考試題目的齣題者,這幾門課都很不容易,我曾經自承這是數學領域裏我比較弱的科目,不好懂,也不好教,學生要能聽懂後再來應用,必須花上好幾年的時間。時下機器學習正夯,若要把機器學習學得全麵,學好機率統計是首要之務。
因為難懂難教,所以機率之中會有幾個數值是常用的,例如平均值(mean),變異數(Variance),相關係數(Correlation Coefficient),歪麯(Skewness)……等,這些是經過統計之後所産生的一個機率事件的代錶數值。而且在大數法則下,許多的機率事件最後統計時可以用高斯分布(Gaussian),Chi Square與學生分布(Student's T)來逼近。
也就是說,因為很難一下子把概念解釋得清清楚楚,所以最後乾脆教幾個標準作法,然後查錶得齣幾個標準參考數值,讓大傢在多數的情況下可以一用。
但是在工程領域,我們也很注重所謂的奇點(Singularity),因為奇點通常不是麻煩製造者,就是突破研究的關鍵。想在研究上有突齣貢獻,非得有不同於一般的想法,這就是奇點。現下那種炒冷飯大雜燴式的論文是不太有可能會産齣讓人類真正進步的技術的。偏偏前者很少見,後者滿天飛。
* * *
在所有的機率統計學所産生齣來的代錶值之中,又以Mean為最普遍,講簡單一點就是取平均值(Averaging)。
所以,「平均」每年論文多的教授相對會做研究、考試成績高的代錶腦袋好、研究計畫多的代錶會實作……諸如此類的看法充斥整個颱灣。
平均值有沒有用?我相信是有的。例如,我也覺得填鴨式教育對「很多」學生有用,而用考試的方式來評量學生的學習也「可能」適用「多數」人。但是因為隻是「可能」,所以這些「多數」也可能是統計下的結果,事實上沒有你想像的這麼多。這樣子的數字,其實容易造假,所以大傢拚命寫論文。
即使不造假,統計也是會騙人的。往往兩個研究對象一看就知是截然不同的,但是因為量測數值平均的結果(average)很接近,人類的簡化思考就相信兩者之間沒有差異,這就是濛著眼睛說話瞭。之所以會這樣,若不是統計模型沒做好,就是忽略瞭奇點。
* * *
過去的環境因素,我們希望趕快産齣不要問太多、會做事就好的「人纔」,因此,均等式的教學、反覆的練習、生産綫式的學校、公平的入學方式……等,以「平均值」為依歸的教育與經營思維主導瞭整個從小學一直到教授升等的運作。
但是我們往往忽略瞭隨意濫用「平均值」是一件可怕的事,同時忘記該努力去找齣「奇點」,以緻社會的進步也大幅延滯瞭。
找齣這些看似來惹麻煩的奇點,幫助這些奇點,讓他們可以對社會産生巨大的貢獻,將是颱灣往上提升的很重要的一件事。
但是,我也想提醒大傢,事實上,適閤填鴨與考試的學生也「可能」「不少」,彆隻是把光芒放在一些奇點厲害人物身上,而忽視瞭更廣大的人們的需要,後者也許對於推動大幅進步時貢獻不大,卻是整個社會安定緩步前進的力量。
這也是Program the World(愛自造者學習)協會會持續努力的方嚮。也是很多像是均一教育平颱等前輩組織努力在前麵引導我們的。
(本文作者為成功大學資訊工程學係教授,偏鄉兒少程式教學計畫「Program the World」中華民國愛自造者學習協會理事長)