[摘譯] 讓趨勢預測落空的四種力量

[原文] The four global forces breaking all the trends | McKinsey & Company

[摘譯]
這篇文章是 Richard Dobbs, James Manyika, Jonathan Woetzel 的新書 No Ordinary Disruption 的摘錄，這本書介紹在全球經濟運作方式大翻新的今天，四個改變世界的重大趨勢，並且建議領導者該如何應應這些變化。

一、不只是上海：都市化的年代
除了經濟發展的重心由歐美成熟市場轉移到亞洲、拉丁美洲和中東之外，人口往都市集中是一個非常明顯的現象：過去30 年，世界的「都市人口」平均每年增加6500萬人，大抵是每年增加七個芝加哥的規模。全球 GDP 的50%將會來自於新興市場的 440 個都市（2010年是 33%），其中95%是大多數人聽都沒聽過的中小型城市。這個現象的背後，是 6200萬人在過去二十年脫離貧窮線，每年成長 150% 的消費能力。

二、冰山的一角：不斷加速的科技創新
世界對新科技的適應速度越來越快：收音機從發明到有5000萬人使用，花了38年的時間；相較之下，電視花了13年，iPod 花了4年，網際網路花了3年，facebook 1年，twitter 9個月。而新科技也讓更多新的商業模式變成可能，目前幾個可能發生顛覆的主要科技有：行動網路（mobile internet）、知識型工作的自動化（automation of knowledge work），和物聯網（internet of things）。

三、不一樣的老：高齡化世界的挑戰
日本跟俄羅斯過去幾年的人口減少，證明已開發國家的人口老化已經是進行式了，但事情還沒完：2013年，全球 60% 的地區人口替代率已經低於 2.1（每個婦女生 2.1個小孩，恰好可以維持人口的平衡），未來高齡化、人口減少、生產力不足，將會是全球各地共同要面對的問題。2014年全球GDP 的成長降到 1.8，預計將再也不會提高，而銀髮勞動力（55歲以上還沒退休的人）佔勞動人口的比例，將從 2010 年的 14% 提高到 2030 年的 22%。這對政府財政和社會各種組織的運作方式，都將造成極大的挑戰。

四、貿易、人、資金與資料：更緊密的全球連結
資金、人與資訊的全球「流動」，是第四個顛覆的力量。密切連結的國家，享有較高的 GDP 成長，而全球貿易的中樞，也由歐美國家移轉到亞洲。


上述的四種力量，正一點一滴的顛覆著我們熟悉的世界運作方式，任何的趨勢預測，如果只是根據既有的經驗向外延伸，那麼將會在這些力量的影響下，失去參考的價值。

同時，這也代表了全新的機會，如果能掌握這個經濟型態的轉變，做好準備，也將會是成功的契機。

新工作潮：20年前趨勢預測的驗證

最近在整理書架時，隨手翻到這本 1995 年出版的書，發現跟今年的一些「現況報告」相當吻合，覺得相當有趣。

這本20年前出版的「新工作潮」，講的是「未來的工作」，如同書封面上的敘述：

不久的將來，世界有一半的人每天要工作十二小時，另一半的人，會失業。「一個蘿蔔一個坑」將成神話，特遣員工、臨時工、契約工將全面佔領市面，這將成為一個職位虛化、消失的「美麗」新世界……。

前陣子網路女王 Mary Meeker 2015 年的報告裡，恰好也指出「80、90 後愛錢愛自由」這件事：

雖然現在 00 後在網絡上的話題度和活躍度已經直追曾經的 80、90 後，但是後兩者在今年已經成為勞動力人數最多的一代人（美國）。在對他們的統計調研中，“互聯網女皇”的報告發現了他們在工作中的一些共通性。
在工作​​福利上，千禧一代最看重的三項依次是職業培訓和發展、更靈活的工作時間，以及現金獎勵。
在喜歡的工作類型中，他們對於工作的靈活性要求比較高，偏愛科技類工作。其中 20% 的人喜歡熬夜，又有近 38% 的人在從事自由職業。

其實書裡還有一些洞見現在看來也相當寫實。例如，作者預言派遣人力會大量取代傳統職缺，預言未來有生產力的組織會走向扁平化和彈性化，這都是已經發生的事情。又例如，作者預測這些現象背後的趨力，一方面是來自於傳統職場優勢者的佔盡便宜又不願意交棒，這跟近年來台灣社會的某些抱怨蠻像的。

最後，作者20年前對未來的建議是：

未來的熱門行業不是電子業、基因工程或國際貿易，而是所有的行業，因為未來成功的定義不是製造什麼新產品，而是要想出新的方法發揮個人的生產力。

雖然「成功的產品」似乎一點也沒有退流行，但整個描述跟現在熱門的「互聯網思維」、「自雇型經濟」、「共享經濟」，似乎也有不謀而合之處。

或許有空可以再翻翻一些舊書，看看還有什麼有趣的趨勢預測可以驗證。

[摘譯] 你應該避免去上的資料科學課程

[原文] Data Science Courses to Avoid - Data Science Central

[摘譯]
隨著「資料科學」日漸熱門，網路上也出現了很多的資料科學的相關課程，Mirko Krivanek 建議，有些課程其實並無助於對「資料科學」的理解或熟練，應該避免在這些課程上花時間。

作者舉了一些「偽資料科學」的例子，像是標榜：

• 學習 R 入門，資料操弄和視覺化，建立資料科學的基礎知識。
• 撰寫你的第一個 R 程式，學習 vectors, matrices, data frames 和 lists。（這些是 R 的資料結構，故不另作翻譯）
• 資料科學的七門課： t 檢定、變異數分析、迴歸以及其他（共26小時）。

這些「偽資料科學」課程通常是包裝過的傳統基礎統計學，對於「資料科學」來說雖然是必要基礎，但其實不必花太多時間去理解細節。雖然目前「資料科學」有很多種詮釋，但是資料科學用到的很多統計理論，在過去十年間都曾經翻修過，甚至很多理論還為了處理「大量」資料而重新定義過。如果要接觸新一代的理論基礎，作者推薦 Vincent Granville 的新書 Data Science 2.0，或是 Data Science Research Lab 上的資源。

另外，作者認為現代的資料科學也不太需要「線性代數」，所以如果你在課程介紹裡看到「矩陣」，那也是個應該跳過這門課的信號。

很多統計學者宣稱，資料科學家作的事情，本質上就是統計學，但是作者認為解決問題的方法很多，資料科學只是對有些問題的解決方案和統計學家相同而已。大多數的時候，資料科學家尋求的是直覺、簡單，讓工程師和商業人事容易理解的解決方案，而不是列出一百種模型讓別人選擇。

資料科學的解決方案，會把對複雜度的追求放在實際執行需要的領域專業知識上，放在如何選擇正確的衡量標準上，並且強調資料架構（以及收集過程）的設計上。

[譯按]
這篇簡單的說，就是作者建議避免去上「包裝成資料科學的傳統統計課程」，姑且不論字裡行間透露出作者跟統計學家的往日恩怨，個人覺得作者想強調的是，即便統計學是資料科學的根源，但是資料科學是更「對其它領域友善」的：方便工程師整合進系統，也方便商務人事理解背後的概念。

不過就像作者指出的，目前「資料科學」有很多種詮釋，所以不妨當做一種觀點來參考。

「物」從來不是物聯網的重點

本週 Computex 的活動很多，聽到了很多不錯的洞察，值得記下來。

Cees Links 是 GreenPeak 的創辦人與 CEO，他提到：「物」從來不是物聯網的重點，物聯網提供的價值，是這個「網」形成之後，可以提供的服務。

他舉自己手上的 fitbit 為例：運動手環的價值，不在於它可以記錄什麼、多便宜、多漂亮、多省電、有多少功能，而是我手機裡有一個搭配的個人健康教練 app，它可以提醒我、調整我的生活型態，讓我過得比較健康一點。個人健康教練是很貴的，但是運動手環加上 app 讓這件事情變得很容易負擔得起，所以我願意戴上健康手環，以換取「健康教練」的服務。

「智慧家庭」的重點，不是家裡的裝置們、也不是什麼連線、節能的技術。而是智慧家庭的建置，讓每個使用者的家裡有一位虛擬的「管家」，在你忘了關燈、關瓦斯的時候幫你關上，在你忘了鎖門的時候幫你鎖好。現實生活裡能請得起管家的人不多，而智慧家庭讓「管家」的服務變成很多人都負擔得起，所以使用者是為了這個管家的服務，才願意裝上那麼多奇奇怪怪的連線裝置。

目前國內的科技公司都在寄望「物聯網」這個新市場，個人覺得 Cees Links 的這番話，特別值得深思。