分析演算法也需要經理人

演算法也需要經理人

DANIEL HERTZBERG

如何發揮「演算法」這個強大預測工具的最大效能?畢竟,如果運用不當,情況可能會失控。因此,設定演算法時,必須明確陳述目標,也要考慮演算法使用的資料可能造成的長期影響。此外,更要從多元來源收集廣泛的資料。

大多數經理人的工作都涉及到預測。人力資源專家決定聘請什麼人時,是在預測哪些人會有最高的工作效能。行銷人員選擇配銷通路時,是在預測產品將在哪些通路賣得最好。創投業者決定是否投資一家新創企業時,是在預測這家公司能否成功。企業如今做各種商業預測時,愈來愈仰賴電腦演算法。這些演算法以不可思議的速度與規模,一步步地完成分析作業。

演算法能提高預測的準確性,但也會產生特有的風險,尤其是如果我們不了解它們的話,更有可能如此。廣為人知的事例很多。奈飛(Netflix)曾舉辦百萬美元獎金的競賽,要求參賽者開發一個可辨識用戶會喜歡哪些電影的演算法。一些資料科學家組成團隊,創造出得獎的演算法。但那個演算法是DVD租借時期的產物;後來奈飛用戶轉為以線上播放影片為主後,他們的偏好改變了,原本有效的演算法也就顯著失效。

另一個例子來自社群媒體。現在,有很多網站利用演算法,來決定對用戶顯示哪些廣告和連結。如果演算法過度專注在提高點擊率,社群網站上會有「點擊誘餌」(click bait)氾濫成災的問題,它們以連結劣質內容居多。點擊率上升了,但整體的客戶滿意度可能大跌。

這種問題並非無可避免。我們替各種組織設計和執行演算法,...