讀管理學歷史，一定從泰勒主義的科學管理揭開序幕。泰勒認為科學管理的根本目的是謀求最高勞動生產率，最高的工作效率是勞資雙方達到共同富裕的基礎，要達到最高的工作效率的重要手段是用科學化的、標準化的管理方法代替經驗管理。隨著時間演繹，以數理統計學的理論和方法為基礎，不斷吸收資訊理論、控制論、系統論和決策論等方面的研究成果，使強調數理邏輯的統計從反映和監督拓展到推斷、預測和決策的工具。但一個世紀來的科學方法演化也帶來了時代性的挑戰：泰勒處於十九世紀末供不應求的時空，投入產出的效率是管理與經營的王道；在二十世紀末在各種方法與工具已大幅改善下，各種財貨的生產已達供過於求的激烈競爭，科學管理的標的應有顯著的不同。
舉三個常被應用在數學統計中的希臘字母為例：Σ、μ與σ這三個字母代表三種思維。總和、平均值與標準差所反映出的事實真相，一如歷史般的撲逤迷離，端賴解讀者所欲陳現數據背後的動機。當人們相信數字會說話時，數字本身是中性的，卻被展現各類圖表背後的動機所左右。當社會自滿於國民所得逐步上揚之際（當然還要看相對增幅的國際比較），殊不知過去二十年所得分配迅速拉開，貧富差距日益加劇，迷思正在於隱惡揚善地凸顯了μ、卻隱晦了σ，根據報喜不報憂的科學數據所制定的政策並未適時對症下藥，以至於全球社會現在都陷在遍地烽火的怨氣與對立中。Σ一方面反映努力的成果，但也有可能讓人自滿於虛幻的KPI中。我曾看過一位主管以Σ包裝其邊際績效不彰的事實，大老闆要不要戳破那個假象，只是職場另一題人際關係的選擇題罷了。
大數據時代，我們被灌輸「樣本等於母體」的觀念，抽樣信效度的統計考量在嶄新的時代中似乎已不再，但我們有把握觀測的對象就等於母體嗎？沒有遺珠之憾嗎？特別被遺漏的是很大的一顆明珠、特別是這一顆遺珠大到產生對於描述母體之科學數據的反諷。測不準現象早在Heinsberg’s Uncertainty Principle對科學方法的困惑中表達，而在這個處處可見蝴蝶效應的時代，少數透過科技化約微多數，操弄著民主制度的斑斑痕跡更提醒我們在解讀「科學數據」時不可不慎。所以，當同仁拿出數據佐證，振振有詞地倡議著什麼的當下，深思明辨仍是決策前不淪於慣性思考的最後一道防線！
沒有留言:
張貼留言