大小數量與思維

來源與查核限制（2026-11-02）： 貼文標吳軍、得到；只取得第三方筆記的部分概念，未取得原課程全文。鞋子課堂調查、程式員故事、網頁數量年代及銀行醫藥產業比較尚未逐項核實，不能把這些概括當作科技取代傳統產業的既定因果。 來源與參考連結（核對範圍見上述說明）： https://geekdaxue.co/read/woniu666@tools_and_notes/google_method_002 ---- 你的思維方式，往往就決定勝負。 生活在小數字世界裡的人，天然地缺乏處理大數字世界裡的問題思維方式，無形之中將人們限制在天花板之下。 吳軍曾向EMBA講課的同學課堂調查，有100雙以上鞋子的舉手，一般來說，女學員中會有一半舉手，若是問只有不到10雙鞋子的學員舉手，一般會有一些男生舉手。兩組不同的人管理自己鞋子的方法。那些不到十雙鞋的人都是將鞋子隨意地放在一起，不需要管理，出門之前掃一眼，選擇一雙就好了；那些超過一百雙鞋的人，幾乎無一例外地進行了分類管理，否則的話，出門前這一百多雙鞋每一雙花20秒鐘考慮一下，將近一個小時就過去了，約會恐怕就要遲到。 吳軍從上述例子，帶出兩個概念： 1、生活在不同世界裡的人，習慣性的做事方法不同。 2、從小數量總結出來的方法無法應用到更高量級的問題之上。 你如果生活在量級較小的世界裡，習慣思考問題的方式是喜歡從1，2，3這樣小的例子開始，這當然並不是什麽缺點。但是很多時候再把這種思路用到解決大問題之上，事情就做不好了。這種情況在 IT 人士中很常見。 吳軍曾看到一位總監批評下面年輕的程序員。總監表示，那個程序員在用一種很笨的排序方法，就去指證他，而程序員答辯，總共參加排序的數目不大，只有個位數，採用什麽排序方法時間上都差不多，他因為任務時間緊，就用了最容易編寫程序的方法。 對那個程序員來講，人生活在小數字世界里，難免保留固有的習慣，但是既然從事了計算機這個行業，就需要按照計算機這個行業的規矩辦事，不能先驗地假設數值一定不多。萬一多了，笨辦法增加的計算量可不止十倍、百倍，恐怕是千倍，甚至一萬倍。不換這個思路，永遠成為不了合格的電腦工程師。 IT 從業人員遇到職業天花板的第一個原因是一開始思維方式就錯了。像上面那位程序員，再努力寫代碼，恐怕幾年後還是一個低水平的程序員。不克服我們先天認知上的局限性，就無法領會 IT 這個行業的精髓，當然事業也就做不上去。 因此很多大公司被新起來的技術公司搞死，還不知道自己是怎麽死的。今天，無論是 IT 企業，還是非 IT 公司，對大小不敏感，對變化不敏感，最後導致商業失敗的例子非常多。曾經輝煌過的雅虎公司今天遇到的困境，就植根於此。 互聯網在早期內容不算多，因此通過分類建目錄的方式組織信息是有效的，這就如同當人只有一百雙鞋或者幾百本書的時候的做事方式。於是就誕生了以雅虎為代表的、以分類目錄組織信息的門戶網站。但在計算機的世界裡，什麽都是劇增的，網頁數量從90年代初的幾百萬，增加到今天的幾百億，因此雅虎等門戶網站很快就衰落了，代之以 Google 這樣的搜索公司。 而在互聯網2.0時代之後，每一個人都能夠產生新聞，我們面對的是一個大數字的世界，因此在這個時代，理解了計算機思維的今日頭條就用了和門戶網站完全不同的思維方式來解決新聞傳播的問題。現今新聞多得靠欄目分類已經無法解決了，今日頭條不得不靠個性化篩選新聞。新聞門戶網站的每況愈下和今日頭條的興起，實際上就是兩種思維方式的對決。 再以金融業為例，這個行業的工作曾經被譽為“金飯碗”，但是今天各大銀行的營業網點都在萎縮，貸款也比以前難做了。原因很簡單，過去每一筆貸款都是手工審批的，一個貸款主管一周也未必會貸出10筆，這裡面經驗很重要，而且經驗的積累又是靠自己摸索，同行之間的交流其實很少。 但是等到阿里巴巴的螞蟻金服出現之後，劇增的數據量讓貸款主管的經驗變得無濟於事。螞蟻金服的成功之處在於，它一開始就面對一個巨大的世界，因此它解決問題的思維方式就和傳統的銀行不同。 因此，雖然各大銀行有著自己固有的優勢，但是卻越來越受到螞蟻金服的威脅，業務難以成長。 傳統的製藥行業裡，分析過上千人的病例和數據就很了不起了，但其結果是藥品研制緩慢，而且很多處方藥對大多數人來講其實並沒有什麽用途。與這些傳統制藥公司所不同的是，利用 IT 技術解決醫療問題的人類長壽公司和 Google 的大數據醫療公司 Calico，從一開始就是把自己定義在大數世界里，它們採用的研究方法和傳統的藥廠就完全不同。今天，各大藥廠都在科技公司合作，試圖用新的方法解決老辦法解決不了的問題。可以講，對數量大小的認知決定了商業模式，也決定了企業的成敗。 造成雅虎等公司，或者大銀行困局的，原因並非雅虎的員工不如 Google 的努力，也並非銀行系統的人沒有阿里巴巴的人聰明，而在於思維方式不同。雅虎和大銀行都沒有領悟到計算機思維的真諦。 #得到 #吳軍 #矽谷來信谷歌方法論