費米與巴菲特的“毛估估”，要點：一是勇于、善于算出“最接近的區(qū)間”；二是與不確定性共舞。

一、

將幾乎所有財富捐給蓋茨基金會之前，巴菲特在慈善方面幾乎一毛不拔，卻為“研究核戰(zhàn)爭”贊助了點兒錢。除了對黑天鵝事件的極端厭惡，他用自己一貫的理性計算到：

“核戰(zhàn)爭似乎是不可避免的！人類最終都要面臨這個問題。任何一件事情，如果它在一年內(nèi)發(fā)生的幾率是10%，那么在未來50內(nèi)它發(fā)生的幾率將高達99.5%，幾乎接近100%！但如果我們把這個數(shù)字調(diào)低，也就是說一年內(nèi)出現(xiàn)核戰(zhàn)爭的幾率將到3%，那么在未來50年，高達99.5%的比例將下降到40%！從數(shù)字角度上來說，這是一件值得去嘗試的事情，毫不夸張的說它可能會使得這個世界變得完全不同！”

計算方法：年發(fā)生概率是10%，年不發(fā)生概率是90%，50年都不發(fā)生的概率是0.9的50次方，然后用100%減去該值。

巴菲特為此向一位研究專家贊助了五萬或十萬美元。

不是多么牛逼的計算，但是現(xiàn)實中，能夠做出這種計算，并且據(jù)此采取行動的人，屈指可數(shù)。

二、

2006年，谷歌創(chuàng)始人布林測出LRRK2基因突變——他患帕金森癥的可能性為50%。面對這個壞消息，他的舉措，像是一個經(jīng)典案例教材：

1. 對外公開此事；
2. 捐助超過5000萬美金給帕金森研究，試圖改變局面；
3. 利用大數(shù)據(jù)探尋模式與出路；
4. 參加跳水等運動。跳水短暫而激烈，可以馬上提高心跳速率；
5. 喝咖啡，喝綠茶……

按照布林自己的計算和預測，效果如下：

1. 飲食和運動，使患病概率降低一半，至25%；
2. 神經(jīng)科學發(fā)展，再降低一半，至13%；
3. 針對帕金森癥的研究增多，進而將風險降至10%以內(nèi)。

不是每個人都有足夠的錢和影響力，但是現(xiàn)實中，能夠堅持去跳水和喝綠茶咖啡的，屈指可數(shù)。

三、

2001年，Netflix還是一家小的DVD租賃公司，年收入7600萬美金，競爭對手百事達為51億。CEO哈斯廷斯急切地想要突破平緩增長，打開需求爆發(fā)的閥門。

程序員出身的哈斯廷斯從數(shù)據(jù)入手，發(fā)現(xiàn)舊金山灣區(qū)的滲透率達2.6%，若全國市場如此，用戶數(shù)將增至5倍。

經(jīng)過一場大規(guī)模調(diào)查，找到“魔力原因”：灣區(qū)送DVD快。當?shù)赜信渌椭行?，顧客一兩天就能看到新電影，嘗鮮心得以滿足。于是，Netflix大建配送中心，打出了“次日送達”的硬球。

Netflix，被稱為“一家由計算機科學家經(jīng)營的娛樂公司”。其經(jīng)營充滿了計算，例如：

1. 通過研究郵寄運營機制、反復設計信封，令碟片損壞率遠低于1%；
2. 進入流媒體時代后，設置價值100萬美金的Netflix獎，鼓勵將在線電影推薦系統(tǒng)提升10%的專家；
3. 利用大數(shù)據(jù)籌拍《紙牌屋》，投入1億美金，能吸引50萬新增訂戶即回本，當年實際凈增1100萬付費訂戶。

在這場似乎無法打贏的戰(zhàn)爭中，哈斯廷斯冷靜地計算，頑強地出擊。如此兼具“計算”與“頑強”的人，屈指可數(shù)。

五、

2002年，谷歌的佩奇開始考慮將人類有史以來的每一本書籍都放到網(wǎng)上，共約12986488

他找來一部數(shù)碼相機，架在三腳架上，用節(jié)拍器控制節(jié)奏，讓人幫忙翻書，用如此簡易的模式，他估算出一本書數(shù)字化所需的大約時間，進而通過計算確認，這個瘋狂的構(gòu)想是可行的。

另外一個超牛的構(gòu)想：谷歌街景，則得益于布林的親身實驗。他開車去市區(qū)，每過幾秒鐘就拍一張照片，然后拿數(shù)字來證明項目可行。

1. 勿因看起來不可能，而否認某個偉大（開始通常都是瘋狂的），要通過計算；
2. 可重復的笨辦法是最好的辦法。

用可行、可復制的“笨辦法”，算出瘋狂而偉大的構(gòu)想的可行性，這樣的人屈指可數(shù)。

六、

如哈伯德在《How to measure anything》里說：

看起來完全沒有蹤跡可循的無形之物，是可以量化的。

這種量化可以用比較經(jīng)濟的方法來實現(xiàn)。

他特別強調(diào)：

1. 量化的概念是“減少不確定性”，而且沒有必要完全消除不確定性。
2. 在商業(yè)領(lǐng)域，通?？雌饋聿豢闪炕氖挛锍３Ｓ蟹浅：唵蔚牧炕椒?，只要我們學會怎樣看透迷霧。

Netflix的哈斯廷斯，與谷歌的佩奇與布林，都有一種類似的信念：

通過計算，找到一種量化的、能夠改變這個世界的商業(yè)革新手段，在一片迷霧中，依照數(shù)字那微弱的燈光的指引，鑿出一眼深井，通往嶄新的空間。

這樣的人，屈指可數(shù)。

七、

我在某課堂上遇到的題：

加拿大每天印刷的報紙來自多少棵樹？

a、4千；b、4萬；c、40萬。

你買食物的10塊錢中，多少用于包裝？

a、1.5元；b、五毛；c、1元。

我計算如下：

• 答1：加拿大人口3500萬，估計人均報紙0.1-1份。一棵樹印報紙估計100-1000份，選b；
• 答2：零售食物10塊，進貨價約6塊，廠家成本約3塊，包裝一塊五太多，五毛嫌少。

關(guān)于估算的例子，用得最多的是費米的“芝加哥有多少調(diào)音師”。

羅素說：“所有科學都建立在近似觀念之上，如果一個人告訴你，他精確地知道某事，那么可以肯定，你正在和一個不精確的人說話。”

愛因斯坦說：“數(shù)學命題只要和現(xiàn)實有關(guān)，它們就是不確定的；只要它們是確定的，那么就和現(xiàn)實無關(guān)?！?/p>

既然一切都可以量化，但現(xiàn)實一切都是不確定不精確的，數(shù)字與量化的意義何在？

這一“矛盾”，容易被沒有計算思維的人（他們連經(jīng)典力學沒搞明白卻天天探討量子力學）搗糨糊。

里德說：“要取得知識的進步，沒有比模棱兩可的話更大的障礙了?！?/p>

我們那沒有數(shù)目化思維能力的文化，喜歡自作多情地將自己的模棱兩可，往科學家們的“不確定性原理”上去靠。

巴菲特說過：“近似正確勝于精確錯誤，風險來自于你不知道自己要做什么?！?/p>

費米與巴菲特的“毛估估”，要點是：

1. 勇于、善于算出“最接近的區(qū)間”；
2. 與不確定性共舞。

如法國數(shù)學家拉普拉斯所言：“人生中最重要的問題，在絕大多數(shù)情況下，真的就只是概率問題。”

懂得這一點的人，屈指可數(shù)。

八、

《How to measure anything》一書的要點：

1. 以定性說明的抽象事物，例如“幸福感”、“滿意”、“質(zhì)量”、“形象”、“品牌價值”等等看不到摸不著的東西也都是可以量化的；
2. 量化的目的并不是為了獲取精確數(shù)值，它直接為決策服務——掌握了解不確定性，控制降低風險，為決策提供依據(jù)。（想想上面巴菲特那段話）
3. 真正的量化過程不需要無限精確。
4. 如果一項量化的工作與決策無關(guān)，那么它就是沒有價值的。

具體該怎么做呢？

谷歌出過一道類似于“費米算鋼琴師”的題目：

多少只高爾夫球才能填滿一輛校車？(職位：產(chǎn)品經(jīng)理)

解析：通過這道題，Google希望測試出求職者是否有能力判斷出解決問題的關(guān)鍵。

參考答案：一輛標準大小的校車約有8英尺寬、6英尺高、20英尺長（不知話，大約估一下也不會差太多）。據(jù)此估算，一輛校車的容積約為960立方英尺。一個高爾夫球的半徑約為0.85英寸，我認為一個高爾夫球的體積約為2.6立方英寸。

用校車的容積除以高爾夫球的體積，得到的結(jié)果是66萬?？紤]到座位和球之間的空隙，最終估算結(jié)果是50萬。（老喻注：球的堆積密度應該是0.74，再考慮椅子什么的，應該在40萬左右，這個就不詳糾了）

總結(jié)以上案例的方法如下：

• 需要首先明確待量化的內(nèi)容，找出核心問題；
• 把一個籠統(tǒng)的問題層層分解、剝離，并對其做出清晰的定義；
• 使用適合的量化方法獲得對決策有價值的信息。

九、

（這一段大部分來自某基百科。）

費米曾說：“我只用一個系數(shù)2就可以將一個物理問題推導數(shù)頁。有時那些物理學家要花整整一年才能把方程的一個系數(shù)求出來，而我對（求系數(shù)）這件事并不是那么感興趣?！?/p>

“（費米）總是能規(guī)避復雜、繁瑣的過程并找到最為簡潔、直接的方法。”

費米解決物理問題的能力很大程度上是因為他的本性驅(qū)使他規(guī)避完美主義，而去追求實際結(jié)果。他厭惡煩雜的理論。盡管掌握高超的數(shù)學技巧，但在能用更為簡單的方法處理問題時他都不會去使用這些技巧。他以能快速得到較為準確的答案著稱。

后來，這種快速得出近似解的方法被人們稱作“費米方法”：

在極短時間內(nèi)，以相關(guān)數(shù)字計算乍看之下摸不著頭緒的物理量。

后來延伸為只要透過某種推論的邏輯（即使看上去已知條件極為匱乏），就可在短時間內(nèi)算出正確答案的近似值。

用這種方法，我們可以估算出美國有多少加油站，日本有多少電線桿，等等。

十、

把費米方法倒過來：如何完成一個目標？

例如，一個城市如何養(yǎng)活50個調(diào)音師？

李開復舉了谷歌的例子：

谷歌有套機制叫做 OKR（強調(diào) Key Result關(guān)鍵結(jié)果必須服從 Objective目標），包括：

1. 公司愿景；
2. 邁向這個愿景，每年要達到的目標；
3. 量化該目標；
4. 將該量化從一年拆分到每個季度，再從整個公司拆分到每個部門，每個部門拆分到每個經(jīng)理，每個經(jīng)理拆分到每個個人。

谷歌的做法，讓每人都有自己的目標，每個人都有年度的考核，這些考核一定要是 SMART 的：

• S ：Specific，特定；
• M ：Measurable，可衡量的；
• A ：Achievable，可達到的；
• R ：Relevant，是相關(guān)的目標；
• T：Time-bounded，是基于時間的。

就像麥特·戴蒙在《火星救援》里，設定愿景：我要活下來；計算自己活下來所需條件；計算需要種多少土豆……

最后

原本還要寫到費曼、還原論、蒙特卡洛模型的。但是覺得可能會太長，以及顯得結(jié)構(gòu)松散。

盡管我在進行創(chuàng)作時，并不特別在意結(jié)構(gòu)：

• 寫作的目的部分是為了自我學習，所以把覺得對自己有用的東西先堆著；
• 對于好心如您的讀者，能看一眼，有那么一兩個故事或者觀點有用即可，何必在串珠子的繩子上花太多時間？
• 反正這些文章將來若成書，還是要重新來過的。

本文談及的幾個關(guān)于“計算”的故事，都是在艱難的環(huán)境下發(fā)生的。主人公并非因為強大而能計算，而是因為用于計算而強大。

我還該加上Kalanick ，并且概括出他成為英雄的要素：

1. 偉大（而瘋狂）構(gòu)想：一鍵叫車；
2. 計算：Kalanick 對數(shù)學很著迷，在 Uber 這件事上，他看到數(shù)學能施加什么樣的魔法：如果舊金山只有 3 輛車，那么用戶要等 20 分鐘；但在周末，如果有 20 輛車同時在跑，用戶等的時間會縮短，與此同時，司機也會掙更多錢?！拔议_始意識到數(shù)學在其中的作用，并看到 Uber 如何規(guī)模化”；
3. 戰(zhàn)斗：Kalanick 剛成為 CEO，便遭到舊金山市政府控告，Uber 高層將面臨每一個訂單 5000 美元的罰款和 90 天的牢獄。接下來的數(shù)年間，這些令常人崩潰的麻煩在全世界范圍內(nèi)連續(xù)不斷，包括在廣州被抄家。

寫到這里，正好郵件里蹦出知乎網(wǎng)站邀請回答：

“如何克服對不確定性的焦慮？”

上面一大堆故事心得什么的，正好也是針對該問題的。

《How to measure anything》里有很好的答案：

• 第一：定義需要決策的問題和相關(guān)的不確定因素；比如，我們面臨的進退兩難的困境是什么？然后定義所有和有關(guān)的變量，并確定一個大致的方向。
• 第二，確定你現(xiàn)在知道了什么；對于要做出決策的問題，是否對于數(shù)據(jù)有個確定的了解，并且知道這些數(shù)據(jù)究竟有多少不明確性。
• 第三，計算附加信息的價值；信息的價值在于它能減少我們決策的風險。
• 第四，將有關(guān)量化方法用于高價值的量化中；主要是一些簡單的統(tǒng)計學方法和科學方法。
• 第五，做出決策并采取行動。做出決策，還要對決策者個人的決策特點進行一下量化，是決策達到最優(yōu)化。

對于堅持看到最后的人，我想告訴你，如果將本文刪得只剩下惟一一個詞，那就是：樂觀。

火星，其英文名Mars，羅馬神話中的戰(zhàn)神，維納斯的情人，為羅馬軍團所崇拜。

古漢語中，因其熒熒如火，位置、亮度時常變動讓人無法捉摸而稱之為熒惑，象征惡象。

一中一外，兩種交織的隱喻。

在那個遙遠的星球上，仿佛并非虛構(gòu)的男主角說：

“我要用科學干出一條生路！”

“I’m going to science the shit out of this.”

作者：老喻在加，公眾號：孤獨大腦（ID：lonelybrain）

本文由 @老喻在加 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自 Pixabay，基于 CC0 協(xié)議