HR咨询研究
读《Sensemaking》说现象学
2021-07-15 10:37  浏览:1107

关于这本17年的新书,我曾经做过一个思维导图,围绕着这幅图,我可以讲清楚这本书说了什么,但我写读书笔记,更多的是想写写我对一本书的感谢,而不只是这本书本身说了什么。所以我只会简单的说说这本书讲了什么,然后会花更大的篇幅说说自己想说的话。

一本书的书名,是了解这本书讲解了什么的钥匙,这本书叫“sensemaking”,副标题是人文学科在算法时代的意义,副标题是问题,而主标题则是回答,sense可以翻译成是意义,这里不一定当成是人生的意义这样的大话题,而可以看成品牌,服务的背后的形象和价值观,而making说的是一个从下而上涌现的过程。副标题中强调算法时代,是想拿数据驱动,比如围绕着总收益,平均客单价等指标来进行的从上而下的决策机制与现有的决策机制对比。书中举的例子,来自于商业分析和咨询公司的实际案例,包括奢侈品,汽车,保险等多个行业,但这本书的预期读者不止是从事商业咨询的专业人士,任何一个现代人都可以从这本书中受益。

为什么这么说,是因为这本书中有一个词出现的次数很多,而且这个词本不应该出现在一本书名中有算法的书中。这个词就是胡塞尔的现象学,深入的了解这个哲学流派,以及他的更出名的学生海德格尔,是读懂这本书的关键。用胡塞尔的话来说,“问题就是要把纯粹而缄默的体验带入到其意义的纯粹表达之中。”,我们生活中的每一个体验都是独一无二的,也是有前因后果的,存在首先是存在着的存在。了解一件事,只看可以量化的数据是不够的,唯有去体会活生生的人所处的社会环境,才可以去和你要了解的人一起去创造意义。

写道这里,我不禁觉得将算法和人文学科对立起来是不对的。在自然语言处理中,有句话叫做Everything is embedding,说的是从最初的词向量,到后来的句子向量,段落向量,我们看到embedding席卷了整个自然语言处理的前沿。embedding是一种教会机器一个词是什么的技术,不管是什么应用,比如机器翻译,文本分类,都是必须必须要做的。embedding的过程,就是去构建一个词的意义的过程,意义不是来自于这个词本身,而是来自于这个词在人们常说的话中,和那些词联系的紧密,从而将每一个词和其他的词之间建立了联系,这每一对词之间的联系深浅,就构成了这个词的意义。也就是将一个词用和其他词的关系分的向量去表示。词向量之所以有用,那是因为这个机制考虑了人的语言本身就不是从书上看到的,每个词的含义,而是会不断随环境变化的。

接下来说说和这本书关系不是那么紧密的事情,也就是这本书对那些没有机会去给商业大佬出谋划策的童鞋有什么用。前几天刷屏的榆林产妇的事情,我问公子是否想写点什么,过了一会看到公子发了条票圈,是这样说的。

这就是我想说的,不管是国事还是家事,在我们谈论别人的事之前,我们要做的是去体会,就拿这次榆林产妇的事件来说,如果只是从数据来看,爬取所有和这件事有关的微信十万加文章,然后去生成词云,我们看到的真的是这件事情的真实面貌吗?我们能拿这些文章中的观点,当成是我们应该对这件事应该采取的态度吗?这样做,你就成了被数据代表的人群,而不是一个独立的个体。还没有搞清楚事实,还没有亲身的体验,你就没有发言权,更没有可能产生有价值的创意。胡适说的“少谈些主义,多研究一些问题”,到了这个算法称王的时代,可以翻译成关于人的事,少看些统计数据,多讲些故事。

发表评论
0评