误差| 4.不要用细化的数据掩盖误差

Franz Marc,   Gazelles

“陆姐，让我再多算几个状态，我还不太确定尺寸是1.1还是1.2合适？”

“你先看看计算误差在什么量级”

“误差大约是10%”

“用误差10%的计算结果，你如何判断尺寸是1.1还是1.2合适？你能区别性能变化是尺寸带来的还是误差带来的影响？”

如果要你来确定尺寸是1.1还是1.2，你会如何解决？你会不会更细致？为了准确地找到最优尺寸，要做尺寸1.11、1.12、1.13、…..1.19的计算，然后从这些结果中选取最优尺寸。

你看着密密麻麻的一列列数据，是不是有一种满足感？你给出最后结果的时候，是不是有一种安全感？

全然不顾误差已经高达10%，你看到的所谓最优已经被误差掩盖。

你这么做有什么原因？

因为，你搞不清楚，误差在什么范围。

你去问写软件的，误差可以小到被忽略。你去问做实验的，误差只是量程的千分之一、万分之一。如果误差真的如此小，可以识别出0.1%的变化，状态细化为间隔0.01，还是合理的。

可惜实际误差往往大的出奇，工程类的计算和实验误差，轻易就超过10%。这还没有考虑，操作失误带来的意外错误。

你去问别人，每个人会告诉你一个不一样的故事。你拿到了数据，判断不了这是明察秋毫的好数据，还是错误的垃圾堆？你又如何做决定？

于是，你不去想那个让你闹心的误差，取消关注“陆姐说”。安心地做间隔只有0.1到0.01的计算和实验状态。

因为，你要保护自己不被老板骂。

如果你按照陆姐说的方法做，会冒很大风险。你判断误差是10%，然后选择了状态间隔0.2的方案，保证状态的变化明显大于误差影响，为老板节约了金钱和时间。但是你解释不了，为什么大家都在增加状态，只有你在减少状态？是不是因为偷懒？你的能力和人格同时被怀疑。

如果你不管误差范围多大，还是玩命细化状态，浪费老板的金钱和时间，赔上你的加班时间，容易被老板理解。即使你的能力被怀疑，工作态度还被认可。

你会看到，无论心里明白还是糊涂，大家都在细分状态，浪费更多的金钱和时间证明自己工作很努力。

这也是工作量会意外地成倍增长的原因。一半因为不懂误差，一半因为不敢承担责任。

 

摆脱这个困境，从获取数据，转到看数据。

我们的时间分配往往是：一年的研究，我们用6个月开会讨论实施方案，用5个月获取数据，用29天准备漂亮的汇报材料，用一天时间把数据画成图表填入总结报告。（还有，一年的研究，用十一个月开会讨论方案，那就是其他问题了。）

没有时间看数据，完全不理解数据，不懂得数据背后有什么误差，有什么规律。只能对数据做最粗暴的比大小。

这么做，下次研究只能做更细化的状态，获取更多的数据，掩盖不懂得数据，不知道误差的现实。

如果我们把时间分配倒过来：一年的研究，3个月讨论方案，3个月获取数据，6个月看数据。

这种看数据不是简单的比大小，而是把所有的数据铺开来，给自己提出十万个为什么；把所有的现象列出来，看看是否合理；把所有的差异找出来，看看哪些是误差哪些是性能变化？

你会说，看数据太复杂，看几天什么也看不出来。你会忍不住地又去算更多的数据，测量更多的数据。

看一天看不懂，就看一周、看一个月。如果你用一个月的时间看一个状态的数据，看得多了，你自然会看出点门道。数据看得多了，心里慢慢有了判断数据对错的感觉。也就知道了下次做计算和实验，你最需要看什么数据。

看数据是脑力活，获取数据是体力活；看数据是长期获利，获取数据是短期获利。虽然看数据会让你痛苦，但是看数据才是值得你表现努力的工作。

当你陷入状态越来越细化的泥坑，你问问自己，你是不知道误差做不出选择？还是被老板逼迫这么做？还是用体力活替换脑力活？

---

误　差

1. 与误差斗争一辈子，不如学会包容误差

2. 不要把低级错误假装成高级错误

3. 有、无的差异，框定误差的范围

本篇文章来源于微信公众号: 陆姐说