之前談到「好的求職作品能展現你『解決問題，創造價值』的能力與實績」 [1] ，就有鄉民提道：「解決問題還好，發現問題才難」。 > 推 nekosgr93: 推 我覺得寫作品本身還好 找問題這件事才是最難的 這篇我想談「好問題」，但與《提問的智慧》 [2] 的「好問題」不同。 《提問的智慧》主張的是「能激發知性智識成長的，就是好問題」，我想談的是「 有價值、能交換利益的，叫做好問題」，也就是偏向「功利」的考量，去思考如何 做到「價值大於成本」。 # 知識落差的價值：計算思維(computational thinking) [3] [4] 整理自維基百科對「計算思維」的說明： * Abstraction 抽象化／定義問題 * decomposition 解構問題、降低複雜度 * pattern recognition / data representation 識別問題模式／資料表示方法 * generalization/abstraction 歸納／抽象思考 * algorithms 演算法 * Automation 自動化／實作解決方案 * Analyses 分析／執行、改善解決方案 上面提到的３Ａ（抽象化、自動化、分析／執行／改善）可說是碼猴特有的三合一 優勢；一般人多少也能做到抽象化、分析／執行／改善，但「自動化」有個程式語 言門檻，一般人常卡在這裡，它們的方法再好，最後還是要手動去做。 從功利角度來說，你不需要是世界最強碼猴，你只需要找到從「自動化」知識落差 套利的機會即可。易言之，可以從生活中工作上各種體驗著手，把事情紀錄下來， 拆解成小步驟，看看可以怎麼用自動化省時省事省麻煩（省成本）、做出來的結果 更一致整齊（增加價值）。 # 計算的成本：莫拉維克悖論(Moravec's paradox) [5] [6] 莫拉維克悖論的大意是：「有些問題很適合用電腦處理，有些很不適合」。進一步 說：「愈是高度抽象思維的問題，就可能愈適合用電腦處理；愈是人體感官、肢體 運動相關的問題，就愈難用電腦處理」。 Moravec 解釋這背後的哲理是：「人腦處理感官、肢體運動的能力，是十億年基因 演化的成果；相較之下，抽象思考只是十萬年文化演化的成果」。易言之，兩邊的 級數差很多，難度不同。 把這個道理應用在「價值與成本」這個題目上，就是要去檢視哪些部分是「高度抽 象思維的問題」，哪些部分是「人體感官（情緒、感性）、肢體運動相關的問題」 。與「人體感官、情緒、感性、肢體運動」相關的部分愈多，一般來說，就愈不容 易去利用 *傳統* 自動化方法降低成本。（而現今 2019 年的ＡＩ工具門檻還是不 低，對一般碼猴來說能套利的空間有限。） 另一個要考量的，就是「計算的限制」 [7] ，雖說 RAR 的密碼可以找 yo叔 破 ，但在計算科學上還是有些目前打不破、難以突破、尚無人能破的科學之壁，有興 趣可以看 "limits of computation" [7] 的討論。 # 價值與成本：市場、推銷、產品、技術 以下兩則漫畫諷刺「過分專注於產品、技術」的問題。 * https://xkcd.com/1319/ 上圖是理想狀況，自動化會省時間；下圖是現實情況 ，花在開發自動化方案的預算大幅透支。 * https://xkcd.com/1445/ 花在「分析方法Ａ與方法Ｂ哪個好」的時間成本遠超 過實作方法Ａ或Ｂ的時間。 這則漫畫則是展示「價值與成本」的思維，也就是先思考「市場」的潛在價值，再 想想值得投入多少成本、預算。 * https://xkcd.com/1205/ 以５年來看，自動化要省多少時間才划算？ * 橫軸：你手動做這件事的頻率，每天 50 次／每天５次／每天１次／每週１次 ／每月１次／每年１次 * 縱軸：自動化可省多少時間，１秒／５秒／30秒／１分／５分／30分／１小時 ／６小時／１天 例如，如果自動化可以讓一件「１週１次」的事省下「１小時」，那麼，以５年為 期，就會省下 1 次/週 * 5 年 * 52 週/年 * 1 小時/次 * 1 天/24小時 = 10.8 天 在這個模型下，若花小於 10.8 天去實作這自動化，那就有價值；若花超過 10.8 天去做，那就是虧本。 從「價值槓桿」的角度來看： 市場(market) ＞ 推銷(marketing) ＞ 產品(product) ＞ 技術(technology) 從市場去套利，會比從產品、技術著手來得簡單；但由技術出身的碼猴有時很難突 破這個心障，也就是所謂「當手上只有槌子時，每個問題看起來都像釘子」 [8] 。 你不需要去找世界第一大的市場，但你至少要能分辨你手上能處理的問題中，市場 總額 [9] 的相對大小，去判斷哪些問題的套利空間大。 ## 推銷 這個題目很大，我也還不是很懂，還要再多學、多整理我的想法；有興趣的話可以 看看這些東西： * value proposition * https://lloydmelnick.com/2014/07/23/why-a-new-product-or-game-has-to-be-9x-better/ * https://heathbrothers.com/books/ * 之前貼過的舊文連結，「如何測量及展示你造成的正面影響」 * https://www.facebook.com/30abysses/posts/2853523934672727 * https://www.facebook.com/30abysses/posts/2862654977092956 可以把這門學理想成「如何呼叫人類大腦的 API ，讓它做你想要它做的事」，也 就是所謂「說服(persuade)」。 # 價值與成本：工欲善其事，必先利其器 市面上已經有許多 CRUD 框架，已經能應付大部分資訊自動化的問題。在這裡我想 提的是比較少人談論的，解決問題的觀念、思維上的工具，例如： * 限制理論(theory of constraints) [10] [11] * 系統思考(system thinking) [12] [13] [14] * 雙鑽(double diamond) [17] 這類工具可以更細緻地解構問題，抓出套利空間，掌握關鍵價值、成本的瓶頸。 就軟體工程方法、思維來說，這裡不談敏捷、ＴＤＤ一類的，但我會建議讀一讀「 ｒ／Ｋ選擇理論」 [15] [16] （英文版談得比較詳細），從自然中的例子反思不 同工法在「演化、疊代」（試誤、取得意見回饋、修正）上的差異，不同工法的價 值與成本。 # 結語 就碼猴來說，怎麼樣算好問題？可以答「適合以３Ａ優勢套利的問題、自動化成本 小於手動成本的問題」。 那麼，要如何找到好問題？我會說，放下產品與技術，去接觸市場，也就是「願意 付錢解決它痛點的買家」，看看那痛點是怎麼個痛法，例如，費神、麻煩、慢、貴 、危險。再從這篇文提到的各種解析價值與成本的角度，估計套利空間，做出解決 方案，完成交易。 [1]: https://webptt.com/m.aspx?n=bbs/Soft_Job/M.1574024530.A.45E.html [2]: https://ryanhanwu.gitbooks.io/how-to-ask-questions-the-smart-way/ [3]: https://zh.wikipedia.org/zh-tw/%E8%AE%A1%E7%AE%97%E6%80%9D%E7%BB%B4 [4]: https://en.wikipedia.org/wiki/Computational_thinking [5]: https://zh.wikipedia.org/zh-tw/%E8%8E%AB%E6%8B%89%E7%B6%AD%E5%85%8B%E6%82%96%E8%AB%96 [6]: https://en.wikipedia.org/wiki/Moravec%27s_paradox [7]: https://en.wikipedia.org/wiki/Limits_of_computation [8]: https://zh.wikipedia.org/zh-tw/%E5%B7%A5%E5%85%B7%E8%A7%84%E5%BE%8B [9]: https://en.wikipedia.org/wiki/Total_addressable_market [10]: https://en.wikipedia.org/wiki/Theory_of_constraints [11]: https://zh.wikipedia.org/zh-tw/%E9%99%90%E5%88%B6%E7%90%86%E8%AB%96 [12]: https://thesystemsthinker.com/systems-thinking-what-why-when-where-and-how/ [13]: https://en.wikipedia.org/wiki/Systems_theory [14]: https://en.wikipedia.org/wiki/System_dynamics [15]: https://zh.wikipedia.org/zh-tw/R/K%E9%80%89%E6%8B%A9%E7%90%86%E8%AE%BA [16]: https://en.wikipedia.org/wiki/R/K_selection_theory [17]: https://en.wikipedia.org/wiki/Double_Diamond_(design_process_model) --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 136.56.13.184 (美國) ※ 文章網址: https://webptt.com/m.aspx?n=bbs/Soft_Job/M.1574711044.A.1E1.html ※ 編輯: AmosYang (136.56.13.184 美國), 11/26/2019 03:50:45 補充：這裡說的「套利」的「利」不見得是錢、金額（當然，若能換算成錢、金額 是很好，那是一個相對容易評量比較的基準），而是說，要去思考每一個選擇背後 的利益與成本、它的市場何在、什麼樣的人會願意買帳。 ※ 編輯: AmosYang (136.56.13.184 美國), 11/26/2019 04:16:23 若有問題、意見指教，歡迎提出 :) ※ 編輯: AmosYang (136.56.13.184 美國), 11/27/2019 00:25:55 是的，這裡的「量化(quantify)」，還有「質化(qualify)」 ，即是３Ａ中的 abstraction 這一層，而我們就卡在「對目前的科學來說，許多人類 感官(sensory) 的運作機制仍充滿問號」，所以很難去量化或質化那些層面。 若有問題、意見指教，歡迎提出。 :) 這些東西在學校的「本科課程」不太會談到，適合在這裡多聊聊。 ※ 編輯: AmosYang (136.56.13.184 美國), 11/28/2019 02:28:28