关于“为什么”的科学，一旦懂得，三观崩溃

首发于“人神共奋（ID：tongyipaocha）”微信公众号

每周二原创：职场学习类干货

如果你是一家食品品牌的市场人员，你发现销售统计中，某新款包装薯片的销售好于其他试销的同期新品，因此你建议将其作为本季主打新品，给出单独的广告宣传，并向经销商大力推荐。

你的上司应该同意吗？

让我们来分析一下你的逻辑，新品试销是把多款开发的新品小范围地销售，观察其销售数据、消费者和经销商反馈，再判断其中是否存在有潜力成为畅销品或爆品的商品。

这个过程包含了大多数工作的逻辑，无论你是核电站的工程师，还是保险经纪人，都是如此：

步骤A：观察分析之前工作的结果，总结或更新其中的结论或规律

步骤B：按照这个结论或规律，进行或改进下一步工作

步骤A就是在现象（事实）与结论（规律）之间建立因果关系，你的观察中明确无误的现象是：在所在同期上市的新品中，包装薯片的销售量好于其他新品，所以你在“包装薯片的销售量好”和“包装薯片适合成为主打商品”之间建立了因果关系。

这个方法科学吗？科学，跟你做实验写报告差不多。

这个过程严谨吗？其实……还是有一点不那么严谨的。

“销售量好”虽然是一个客观结果，但跟“适合成为主打商品”之间，还是有一些逻辑跳跃的。比如说，很可能是以下的原因：

——薯片的销售量本来就比其他食品高，你卖得还不如竞品好；

——公司之前没有卖过薯片，这是一个填补空白的产品，它的天花板很低；

——新品试销的渠道或地区，刚好适合卖薯片，如果全面铺开，效果就没有这么好了；

当然，你可以用更多的数据去排除以上的情况，更严谨地建立因果关系，但你自己也知道，“试销时表现好”不代表“大预算投放后还能保持很好的销售”，其中的因果关系，事后自然有一堆总结，但也都是主观的猜测，无法证明。

这正是《为什么》一书首先告诉我们的：证明两件事有因果关系，比你想象中要困难多了。

这个例子，熟悉逻辑学的读者一定知道，它有一个著名的说法：相关性不代表因果性，相关性只是对现象的描述，因果性才是现象之间的内在联系。

但问题在于，“因果关系”到底是什么呢？

数学是纯粹的因果关系，几何原理先假设五大公设不证自明，其他所有的定理都是通过“∴”和“∵”的因果关系一个个推导出来的。

但到了物理、化学、生物这些学科，严谨的因果关系就很少了，新知识都是对现实世界的描述，更多是归纳法，而非严谨的因果推论。

本书用了整整一章去分析“吸烟导致肺癌”这个众所周知的结论，你会发现，无论你用什么方法，都无法像几何定理一样证明“吸烟”和“肺癌”之间的因果关系，所有“吸烟导致肺癌”的研究，都是在描述“吸烟”和“肺癌”之间相关性的程度。

你可以坚持认为“相关性不等于因果性”，但你没有办法解释你所认为的因果性从何而来。从这些史料来看，认为“吸烟导致肺癌”的人，都是“先射箭，再画靶”，先有了这个想法，再用各种对自己有利的证据去验证，最多解释一下那些不利的证据为什么无效。

于是就有哲学家认为：因果关系根本就是我们大脑中的幻觉，我们无法证明它们的存在，就像我们无法证明自己存在一样。

当然，计算机专家不喜欢像哲学家一样空谈，他们说，好吧，“相关性不等于因果性，那是因为相关性是一套描述因果关系的语言体系”。

这句话的意思是说，因果关系不是0和100%，而是15%、60%、99%等等，这么说会不会更好？

这个回答不但好，而且有用，于是就有了贝叶斯算法，有了声音模拟信号变成数字信号，才有了手机通信，才有了邮件反垃圾系统，以及更复杂的大数据推荐和人工智能算法。

实际上，因果关系已经被计算机专家悄悄地转化为了“概率”，可分成由浅到深的三层概率。

因果关系的三层概率分别为：

现象的相关性（第一层）：现象A与现象B出现的概率关系

动作的因果性（第二层）：现象A与动作B之后的概率关系

反事实的因果性（第三层）：如果不去进行动作B，与不出现现象A的概率关系

仍然以食品公司市场部的工作为例，看看这三层概率如何进行运作？为什么“知其然”的人可当部门经理，“知其所以然的人”可以当CEO？

现象的相关性（第一层）：现象A与现象B出现的概率关系

作为一个执行层的员工，你注意到，大部分渠道和地区，薯片的销量都是新品类第一名，你就在脑中建立了一个描述“薯片销售好”和“薯片是本季最适合主打的新品”之间相关性的概率。

除了给上司之前的建议，你的工作就到此为止了，因为你不能做出任何未授权的动作，需要由你的上司来决定。

动作的因果性（第二层）：现象A与动作B之后的概率关系

这里所谓的“现象”与“动作”的区别是什么呢？现象是一个对事实的描述，动作是一个决定后的执行，也就是说，因果关系的第二层是部门经理这个级别的人考虑的。

实际工作中，只要有相关性，不妨先假定“薯片是本季最适合主打的新品”，进一步测试，比如选择薯片和另外两个销量表现好的商品扩大试销范围，通过AB测试去观察薯片的销量有没有同比例地提升，如果好，就再扩大试销范围，最后试着试着，慢慢就真的变成了“主打商品”了。

不知不觉中，你就绕过了“因果关系”这个巨坑，用贝叶斯算法去解决实际问题。就像你在App上不小心点开一篇不可描述的标题，然后系统就先默认你就好这一口，推给你更多不可描述的标题，去验证你是不是真有这方面的特殊爱好（关于贝叶斯算法的更多介绍，可以看一看《一个人的社交能力是怎么学习的？》这篇文章）。

很明显，这一层次的人，默认相关性就是因果性，否则，等你搞清楚真正的因果关系时，竞争对手早就把市场都占领了，所以先做再看，不停测试，不断修正。

这是一种否定传统“因果论”的思维方式，也是互联网思维中的“小步快跑，试错迭代”的生存哲学——我不需要知道我哪里做对了，我只需要知道我做对了就行了。

这种思考方式虽然聪明，却有一个巨大的隐患，我们来比较一下它与第三层因果性的区别。

反事实的因果性（第三层）：不进行动作B，与不出现现象A的概率关系

反事实就是思考相反的可能性。在部门经理这个层面，思考的前提是“一定要有一个本季主打新品”，但这个前提在更高一级的管理者那里，可能并不存在。

更高一级的营销总监可能要考虑：营销资源是有限的，投入到薯片，就无法投入到之前的产品中，所以，我们需要把营销费用砸在新品上吗？

供应链副总会考虑，现在的工厂并不具备相应薯片的产能，找新的供应链可能要磨合一段时间，来不及怎么办？

如果说以上思考仍然属于相关性的层次，那么CEO考虑的问题，就接近因果关系的哲学思考。

比较一下：

员工：从薯片的转化率看，它应该最有潜力成为主打的新品；

销售经理：小步迭代，快速试错，迅速占领消费者心智；

供应链副总：等我跑个测试，看看供应链来得及不；

CEO：一切都靠算法、靠AB测试、靠试错，还要CEO干什么？

众人：要CEO，还是不要CEO，这是一个值得考虑的问题……

以上就是CEO的反事实的因果性，薯片可以是个小问题，也可以是个大问题。

前面说了，我们寻找因果关系时，用什么内容建立相关性，是一个主观的选择，不同层次的人有不同的选择，思考的高度并不相同。

决策层级越高，思考的出发点越接近“人”而非“业务”。一群人在一起，不可能自发成为一个组织，最好方法是赋予这个组织一个伟大的意义，和一个大家都认同的方向。但不管是相关性，还是数据迭代，都不能产生这个意义。

所以最后CEO建立的因果关系是：

“企业要有社会责任感，像薯片这种垃圾食品，当然人人喜欢，但符合我们“健康快乐”的企业形象，符合我们的长期发展战略吗？”

“算法并不是一切，优秀的企业尊敬消费者，伟大的企业引导消费者，我们要成为优秀的企业还是伟大的企业呢？”

“今年有没有主打的新品，固然很重要，但更重要的是，产品传达的我们的价值观是什么？我们要给消费者的生活带来什么样的改变？”

如果人心有算法，一定是这个世界上最复杂的算法，任何业务的意义不能高于组织的意义，所有与这个意义相抵触的产品和业务，哪怕数据证明了它的利润，有高度的企业家也会勇于放弃。

因果关系很可能是一种幻觉，但这个幻觉可能跟真实存在没有本质的区别。

打个比方，我们看到的世界并不是真的“看到”，世界的影像投影在视网膜上，再转化为神经信号，被大脑解读。也就是说，不存在什么“看到”，你看到的只是大脑想让你看的，就好像吸毒者产生幻觉，这个幻觉其实跟真正的影像一样，都是大脑发出的信号，没有本质的区别。

因果关系就算是个幻觉，但它也很重要，没有这个幻觉，人类就失去了生活的意义。现代社会的人如此需要知道“为什么”，以至于这个世界永远欠我们一个解释。

为什么我说“知其然”的人当部门经理，“知其所以然的人”当CEO？因为因果关系并不天然存在，它并不是找到的，而是被人创造出来的，被组织赋予意义，被组织的人所信仰、所需要。

人脑说要有原因，于是就有了原因。

颠覆你对职场的看法

长按二维码，关注我