不可預測的時代

呂理哲

英國脫歐，美國特朗普當選總統，主流媒體的預測全都失去了準頭。其實不是人類行為異常無法預測，而是主流媒體早已經不是主流了，只是他們自己還不知道罷了。

有一家人工智能公司MogIA，是印度人SanjivRai于2004年創建的，MogIA通過采集大數據正確地預測到了前3次美國大選的結果，甚至上一屆大選時全美國51州的投票結果都沒算錯；這一次MogIA對共和黨和民主黨的初選結果的預測也正確，但是主流媒體卻把這個新聞放在了科技版面，而把傳統民調的錯誤數據放在了頭版。

大數據可以收集到美國人民在 Facebook和Twitter發表的信息，從人們對兩黨的競選活動和廣告內容的互動數據給予傾向數值，MogIA就能依照自己的算法對兩位候選人的民眾參與度打分。

大選前全美國的民調都把對民主黨的支持率提高了一大截，特朗普當選的機會似乎處在風雨飄渺之中，但是，MogIA發表的特朗普的參與度，超過了2008年當選總統的奧巴馬在競選期間的峰值，報告中提到，如果特朗普輸掉了選戰，那就是12年來第一次違背了數據預測趨勢。

結果幾乎所有傳統民調都失去了準頭，電腦從大數據中挖出了人們真正的投票傾向，一個人不會在 Twitter上諷刺川普，還投票給他；不會在Facebook上對希拉里的廣告視頻按贊，卻不投票給她。可是，民調找上他們時，他們不一定會給出心里的答案。

另一方面，大數據搜索得到的樣本數可能有上億個，民調要找到上萬樣本的難度和成本卻非常高。不是新時代的美國選民已經瘋狂到無法預測，而是預測的方法過時了，大數據取樣多，多到可以不用分析背后的原因，預測準確一點也不稀奇。

各行各業里面銀行是最保守的行業，他們幫助所有人搬錢，按照比例留下利息或手續費，除此之外最好的生意就是借錢給有信用的人，可是就怕“萬有一失”。所以銀行借人100元，要求別人提供200元的資產抵押。導致許多有信用的人急需要錢，卻無法通過銀行保守的條件。

對于銀行來說，借錢給有信用的客戶比借錢給有資產的人更有價值。但是，信用很難預估，為了避免所貸非人，每家銀行只好設下了種種征信關卡，導致符合一家銀行貸款資格的客戶，一定可以找到許多家銀行來殺價談貸款條件，銀行借錢給別人的生意，早已是一片紅海。

有了互聯網，有了社交網絡，就有了大數據。

玉山銀行是臺灣一家小規模的銀行，其信用貸款的業務量卻是臺灣前十大同行平均值的200%。因為他們是最早成立了大數據部門，用信貸模型工廠系統當后臺，推出了“e指可貸”APP，讓客戶利用計算機或手機在網上申請貸款，3分鐘完成申請的銀行。每一案件的審核時間，只需要原來一半的時間，人力省了2/3。

不僅如此，這個大數據后臺，可以打入Facebook和BBS等各種社交平臺，統計其個人的朋友人數、發表內容被點贊的次數……差不多能了解一個人是否被朋友肯定，也能了解其社會經濟地位。這些信息足以評估一個人的信用和可能償還能力。

沒有貸款記錄，其服務單位和職稱不顯赫，而且薪資水平不高的年輕人，或是曾經生意經營不善，曾經留下違約還款記錄的人……許多人無法通過傳統信用評估制度的審查，在其他銀行貸不到款的人，有三成可以通過玉山銀行的大數據審查貸到款。

因為，大數據交叉比對申請人的社交環境，就能確定填寫的數據是不是正確的，也可以利用其身邊的朋友來佐證申請人的信用狀態。因而，玉山銀行潛在的客戶范圍比其他銀行更寬，征信正確率更高，業績當然高出同行一倍。

互聯網改變不了銀行貸款的風險，卻能利用網絡的效益，改善貸款業務的效益。

想一想，有了互聯網，印刷生意有何不同？

毋庸置疑，互聯網可以串聯起印刷供應鏈。在網絡上傳遞的無非是訂單和文件，如果一家印刷廠接到訂單，無法讓電腦自動處理，自動登錄管理訂單和客戶的系統，無法自動啟動生產流程，必須由特定的管理人員去分配印前、印刷和印后的活。這樣的話，訂單增加，人手勢必增加。

世界沒有瘋狂，看似不可預測的時代，其實還是可以預測，只是工具的問題而已。

如何多利用電腦管理資源（ERP），如何把生產管理自動化，才是應付印刷產業變化的課題。