推薦序
大多數天鵝是白的
這本書探討以量化資料預測人類行為，在各方面得到的應用成果。其實，早在二次大戰時，美軍就率先利用這種預測分析。1940年時，「模控學」（cybernetics）之父維納（Norbert Wiener）開始嘗試預測德國軍機的行蹤，目標是擊落德國軍機。他的方法是利用先前觀察取得的軍機移動資料，預測軍機可能的飛行路徑，考慮飛行員最可能採取的閃避方式，預測軍機接下來可能移動的位置，這樣就能把軍機擊落。可惜，維納只能預測軍機下一秒的動作，但是要擊落軍機，卻需要預測二十秒內的飛行路徑。
不過，在席格這本書裡，你會知道許多預測工作其實相當成功。畢竟，從維納那個時代以來，電腦的處理速度突飛猛進，我們能收集的資料也越來越多。因此，銀行、零售業者、選戰活動、醫生和醫院、以及許多組織最近在預測特定人群行為時，全都獲得豐碩的成果。他們對預測分析投入心力，協助自己贏得顧客青睞、打贏選戰並戰勝疾病。
依我所見（我想席格也這麼認為），整體來說，預測分析對人類是有利的。從健保、犯罪和恐怖主義這些方面來說，預測分析可以拯救性命；對廣告業來說，利用預測既能提高效率，也能落實環保（減少寄送直銷郵件和型錄的數量），同時不會浪費收件者的寶貴時間和關注心力。而對政界來說，重視這種科學方法的候選人，似乎都能在選戰中成為贏家（或許有些人不認同這種說法，但我認為預測分析確實對打贏選戰有幫助）。
不過，就像席格在這本書裡開宗明義地指出，這些方法也可能用在一些不好的地方。席格對此坦率直言，讓我十分欽佩，他引述電影《蜘蛛人》中的一句台詞：「權力越強，責任越大。」換言之，身為社會的一分子，我們在使用預測模型時必須審慎小心，在應用方面有些禁忌要列入考量，不能為了一己之私就犧牲他人的權益。跟其他強效技術或破壞性創新一樣，預測分析基本上跟道德無關，能用來為善，也能用來作惡。不過，為了避免預測分析被拿來做壞事，了解這個方法究竟能做什麼，當然再重要不過。如果繼續看下去，你就會知道預測分析的效力有多強大。
這本書的探討重點就是預測分析，預測分析不但是一種分析類型，也是最有趣、最重要的分析類型。我不認為我們需要更多只講敘述性分析（descriptive analytics）的書籍，因為那種分析只描述過去，沒有針對事件起因提出任何見解。我常把自己的論述比喻成第三種分析，也就是規範分析（prescriptive analytics），這種分析告訴使用者，透過控制實驗或最適化要做什麼。不過，這類量化方法不像預測分析這樣廣受採用。
這本書及其所依據的構想跟塔雷伯（Nassim Nicholas Taleb）的研究，剛好形成很好的對比。塔雷伯在《黑天鵝效應》和其他著作中提出的論點是，由於隨機性和複雜事件本身的不可預測性，讓人們為預測所做的努力注定徒勞無功。塔雷伯說得沒錯，有些事件是無法預測的黑天鵝；但事實上，大多數人類行為都有跡可尋，既固定又可以預測。席格在這本書裡提出許多成功預測的實例，都提醒我們這項事實——大多數天鵝是白的。
席格也抗拒目前對「大數據」風潮的推崇，雖然他在書中提及的一些實例確實屬於這一類，也就是資料龐大又缺乏結構，很難用傳統那種關係資料庫加以管理。但是，預測分析的重點不是資料數量大小或控制難易程度，重點是拿資料來做什麼用途。我自己就發現「大數據通常用途少」，許多實際拿大數據做分析的人，只是拿數據設計一些引人注目的視覺分析，這樣做他們就很滿意了。相較之下，這樣做當然不像設計預測模型那樣有價值。
席格這本書以深入淺出的方式，敘述預測分析的重要，讓一般讀者都能看懂這項複雜高深的技術。書中不但穿插有趣的故事和圖解，還以生動的文筆，讓一般讀者能輕鬆閱讀。就算數學讓你很傷腦筋，你也該看看這本好書，因為在這個數據為王的時代裡，每個人（包括你在內）從出生到死亡的一舉一動，都受到預測。而且很可能的情況是，大多數人在職場上會更加需要考慮預測模型，或用預測模型進行評估，並依據預測模型的結果採取行動。
簡單講，我們生活在凡事講究預測的社會裡，要在這種社會出人頭地的上策就是，了解預測模型的目標、技術和限制。而且，要做到這一點的速效方式很簡單，那就是趕快把這本書好好看完。
湯瑪斯．戴文波特（Thomas H. Davenport）
哈佛大學商學院訪問教授
國際分析學院（International Institute for Analytics）共同創辦人
