菲利普·津巴多又找来一批顾客进行实验，他向顾客解释说自己设计的这两样物品能给人带来奇妙的感觉，所以需要找一些人提供诚实可靠的反馈意见。这一次，顾客的反应变得更为强烈。有人说，铜环让他感觉很亢奋；也有人说，铬合金的吊灯拉绳让他感觉自己的双手好像获得了磁性，并开始和拉绳互相吸引了；甚至有一名女士说，好像感觉到有电流通过自己的双手。那么，现在人们愿意为0.5美元的铜环和2美元的拉绳花多少钱呢？令人难以置信的是，大家给出的估价上升到了15～252美元！参加实验的顾客来自各个阶层，有很多人甚至是资深的管理者或技术专家，但他们仍会受到这些非常简单的心理暗示影响。这个实验证明了，人的感觉是很容易出现错觉的，也很容易受到影响。在生活中如此，在管理中也是如此。
在中国，也有一个非常经典的经验主义的例子——对牛弹琴。战国时代，有一个叫公明仪的音乐家，在园子里看到一头牛吃草，于是给牛弹奏古雅的清角调琴曲，牛依然像先前一样埋头吃草。接下来，公明仪换了几首自认为动听的曲子，牛都不理睬。公明仪根据自己的经验和喜好与牛进行交流，都没有成功。直到最后，公明仪用琴模仿蚊虫和小牛犊的叫声。牛才摆动着尾巴竖起耳朵，迈着小步来回走，表示出兴趣。这个故事也带给我们启示，在管理和市场营销领域中最大的障碍是，以我为主——用自己的感觉去判断。人的思想可能会出错，而且人的思想是有惯性的，人的看法一旦形成之后就很难改变，著名的心理学理论“首因效应”或“晕轮效应”就是这个道理。首因效应是指人与人第一次交往中给人留下的印象，在对方的头脑中形成并占据着主导地位的效应。它常常表现为，一个人对另一个人的最初印象决定了他的总体看法，而看不准对方的真实品质。晕轮效应指人们对他人的认知和判断，首先是根据个人的好恶得出的，然后再从这个判断推论出认知对象的其他品质的现象。如果认知对象被标明是“好”的，他就会被“好”的光圈笼罩着，并被赋予一切好的品质；如果认知对象被标明是“坏”的，他就会被“坏”的光环笼罩着，他所有的品质都会被认为是坏的。我刚到戴尔工作时，感觉有一位员工平时工作表现很好，工作态度积极，待人接物也很热情。我和他进行了一次谈话，感觉他很有抱负，对工作有很多想法和建议。当时，我凭直觉认为这个员工非常不错，业绩也应该会很不错。但月底业绩报告出来后，我才发现他的业绩很不理想。一个人的前后反差之大，让人错愕。这时，我从业绩报告和相关报表的数据中仔细分析后发现，他对客户的信息挖掘做得很不好，看似热情，但关键信息都没掌握，导致他给客户推荐的产品往往无法真正打动客户。管理者在管理上不时也会陷入“空间迷失”，而做好员工行动的量化，做好管理工作的数量化，用量化的数据做你的“仪表盘”，用数量化管理替代主观判断，处理好细节，才能有效降低管理的风险。
大数据时代的管理难题
用客观数据说话美国在“二战”期间动用了大量的轰炸机执行飞行任务，很多飞机被地面炮火击落，损失较大。根据飞行员的经验来判断，飞机上主机翼的面积较大，最容易被击中，但是如果在飞机主机翼上面加装装甲，面积太大，重量太大，飞机将无法起飞。如何加装少量的装甲，让飞机得到最关键的保护呢？美国军方内部争论不休，最终请来了著名统计学家沃德教授。沃德给每名飞行员发了一张飞机平面图，他要求飞行员将自己飞机上的弹孔画在这张平面图上。当飞行员们将图纸交回来以后，沃德将这些图上的弹孔集中绘制在了一张图上（见图1-2）。
结果，飞机上的弹孔密密麻麻，尤其是在前机翼上面，但是两个区域的弹孔却比较少，一个是在驾驶舱，一个是在飞机的水平尾翼上。图1-2 飞机弹孔分布平面图看到这个结果，空军人员更加确定应该在前机翼加装装甲，但沃德教授却提出要在图上弹孔最少的驾驶舱和水平尾翼加装装甲。一位飞行员出身的将军非常不解，他说：“根据教授的统计，很明显，这两个地方是中弹率最低的，而前机翼中弹最多。”沃德教授却说：“我们统计的飞机，都是能够飞回来的飞机。从统计的结果来看，飞机即使多次被击中机翼，仍然可以飞回来。这次统计中飞机很少中弹的部位，其实并不是真的不会被炮弹击中，而是被击中以后，很有可能会坠毁，也就无法参与统计了。”可那位将军仍不认同沃德教授的观点：“虽然沃德教授的推论似乎很有道理，但是从我的经验而言，我当飞行员执行任务时，飞机机翼多次中弹，面临坠毁的危险，只是由于我的经验丰富才侥幸生还。机翼中弹的概率是最高的，所以我仍然坚持在机翼安装装甲。”面对两个人的不同意见，空军司令感到非常为难。最终，他决定听取沃德教授的意见，对飞机进行改进，在驾驶舱和水平尾翼上加装装甲。采取了措施之后，盟军飞机的生存率大幅提升。军方为了确定决策是否正确，特意派遣特种部队及敌后抵抗组织去检查德国和法国境内坠毁的飞机。结果发现，很多坠毁的飞机是驾驶舱和水平尾翼中弹。这是一个非常典型的科学方法与经验主义的对决，最终科学家运用科学的工具和方法解决了难题。随着社会的发展，我们已进入大数据时代，许多以前无法用数量化和科学方法解决的问题，也都有了解决方案。大数据指的是借助计算机、数据采集工具、服务器、ERP信息系统等IT技术获取海量的数据，通过各种计算公式、统计方法可以在很多领域大显身手。下一小节，我将会详细介绍大数据时代带来的改变。我们先看一个运用数据解决疑难问题的例子。风险投资公司有个坏名声，就是依靠本能感觉、权威意见来做出投资决策。由于风险投资的业务方向遍布各行各业，不太容易有一个量化的计算方法，对各领域的投资项目进行分析。但投资毕竟是一件要谨慎的事情，所以投资者还是会尝试寻找科学的方法，分析有潜力的创业者和创业公司，给他们评级打分。投资者根据前来寻求支持的创业者手机上的应用程序、经常浏览的网站、读过的书籍等，来分析创业者的思想。看看他的大脑里都有哪些内容，创业者平时都读哪些书，社交网络会发布什么内容，等等。
投资者认为，如果创业者微博上发的是有知识、有水平的内容，如引用名句名篇之类的，则会增加创业成功指数。著名风险投资家克里斯·萨卡曾讲过，他在分析投资项目时，会分析创业者在推特（一个社交网络及微博客服务的网站）上发表的最近50条信息，来观察创业者到底是什么风格的人。在他精心设计的投资算法里，把创业者在社交网站中的表现纳入计算公式，用数据来分析创业者是否是个值得信赖的人。投资者还会根据创业者手机号码的使用年份，以及每天第一通电话拨打的时间来进行分析和判断。创业者手机号码的使用年份可以透露太多信息：他们与周围人关系的稳定程度，他们的年龄有多大，他们的号码是否参加过亲情计划或是从座机号码转网过来。投资者可以通过对手机号码使用年份这一信息的处理，获得所有上述（甚至更多）的信息，整个过程完全合法且在保密状况下进行。最终，投资者要找的是年轻、稳定、来自中产阶级家庭，并且有家人和朋友支持的创业者。
大数据时代的变革
统计学是数量化的技术基础统计学是一门通过搜索、整理、分析数据等手段，以达到推断所测对象的本质，甚至预测对象未来的一门综合性科学。通过寻找和挖掘现象，把现象变成可用数字标识的数据，并把大量数据进行汇总，从而找出事物的本质和规律。其核心思想是把大量具备一定偶然性的事件汇总，从中找出规律。因为虽然单个事件是偶然的，但是大量事件汇总就会具备一定的必然性。在企业管理中，无论是市场的运营，还是对人的管理，如果认真观察单个客户或员工的表现，然后汇总起来分析，就会发现各种现象背后的规律。（2）统计学的三个不同时期统计学的概念最早出现在古希腊的亚里士多德时期，最初的用途是计算各个城邦王国的经济和居民状况等社会经济问题。现在，统计学被广泛应用于国家管理、企业运营、科学研究等各个不同领域。以统计学在社会中的作用来看，其发展经历了三个阶段。
①城邦政情。有观点认为，古希腊亚里士多德撰写的“城邦政情”是最早应用统计学方法的记录。公元前8世纪，古希腊建立了很多以城邦为基础的国家。主张科学与数学管理的亚里士多德，为了抵御波斯帝国的入侵，对希腊各城邦的人口、军队、经济、粮食等方面进行了统计，来分析希腊抵抗外来入侵的能力。这种方法很快在欧亚地区流传开来，到了17世纪，正式发展成为现代意义的统计学。
②政治算术。“政治算术”的特点是，统计方法与数学计算、推理方法开始结合，分析社会经济问题的方式，更加注重运用定量分析方法。延续至今，“城邦政情”已经演变成对国家和社会经济、社会发展的统计，现在大家经常听到的GDP、CPI、基尼系数就属于统计学的重要工作。以基尼系数为例，基尼系数为意大利经济学家基尼于1922年提出的，根据劳伦茨曲线所定义的判断收入分配公平程度的指标。其比例数值在0和1之间，越接近0就表明收入分配越趋向平等；反之，收入分配则越趋向不平等。根据长期的数据统计发现，如果某个国家基尼系数超过0.4，则意味着贫富差距较大，社会上也会存在不稳定的因素，甚至会出现失业、动乱、罢工等危机事件。而当基尼系数达到0.6时，则表示收入相差悬殊。
③大数据时代。随着计算机和现代检测技术的发展，提取数据越来越容易。应用计算机技术，我们可以轻易统计出一个银行每天的客流量和业务办理情况。同时，我们还可以快速把多个银行的信息汇总在一起分析。应用软件技术，可以根据客户的身份信息快速转换为年龄、地址等信息，每个业务或客户又可以快速添加很多信息标签。这种情况下，每个企业都可以积累庞大的数据，而这些数据又可以通过网络和检索网站汇总为更大的数据。于是，“大数据”的概念随之出现。大数据用于形容那些数量庞大到无法用人工，甚至用简单的计算机软件进行处理的庞大海量数据。比如，商场的客户购买信息，还有搜索网站上众多网民对于某词条的查询记录，当然也包括全国性的人口普查信息。这些海量信息的出现，使得管理者从过去单纯分析销售额、客户成交率，转变为可以分别针对不同年龄、不同性别、不同地区的客户来计算成交率。
