【工作思考】如何應用「演算法思維」於工作中的解決問題

Photo by DeepMind on Unsplash

在正式開始前，介紹一下自身與演算法之間的淵源，我是在工作時接觸到 AI 演算法開發，當時是個門外漢 PM，由於現在也沒有繼續從事這個職位，因此在 AI 相關的專業也沒有持續累積，但我發現「演算法的思維」很能應用於工作上在開始分享前，想推薦一本書《逆向工程，你我都能變優秀的祕訣：全球頂尖創新者、運動員、藝術家共同實證》書中第二章「CH2：像演算法一樣思考」中提及了演算法開發，包含以下幾個步驟：

1. 資料蒐集。
2. 找出變數。
3. 偵測相似。
4. 做出預測。

回到本文主題，為什麼我認為「演算法的思維」很能應用於工作上呢？因為「演算法」的產生就是為了解決問題，而我們在工作中也一直在根據目標，找解決問題的方案。兩者之間有很高的相似度，以下我就跟你分享兩者間的關係。

演算法是如何思考問題的？

用書中提到的比較生活化的例子來舉例：

• 解決問題：假如今天我們要幫助美美在交友軟體找到男友。
• 蒐集案例：找出美美可能會喜歡哪些「類型」的男人，針對美美「喜歡」以及「不喜歡」的男人找出實際案例。
• 拆解影響因素(變數)：接著，關於喜歡的類型可能有幾種維度，最明顯的是「生理特徵」，例如：年齡或身高，但除此之外可能也跟「個人資料的品質」有關，例如：自傳內容或是照片的數量跟類型，在這個環節拉出的影響因素（維度）越多，就對於之後要預測美美的潛在對象更有幫助。
• 歸納原因/相似性：再來，經由觀察美美與這些男人們相處的過程，找出美美比較喜歡相處的男人，以及比較處不來的男人，這兩個族群的相似性（歸納原因）。
• 通過規律來進行預測：最後從這個過程中，交友演算法就會越來越能辨識出哪些因素促成美美做決定的因素。

將演算法思維應用於工作

而工作中也是類似情況，舉例一個要解決的問題

• 解決問題：例如獲取 X 億業績
• 搜集案例：將目標對應到市場上去找對標，例如：哪些類似的公司、作法、產品曾經完成過一樣的目標。
• 找出變因：達成目標不只一種方案，業績也可能是多種方案共同組合而成。要獲取業績有哪些方案？
• 針對變因，放上權重：決定方案做與不做之間是由哪些因素決定，CP值？重用度？還是做這件事對公司具有其他意義？…等等，而根據不同因素，也會需要做不同類型的研究。如果我們在意「與達成業績」要有高相關性，那哪些方法能達成業績我們就做那件事。如果在意「CP 值」最多，那可以列出每一件事，預估耗費多少人力成本，進行市場調查，預估營業額，並按照 CP 值程度去排列。如果我們在意「重用度」，那可以排點出每一件事跟另外一件事的關聯度，從做一件事能在多少面向上受惠去排序。如果是在意「意義」，那需要先釐清創辦人在意的「意義」可能有哪些，以及在意程度。根據在意的面相，將以上三者變數的方案交叉比對，最終找到最終的方案。
• 歸納原因：找到方案後，需要實際以 MVP 測試，不斷分析造成「做得好」或「做不好」可能原因是什麼，不斷的歸納原因優化作法，或判斷情況。
• 預測成效：基於過去種種經驗與當下現實的反饋，可能幫助我們越來越能改善作法，或更能預測成效，例如：在線上教育的產業，大家基於過去經驗發現「問卷數」與「營收」的相關性，因此會針對問卷數做出對營收的預測或決定是否做某一堂課。

總結

對我個人來說，在學習「AI 演算法開發流程」的當下，並沒有想到未來在工作中，可以這麼好的應用上，卻在離開這個業界後，逐漸發現原本電腦科學中的各種理論，例如：「決策樹」的思維，或是「演算法」的思維，由於最初都是為了解決某個「現實生活中真實的問題」，加上 AI 也一直以「人腦運作的邏輯」方向來進行研究，因此竟與我們在現實生活中「解決問題的方法」上有高度的相似性。將這個發現分享給你！希望也對你在工作上、學習上有啟發！

你喜歡這篇文章嗎？

感謝你的閱讀，如果喜歡這篇你可以：

• 愛心：鼓勵我繼續創作更多內容，或到以下地方更認識我。
• IG：@joann_reading
• Linkedin :https://www.linkedin.com/in/joann-chen-9b897474/
• Email : knowledger.get@gmail.com