DaaS：AI、数据管道与决策（译文）

按：这期英文节目，鹏弟听了不下3遍，有感语言文化间隔，为了更好理解对话内容，将原文[1]做了转译。

Take Away

1. AI对数据管道的影响：更多是演化而非革命 尽管AI备受关注，George Fraser指出，数据管道的基本需求并没有发生剧烈变化。Fivetran已经在过去十年里将文本数据传送到数据仓库，虽然AI为处理这些非结构化数据提供了新的方式，但核心挑战仍然存在。他认为，目前AI对客户数据管道需求的影响并不大，主要的变化是能让机器处理非结构化的文本数据。
2. RAG的兴起：增强内部知识库 AI在增强型生成检索（RAG）领域取得了显著进展。Fraser提到，Fivetran成功将RAG聊天集成到Slack中，帮助销售和支持团队解答复杂数据源问题。他指出，构建数据接口并不困难，真正的挑战是将所有数据整合到一起。
3. 数据仓库的未来与厂商中立存储 Fraser预测，数据仓库领域将发生显著变化，尤其是厂商中立存储格式的崛起，这正在改变像Snowflake和Databricks等公司的角色。他认为，厂商中立存储格式的普及将深刻影响这些公司未来的战略和市场定位。
4. 基于证据的决策：避免数据陷阱 Fraser强调，高质量的数据对于商业决策至关重要，警告不要依赖低质量的数据或在数据分析中受到潜在偏见的影响。他提到，许多企业在决策时使用劣质数据，甚至认为不使用数据会更好。他建议在做出重大决策前，预先确定评估标准，并明确记录下来，避免盲目依赖数据。

经典语录

• 从某种角度来说，LLM的核心作用是赋予机器处理非结构化文本数据的能力
• 一旦将所有数据汇集在一起，建立实际的界面其实是相对简单的部分。困难的部分在于，如何将所有数据集中到一个地方
• 未来的销售工程师不再需要掌握每一个数据源的细节才能成功
• 最重要的改变是在做出重要决策或业务变动时，提前决定如何衡量其效果，并把这些想法写下来
• 问题的根源其实在于，我们常常会自欺欺人
• 事实上，大多数决策都涉及个人心理学的因素。你必须学会接受犯错，并承认自己错了，至少对自己这样做，理想情况下，对他人也要如此
• 风险承担得太少才是更大的问题。所以，把“零风险”当作目标是错误的
• 如果你从未逆向操作过某件事，那么你很可能没有走得足够远

===

Host：大家好，欢迎来到《World of DaaS》。今天的嘉宾是乔治·弗雷泽（George Fraser），他是Fivetran的合伙人兼CEO，Fivetran[2]是一家领先的数据集成平台，年收入超过3亿美元。乔治，欢迎参加我们的节目。

![[20241206-2117-Fig.png]]

George：很高兴能和你一起交流，已经有一段时间没见了。

Host：我也非常兴奋。首先，AI工作负载的增加对客户在数据管道上的需求有什么影响？

George：我们目前正在密切关注这个问题，尝试自己弄清楚。到目前为止的观察是，Fivetran已经将文本数据传输到数据仓库整整十年了，过去这一过程并不透明。以前你对这些数据做的事情有限，而现在则可以做更多的事情。从某种角度来说，LLM的核心作用是赋予机器处理非结构化文本数据的能力。

Host：那么，你认为这是否会改变人们处理数据的方式？

George：是的，最明显的例子就是我们在Fivetran内部成功应用的“抹布”工具。我们有一个集成到Slack中的工具，销售人员、销售工程师和支持人员都用它来回答我们每天处理的无数数据源中的问题。如果你和Fivetran的人沟通，很可能他们正在后台使用这个工具。我们发现，一旦将所有数据汇集在一起，建立实际的界面其实是相对简单的部分。困难的部分在于，如何将所有数据集中到一个地方。

Host：这就涉及到如何整合这些知识。如果一个系统有某些数据偏差，如何调整它？例如，它可能访问的是一个过时的知识库，或者它有某种局限性。你们如何随着时间的推移调整这些系统？

George：我们不会直接做这种调整。我们通过检索并更新数据，实时将最新数据放入上下文窗口中，这样系统获取到的数据就是最新的。

Host：所以，只要数据不断更新，系统的答案就会变得更加精准？

George：没错，它始终在检索我们最新的文档和支持工单，这对于我们来说非常有效。

Note：知识库是动态刷新的，可用的知识问答是实践检验后的动态刷新，在追求机械化正确的道路上，一旦运行起来就无法停止。

Host：这种方法是否会减少对销售工程师等职位的需求？

George：事实上，人们提供的价值往往比你预想的要复杂。成功往往并不是由他们完成某一项特定任务来体现的。

Host：尤其是在很多情况下，员工往往像客户的顾问一样理解客户的需求，而这种能力是非常难以培训的。

George：是的，所以我认为，未来的销售工程师不再需要掌握每一个数据源的细节才能成功（技术并不是最重要的）。在某种程度上，这和医学领域类似，医生需要精通很多知识，但这并不意味着医生会消失。虽然他们的指南或工具很重要，但这并不是唯一的决定因素。

Host：那么，未来销售电话中的参与人数会有所减少吗？例如，原本带三个人参加，现在可能只带两个人，甚至没有？

George：我认为，未来销售工程师将面临更少的过度工作。

Host：是的，随着对更高价值事务的关注，数据仓库本身也在不断发展。你如何看待这一变化？

George：在数据层面，未来的应用程序层将成为新的焦点。每个人都在试图成为这个生态系统的中心。

Host：你认为，随着时间的推移，会有明显的赢家，还是这个领域会变得更加分散？

George：如果我要猜测，我认为它会变得非常分散。从我们的经验来看，应用程序层能够有效地将开源组件组合起来，创造出可行的解决方案。正确地整理数据并实施有效的检索，至少在RAG（检索增强生成）应用层面，定制化能够带来很大的好处。这通常不会产生单一的巨头赢家，但我并不是风险投资领域的人，因此无法准确预测。

Host：在技术供应商方面，很多公司拥有大量的技术供应商，甚至可能有上千个不同的供应商，这几乎构成了公司独特的DNA。通过分析像Tech Stack这样的工具，你能学到什么？比如，通过观察一个公司的技术堆栈，你能推测出这家公司的一些特点吗？

George：通过观察一个公司的技术供应商，你可以了解它的历史。例如，如果公司进行过大量的并购，你就能看到他们使用很多来自并购企业的技术。

Host：所以，很多技术供应商之间的相似性反映了公司背后的并购历史？

George：是的，正如我们最大的客户之一OpenAI所展示的那样，他们的技术堆栈非常精简，因为他们刚刚起步。而LVMH这种公司，他们的技术堆栈通常包含更多的技术工具，因为他们在这个行业的时间更长。通过数据的使用，你还可以看出公司内部不同职能的权力分布。通常，决策由高层主导的公司，他们会购买一些炙手可热的技术，而在从业者有更多决策权的公司，往往会选择那些解决实际问题、效果突出的工具。

Host：确实，当从业者能够主导决策时，他们往往倾向于选择那些针对特定问题的定制化工具。这也可能意味着开源技术会在数据基础设施中占据更大份额。你如何看待开源与闭源技术在数据基础设施层面的不同应用？

George：例如，PostgreSQL已经使用了很长时间，是一个非常受欢迎的开源数据库。我们自己的应用程序基于一个垂直缩放的PostgreSQL数据库，它与我十多年前构建的数据库有着连续的历史。从技术上讲，这段时间内的数据写入日志并没有太大的变化。然而，来自研究团队的更优数据库在吸引应用方面面临很大挑战。PostgreSQL并不是世界上最强大的技术，但它依然非常有效。

Host：所以你认为，开源数据库在一些应用场景下依然能够占据重要地位，并且它的持续发展可能会带来新的突破？

George：是的，开源数据库在一定程度上是不可替代的，它仍然具备非常强大的生命力。

Host：你们依然在使用它，是有原因的。大家都已经习惯了，PostgreSQL（Postgres）已经广为人知，每个人都知道怎么用它，而且很多其他工具都建立在它的基础之上。像AWS或Azure这样的云平台，虽然各自有内部工具帮助扩展Postgres，但它们的核心仍然是依赖这个数据库。

George：这是一个很难改变的现状。要改变生产数据库，就像是创办一家新公司一样，难度非常大。这也是为什么很多公司依旧选择使用它。

Host：我仍然知道有些新公司选择Postgres作为起点，但你说的确实有道理，现在更普遍的做法可能是这样。

George：当你创办一家公司时，考虑的因素会非常不同。最好的选择不一定是价格便宜的东西，反而是那些能在AWS控制台里直接使用的工具，或者是你已经在用的其他平台。你需要的是高度安全的解决方案，这些不是可以随便冒险的。一个反例是，像Snowflake这样的公司，他们选择了一个高风险的基础数据库，因为他们面临一些特殊的挑战，需要通过这个来解决。但这种选择并不常见。

Host：你怎么看待像Snowflake和Databricks这样的公司？你认为它们未来会如何发展？

George：数据湖的兴起确实会改变这些公司的角色，尤其是供应商中立的存储格式成为主流是一个重要的趋势。尽管他们仍在努力适应，但这种变化对他们的影响不可忽视。传统上，数据库管理员主要关注的是数据库本身、数据模型，而不仅仅是查询引擎或数据库的具体实现方式。而现在，尤其是那些收入最多的公司，已经开始转向供应商中立的数据湖，这使得他们的角色发生了改变。最终，这将成为他们在技术堆栈中提供更高价值的关键所在。

Host：即便如此，像数据库这样的技术仍然在蓬勃发展。根据我了解的数据，它的市场规模已经达到了26亿美元，并且仍在快速增长。你怎么看待这种趋势？

George：尽管有很多人热衷于讨论数据库和Snowflake之间的竞争，但我常开玩笑说，数据库和Snowflake之间的所谓“战争”，其实是客户自己并未意识到的。大多数客户其实并不在意这些工具的竞争，他们有更重要的任务要完成。

Host：是的，很多顾客其实并不关心这些技术竞争。

George：是的，很多客户实际上在做的是不同的事情。即便他们试图做出类似的选择，真正的原因可能并不在于技术本身。数据库行业在AI热潮中受益颇多，过去十年，他们一直在强调“数据加AI”这一概念。这就像是在滑冰时，提前跳到了冰球比赛的地方，现在他们确实开始从这一点上获益。我认为，这也是他们最近增长的原因之一。

Host：你最近写了一篇基于企业证据的文章。你认为大多数公司在使用数据进行业务决策时出了什么问题？数据应该如何更好地支持决策？

George：他们使用的数据质量非常差，最好的情况是，宁愿不使用任何数据也比使用这些糟糕的数据要好。

George：最理想的做法是基于高质量的证据进行决策，次好的做法是基于反思和系统化的程序，而不是仅凭直觉或偶然的一次对话。系统化的方式会帮助你更清晰地理解问题。如果你发现所有人都告诉你一样的故事，那么你其实并没有听到真正的世界。信息本应是矛盾的，作为人类学家，你应该走出去收集不同的故事并加以整理。最糟糕的是，很多人会使用低质量的数据，过度分析，直到数据说出他们想听的结论。你可能会不自觉地让数据“给你答案”，甚至没有意识到这是你自身的偏见在起作用。

Host：公司如何改进？它们应当如何开始思考这些问题？

George：最重要的改变是在做出重要决策或业务变动时，提前决定如何衡量其效果，并把这些想法写下来。在你改变销售区域、调整营销策略或做其他改变之前，最好先想清楚并记录下你的评估标准。这是你事后评估的基础，并且能帮助你避免偏离原定计划。你可能无法完全坚持下来，毕竟，很多时候你会意识到某些计划无法按预期执行。但至少提前决定如何评估，可以帮助你避免在数据告诉你你想听的东西之前，就被其误导。

Host：有意思的是，很多投资者在投资股票前都会设定一个假设，说明他们投资的理由。这就像设定一个宏观事件的假设，比如相信某个战争会导致油价上涨，因此认为某公司的股票会随之上涨。即便有时候这种宏观判断不完全正确，投资者依然能看到其投资带来的回报。你认为，这种方法如何帮助他们进行回顾？

George：将自己的假设和决策过程写下来，是你刚才讲的关键步骤。这不仅是为了证明你选择的策略能奏效，更重要的是，它可以防止你事后编造理由来解释自己的正确性。我们每个人都可能犯这种错误，而预先记录这些假设可以避免这种情形。

Host：除非你把它写下来，否则我们都会犯错。即使你写下了它，有时如果没有清晰的框架，还是会编造一个合理的故事来解释。

George：你总能给出某种解释。最近我们刚刚经历了一次总统选举，有一个人物，阿兰·利希曼，他宣称自己能基于13个关键点预测每一次总统选举的结果。这些点的选择是完全回顾性的，基本上是事后总结出来的，任何事情都能找到解释。

Host：是的，很多时候他们会说，谁赢得了近场通信或者AFC比赛，这些就成了决定总统选举的因素。或许过去是这样，但现在看起来这种情况似乎不再适用。

George：问题的根源其实在于，我们常常会自欺欺人，特别是在评估数据时。这是大多数人犯错的地方。

Host：2020年3月我也犯了个错误。当时我觉得疫情被夸大了，不是什么大事。所以，当标普500指数下跌时，我觉得这不过是小题大做，我就决定投资标普500指数。结果证明，这笔投资确实带来了回报，但我的投资理由完全错误。虽然标普500指数之后确实大幅上涨，但我之所以投资并不是因为正确的原因，这让我感到有些困惑。

George：有趣的是，我也做了类似的事情，并且赚了很多钱。那时我将大量资金投入到货币市场基金里，因为我第一次有机会在二级市场上卖出一些股票，而这些股票本来是以货币市场基金形式持有的。那时，我看到标普500指数一度下跌，价格修正幅度大得超过了2008年金融危机的水平。我觉得这实在太过头了。

George：虽然Covid疫情很糟糕，但我并不觉得它有那么严重。当时我非常关注感染率。虽然数据很少，但还是有一些来自冰岛、游轮和俄亥俄州监狱的数据，我通过这些数据判断，疫情的严重性应该在三到十倍之间。相对2008年的金融危机，它的影响没有那么大。

Host：我曾以为封锁只是暂时的，几周后就能恢复正常，但事实证明，封锁持续了整整一年。我没有意识到，仅仅因为DoorDash等服务的普及，快餐行业、酒店业、航空业这些依赖线下的行业，都会遭遇剧烈下滑。2020年3月，市场就已经定价了这种大范围经济衰退的风险，人们可能会失业，收入减少。直到后来，我们才意识到疫情对经济的影响远超预期，恢复也需要更长的时间。

Host：当时我也以为封锁只是短期的，我们很快就能恢复正常。几周后，大家就能重新开始工作。直到年底，我们才开始接种疫苗，并逐渐推出更多应对措施。

George：我想你那时的看法有点过于乐观了。我当时也有类似的想法，但到了三月初，我发现事情不会那么快恢复。但你确实是对的，市场的修正幅度太大了，最终它迅速回升。

Host：到了4月或5月，市场就恢复了。

George：我当时采用的是定期定额投资策略，每周都在买入。当市场修正后，我觉得已经到了我设定的买入门槛。我认为那时的修正大约相当于2008年最糟糕的情况。因此，当市场达到这个门槛时，我就停止了买入。没想到市场之后继续上涨，完全超出了我的预期。

Host：所以市场并没有停下来，反而继续上涨。的确太疯狂了。我想你可能在这过程中推翻了很多决定。在这种情况下，投资决策可以成为一个很好的反例，展示了在面对错误的证据时，如何进行决策的逆转。你是如何做到的？你把它写下来了吗？当事实与预期不符时，你如何调整决策呢？有时我觉得，做出逆转决定比做出初步决定更困难。

George：许多决策，尤其是大决策，根本就不可能完全基于证据做出。事实上，大多数决策都涉及个人心理学的因素。你必须学会接受犯错，并承认自己错了，至少对自己这样做，理想情况下，对他人也要如此。如果你从来不这么做，那并不是因为你总是对的，而是你拒绝承认自己的错误。所以，我常常将自己置身于假设的情境中，想象自己是ITN的新任CEO，然后反思自己会做出哪些改变。

Host：你不能每天都这样做，否则会疯掉。你是觉得这样的反思是一年一次的事情，还是季度一次的事情？

George：不，我每周都会这样做。

Host：明白了，每周。你会想着，如果你刚进入这家公司，会做什么不同的事情吗？

George：是的，大部分时候我会想到很多相同的答案，并尽力付诸实践。不过这并不是每周都有一场革命。

Host：但有时会有人替代你，提出相似的想法，迅速做出改变或不做改变。

George：确实，做出大的改变总是很困难。现在最大的问题是我们的一些定价模式过于复杂，实际上是我们想得太多了。现在，我们正在努力简化。

Host：但这样你就得处理所有的合同了。

George：是的，这是个巨大的项目。

Host：而且“太聪明”意味着无论对公司还是客户来说，都难以理解？

George：没错，尤其是在高难度定价方面，一些模式已经变得很难理解。我们现在正在做一些调整，希望这些调整不会对收入产生太大影响，但能让新来的员工更容易理解。

Host：有些技术和产品的定价和服务流程让人不理解，尤其是在涉及不同技术堆栈时。很多时候，你希望能快速注册并使用，但却面临很大的摩擦。

George：的确，如果你希望通过定价获得每个客户和销售人员的最大支付意愿，这本身就是一个权衡。定制定价虽然有其好处，但它牺牲了速度和转化率。

Host：你一直在努力改变公司的文化，使其更加适应新的思维方式。这方面你做了哪些努力？

George：这确实很难，但我尽力做到了。我尽量以身作则，鼓励团队进行实验，并且如果实验不行，应该一次性做出决策，这样能够看到不连续性。每个季度，我们都在这方面取得了小进步。

Host：你成功地整合了HVR，这是数据集成领域的一次大收购。你是如何整合两家公司？

George：收购有两个方面，技术整合和人员整合。HVR是一家精益的小公司，我们的技术和文化非常契合，尤其是在工程方面，人员整合起来比较快。

Host：你们是如何迅速整合团队的？

George：我们把所有的系统都迅速整合了起来，几乎是一个月内就完成了员工的电子邮件切换等基本操作。工程团队的文化也非常契合，因此整合起来较为顺利。

Host：你们是否考虑过保留各自的品牌和文化？

George：我们并没有保留原来的品牌，而是将两家公司完全融合在一起。这是因为两家公司的技术有很强的互补性。例如，我们在开源数据库（如Postgres和MySQL）方面较强，而HVR在旧数据库（如Oracle和SQL Server）方面具有优势。

George：我们想要通过这次合并整合两家公司的优势，在技术和人员方面快速融合。例如，我们很快就将Bitbucket上的代码迁移到了GitHub上。

Host：听起来这些整合工作非常快速，尽管有些步骤很难。

George：是的，前期的工作较难，但效果更好。通过这种方式，我们避免了两个代码库之间复杂的故障排除问题。我们采取了逐步重写的策略，而不是试图将两个代码库直接整合。

Host：这听起来像是一个长期的过程。

George：是的，虽然前期难度较大，但最终效果更好，尤其是当我们开始逐步重写代码时，取得了显著的进展。

Host：收购和整合过程中常常会有很多挑战，尤其是当面对不同的技术和文化时。

George：是的，收购的成功很大程度上取决于具体的环境。绝大多数收购都会失败，尤其是当存在不同的技术文化时。

Host：你有过类似的经验，或者是从神经科学的角度来思考这些问题吗？

George：神经科学确实有一些重大的开放性问题。比如，人类意识的物理基础是什么，这个问题依然未解答，很多神经科学家对此感到困惑。然而，我认为这是宇宙中最重要的问题，虽然我们还不知道如何准确地描述它。

Host：如今，我们喜欢与AI互动，它显然已经通过了图灵测试。这种发展如何改变了你对事物的看法？它是否开启了你对事物的全新理解？

George：我认为图灵测试本身并不是一个理想的衡量标准。

Host：如果你在五六年前作为外行问我，我可能会觉得“哦，这就是测试”，但后来我发现这其实并不那么难。

George：我不认为它简单。虽然现在很多系统都通过了这个测试，但它们仍然无法做到许多事情。显然，这还不是对通用人工智能的终极考验。

Host：这就像是我们在80年代不断调整目标，比如国际象棋的挑战。我们总是改变标准，来定义什么才是理解意识或AI的真正意义。

George：是的，AI的真正令人惊讶之处在于，它们虽然在某些方面展现出惊人的能力，但在其他方面却异常薄弱。即使是我们认为简单的任务，它们仍然难以应对。例如，AI在语言处理方面的表现让人印象深刻，它们能够进行流畅的对话，甚至写诗。

Host：是的，情感和语言处理的能力令人惊讶，但它们在逻辑推理方面仍显不足。

George：而且，AI在某些问题上依旧力不从心。比如，如果你让一个AI在九进制下做算术，它就做不到。尽管这种数学本身并不复杂，但对这些AI来说却依旧是个难题，表明它们在某些方面仍存在很大的空白。

Host：这确实有点讽刺。它们擅长的领域，反而是它们遇到困难的地方。

George：正如我们所见，AI在某些领域表现出色，但也无法完成我们日常认为轻松的任务，比如驾驶。尽管下棋被认为是复杂的智力活动，然而与驾驶相比，它反而变得更加容易。

Host：这真是一个很好的观点。你也提到过，大脑不是计算机，你为什么这么认为呢？我知道关于这一点的讨论很多。

George：我认为将大脑与计算机类比并不恰当。虽然计算机本质上是可编程的，拥有一个通用的CPU可以执行各种任务，但大脑则有很多“预设”的功能，这使得两者根本不同。以语言学习为例，AI需要处理海量的数据才能拥有像人类一样的语言能力，而人类从幼年开始便接触到数百万甚至上亿的单词，语言能力的获得远非依赖数据量这么简单。

Host：你是说，即使我们在有生之年也无法达到这种水平？

George：是的，大脑的工作方式和计算机完全不同。我们根本无法在计算机上模拟意识的运作。

Host：说到背景，我注意到你背后有一张床。你曾提到过关于床和视频的有趣理论，能给观众解释一下吗？

George：这应该归功于我的男朋友。我认为，视频背景中有一张床与个人资历有一定关系。简单来说，低资历的人通常在视频中不太介意背景，而高资历的人可能会选择更加精致的背景。

Host：就像是，低资历的可以随便放一张床，高资历的人则会选择更专业的布景。

George：正是如此。低资历的时候，大家都不会太在意，而一旦达到了较高的职位，背景就变得尤为重要。

Host：对，我听说过类似的观点，尤其是关于网络摄像头的，像是杰夫·贝佐斯这样的高端人物，可能会选择故意使用一台非常差的摄像头。

George：有趣的是，我目前对摄像头非常挑剔，但也许未来我会像贝佐斯那样，选择用一个不那么完美的设备。

Host：当你是万亿市值的企业时，或许你就能拥有一个不拘小节的网络摄像头。

George：确实如此。

Host：那么，关于阴谋论，你相信哪些呢？

George：圣诞老人是真正的阴谋论。我认为这也是为什么成年人往往会相信阴谋论的原因之一。因为在你还是孩子的时候，你是那个阴谋的受害者，然后你发现它的真实性。

Host：我有个关于香农的阴谋论挺有意思。在某个时刻，假设你大约9岁、10岁时，你参与了这个“阴谋”，并且积极参与反对其他年轻人。这种情境似乎有点像，你在某个点上会被读到。

George：这次经历给你带来了什么教训呢？

Host：我学到了撒谎和欺骗。

George：那你最喜欢的阴谋论是什么？你曾经遇到过这样的情况吗？

Host：我喜欢各种各样的阴谋论，尤其是当你读到关于某公司负面新闻时，记者往往不会意识到，背后可能是竞争对手或有其他利益相关者在操控。每当我读到新闻时，我总是尝试去推测，谁从中获益，背后可能隐藏着什么动机。

George：所以这就是你最喜欢的阴谋论答案？

Host：这或许是我最常遇到的答案，但并不一定是最喜欢的。关于圣诞老人阴谋论，它的全球性让我感到有趣。我从未想过它是一个全球性阴谋，但显然它是其中之一。

George：这倒是一个有趣的观点。

Host：关于牙齿仙子（Tooth Fairy）的事我也有一件事要提起。你有孩子吗？

关于 Tooth Fairy 的典故 在西方的传统中，牙齿仙子通常被描述为一个友好的小精灵，她会在孩子掉掉乳牙时悄悄地来，把掉落的牙齿收走，并留下一些小礼物或硬币作为奖励。这个过程通常发生在夜晚，孩子将掉落的牙齿放在枕头下，然后牙齿仙子就会悄悄地来交换牙齿和礼物。

George：有的。

Host：有趣的是，牙齿仙子的奖励标准似乎没有变化。尽管我们经历了通货膨胀，但牙齿仙子仍然给的是四分之一美元。

George：真是的，确实是这样的，我自己也不记得我小时候得到过多少。

Host：我知道我们会给孩子们1美元，但现在看来，连这个数字似乎都没有随着时间推移而上涨。相比于其他物价的变化，牙齿仙子的奖赏几乎没有调整。

George：事情确实在变，除非在某些地方降低成本，否则物价就无法上涨。

Host：是的，这确实是一个有趣的观点，价格的下降是提高生产力的必要条件。

George：完全正确。

Host：最后一个问题，我们每个嘉宾都会回答，你认为哪些传统智慧或建议通常是不靠谱的？

George：我认为“预防原则”是个非常糟糕的建议。当有疑问时保持谨慎，这种思维方式往往会让人过于保守，错失许多机会。通常人们担心的风险其实太少，而非太多。所以，我认为“预防原则”是一个既受欢迎又危险的建议。

Host：你怎么看待那些“卡珊德拉”的警告者？他们偶尔也会是对的。就像20年前，卡特里娜飓风来临时，曾有专家指出新奥尔良的堤坝问题，并建议加固，但当时没人重视这些意见。

关于 卡珊德拉 的典故 “卡珊德拉效应”是指一个人在明知真相并做出警告时，却因种种原因未被他人相信或忽视其警告的现象。这一概念广泛应用于现代社会中的各种情境，如政治、环境、公共健康等领域，不仅描述了不被听取的预言，还反映了人类面对危险或灾难时的盲目和固执。

George：卡珊德拉的警告有时是对的，但我们需要深入分析这些问题。当你回头看，会发现总有人预见到问题并提前发出警告。问题在于，这些预测是否真的值得我们重视，并付出相应的代价。

Host：这就像推特。

George：它非常有毒。

Host：它就像一场游戏，大家都在参与。

George：是的，我觉得有些人并没有意识到这一点。你只需要了解大型集合和回顾性分析的性质，才能意识到它们有多么危险。确实有一些非常极端的观点，不要轻易相信。我给你讲一个有趣的故事：我的祖父是俄亥俄州一个小镇的妇产科医生。顺便提一下，足球教练吉姆·哈博的名字，实际上来源于他。

Host：哇，太了不起了。

George：是的，我的祖父吉姆·弗雷泽，他生下了整整一代人。那时，医生还不能事先知道婴儿的性别，他有点顽皮，有时会告诉母亲他能分辨出来，假装通过观察来看孩子的性别。他会在记录上写下“女孩”，如果错了，他就会说：“看，我说的是女孩！”如果对了，他就说：“你看，我预测的是男孩。”这种小把戏被一些天主教家庭发现了。这虽然是无害的，但也反映了人们在做预测时的习惯。每当你听到预言家的话，总是会后视着看，“哦，看看这预言是如何成真的。”

Host：你自己的公司中也有类似的情况吧？很多事难免出错，有些问题你永远无法解决，但也有些问题必须修补。如何知道什么该解决，什么不该解决呢？你不能总是进攻，有时也需要防守。

George：是的，这其实是一个关于风险管理的问题。首先，趋势往往是避免冒险，遵循“预防原则”。但实际情况是，你最终会发现，风险承担得太少才是更大的问题。所以，把“零风险”当作目标是错误的。你要评估自己采取的行动，看这些行动是否能带来合理的风险。如果答案是否定的，那就说明这个框架是不对的。

George：你必须意识到，风险管理的关键是：如果没有失败，就没有足够的风险。如果你一直在做完全安全的事，那就意味着你没有冒足够的风险。埃隆·马斯克有句话很经典：“如果你从未把任何部件装回去，那你就没有拆解足够的部件。”这句话其实适用于许多领域。如果你从未逆向操作过某件事，那么你很可能没有走得足够远。

Host：确实，这个观点非常有道理。我们做过很多投资，偶尔也会遇到骗局或其他问题。在内部，我们常常讨论：我们的诈骗率应该是多少？它不应该是零，因为如果是零，说明我们做得太慢了，对每个项目都做过多尽职调查。沃尔玛也不能完全避免损失，某些风险总是需要接受的。所以，最重要的是找到一个合适的风险承受速率。

George：我完全同意。有些风险，我们希望它是零。比如，在客户数据方面，我们绝不能让数据流向错误的地方，这是零容忍的。

Host：这类事情必须严格控制。

George：是的，对于那些真正需要零容忍的风险，我们必须小心应对。但对于其他的风险，可以容忍一定程度的偏差。我们需要明确哪些是必须避免的，哪些可以接受一些风险。

George：绝对正确。并不是所有事情都需要零风险。举个例子，被起诉并不是零风险的事，很多风险我们都可以接受，只要它在合理的范围内。

Host：组织中确实有些部门，比如法务和人力资源，它们的工作是规避风险。你通常是如何与这些部门协作的呢？

George：你得告诉他们，那不是他们的工作。规避风险是法务的职责，但平衡风险并不是他们唯一的任务。每个部门都有自己该承担的责任，关键是要找到一个平衡点。如果没有这种平衡，那么你就没有做好你的工作。

引用链接

[1] 原文: https://www.worldofdaas.com/p/george-fraser-fivetran [2] Fivetran: https://www.fivetran.com/