星期三, 11月 26, 2008

Invisible overhead

很多時候我們在做事的時候,有所謂『看不見的成本』,我稱之為『invisible overhead』。因為看不見,並且無從證明,以結果導向的做事方式往往會忽略這些中間產生的成本。

然而這些隱藏的成本依舊存在,不但不會消失,累積到某個程度還會連本帶利的跟你討回來。等到問題發生,往往不知其所以然,或者是不去深思其中的因果關係,導致一再重複,於是隱藏的成本就不斷的攀高。

要具體形容的話,我想基金的運作就是一個不錯的例子:

假設投資人買了一檔基金,該基金經理人投資了某支股票,接著股價大漲了一波,報酬率有40%。於是基金經理人獲利了結,卻沒想到賣出之後,該股票又繼續上漲了40%,錯失了後面那部分獲利。

對投資人來說,他只會看到前段獲利的成果,基金淨值上漲了20%,看起來蠻不錯的,於是投資人就繼續投資。但投資人永遠都不會知道那少掉的40%獲利。少掉的這部分,就是看不見的成本。基金經理人知道,但基金公司主管不知道,投資人也不知道,而且有的經理人自己也會裝作不知道。

基金的例子還算好的,畢竟還可以事後諸葛來檢討。很多實際的例子是無從驗證結果的,因為無法證明,大家也就心照不宣,少做少錯,不然就是上有政策,下有對策。反正出包不要出在我身上就好。

至於基金經理人有沒有從錯失的40%中學到經驗,避免下次再犯錯,這就更是永遠的謎了。
因為無法驗證,反正別人也不知道,所以現在好就好了。做事就做那些別人看得到的,皆大歡喜。

沒有留言:

lec-1 (2022-05-12) Accelerating deep learning computation & strategies

雖然用 DNN train/predict model 也好一陣子了,但這週才是第一次搞懂 cuDNN 是作什麼的 以前好奇過 tensorflow/pytorch 是怎麼做 convolution 的,FFT 不是比較好嗎? 下面的 reference 就給了很好的解釋: Wh...