今天聊下拥抱变化，我在互联网公司里的一些事儿。
我们团队的价值观里有那么一条，拥抱变化。各个时期，我对此的理解都不同。
第一阶段 接受变化
变化来了，接受它。
一些同事，一点都不适应变化，他们在使用后台系统时，其实是有很多重复累赘的操作，让整个效率降低的功能，但是他们已经通过培训，操作得相当熟练。而当系统改进升级后，用新的功能可以让效率提高，但是需要放弃原有的操作方式，学习新的系统规则。这类同事就很不适应，很怕哪怕是稍有一点的变化，因为之前的操作已经很熟悉的，不想改变。觉得乱，怕麻烦。
第二阶段 创造变化
不仅是等着变化来了去拥抱它，更可以通过一系列反馈机制提出、创造、改进。我们常用的反馈迭代机制，分享几个:
- PDCA ：多个PDCA滚动迭代
- 研讨会：就某个问题的发起讨论
- 问题调研：深挖问题，而非浮在表面的题
- 战术会议：找到问题后，调动几个部门协同，开战术会议，不评判，不讨论。先提出问题，汇总问题作为议题，每个人轮流提出建议，会议发起人选用建议。场地不限，可以三分钟几个人一起开，快速解决问题。
第三阶段 何谓变，为何变，如何变
最近约见很多候选人，很多是因组织结构调整而离职。抛开拥抱变化不说，我们来探讨一下组织为何而变，为什么员工有时候会觉得老板心思难揣摩，变来变去。何谓变？为何变？
我对此的看法之前也颇狭隘，但是最近有了进一步的思考。何谓变？
《易·乾》：“乾道变化，各正性命。”换模型讲：变化是事物性质的体现。
初渐谓之变，变时新旧两体俱有；变尽旧体而有新体，谓之化。——《礼记·中庸》。
有没有看到这两个解释里，变化都在同一个事物上？何谓变？变是一种自我防错。
了解了变是一种自我防错，就不难理解为何变了。我们接受大量信息、观点，怎么做决策，做什么决策，今天如何使用你的时间配置，这都会引起连锁反应，就像蝴蝶与飓风。
变化来了，如何变？如何防错？
来看几个互联网平台对电影打分的算法是怎么提高精准度的。
-
豆瓣评分的简单平均 豆瓣的创始人阿北曾经自己解释过，原则上就是一人一票，简单平均，聚合投票。 如果投票者数量足够多，投票相对独立，那么简单平均值的准确度会系统性地超越个体判断。但是假设一部电影只有两个人打分五星，另一部电影一百万人打分平均4.9星。哪部电影更好？简单平均法识别不了。这时候就需要另一种算法。
-
贝叶斯推理 电影评价类网站的始祖和霸主IMDB用的就是这种算法。IMDb给的基准分是网站上所有电影的平均分，比如6.5，对应基准的打分人数，比如是3000人。不管是什么电影，在获得第一个用户打分之前，默认都是得6.5分，如果只有一个用户打分，那么电影得分无限接近于网站平均分；如果有3000真实用户打分，跟基准数一样，那么得分正好是3000名真实用户实际打分，与网站平均分两个分值之间的平均分；如果打分用户数量极大，那么得分会极度逼近这些用户的实际打分。
-
动态加权 一人一票是平等的，但看电影这件事有许多好理由支持搞不平等：水军跟观众不应该平等，掏钱买票看的跟白看的不应该平等，高水平观众跟普通观众不应该平等。
希弗（Nate Silver）成功预测了50的多场选举，通过选民意见聚合，加上每个时期动态调整话语权权重，来找到更加准确的答案。通过话份逻辑聚合群体智慧Nate Silver做到了这个行业的顶峰。
结合变化来讲，老板的变化是因为接触到水平高的人or圈子，获取了足够量和量级人物的不同意见的理论，为了优化本体而做出的改变。
观点摇摆，是因为在聚合中要渐进校正；行动摇摆，是在实施中要迅速获得反馈并相应作调整。
