歷史動力學:如何用歷史大數據預測未來?(上)

2021-01-09 36氪

神譯局是36氪旗下編譯團隊,關注科技、商業、職場、生活等領域,重點介紹國外的新技術、新觀點、新風向。

編者按:以史為鑑。日光之下並無新事。古人和歷史似乎在告訴我們總是在重複過去。但是在現代,嚴肅的歷史學家對周期論的態度一直都是不屑一顧的。不過有兩位學者打算用數學方法去尋找歷史中存在的模式。並且希望利用這一模型去預測未來。這個大數據版的以史為鑑能成功地預測未來嗎?時間會證明的。而且說不定就在這幾年的時間內。《衛報》的Laura Spinney用一篇長文介紹了Peter Turchin的歷史動力學。原文標題是:History as a giant data set: how analysing the past could help save the future。鑑於篇幅太長,我們分兩部分刊出,此為第一部分。

歷史動力學:如何用歷史大數據預測未來?(下)

要對歷史建模的生物學家

在2010年的第一期裡面,科學期刊《自然》展望了未來10年會有哪些令人眼花繚亂的進展。到2020年,連接到網際網路的實驗性設備可直接監控我們的大腦信號,並藉此來推斷我們想搜索查詢什麼。三小時內將自身生物量增加一倍的作物將會誕生。人類正朝著結束對化石燃料依賴的道路上邁進。

幾周後,還是這份期刊,上面的一封信卻給這個美好的未來蒙上了陰影。信中警告說,所有這些進展都會因為政治的不穩定——美國和西歐在2020年左右走過巔峰期所帶來的不穩定所阻斷。那封信解釋說,人類社會經歷一段可預測的增長期,在此期間會是一幅人丁興旺欣欣向榮的景象。然後接著會出現同樣可預測的衰退期。這些「長期周期」會持續兩、三個世紀,並以大規模的動蕩告終。

這封信繼續說,在最近幾十年裡,西方國家開始出現了若干令人擔憂的社會指標,比方說財富分配不均以及公共債務等已經開始攀升,表明這些社會正處在動蕩時期。這封信的作者還預測,雖然2020年美國的動蕩情況不會像當年美國內戰那樣嚴重,但要比1960年代末和70年代初的暴力事件更為嚴重——在當時,出現了謀殺率飆升,民權和反越戰抗議活動加劇,國內恐怖分子在美國各地實施了數千起爆炸等情況。

當時發出這些嚴厲警告的作者不是歷史學家,而是一位生物學家。在他職業生涯的前幾十年裡, Peter Turchin利用複雜的數學方法來展示捕食者與獵物的相互作用是如何影響野外動物種群數量的波動的。他曾在《自然與科學》雜誌上發表過文章,受到該領域從業者的尊重,但到1990年代後期,所有他感興趣的生態問題都已經被他解答了。然後,他開始被歷史吸引:人類社會的興衰是不是也可以通過少數變量和一些微分方程來捕捉到呢?

Turchin 開始去確定歷史是不是像物理學一樣遵循某些定律。2003年,他出版了《Historical Dynamics》一書,書中識別了法國和俄羅斯從起源到18世紀末的大周期的情況。同年,他創立了一個新的學術研究領域,叫做歷史動力學(cliodynamics) ,旨在發現這些歷史模式的深層原因,並使用數學建模,就像對地球的氣候變化建模那樣。七年後,他創辦了該領域的第一本官方雜誌,並共同建立了一個歷史和考古信息資料庫,這個資料庫現在已包含有超過450個歷史學會的數據。這個資料庫可用來對社會進行大範圍的時間和空間上的比較,還可以對即將到來的政治動蕩做出預測。2017年,Turchin 成立了一個由歷史學家、符號學者、物理學家等人組成的工作組,以便利用歷史證據來幫助預測人類社會的未來。

Peter Turchin,康乃狄克大學生態學與進化生物學、人類學及數學教授。

得益於廉價的計算能力和大型歷史數據集的發展,Turchin的歷史研究方法只是在最近才成為可能。這種方法利用軟體來尋找大量歷史數據當中存在的模式。這種「大數據」方法現在在歷史學科中正變得越來越流行。華盛頓州立大學考古學家Tim Kohler認為,我們正處在他所從事領域的「輝煌歲月」,因為學者們可以輕鬆地匯總研究成果並從中析取出真正的知識,這是前所未有的。Turchin 相信,將來,歷史理論要經過大型資料庫的考驗,通不過測試的理論將會被摒棄。我們對過去的理解會集中在接近客觀真理的東西上。

在某些人看來,2010年Turchin 在《自然》雜誌所做的預測似乎出奇地具有先見之明。除非出現最後一分鐘的奇蹟,否則能解碼腦電波的搜尋引擎到2020年不大可能出現。3小時內把生物量翻番的作物,或者能源預算主要由可再生能源提供這些也不大可能實現。但是,美國或英國政治秩序迫在眉睫的失序似乎正顯得越來越可信。由美國非營利組織和平基金會(the Fund for Peace)計算的「脆弱國家指數」(Fragile States Index)顯示,這兩個國家的不穩定趨勢在惡化,而世界其他大部分地區的局勢卻在穩步改善。

倫敦經濟學院研究政治衝突的George Lawson說:「我們正處於大動蕩時代,其規模之大只有大西洋革命的大時代才能與之相提並論。」(大西洋革命是指1770年代至1870年代期間從法國到新大陸湧現的推翻君主制的暴力起義。

Turchin 認為他對2020年的預測不僅是對一個有爭議理論的檢驗。這也可能預示著即將到來的未來:也許將來學者們會像發出極端天氣預警一樣對未來的社會和政治情況發出警報,並提供有關如何應對的建議。

解釋歷史跟預測未來是兩碼事?

對於大多數研究過去的學者來說,解釋某件事情為什麼會發生,跟預測什麼時候會再次發生這種事以及會怎麼發生有很大的不同。杜克大學經濟學家、政治學家Timur Kuran說:「我們又不能制定法律。」

毫不意外,這種觀點受到Turchin之類的數學家和生物學家的挑戰。這兩種學科有一個共同點,那就是複雜性科學。它講的是一個系統哪怕只有少數運動件,由於活動件之間的相互作用不一,也會產生複雜的行為模式。比方說,太陽,地表以及地球的大氣層的相互作用就產生了天氣。這些相互作用的規律可以用數學以方程組或定律的形式來捕捉,從而預測系統在不同條件下的行為。天氣預報基本上就是這麼幹的。

複雜性科學起源於物理學,是在對基本粒子行為的研究中誕生的,但是在過去的一個世紀裡,它逐漸傳播到了其他的學科。直到1950年代,還很少有細胞生物學家會承認可以用數學方法描述細胞分裂。他們認為這是隨機的。但現在,他們認為這一事實是理所當然的,而且他們的細胞分裂數學模型已經讓癌症治療得到了改進。在生態學中,自然界存在可以用數學方法描述的模式也是大家公認的。旅鼠不會像迪斯尼曾讓我們相信的那樣進行大規模的自殺,但確實會經歷可預測的4年景氣周期,這是由於它們與掠食者的相互作用,以及可能的與其食物供給之間的相互作用所造成的。2008年,諾貝爾獎獲得者物理學家默裡·蓋爾曼(Murray Gell-Mann)宣布,歷史規律的發現也只是時間問題。不過,只有在所有研究過去的人(歷史學家、人口統計學家、經濟學家等)意識到術業專攻儘管必要但並不足夠時,這種情況才會發生。蓋爾曼說:「我們忽略了概覽全局的關鍵性輔助學科。」

許多歷史學家認為用數學方法去研究歷史是有問題的。他們傾向於認為可以從過去汲取教訓,但是只能以非常有限的方式進行——比方說,北愛爾蘭問題的歷史也許能解釋目前那裡的緊張局勢。如今,很少有歷史學家會去尋找適用於不同世紀、不同社會的普遍規律,或者可以用任何有意義的方式預測未來的規律。這是19世紀科學歷史學家的目標,那些人當中很多都受到了社會達爾文主義的啟發,但這種方法現在被認為存在嚴重缺陷,並且跟帝國的敘事有著致命的聯繫。

德州南衛理公會大學歷史學家Jo Guldi說:「為了消滅種族主義、性別歧視這些敘事當中包含的普遍歐洲中心主義,現代社會科學家社區已經持續投入了60年的共同努力。」他補充說,歷史學家害怕數學方法會給這一努力拖後腿。科學與人文之間也仍然存在由來已久的不信任感。當Guldi和哈佛曆史學家David Armitage,在其2014年出版的《歷史學宣言》中呼籲,自己的學科要擁抱大數據,並對過去用更長遠的目光去審視時,就受到了美國歷史領域的領先期刊《美國歷史評論》的抨擊。Guldi 說:「這也許是過去30年來最血腥的攻擊之一。」不僅歷史學家如此,而且很多普通人都有一種出於本能的感覺,認為人類是沒法簡化為數據點和公式的。一個公式怎麼能預測一位聖女貞德或一個奧利弗·克倫威爾呢?牛津大學歷史學家Diarmaid MacCulloch 總結道:「歷史不是科學。歷史歸根結底是人的行為,這是不可預測的。」

Turchin則認為:「這種說法是完全錯誤的。」 自1990年代初以來,Turchin就一直是康乃狄克大學的生態學和進化生物學系教授,現在還掛靠在維也納複雜性科學中心。「這是因為社會系統太複雜了,以至於我們需要數學模型。」重要的是,由此產生的定律是概率性的,而不是確定性的,意味著定律包含有運氣的要素。但運氣並不意味著就是空洞的:如果天氣預報告訴你有80%的可能會下雨,你最好拿把傘。加州大學戴維斯分校文化進化研究的著名學者Peter J Richerson說,確實存在諸如大周期之類的歷史模式,而Turchin對此的「因果解釋是唯一合理的」。(Richeson 指出,這也是目前唯一的解釋;這個領域還很年輕,後面可能會出現不同的理論。)

其他一些歷史學家認為,Turchin的工作不僅結合了歷史和數學,還包括了經濟學家、其他的社會科學家以及環境科學家的研究,從而為這些學科幾十年來的專業化提供了急需的校正。在2016年,在研討會上跟Turchin及其同事討論過後,芝加哥菲爾德自然歷史博物館考古學家Gary Feinman寫道:「在歷史和社會科學領域,我們迫切需要這種具有全面性、協作性,比較性的努力。」儘管如此,其他人仍然對弈研究複雜生物系統一樣的方式研究人類社會可能湧現出來的新洞察感到興奮。幾位矽谷高管也對Turchin的預測產生了濃厚的興趣。Turchin 說:「他們能理解我的理論。但是有兩個問題。一是怎麼靠這個賺錢?二是他們什麼時候該在紐西蘭買塊地?」

Goldstone的奠基性工作

1990年代後期,當Turchin 在開始尋找歷史的數學描述時,他發現二十年前另一位學者已經為他奠定了基礎。Jack Goldstone成為歷史學家之前就是數學家,在哈佛大學上學時,他曾經使用數學來整理託克維爾的民主思想。他最近告訴我:「我在嘗試用一組公式把託克維爾的觀點表述出來。但我我拿到好分數。」 但Goldstone在這條道路上繼續努力,成為了把複雜性科學應用到人類歷史的第一人,他還得出結論說,政治的不穩定是周期性的。其結果是對革命的數學描述——這已經完成了Turchin後來繼續完善的社會變革模型的一半。

1970年代中期,Goldstone開始他的研究時,大家對革命的普遍看法是把它理解為階 級衝突的一種形式。但是Goldstone提出了兩項跟這種看法不符的觀察結果。首先,來自同一個階 級,甚至同一個家庭的人常常最終會反目成仇。其次,革命集中在歷史的特定階段——如14和17世紀,18世紀末到19世紀初——但沒有明顯的原因能解釋為什麼階 級緊張就得在那些時間段爆發而不是在其他時間。他懷疑其中一定存在更深層次的力量在發揮作用,他想知道是什麼樣的力量。

巧合的是,由於缺錢,Goldstone最終成為了哈佛人口統計學家George Masnick的助教,後者向他展示了第二次世界大戰後,美國嬰兒潮所帶來的深遠的社會、政治以及經濟影響。伴隨著這種青年膨脹的是新的社會緊張,包括給勞動力市場造成的壓力以及對激進意識形態的渴望。Goldstone想弄清楚這樣的生育高峰是否會社會的其他動蕩時期起到助推的作用,在1980年代,他開始梳理檔案,尋找歐洲革命前數十年有關人口增長的信息。

僅僅在幾年前,他所需要的那種數據的詳細程度仍未達到,但是英國劍橋人口與社會結構歷史小組以及整個歐洲的類似組織已經開始根據資料來源,比方說教區記錄,來煞費苦心地重建人口歷史。1978年, Colin McEvedy和Richard Jones出版了《世界人口歷史圖集》,他們在這本書中強調了千年來歐亞大陸人口的繁榮與蕭條呈現出「驚人的同步性」。Goldstone對此深受鼓舞。在搗騰了幾個月的數據之後,他得出了自己的尤裡卡時刻:「這真的是令人震驚:人類歷史每次經歷重大革命或叛亂之前,確實會經歷過三代人的人口增長。」

在18世紀, Rev Thomas Malthus牧師就曾認為,人口增長最終會超出資源供給,從而引發一系列的衝突和疾病,直至後者將人口再次減少到可以控制的比例,從而進入到新的增長階段。Goldstone的理論仍然構建在Malthus的基礎之上,但重要的是,它把這一周期悽涼的不可避免性給消除了。理論聲稱人口增長會對社會施加壓力,以複雜而特殊的方式去引導社會。他用地震來作為比喻。直到開始震動為止,地震力在高原下方不斷累積,但是在高原上的建築物究竟是屹立不倒、轟然倒下還是會遭受中等程度的破壞,要取決於其構造方式。這就是為什麼革命會在歷史特定階段爆發,但是在特定的動蕩時期內,並非所有社會都被壓垮。

貝爾法斯特,北愛爾蘭問題期間朝英軍車輛投擲石塊和瓶子的男孩。「許多歷史學家認為用數學方法去研究歷史是有問題的。他們傾向於認為可以從過去汲取教訓,但是只能以非常有限的方式進行」

Goldstone認識到,國家,精英,群眾等社會的不同組成部分,對壓力會有不同的反應,但也會互相作用。換句話說,他要應對的是一個複雜的系統,而這種系統的行為用數學方法來捕捉是最好的。他的革命產生原因模型由一組方程式組成,但是大概用語言可以這樣表述:人口增長到一定程度將超出土地可承受的能力。普遍群眾的生活水準會下降,從而增加了其動員暴力的可能性。而國家會嘗試靠類似租金封頂之類的措施來化解這種可能性,但是這種措施又會因為傷害到精英階層的經濟利益而疏遠了後者。由於精英群體也在不斷擴大,並且為了爭奪有限的高職位和地位標誌而展開更加激烈地競爭,因此整個階 級都不願意接受進一步的損失。國家智能用自己的金庫來平息群眾怨氣,這又令國債增加。而負債越重,國家對進一步壓力的應對就越不靈活。最終,被邊緣化的精英階層成員跟民眾就會起來對抗國家,從而爆發暴力事件,而政府由於太虛弱而無法遏制。

Goldstone提出了一個他稱之為政治壓力指標(PSI或Ψ)的東西,用來衡量發動群眾的潛力、精英的競爭程度以及國家的償債能力,PSI就是這三者的乘積。他展示了Ψ的值在法國大革命、英國內戰以及17世紀的另外兩次重大衝突(小亞細亞的奧斯曼危機,以及中國明末清初時期)之前均出現爆發。不過,在每種情況下,這裡面還有一個需要考慮的因素:運氣。在上升導致衝突爆發的背景下,一些在其他情況下本來比較容易消化掉的小小的破裂(比方說,糧食歉收或者遭遇外來侵略),在Ψ值上升的背景下會導致爆發衝突。儘管無法預測觸發的因素(這意味著你無法確切知道什麼時候會發生危機),但是你可以去衡量結構性壓力,並因此估計發生此類危機的風險。

這個模型很簡單,Goldstone也承認這一點。儘管他可以證明高Ψ值預測出歷史上的革命,但他無法預測接下來會發生什麼。那要取決Ψ的的三個組成部分的精確組合,以及它們與特定社會機構之間如何相互作用。儘管他的努力還不夠完整,但卻讓他用令人沮喪的新眼光去看待革命:不是為了糾正僵化腐敗的舊制度,而是出於對生態危機的回應——因為社會沒法消化迅速增長的人口,很少能夠解決這場危機。

這些模式並不局限在過去。Goldstone在對其代表作《Revolution and Rebellion in the Early Modern World》進行收尾工作時,蘇聯正在瓦解。他指出,在1989年之前的20年中,整個蘇聯集團的Ψ值一直在急劇攀升,而且發展中國家的Ψ值也一直維持在高位。他還寫道:「今日美國的國家財政狀況和精英態度相當令人震驚,看起來正沿著導致早期現代國家陷入危機的道路在前進。」

譯者:boxi。

相關焦點

  • 童謠為何被視為最原始的卜算,歷史上的童謠為何會預測未來?
    童謠,是中國古代最古老的歌曲之一,但是在歷史上,童謠的歌聲卻足以與神話傳說所媲美。它們傳唱於大街小巷,在兒童的口中傳遍天下。原本在我們眼中,童謠充滿了天真無邪的聲音,但是縱觀歷史,我們卻能發現童謠似乎和我們想像的有所不同。
  • 預測未來是為了改變未來|讀《未來簡史》
    百年來人類社會科技發展飛速,用日新月異來形容一點都不誇張。假如向十年前的我描繪今天的生活,恐怕那時的我無法想像吧。那麼更遠未來的人類社會,將會是什麼樣呢?以色列青年歷史學家尤瓦爾·赫拉利,在《未來簡史》這本書裡預想了一種可能的未來。
  • PCMA精選:如何用Excel建立預測模型,進行財務預測
    本文介紹如何利用Excel相關功能來科學地預測經營指標。 一、按時間序列進行趨勢預測 企業的經營指標都是按時間的先後順序排列組成的序列。
  • 蓋亞太空飛行器探測到的數據,改寫了銀河系的歷史
    另一小組篩選了另一項調查確定的約500顆恆星,發現其中約有十分之一的恆星平放在圓形的太陽狀軌道上。第三個研究小組發現各種金屬(因此年齡不同)的恆星在圓盤軌道上運動。巴黎天文臺的天文學家主要作者保拉·迪·馬特奧(Paola Di Matteo)說:「這是全新的東西。」這些古恆星是如何到達那裡?
  • 南開團隊大數據預測疫情傳播
    中新網天津2月17日電 (記者 張道正 通訊員 聶際慈 任子雄)記者17日從南開大學獲悉,面對新冠肺炎疫情,該校統計與數據科學學院黃森忠教授及其合作團隊,運用專業知識服務社會,定期對疫情數據進行預測分析,為科學防範疫情提供數據支撐。
  • 大數據來預測
    前幾日不少人還在朋友圈感嘆「重返夏天」,這幾天的氣溫卻出其不意來了個大急轉。小雪之後氣溫如何?這個秋天何時結束?氣溫還會如何反覆?浙江天氣聯合浙江新聞,用大數據說話。不少人感嘆,這個11月的前半段頗有些「夏天」的氣質。一葉知秋,葉子雖黃了,氣溫卻一度衝上30℃。
  • 武漢新型冠狀病毒如何傳播?AI 專家這樣用大數據模型預測
    那我們該如何應對這個以人傳人作為傳播途徑之一的疫情呢?人工智慧能否幫助我們對抗疫情呢?  從伊波拉到流感:預測流行病,AI從未缺席  格拉斯哥大學生命科學研究員Daniel Streicker博士表示,在這場抗擊新病毒的鬥爭中,AI也許可以提供幫助。「AI技術可以從航空記錄、交通信息等方面收集有關人類活動的數據,不難想像通過Google搜尋引擎收集的信息量有多大。」
  • 太力深入剖析大數據時代,用大數據為客戶「畫像」
    社會快速發展主要是靠大數據+機器深度學習來推進,所以企業在發展過程中,要把數據作為要素,與資本、技術等形成要素市場,把握時代脈搏,重視算力算法,才能在未來的數字經濟時代,掌握具備核心競爭力的優勢。11月14日,中國人民大學商學院成棟教授赴太力集團,就「數據分析環境與客戶終身價值」的主題跟太力集團的高層管理展開探討,進行深入的互動式教學。
  • 用Excel軟體做銷售預測的三種方法
    營長說在編寫業務經營計劃和預算時,重點是進行銷售的預測。預測往往要以歷史數據為依據,分析銷售業務的未來趨勢。使用Excel軟體可以進行初步預測,這裡介紹函數預測、圖表預測和預測工作表三種方法。01函數預測法在做預測時最常用的方法就是線性預測法,即將歷史數據擬合成一條直線,根據直線的走向來預測未來數值。可以根據歷史數據對未來銷售額、庫存需求或消費趨勢進行預測。
  • 估值表裡面歷史百分位是如何計算的?
    但是在告訴你,歷史最高市盈率是25倍,而且歷史上僅有42.97%的時間估值水平比這個低,那麼這個估值的歷史百分位是42.97%,看到這個數據,我們就可以意識到目前估值處於適中水平。這個百分位有兩種計算方法:時間軸百分位:例如Wind數據提供的就是時間值的百分位,再重複一次,目前PE是11.77,歷史上有42.97%交易日(周、月)的估值比現在低,那麼目前的時間軸的估值水平低於42.97,這種計算方法的問題就是給予某個估值水平進行時間加權,因為市場底部或者頂部都非常短暫,因此可能導致較早的認為這個指數進入高估區間
  • COVID-19大流行的現象動力學:調整參數的綜合分析
    本文由機器翻譯,僅供參考,感興趣請查閱論文原文核心速遞COVID-19大流行的現象動力學:調整參數的綜合分析使用SIR模型的修訂版對C0VID-19在義大利的擴散進行建模;逃脫流行病:通過少數者博弈優化運動;關於預測COVID-19流行過程的數據驅動模型的說明;全國性措施對COVID-19大流行的影響研究
  • 回到未來的人人網,如何用新技術喚醒老數據?
    用今天的技術讓曾經的數據煥發生機?這就像是「復活」一個已經「死掉」的項目,多牛傳媒COO魯葳告訴大數據文摘,或許過程會很艱難,但未來回想起來應該還是挺有意思的。重啟塵封十年的代碼,新老數據如何結合?面對近十年累積下來的用戶數據,多牛傳媒研發中心副總經理曹興宇坦言道,初次看到數據時感覺非常「頭疼」。針對未來將如何利用老數據,他說道,新老數據不會完全結合,會進行相應更新。
  • 歷史的邏輯與歐洲的未來
    芬納「不可知論式」的回答凸顯了歐洲歷史的複雜性,有多個歷史進程、多條歷史線索潛伏在歐洲體內,共同影響著歐洲的未來。  本文嘗試探討歐洲的未來,使用的方法可稱之為「歷史修復法」,即根據當前歐洲發生的多重危機,探尋這些危機的歷史根源,通過歷史倒推的方法復原歷史,找到歷史演進的邏輯;基於歐洲歷史演進的規律,預測歐洲的未來。
  • 數據挖掘如何建模?
    為什麼需要數據挖掘 對於數據挖掘,很多人會認為它和數據分析是一回事。 其實從廣義上講,兩者都互有交集,在技術和範疇上有很相似的地方,只不過,數據分析重在「分析」,而數據挖掘則更重「挖掘」。
  • 新華三銷售大數據 預知未來不靠猜
    銷售預測是企業必須要進行的日常工作之一,如何保證其效率和精準是企業所面臨的難題。為了解決這一痛點,新華三開發了銷售大數據系統。基於人工智慧算法和實時銷售數據,這套系統能夠實現銷售預測的精準化、自動化,在大大減少各級部門工作量的同時,也讓銷售預測的更新頻率更高、更準確。
  • 令人瞠目結舌的數據!縱觀整個歷史,詹姆斯成為歷史上偉大球員!
    令人瞠目結舌的數據!縱觀整個歷史,詹姆斯成為歷史上偉大球員! 無論是本賽季還是整個生涯,詹姆斯都取得過不少令人瞠目的數據。縱觀整個歷史,他的所作所為讓他能夠成為歷史上偉大球員中的一份子。一個球員的累積數據是指他生涯數據的總和。對於不同的球員有著不一樣的標準。
  • NBA2KOL:球員數據大更新,現役球星精華檔位升降終極預測
    在去年10月的球員數據更新中,僅有約季奇、傑克遜、巴格利和倫納德四名球員發生了精華檔上的變化。如果按照這個規律,再加上目前季後賽仍在進行的現狀,本次更新依然很可能僅有少量球員發生精華檔次上的升降。<2>尤素福-努爾契奇升值可能性:低升值精華預測:180精華→800精華(未來)<3>扎克-拉文
  • 管理思辨:用制度管人,人力資源預測(6期)
    人力資源預測預測是指對未來環境的分析。人力資源預測是指在企業的評估和預言的基礎上,對未來一定時期內人力資源狀況的假設。人力資源預測可分為人力資源需求預測和人力資源供給預測。1.經驗預測法經驗預測法是人力資源預測中最簡單的方法,它適合於較穩定的小型企業。經驗預測法,顧名思義,就是用以往的經驗來推測未來的人員需求。不同的管理者的預測可能有所偏差、故可以通過多人綜合預測或查閱歷史記錄等方法來提高預測的準確度。
  • 歷史上的大帝國:它如何興起,因何衰亡
    歷史上的大帝國:它如何興起,因何衰亡 2020-07-31 15:01 來源:澎湃新聞·澎湃號·湃客
  • 疫情大數據回顧系列五:從大數據疫情應用看大數據發展
    在本文的系列一,我們也見縫插針地給出了一些大數據應用的例子,圍繞數據分析的四個階段:發生了什麼?為什麼發生?未來會發生什麼?以及怎麼影響未來的發生?即描述性分析、診斷性分析、預測性分析以及處方型分析給出了一些應用案例。