书接上回，前文概要
要解决从知道到做到的难题，路径选择和量化分析是关键，路径选择更倾向于定性模拟，量化分析更加依赖于定量工具。
1、有效理论，事倍功半
在物理学中，有效理论是一种框架，被创造来模拟某种被观察的想象，而不用仔细地描述所有的基本过程。比如说，你不需要知道两个物体当中，每一个原子和分子之间的相互作用和相互关系，通过经典物理中的牛顿万有引力中的所需要的几个简单的参数，质量和距离就可以知道这两个物体之间的引力是多少了。再简单一点说，通过套公式，你可以不知道过程，直接就获知结果。如果拿其他行业的例子来说，下围棋的可以通过研究定式和棋谱，来决定如何下可以更有效地获得胜利，而不需要去研究每一步棋对于整个局面每一个角落的影响再来决定怎么下。很显然后面一种方法是非常低效的而且会浪费大量的资源。
如果还不明白，我来举一个职场的例子。比如你在公司A是做 Planning 的或者知道A公司的Planning是如何做的，但是当你跳槽到公司 B，你就会大致知道B公司的Planning是怎么做的。具体来说，你会下意识的认为或者自以为非常清楚，你应该什么事情找Planning，问做Planning的人要什么信息，应该给做Planning的什么信息，最关键的你知道如何来Challenge Planning的工作。你不需要培训，也不需要更多的指导，马上就可以上手投入工作，这都是因为你在之前的工作中建立了对于Planning的有效理论框架，这也是为什么新的公司给你增加了30%的工资，你是一个不需要培训马上可以用的熟练工。相比有效理论框架的人来说，新人就需要从头开始学起，一步步从下订单，排计划，等等最简单的工作开始做起才能了解B公司的Planning是如何做的，才能建立其自己的有效理论框架。就好像之前牛顿经典物理的案例中，需要通过分析每一个原子和分子之间的相互作用和相互关系来推导出两个物体之间的作用力。这的确是一个事半功倍，非常有效的方法，这也是为什么在职场招聘中，人事部分和直线老板如此看重工作经验的原因。
2、成也萧何，败也萧何
如果按照以上的逻辑推论，我们为了做好工作是不是应该不断去掌握更多的有效理论呢？是也不是！
还是让我们先回到围棋这个场景。柯洁在输给AlphaGo之后落泪并表示，人类已经研究围棋研究了几千年了，然而人工智能却告诉我们，我们甚至连其表皮都没揭开。他也说人类和人工智能的联合将会开创一个新纪元，将共同发现围棋的真谛。AlphaGo之父杰米斯·哈萨比斯Demis Hassabis 也说过，关于围棋，人类3000年来犯了一个大错。那么这个错误到底是什么呢？这个错误就是不够精确的错误。因为有效理论框架是一种模拟，而不是精确地描述。模拟带来的好处是可以快速地低成本的掌握并获得相对可靠的结果，但是弊端也同样明显就是对于需要高度精确的场景就会出现错误，在现实世界中表现为失败失利。
同样在物理世界中，在低速宏观世界中，牛顿理论的模拟相当完美。但是当场景转换到高速宏观世界当中，牛顿理论就不够精确，需要考虑相对论效应，需要一个更加精确的有效模型-爱因斯坦的相对论有效理论框架。同样在微观高速领域，之前的两个框架又失效了，需要一个新的量子力学的模型。正所谓成也萧何，败也萧何，有效理论框架帮助我们快速低成本地认识世界，也将我们局限在我们这个为我们的认识所创造的世界当中。
3、对于管理，有何启示
说了一大堆看似不相关的话题，那么有效理论对于供应链管理和定量工具选择到底意味着什么呢？
– 未完待续 –