統計從來都是一個不容易的學科，但即使未學過，作為打工人，可能都不自覺地當過「統計學家」，那些掛在嘴邊的「經驗之談」，本質就是日積月累的數據歸納。

上班前看見厚重的雲層，便預感要帶傘，這是對天氣變化的數據總結；老闆皺眉時從不主動匯報，是記錄了數次「槍打出頭鳥」的結果；連被視為玄學的堪輿，其實也是古人對「風向、採光、地勢」與居住體驗的長期統計。所謂「山環水繞聚氣」，不過是歸納了萬千住戶的生活經驗，成了一套約定俗成的「統計模型」。

到了職場，這套「統計學」更成了生存法則。見到總是邊敲鍵盤邊歎氣的同事，便知道他大概率拒絕額外工作；遇到談判時反覆翻合同條款的交易對手，就明白要準備好詳細數據支撐。我們甚至會不自覺地「統計」面相，說話時眼神遊移的人，大概率失信過；聊起目標時眼睛發亮的人，往往更有執行力。這些歸類，本質是用過往接觸的「樣本」，推論對方是否與自己的價值觀一致，快速篩掉不合拍的人，節省溝通成本。

可經驗這東西，總是「成也統計，敗也統計」。靠着幾次經歷總結出的規律，很容易變成「路徑依賴」，見過一個營銷人員違規銷售，便認定他們都是壞人；吃過一次稽核人員的虧，就再也不主動與他們合作。這時的經驗，從「快捷篩選器」變成行動的「手煞」。

這破解之法，從來都藏在「統計學」的核心裏，數據量決定準確度。所謂「用好經驗」，不是固守舊結論，而是把每一次新接觸、新體驗，都當成一組「新增數據」，不斷豐富自己的「樣本庫」。今天遇到一個貪通的稽查的同事，就更新「稽核=搞事」的舊模型；明天碰到一個堅守底線的銷售人員，就修正「銷售=違規」的偏見。

其實AI的訓練，就是通過零散的「經驗之談」，形成一套動態更新的判斷系統，既有經驗的快捷，又沒有路徑依賴的僵化。AI努力學習人的思維，某些人卻從根本地將思維自我閹割，多諷刺。

真正的「老江湖」，從不是靠老經驗吃飯，也不過度倚賴電子儀器，而是把自己活成了一台持續採集數據、不斷優化模型的「統計學家」。◇