Jeff Ma – Making Decisions with Data - [Invest Like the Best, EP.151]

本期速览

Jeff Ma 是MIT黑杰克团队前成员、《决胜21点》原型，后创办人力分析公司10X、担任Twitter数据科学副总裁。本期主线是数据在体育博彩、人力资本评估和社交平台治理中的决策应用。全片最有分量的判断：Jeff Ma认为，体育博彩中持续盈利者不足1%，且其护城河很浅——顶级投注者必须不断重构模型，因为游戏规则、赛程和球员轮休模式每年都在变，静态模型注定失效。

---

主题一：体育分析已从“是否接受”进入“数据质量”阶段

Jeff Ma指出，体育分析的最大进化是“接受度”——现在几乎所有职业球队都必须用分析来竞争。

• 篮球：三分球（尤其是底角三分）的高效性已彻底改变打法——球队拼命投三分，防守方拼命封堵底角三分。这是分析驱动比赛变化的典型。
• 棒球：传统数据只记录“安打”，但安打可能是滚地球恰好穿出空档，也可能是直击墙的平飞球。现在通过摄像头捕捉出球角度、旋转率、初速等底层数据，才能建立更精准的预测模型。
• 橄榄球：Jeff认为这是最大蓝海——场上策略（如弃踢/射门决策）仍未被充分理解。即使爱国者队，也常在分析显示“极差决策”的情况下选择射门（如5码线内的射门几乎总是坏主意，因为放弃球权+失去达阵机会）。

关键类比：Jeff与传奇教练Bill Walsh的对话——Walsh凭直觉说出“一档10码需要大约4码多才算成功”，与Jeff团队用Excel算出的4.5码几乎一致。“天才不需要模型，但其余人需要。分析的价值在于解锁天才头脑中的模式。”

---

主题二：博彩盈利极度集中，但护城河很浅

Jeff Ma认为，能持续击败市场的职业博彩者不足1%，且其优势难以持久。

• 集中度：在任何体育项目中，通常只有1个或极少数人赚走100%以上的利润（因为大量“傻钱”亏损）。
• 护城河：很浅。顶级投注者必须不断调整策略——NBA的例子：赛程改变（球员更多轮休）、规则变化、打法演变（三分革命），使得基于历史数据的静态模型不再有效。
• 非量化玩家：少数人通过市场套利（利用黑市与合法市场的价差）盈利，不依赖量化模型。
• 心理素质：成功的博彩者最突出的特质不是分析能力，而是克服损失厌恶和短期思维、坚持过程而非结果的毅力。这与投资完全一致。

Jeff的对比：黑杰克中模型是平稳的（牌局概率不变），但体育博彩中数据非平稳——规则、球员、竞争环境都在变，与公开股票市场一模一样。

---

主题三：人力资本分析——数据很好，但人不想被量化

Jeff Ma创办的10X公司试图用数字足迹（Jira、GitHub、日历等）评估软件工程师绩效，但遭遇两大障碍。

• 障碍1：自我驱动力被高估。专业运动员喜欢看自己的统计数据并设定目标，但普通知识工作者远没有那么主动——工具必须变成管理者自上而下的强制要求。
• 障碍2：数据卫生差。像Jira这类“非主动工作”工具，需要先教会员工正确的使用流程，数据才能用于分析——这本身就是噩梦。

招聘的讽刺：Jeff指出，几乎没有任何预测模型或数据被用于招聘流程，全靠面试（“你想和这个人喝啤酒吗？”——这是终极偏见）。他建议关注智力好奇心和创造性思维，而非技能匹配，因为初创环境需要不断适应。

数据科学团队建设：Jeff偏爱科学背景的PhD（化学、经济学等），而非纯计算机科学背景。原因：他们经过严格的科学方法训练，能提出假设、设计实验。但这类人常低估自己——需要有人推一把。

---

主题四：Twitter的数据科学——从用户增长到选举干预

Jeff Ma在Twitter领导数据科学团队，处理了从用户增长指标重构到俄罗斯干预选举的复杂问题。

• 指标重构：Twitter曾陷入用户增长停滞，股价从50美元跌至14美元。团队通过隐马尔可夫模型发现，最健康的用户是每日活跃用户（DAU），而非月活（MAU）。将目标从MAU转向DAU，是Twitter后来复苏的关键。
• 选举干预：团队为国会报告做了基础工作。发现俄罗斯账号的策略是“放大而非创造”——大量转发、协调攻击，行为模式与Twitter已处理的违规账号相似，但处于灰色地带（不违反服务条款，但明显是操纵）。
• 算法博弈：操纵者理解推荐算法，通过协调攻击让虚假信息在搜索等表面区域上浮。这促使Twitter改变了某些区域的排序算法，加入可信度评分。

关于平台责任：Jeff支持Jack Dorsey禁止政治广告的决定（“影响力应靠赢得，而非购买”），但承认问题复杂——回音室效应（你关注谁就决定你看到什么）使平台容易成为自我实现的预言。

---

主题五：未来投资方向——媒体进化是最大盲点

Jeff Ma认为，当前媒体公司（Netflix、Hulu、Apple TV+、Quibi）并未真正“进化”——它们只是把25年前的电视内容做得更好看、更短。

• 真正的进化应该是交互性——视频游戏与传统媒体的融合。千禧一代和Z世代不会坐看3.5小时的橄榄球比赛，他们已经在手机上。
• 误区：人们常把电竞与传统体育混为一谈——“因为我是体育迷，不代表我会去看《英雄联盟》比赛。” 两者是不同物种。
• 其他方向：区块链（资产代币化）、共享经济（仅触及冰山一角）、城市功能优化。

---

提及的标的

标的	嘉宾态度	关键数据
Twitter	看好（作为前VP，肯定其数据科学转型）	股价从50美元跌至14美元后复苏；DAU取代MAU成为核心指标
10X（其创办公司）	中性（承认失败——人不如预期自我驱动）	软件工程师数字足迹（Jira/GitHub）数据卫生差
Netflix/Hulu/Apple TV+/Quibi	风险提示（未真正进化媒体）	内容仍是25年前的线性叙事，只是画质更好、时长更短
旧金山49人队	看好（合同结构创新）	在橄榄球合同保证金额、工资帽处理上领先
波士顿红袜队	中性（作为分析案例）	传统数据只记录“安打”，新数据（出球角度/旋转率/初速）可建底层模型
Stats Bomb（Ted Knutson公司）	看好（足球分析创新）	人工回看比赛创建新数据集，预测得分机会而非得分本身

---

值得记住的判断

1. “体育博彩中持续盈利者不足1%，且护城河很浅——顶级投注者必须不断重构模型，因为游戏规则、赛程和球员轮休模式每年都在变。”（Jeff Ma）——静态模型注定失效，与投资中的非平稳性完全一致。

2. “天才不需要模型，但其余人需要。分析的价值在于解锁天才头脑中的模式。”（Jeff Ma）——Bill Walsh凭直觉说出4.5码的成功线，与Excel计算一致，但普通人需要数据。

3. “招聘中最大的偏见是‘你想和这个人喝啤酒吗？’——这描述的是对方是否像你，而非能否胜任工作。”（Jeff Ma）——面试本质是偏见放大器，但几乎没有公司用预测模型替代。

4. “数据科学团队应优先招科学PhD（化学、经济学），而非纯CS背景——他们懂科学方法，能设计实验，只是常低估自己。”（Jeff Ma）——这是人才市场的套利机会。

5. “Twitter是唯一一家从用户增长停滞中复苏的科技公司——关键是将目标从MAU转向DAU，通过HMM建模发现最健康用户是每日活跃用户。”（Jeff Ma）——指标选择决定公司行为。

6. “俄罗斯干预选举的策略是‘放大而非创造’——大量转发、协调攻击，行为模式与已处理的违规账号相似，但处于灰色地带。”（Jeff Ma）——灰色地带操纵比直接违规更难应对。

7. “当前媒体公司（Netflix、Hulu、Quibi）并未真正进化——它们只是把25年前的电视内容做得更好看、更短。真正的进化应是交互性，如视频游戏与传统媒体的融合。”（Jeff Ma）——千禧一代不会坐看3.5小时橄榄球比赛，但电竞≠体育。

8. “黑杰克模型是平稳的（牌局概率不变），但体育博彩和投资中数据非平稳——规则、球员、竞争环境都在变，必须持续质疑模型。”（Jeff Ma）——这是从MIT黑杰克团队到数据科学家的核心认知跃迁。