抉擇：自由貿易vs.保護主義的寓言

 

2025年四月，史上最霸氣的美國總統川普，向世界宣告將單方向施行對等關稅以達成他讓美國再偉大的政策理念。短短數天內，全球金融市場隨之震撼，主要的股票市場同步爆跌，不少專家學者預言全球經濟走向大蕭條。姑且不講陰謀論者懷疑川普是意在言外的想操弄美國國債到期前的債券利率，如果單純分析貿易保護政策是否能讓國家強大，我想九成的經濟學者都會投反對票。

《抉擇》一書以小說形式，引領讀者理解自由貿易和保護主義兩者對國家社會經濟發展的顯著影響。故事背景雖然是設定在快二十年前，但保護主義擁護者的主張和說詞，基本上和當下川普的立論相差不遠，鉅額的貿易逆差、外國企業的傾銷以及外國政府的補貼，只是書中描寫的外國是日本，而現在對象改成了中國。

自由貿易的核心價值是比較利益理論，簡單地說就是要取得一件商品，採用最經濟實惠的作法才是最明智的。如果外國企業能用比本國企業更便宜的價格供給到國內市場中，那就應該全面開放，讓國民享受到物美價廉的商品，這也稱為間接致富之路。在川普上任前的美國消費市場也是遵循這個原則，讓美國人過上豐衣足食的好日子。

關稅和配額都是讓進口商品難以流入國內市場的手段，一是增加售銷成本，二是直接限制售銷數量。在國內市場需求不變的情況下，即便國內製造業能補足被減少的商品量，也會造成商品價格上升，原因在於如果國內製造商能用進口商品的價位生產，那它早就會這樣做了。就是因為生產成本或效率低於國外廠商，才會打不過對方。因此川普的對等關稅一旦如期加徵下去，苦的絕對是美國本土的消費者，通貨膨脹會像海嘯般將受薪階層滅頂。

除此之外，要大量自己自足的在地生產，會產生足以改變勞動市場的資金與人力重新配置。高薪的傳統製造業將會吸引大量人才投入，進而影響原本美國擅長的金融、服務和科技產業的蓬勃發展。美國等於是拿全世界稱羨的燙金職缺，去換取滿身汗臭的藍領工作。當然職業無貴賤、行行出狀元，但以國家發展的高度來看，川普心目中偉大的美國，明顯地和你我想像中的不同。

或許會有人提及，那美國是否被勢必一直承受貿易逆差，讓國外賺進我們白花花的銀子嗎？其實貿易帳和資本帳是分開計算的，沒有國家會平白無故地製造商品，讓它國免費使用。所謂的貿易逆差會轉化成外國人手上持有的美元，而國外企業將會把它用來購買土地、股票等資本商品，或是用來支付能源、原物料等大宗商品的費用。

看完《抉擇》後，讀者會更確信川式經濟學的荒謬和反智，它將會蠶食鯨吞將美國國力與現行貿易體制破壞殆盡，或許川普的如意算盤超乎凡人的眼界，但以自由市場經濟學派的角度來看，真的是動搖國本的驚天大事。

大數據架構商業之路：從業務需求到技術方案

 

自從看過黃申的「大數據架構和算法實現之路：電商系統的技術實戰」一書後，就對他在大數據領域的研究和心得有所共鳴。這本「大數據架構商業之路：從業務需求到技術方案」是「大數據架構和算法實現之路」的前作，在內容的規畫上著重理論層面的介紹和解說，兩書互為表裏，做為大數據從業人員當然不能掛萬漏一。全書有12章，除了第1章引言外，2到7章將大數據應用的不同題目，各自整理成專章，分為「數據收集」、「數據儲存」、「數據處理」、「信息檢索」、「數據挖掘」、「效能評估」。

數據收集中有「網路資料收集」也就是常說的「網路爬蟲」。抓取網路資料的演算法有「深度優先」、「廣度優先」和「最佳優先」三種，其中又以「最佳優先」效果最好。在開源碼中有「Apache Nutch」和「Heritrix」可以實踐網路爬蟲。另一種數據收集則是「企業內部資料收集」，簡單說就是內部轉檔程式(從各種不同的資料來源)，開源碼中有「Apache Flume」可用。

數據儲存分成「持久化儲存」和「非持久化儲存」兩類。在持久化儲存部份，「Hadoop(HDFS)」是業界公認的唯一選項，普及程度已到言大數據者不可不用HDFS，另外建基在HDFS上的noSQL解決方案「HBase」也常被企業採用。近來在noSQL應用中異軍突出的「MongoDB」，則是自成一格用來儲存非結構化資料的文件資料庫。非持久化儲存的主要訴求是超高的反應速度，因此主流產品都是用記憶體做為儲存機制。開源產品有「Memcached」和功能更強大的「Redis」。

數據處理依照處理的頻率分為「離線批次」、「近乎即時」和「在線即時」三種。Hadoop(MapReduce)是離線批次處理中的業界公理，被視為大數據技術的原點。針對MapReduce的缺點再進化而成的「Spark(RDD)」，則是近來有望取而代之的平台。另外也有將MapReduce程式碼封裝成SQL like語法的「Apache Hive」，和基於相同簡化概念而產生的「Pig」、「Impala」和「Spark SQL」等平台和套件，這些產品都是提供一個做法讓非程式人員更方便地操作大數據資料。近乎即時的機制是仰賴訊息佇列，開源碼中的「ActiveMQ」和「Apache Kafka」較為知名。在線即時處理和離線批次處理是站在天秤上兩側的對立面，在應用面上能互補，免除實踐時在運算時效和資料規模非得取捨的兩難。開源碼有全即時的「Storm」和批量即時的「Spark Streaming」。

黃申在信息檢索章節花費相當大篇幅介紹，畢竟此階段已經可以看到具體的大數據運用成果，相信讀者有意願深入瞭解。有別於對資料庫查詢結構化資料，大數據資料檢索的長處是查詢非結構化資料。檢索和比對非結構化資料的核心問題有「相關性」和「即時性」。在相關性的判定上，目前已經發展出許多模型，包含了「布林模型」、「基於排序的布林模型(增強型布林模型:TF/IDF)」、「向量空間模型」和「語言模型(機器學習:Naive Bayes)」。處理即時性需求，最基本會用到「倒排索引」技術。信息檢索的需求在IT業界最具體的例子就是「搜尋引擎」，依應用目的可以分成「通用型搜尋引擎」和電子商務中的「商品搜尋引擎」。像Google般的通用型搜尋引擎，重點會放在網路爬蟲技術，書中就介紹了Google的PageRank演算法和由權威值與中心值構成的HITS演算法。電商的商品搜尋機制，考量的重點是「排序演算法」，其中排序的「金字塔模型」包含了「文本模型」、「反作弊模型」、「商家服務模型」、「商業規則」、「人氣模型」、「分類模型」、「輪播模型」、「個性化模型」。搜擎引擎最有名的開源碼套件為「Lucene」，從中發展出各佔半邊天的「Solr」和「Elasticsearch」。

推薦系統是大數據在電商應用中的第二個亮點，因為它能顯著地增加商品被瀏覽、被銷售的機會。好的推薦系統能幫公司出售多樣化的商品，增加用戶的滿意度和忠誠度。推薦系統可以依「基於商品」、「基於用戶」和「基於情景」分類。推薦演算法的核心是相似度，在概念上和搜尋系統的相關性一樣，只是應用領域和實作細節有所不同。相似度的定義方法可以有四種類型，「基於內容」、「基於知識」、「基於用戶行為」和「基於社交和社群」等。在混合不同推薦算法時，則可以用「微觀混合」或「宏觀混合」。

線上廣告系統是大數據在電商環境的另一種常見應用，系統中的角色有「廣告投放主」、「廣告」、「用戶」和「廣告平台」，過去常見橫幅廣告播放，現在都是精準投放。收費的模式有「CPM(Cost per Mille千次)」、「CPT(Cost per Time)」、「CPC(Cost per Click)」和「CPS(Cost per Sale)」與其它。廣告關鍵字的拍賣競標是廣告系統不同於搜尋、推薦系統的地方，也是最具技術門檻的機制。

數據挖掘又稱數據探勘或是機器學習，常見的任務有「頻繁模式」和「關聯性分析」，用於預測的「分類」和「迴歸」，非預測性的「聚類(分群)」，最後還有「異常點分析」。在開源碼中有「Apache Mahout」套件，「R」語言也是另一種常見的工具。

大數據的效能評估，依評估手法可分為「離線評估」、「用戶訪談」和「線上評估」。離線評估中針對信息檢索系統的最基本評測指標是「精度(Precision)」和「召回率(Recall)」，機器學習的評測有針對分類問題的「混淆矩陣」。對分群問題來說並沒有方便量測的驗證工具，此時可以「外部準則法」，藉由將額外提供的資料標籤和分群後的結果逐一比對，求出分群效果的「精確度(Accuracy)」和「F值」。線上評估就是「A/B測試」，也是電商營運上最有效的測試手法。應用系統的性能評估有「性能測試(驗證系統合乎預期目標)」、「負載測試(找出系統的安全臨界負載)、「壓力測試(找出系統崩潰的壓力點)」和「穩定性測試(在適當的壓力下系統長時間運作)」。開源碼的「JMeter」工具可以滿足上述所有的性能評估需要。

最後的9到12章，黃申快速地介紹搜尋系統、推薦系統、資料收集、數據探勘的實作案例。而更清楚的說明與完整的程式碼，是放在「大數據架構和算法實現之路：電商系統的技術實戰」一書中。黃申在本書中點出大數據技術在電子商務的運用主題，涵蓋「搜尋引擎」、「推薦系統」、「數據探勘」和「線上廣告系統」，這和我在大數據開發歷程中體悟到的心得不謀而合。推薦引擎就如同不須使用者自行輸入關鍵字的商品搜尋引擎，當看到黃申寫的這句話時，不由得拍案叫絕，他居然和我對推薦系統的看法一致。