反向思考，为什么对你这么重要

收集外部观点之所以是一个不自然的思考方式，是因为它迫使我们把已经收集到的所有珍贵信息搁置一旁。你已经干了很多工作，论证到了一定程度，你就偷懒了，觉得已经够了，但其实有些信息可能你还没有获取。

书里举了一个例子，美国曾经有一次赛马，一匹马在前两场比赛当中所向披靡。赌马时大家都赌它第三场还能赢，结果这个马第三场没赢。其实回溯历史几十年赛马比赛的数据，发现同类比赛连续三场跑赢的概率是很低的。这可能已经是一个笃定的结果，但在那个时间点那匹马的表现让人们忽视了概率。

同时人们也会倾向于相信自己的判断，觉得自己比别人更聪明，所以会相信一种乐观的假象，觉得自己能控制这事。人们被自己的思维所麻痹，所以不去想我能看到的历史统计数据有什么特点。

解决方法：

1、在主观判断之外要充分收集外部信息

尽量用客观数据驱动的方式不断验证你的想法是不是对。如果大部分人问自己一个问题，“你是不是觉得自己在公司中处于平均水平之上，比大部分人更聪明？”绝大部分人的回答是肯定的，但实际上往往并不是。

隧道视野，没能充分考虑备选方案

有几种会导致“隧道视野”的情况：

1、 锚定错误效应

有人做过一个实验：先问你一个问题，你手机号码后四位是什么？再问你一个问题，你估计这个小区住了多少人？实验结果是，手机号码后四位更大的人预测小区人数的平均值远大于手机号码低的人。这是一种心理上的锚定，先给自己一个锚定，后面第二次就会预测得更高一些。这种潜意识的暗示，是隧道视野的原因之一。

2、 对备选方案考虑不充分

举个例子，比如医生，假设这个地区最近正在发生一种传染病，一个病人来了以后各种症状和传染病都很像，医生大概觉得就应该是这种传染病。他特别自信，但其实可能这个病人还有别的原因。因为他受到主观主流状况的影响，就迅速给出结论，却忽视了可能有别的备选方案的可能性，这时候就容易出现错误。虽然大部分时候这种方式是对的，但确实更容易出现错误。

 3、从过去的结果中得出不当推断的倾向

举个例子，假设正方形和圆形两种形状随机出现，第一张图给你正方形，第二张图给你正方形，绝大多数人会认为第三张图还是正方形，有对趋势和想法的判断，而如果用概率方式思考也许会得到别的结论。但很多人会惯性思考，这是心理上的一个问题。 

4、诱因和动机

有时候你的动机和诱因会导致产生“隧道视野”，你会倾向于看到你想看的东西，这也是常见的现象。

人的思维特点是比较相信直觉、比较偷懒的，能够找到一个答案就可以了。就像《人类简史》里阐述的，在受到动物追杀的时候，逃跑是最优的策略。所以人的大脑被设计成要用直觉、反应去迅速应对出现的问题，在大部分时候，这是对的。但如果放在投资、经营和重大决策时可能就不完备。

人的注意力也是有限的。人类思维的特点是想看到他们想要看到的，而不去理会其它一切。一个例子，比如在布什和戈尔进行美国总统竞选时，民主党的人去听布什的演讲会更容易发现布什演讲中的矛盾和错误；让另一党去听戈尔的演讲，也是一样的情况。但听众却比较不容易发现自己党派候选人演讲的错误。人类的敏感度会随着动机倾向发生很大的变化，这其实是立场所导致的现象。

由于注意力是有限的，所以注意力集中通常是好事。但是在做重大决策时，注意力的集中却容易使你漏掉一些信息。

解决方案：

1、对选项保持开放的态度

即使我们的本能是去关闭它们。有些选项是小概率事件，但也要考虑到有这种可能性。

2、寻求意义

大家也许看过电影《十二怒汉》，那是一个陪审团裁定犯罪嫌疑人是否有罪的故事。大家开始都会通过看上去最明显的证据来判断嫌疑人就是凶手，但如果你不愿意关注别的细节，再加上从众的心理，就可能导致错误的判断。能够主动寻求意义的人其实是比较稀缺的，特别是做群体决策时更要寻求意义、考虑不同声音、考虑更多备选方案、更完整地思考问题，对避免隧道视野更有帮助。

3、跟踪并反思以前的决策

以前的决策是怎么做的，及时不断反思。

4、考虑了解诱因和动机

你要了解一个人或某一种判断在当时和背后会不会有一些别的原因导致他的特定倾向。

相信专家vs.相信数据

我们看“专家的价值”这张图，它给了几类场景，第一类是基于规则的，可以看到专家的价值很有限。比如简单的医疗诊断就是基于规则的，在这方面专家不如计算机。同时，由于机器的计算能力和AI逐渐变得更厉害，所以未来比较容易犯的错误将会是更倾向于相信专家的判断。

书里以零售企业对于下月销售业绩的测算举例，如果是由公司管理部门专门做预测，会得到一个结果；如果是通过采访零售企业，采访超市员工，采访大量的相关方，拿平均数做更大范围的统计，会得到另一个结果。经过验证，作者发现后者更为准确。当然未必都是这样，但这里提供了一个思考的维度。它背后可能因为是员工掌握了更多细节信息，可能是相关方感受到了用户需求和趋势，而高层未必看得到。预测者在把各个角度的信息综合到一起之后，得到的结果可能会更好。

也就是说，在一个团体中，多样性的缺失通常源于领导者的主导、事实的缺失、认知的同质性。

解决方案：

1、对迷信专家导致的认知同质性保持警惕

中文里有四个字说的特别到位：“兼听则明”。它把上面的几条都涵盖了。

2、配备最合适的解决方案

你要知道什么时候去相信专家，什么时候去相信数据、相信电脑。不同场景下你所相信的是不一样的，要看情况。

3、尽可能使用技术，也就是数据

环境感知

几种环境及情绪主导的决策误区：

1、我们在做决策时可能会受到很多情绪和心理的影响

比如有人做过调查，美国消费者去超市买红酒，如果超市里放的是法国音乐，消费者就会倾向于买法国红酒，如果放德国音乐，就会倾向于买德国红酒。当你去采访这些人的时候大家都不承认受到了音乐的影响，但统计出来的结果显示顾客的就是受到了潜意识的影响。我们容易相信决策和情绪、经验、环境无关，其实有时候是有关的，我们要考虑到这个因素。

2、人们在做出自己认为最合适的决策时，不会意识到他所做的决策是不是被设计后的结果

比如特殊默认选项，比如器官捐赠，很多国家都是让你签一个协议书，“你是不是不同意器官捐赠”以及“你是不是同意器官捐赠”给出的选项是完全不同的。人们认为自己能决定自己的想法，但统计出来的结果表示你的决策被影响了。

3、依赖于对风险的直接情绪反应，而不是对未来可能结果的公正判断

这也称为情绪。比如彩票，我们都知道彩票概率极低，所花的钱和最后获得收益的均值一定不匹配。但大家还是愿意买，因为最后他更看重中奖后获得那么多钱的情绪，这个情绪导致了自己的决策倾向。

4、 通过人们的性情来解释其行为，而没有考虑到他所处的情境

有人做过实验，把大学生随机派到监狱里工作实习，有人做监狱长，有人做犯人，随着时间的推移，监狱长的脾气越来越大，越来越拧。可能这些人自己也不承认自己受到了影响，但其实你是被角色和你所处的情境所影响了。

解决方案：

1、 要意识到你所处的情境是什么

要知道自己可能会被这些东西影响，心里要有这根弦。基于人的本性，虽然这件事情不可避免。但你有了这个意识后就会多考虑一些，“我那时候的判断是否受到了环境的影响、情绪的影响”，也许是有的。

2、 避免模仿和从众，受到市场情绪的影响

这在我们VC领域特别明显，每年的“风向”容易导致大家从众。但尽可能想得更早，避免模仿和从众，能够相对更理性地判断，才是更为根本的。

3、 避免固有思维的惯性

人们会倾向于用过去的固有思维去作出决策，这很方便，但要有根弦来提醒自己。

考虑整体而不是局部（一）

几种常见的错误：

1、 通过推断不适当的个人行为来解释集体行为

因为过小的样本是不能说明集体问题的。一个例子，二级市场的股票分析师都有各自的观点，在了解一个行业的时候不能看了一篇研报就觉得了解了行业全貌。你可能还是要多看一看，因为一个人的观点往往不代表系统的实情。

2、 忽视系统中某个成分的调整可能会对系统产生意想不到的影响

这件事未必在所有场景下都成立，但在有些系统里确实会有这样的状况。尤其是生态系统或者是危机场景下的经济系统，可能一个成分的调整就会显著影响系统整体。

3、 在没有适当考虑个人周边系统的情况下将个人的表现孤立出来

比如一家公司如果运营不好，他会请一个类似公司里业绩特别好的人，这种做法不一定不对。但你要更多考虑当时那个人在另一家是不是有一些别的因素导致他做得特别好？你能否在新的公司给他营造这样的氛围？否则这事可能就不成立。

解决方案：

1、 取样时要从正确的样本取

样本要合理，这样基数才有意义，还是要“兼听则明”。

2、关注紧密耦合的系统，因为有的系统里各个因素是会互相影响的

懒惰是人性的组成部分，人倾向于把问题线性化，希望自己能掌控当中的因果关系，但一个系统可能会复杂很多，你的直觉在这样的系统里未必是有效的。如果要前进，就需要想更多步，做到“兼听则明”也需要付出更多努力。这也决定了人和人之间的差距。所以应该在系统这个层面上，比如在竞争环境、整个格局里要有更复杂的、更高的思考维度。再多想一步。

考虑整体而不是局部（二）

几个常见的误区：

1、没有充分了解一个策略成功或失败的条件，就对其表示支持

比如波音的飞机一直都是自己做非常具体的设计，再把每个模块拆成让人制造。波音在787飞机的设计上采用了外包，把飞机拆成了很多大模块让别人设计，最后发现是个工程灾难。可能他们希望模仿笔记本电脑的标准化设计，但飞机恰恰不是标准化的，所以不能套用。

2、没能适当的思考竞争环境

有一个叫“布罗陀”的游戏，解决的是士兵和战场的问题。假定你和对手面对着三个战场，各自有一百个士兵，双方分别做兵力的分配，看谁最终获得胜利。这里的策略有点儿像田忌赛马的感觉。关于怎么分配兵力，在做每一步决策时都要考虑当时的状况、敌我双方手里的牌和当时的竞争因素，是一个动态竞争环境的博弈问题。如果A能赢B，B能赢C，未必A能赢C，因为这里面的策略和相对优势是不一样的。

3、简单的总结相关性和因果性，没意识到可能是由别的因素导致

比如有人说超级碗的举行和股市的相关性，但其实可能是由别的原因导致的。

4、拒绝接受新的最佳实践。缺乏随环境改变的灵活性

墨守成规可能导致非常严重的后果。举个例子，最早迁居到冰岛的挪威人没能存活下来，这是因为他们还是沿用以前挪威的方法。

5、人们倾向于通过建立因果关系，带给自己满足感和安定感

因为人们如果觉得自己想明白了这个问题，他就不用再去做工作了，会觉得很舒服。但这也可能导致不好的结果。

解决方案：

1、决策时有没有考虑到环境因素

也就是说，要具体问题具体分析。在具体情境下是什么状况，需要具体去想一个问题。

2、要注意相关性和因果性

不要偷懒得到简单的因果关系。

3、在规则不断变化的环境中要注意保持平衡

意思是如果在竞争时发现别人是那么做的，你要知道自己哪些东西是核心的，要坚持，要看长线、看中期，千万不能盲目跟随。虽然环境对我们的决策会有影响，但也不能随波逐流，而是要想得更远一些。

4、在多维度的领域中不存在最佳实践

成功肯定不是容易复制的，成功的人也不总是成功。只要问一个问题，用他这种方法的公司是不是都成功了？可能一百家公司只成功了一家，其实就是这个思维。

关注临界点

微小的扰动可能会突破临界点而引起巨大变化。在自动化领域里有负反馈和正反馈，负反馈是趋向稳定的，正反馈是共振的结果。

举几个例子：

第一个例子是士兵过桥齐步走产生的共振会导致桥梁坍塌。

第二个例子是一个音乐网站的独立实验。实验者打造了一个独立的网站，把几万人分成8个组独立地做试验。其中有一组，每个人看不到别人的决策，对歌曲自由下载、聆听和评价，其它组的人可以看到组内人对歌曲的评价。实验发现，其他组里初始几个人的行为会对歌曲的排名有极大的影响，这说明初始行为的扰动所产生的影响还是很大的。

第三个例子是标准和格式的竞争。比如打字键盘的排列如果算概率和速度一定不是最优的，但大家已经形成了习惯，改变不了了。有网络效应的东西其实都有这个特点，当你达到了那个临界点时就会引起巨大的不同。

解决方案：

1、 要关注和寻找临界点发生的时刻

比如在经济危机和互联网泡沫中，要关注这样的现象。讲经济危机的那部电影《大空头》的主人公通过做空赚了很多钱，其实他们是做了很多非常基础的、细致的研究，例如去房地产中介看各种各样的情况，通过实事求是的研究、论证做出临界点到来的判断和交易决策。

互联网泡沫也是，要去关注和寻找临界点的时刻，会不会产生这样的迹象，这是所有做金融的人都会面临的问题，绝大部分人都会被绕进去，再聪明也会被栽跟头，极少数人能逃离这种事情。

2、意识到会有“黑天鹅”事件

复杂系统是有概率分布的，要对最坏的情况做好准备，这也是创业和投资要考虑的。必要的未雨绸缪非常重要。

3、考虑网络效应临界点到来的主要因素

这可能对VC的投资业务有帮助，因为有些业务是有一定网络效应的，那个领域的第二名就会很难生存。

运气和实力的博弈，均值与波动的关系

这其实是一个数学问题，一个均值和方差的关系，或者说是价值和价格波动的关系。价值总是会趋于稳定，价格总是在波动。

举几个常见的例子：

1、 从短期表现忽视均值一定会回归正常的规律

大的单个投资回报往往是伴随着运气，极其出色的回报，运气可能还占了不少的成分。长久来看，投资回报的水平其实是取决于实力的。

另外人们总认为自己很特别，比如一个公司觉得自己某方面做得比别人好，但其实未必别人学不会。也许随着时间的推移，大家的差距会抹平，会回归均值，这是有可能发生的情况。

2、惩罚比奖励更有效的误区

比如飞行员教练通常会选择批评飞行员，而不是鼓励导向。这是为什么呢？有人说你干嘛不鼓励呢？教练总是想，“我批评之后他下次总会变得更好，但鼓励之后一般会变得更差”。其实叫练感觉学员在“变好”是因为当学员飞行得不好的时候你去批评他，他下次会回归均值，所以下次一定会好。因此，也许不是因为你的批评使他变好，而是因为他回归了。

3、光环效应误区

公司发展好的时候，都是赞美；同样的公司陷入平庸，就都是批评。其实这只不过是换了个角度来评价，本质上差别没那么大，是均值回归的。有人统计了财富等杂志20年来刊登的封面故事，统计结果表明乐观文章发布的时候，当时股价都很好，悲观文章的公司都股价都不好。而两年后，悲观文章公司的涨幅都高于乐观文章的公司。其实这也是一个回归均值的证据，总体上大家会回归。

解决方案：

1、评估你的分析系统中实力和运气占比

当好事发生时，人们经常会认为实力因素决定的，坏事发生时，人们会归因为运气。这个想法是人之常情，但我们把它分开可能会更客观。

2、更大的样本才会使得实力有真正的体现

人们对于喜欢的或正面的事物，会持续关注和收集信息，对不喜欢不正面的事物，会放弃信息收集，容易导致片面的判断。比如说有人去餐厅吃饭，两家餐厅，一家餐厅特别好，吃下来体验特别好；第二家是体验不好的餐厅。体验好的餐厅第二次还去，但可能会比第一次体验差；体验不好的餐厅你就不去第二次了，而也许第一次只是小概率的质量下降，但你放弃了给他机会去观察。

3、系统自身的变化特点

其实系统与系统之间的均值和方差也是不一样的。有人均值高、有人均值低，这是由实力高低决定的。有人方差高、有人方差低，这体现在稳定性上。但也许更高水准的系统会导致供给的稳定性下降，所以在决策时也需要考虑系统本身的实力与稳定性的关系。

本文经授权发布，不代表36氪立场。如若转载请注明出处。