作者:Cedric Chin 如果你阅读过许多关于决策的文章,你可能会认为,做出好的决策只是简单地将正确的决策框架运用到实际情况中,然后就能收获成果。 比如,如果你有幸要在三种职业道路中做出选择,你可能会用期望效用计算来决定追求哪一条路。或者,如果你观察到一些复杂的办公室政治,你可能会选择使用贝叶斯分析来理清真相。 我在这个博客上多次讨论过这些观点,并且通常对它们评价颇高。但在这篇文章里,我想换一个角度来探讨这些技术的局限性。你很快会发现,这些局限性几乎适用于所有从判断与决策制定文献中提炼出来的技术。如果你曾经尝试将这些理念付诸实践,或者深入挖掘这些理念的根源,这些局限性对你来说应该不难理解。
有趣的是,大多数的批评可以用一句话来概括:“行动产生信息。”记住这个格言,它很快会对你有所帮助。 实际案例要理解传统决策框架的局限性,最好的方法是通过一些现实生活中的例子。这里有两个案例。 1. 职业选择最近,一位即将大学毕业的朋友给我打电话,他正面临一个难以抉择的职业决定。他有很多选择。 “我想尝试创业。”他说,“但我还在考虑是否加入 FAANG 这样的大公司,或者去一家道具交易公司工作。” “为什么考虑道具交易公司呢?” “噢,因为那里的薪水很丰厚。” “你以前在那工作过吗?” “没有,不过我们有共同的朋友在那里工作过。”(确实如此)。 在这样的对话中,我们进一步了解到,我的朋友:
我的朋友非常聪明;理论上我们可以进行一种叫做期望效用计算的分析来帮助他作出选择。期望效用计算是我们熟悉的利弊分析的升级版。不同于简单列举利弊,我们会列出一系列我们看重的因素,比如:薪水、优秀的团队成员、具有挑战性的问题等,然后对每个选择(创业公司、FAANG 或道具交易公司)进行评分。最后,我们会估算实现每个选择的概率。(如果你需要一个更具体的例子,可以参考这里)。 但实际上我们并没有这样做。因为期望效用计算需要每个选择都有完整的信息,而在这种情况下显然不可能实现。 “看起来你还缺乏一些必要的信息,”通话即将结束时,我这样说。“你已经体验过 FAANG 公司的工作环境,而且你现在还在一个后期阶段的创业公司实习。但你还没了解过早期阶段创业公司的工作环境,而且你现在也没有合适的创业点子,所以很难自行摸索。此外,你也不了解在 prop firm(专业交易公司)工作是怎样的体验。那么,为什么不尝试花上一两年去体验这些工作呢?至少为了获取这些信息。” “嗯…”我的朋友沉思着。 “我这么建议,是因为我觉得几年后,当你掌握了更多信息后,做决定会变得更加容易。而且考虑到整个职业生涯的长远规划,花费一两年并不算太长。” 2. 贝叶斯分析在办公环境中的应用贝叶斯更新是一种随着新信息出现而更新个人信念的方法。这在做出对世界的判断时是一个极为有效的技巧。我之前在我的系列文章中讨论过这种方法,并描述了超级预测家如何利用贝叶斯分析来做出精准的未来预测。 然而,出色的分析和准确的预测并不总是等同于有效的实际行动。 以这样一个例子来说明:假设你的一个同事总是迟到,但老板似乎并不介意。你可能对此感到困惑,甚至觉得没人讨论这个问题很奇怪。你可能会认为这位同事懒散,但同时也可能存在一些政治因素,使得他迟到被接受,而你迟到却不行。 贝叶斯模型会引导你审视你的先验假设,并计算你的解释正确的可能性。它还会提示你关注可能改变你对这种信念信心百分比的新信息。这听起来很不错,但需要注意的是,贝叶斯更新主要是用于整合新信息,而并不涉及新信息的产生。 在决策实验中,测试对象可能只是被动等待信息的揭露。地缘政治预测家也无法影响他们所预测的事件。但作为现实世界中的决策者,你的情况则完全不同。你可以选择分析问题,也可以选择采取行动。换句话说,你在这里面临的是一个实际的抉择:花费时间进行贝叶斯分析,还是通过行动来探索新信息,这两者之间可能存在更佳选择! 让我们再看看那个经常迟到的同事的案例。你有办法获取新的信息吗?是的,有办法。举个例子,你可以约这个人一起吃午饭,然后巧妙地提出“障眼法问题”,以此来探究他们的生活现状。这样做可能带来更多疑问而非答案,这时你可能就得重新使用贝叶斯分析了。但也可能你会得到一个非常明确的答案,让你免去了许多困扰:“哦,我和我妻子刚生了个孩子,我之所以来办公室,是因为 Jon 想让我参与这次的项目部署;等这个项目结束后,我就会开始休陪产假,大概会离开一个月。” 决策分析的代价决策框架的主要问题在于,它们多源于判断和决策制定领域,而这个领域又深植于理性选择理论的土壤,最终追溯到经济学。这些学术领域假设理性选择是在众多选项中作出选择,且这种选择通常发生在信息完整的环境下。 如果你的选择实现了最大效用,那么你被认为是理性的。反之,如果选择失误,就被视为非理性行为。 看似这些研究可直接应用于现实,但实际上,由于现实世界的复杂性,并不完全符合这些模型的假设,使得它们有所局限。 首先,现实中你的选择往往比眼前的更多。有些选择可能因不确定性而难以察觉,或需要创造性思维才能发现。有时,由于信息缺乏,这些选择被隐藏了。比如,我的朋友可能有更好的选择,但或许他因所知有限,而只考虑了三种职业路径。 其次,现实世界中的决策常常与时间紧密相关——行动越快,通常能从中获得更多价值,尽管这个价值的确切数额也常常是未知的。大多数决策框架并未考虑时间因素,因为在实验中无需模拟时间敏感性。然而,在现实中,每个选择的效用可能取决于你对分析后的果断行动。 最重要的是,行动常常带来新信息,使得你能够做出更好的决策。也就是说,进行决策分析本身就有一定的代价,但现有的框架并未将这一代价考虑在内。 事实上,这第三个观察——行动能带来新信息,进而助你做出更佳决策——是一个颇具影响力的观点。有意思的是,判断与决策制定领域的文献中 没有任何 一个决策框架会指导你何时停止分析、何时开始行动。这是因为这些框架最初是为经济模型设计的。在决策实验中,人们通常不期望参与者通过积极行动来从环境中获得更多信息,而是期望他们进行深入分析。 值得一提的是,这些观察并不算新颖。我刚才提到的三个批评是对判断与决策领域的 经典 批评,心理学家 Jonathan Baron 在其 权威教科书 中特别强调了这一点。 而且,如果你知道从哪里观察,这些发现也是相当显而易见的。例如,如果你长时间观察一群企业家,你会发现,最出色的企业家并不总是那些最精准的贝叶斯更新者或期望效用计算者。相反,他们往往擅长于行动偏好 和 对新信息的快速适应。 (一位我们曾合作过的 中国商人 曾这样对我说:“你为什么想那么多?先行动吧!然后观察结果。也许顾客不喜欢,或者你的竞争对手会因为你的行动采取一些措施。但这样你至少比坐在这里 想啊想! 知道得更多。”) 为何如此?就像适应能力强的捕食者一样,优秀的企业家能够调整自己的行为以适应现实环境。而在商业世界,现实的轮廓大致如下:
让我们来简单阐述:分析并非万能。期望效用(Expected Utility)计算可能在完美信息的环境下,指导我们在有限选项中选择最佳方案。贝叶斯更新(Bayesian updating)则教会我们在新信息出现时如何更新信念。然而,这两种方法都无法指导我们如何采取行动以产生最佳选择或获取最佳信息。因此,那些能迅速采取行动并保持灵活性的人有时候比进行世界级贝叶斯分析的人更有可能成功,并不令人惊讶。 行动的启发式原则这篇博客文章的标题源于 Brian Armstrong,Coinbase 的创始人兼 CEO。在他与投资者 Patrick O’Shaughnessy 的采访中,Armstrong 提到:
如果决策科学的框架在实际应用中有所局限,那么我们或许应该观察真正的实践者,看看他们是如何平衡分析与行动之间的张力的。 实际上,从商业人士、产品经理到实践者,都有众多的案例可供参考。关键在于懂得如何去发现这些案例。以下是其中的三个。 Scott Berkun 谈论产品投资决策在他的著作 无裤之年 中,资深产品经理 Scott Berkun 分享了他在 Automattic 团队中做出的一项关键决策:
在这本书中,你将发现 Berkun 抛硬币后赢得了好运。但即便他失败了,也没关系——正如 Berkun 所指出的,他的团队会及时调整方向,一旦发现他们选择了错误的路径。关键在于做出决定并勇敢地向前迈进。 加里·克莱因与“决策的冷漠区”这引出了一个自然的问题:在什么情况下,如 Berkun 所说,最好是“抛硬币并随意选择一个方向”呢?心理学家加里·克莱因,主要服务于军事领域,提出了一个观点,他称之为“接受'决策的冷漠区’”。 所谓“冷漠区”,就是在你无法判断哪个选择是最好的情况下。克莱因在他的著作中这样描述:
意识到某些决策处在“冷漠区”是节省决策时间的有效方法:比如,你正在主持一个会议,需要在 30 分钟内做出五个决定。一个高效的方式是利用“冷漠区”排除掉一些决策,这样就能把时间集中在最重要、最易解决的问题上。 克莱因接着说:
杰夫·贝索斯关于可逆与不可逆决策的见解亚马逊 CEO 杰夫·贝索斯提出了一个相似但更为简洁的决策原则:如果决策可逆,就迅速采取行动并下放决策权;如果决策不可逆,则可以尽情进行分析。 他在 2015 年给股东的信中这样解释这个规则:
这种说法已经足够简洁明了,无法再进行简化。 |
|