本文來自微信公衆号:王智遠(ID:Z201440),作者:王智遠同學,頭圖來自:《獵場》
如果你能知道決策的最終結果,那選擇就簡單許多,可是,決策之所以難,關鍵在信息不完善。假設你正在考慮換工作,下一步該做什麽選擇,就存在很多選項,比如:
找和現在一樣的工作
找一個有晉升機會的工作
試着不跳槽,等待升職
離職後選擇充電,徹底改變職業道路
不難看出,如果我們深度思考未來,會發現選擇無窮盡,怎麽辦呢?類似情況下,你可以嘗試這四種方法。
利弊清單成本收益
首選的思考框架是 " 利弊清單 "(pro-con list),分别列出做決策後可能帶來的 " 好處與弊處 ",然後進行平衡,這種方法在一些簡單場合管用,但有不少缺點。
例如,如何知道清單中的可選項有多少?好處和弊端擁有同樣權重,怎麽辦?單獨看利弊,相互關聯,又怎麽辦?
所以,它會導緻出現" 隔牆草更綠心理 "(grass-is-greener mentality),也就是,我們在心理上更注重積極因素(例如,更綠的草)而忽略消極因素。
比如:
一個學金融的學生,畢業後會踏上風險投資的職業生涯,如果你列出利弊清單,發現好處多多(有機會跟各種級别創始人,改變世界,獲得高額投資回報,以高杠杆方式加入創新公司)。
可是,假定你是内向型人格,上述諸多選項并非好事,你可能要面臨各種社交活動、承擔别人沒有的心理負擔,甚至,可能在進入某個領域後,你的大部分時間都會花在陷入困境的公司上。
雖然風險投資這個職業的确不錯,但并不代表 " 你一定适合 ",唯有随着時間推移,經驗增長,你的選擇與職業生涯才會更加清晰。
你肯定聽說過一個說法," 如果手裏隻有錘子,那麽,一切看起來都像釘子 ",就是這個意思;決策模型中的錘子就是 " 利弊清單 ",它在某些情況下管用,但面對極爲複雜、後果嚴重的事,就需要用更其他方法。
在你所列出的清單中,适當給選項加入一些數字,用 -10 到 10 給它們打分,以表示每個選項在你心中的價值(好處給正分,弊端給負分)。
換工作時,事少(+5 分),離家遠(-3 分),錢多(+10 分),這樣下來,每個選項不再是同等權重,要是多個選項關聯,你也可以把它們組合起來打分。
是不是看起來更輕松一些?
隻要将内心博弈的每個選項,優缺點加起來,依照最終得分,就會推進決策效率,這是一種簡單的成本收益分析(cost-benefit analysis)。
當情況再複雜時,怎麽辦呢?
你隻需要把對應分值換成人民币數(例如 -100 元,+500 元),這樣一來,将成本和收益相加,最終就能估算出某個選項的價值。
考慮買房,寫下該付的錢(首付、過戶費),以後要付的錢(按揭貸款、物業費、維修費、房産交易稅 ...),還有未來做賣方時希望獲得的回報,然後把這些加起來,可以估算你的長期收益(損失)。
當然,利弊清單原理和它(成本收益分析)一樣,很難詳細計算出每一項收益和投入,有一個好辦法,你可以跟做過類似決策的人聊聊,請他們指出你忽略的選項。
當年我跟其他鄰居聊過後發現,如果室内安裝一個非常大的空調,師傅就無法從電梯運輸上去,必須用吊車。所以,咨詢他人的好處就是,你能知道哪部分是無形的。
但是,列出無形成本和收益似乎有點奇怪,日常你也不可能計劃如此巧妙,怎麽辦?
你可以用 " 終局思維 " 以折現率(PV = 現值 present value,C= 期末金額,r= 折現率,t= 投資期數)的方法進行衡量。
利弊分析難點,最終對折現率敏感。
這是一種比較實用的方法,把自己要投資的成本、折現率比放一起,然後按照時間維度計算,就能看出是否有增值可能。
在感性分析上:去某個小公司待兩年,兩年能拿到多少錢,是否有成長、晉升可能,兩年後出來,是否有機會去更大平台,還是面臨年齡大,失業可能。
整體一衡量,大概能估算出,兩年後自己價值上升還是下降,不過,上升下降的看法圍繞 " 最初目标 " 會發生變化,假定一開始,你已經計劃好兩年後創業,那可能在小公司更鍛煉自己。
在理性分析上:以 5 萬元的債券爲例,你隻需要改變下折現率,就能算出淨收益,這種分析法有助于我們用終局思維,按照比較合理的折舊率,算出淨收入處在哪個範圍内。
請注意,折現率越高,未來受益打折就越多,最終價值(受益)也會大打折扣;爲了提高假設準确性,我們需要花時間找出那些關鍵要素,并且一起開始要想好,出發目标是什麽。
關健要素就是 " 可選項 "。
關于利弊成本分析,需要牢記一點,成本收益(利弊清單)是否有用,取決于你輸入的數字,如果你不能把所有可選項變成數字,把數字變成金錢對照折現率來算,那就無法做出概率評估。
換言之,我們應該把内心博弈的選項中間影響選項的關鍵要素找出來,變成分值,如果分值替代不了,就用現金值,然後基于 2 年、5 年後的某個目标進行折現率分析。
那成本收益分析(利弊清單),就是幫助你做決策的一流參考模型。
決策樹算概率
理想很豐滿,現實很骨感,多數情況下,你的選項與相關成本、收益都不是很清晰,甚至,潛在結果不确定性太大,以至于一開始你也很難弄清楚關鍵要素。
我希望夏天遊泳季節到來前,把泳池設施弄好,現在有兩個承包商報價。其一,來自以前用過的泳池維修團隊,報價高達 3 萬元。
其二,報價低一些隻要 2 萬元,不過該團隊隻有一個人,我之前沒有跟他打過交道,而且這人看起來,似乎有點不厚道。
我覺得,他隻有 50% 概率能準時(1 周内)按照報價完成合同,如果未完成,會出現 25% 概率拖延一周,加收 300 元人工費,20% 概率拖延兩周,加收 600 元人工費,5% 概率拖延 3 周以上,還需要返工,總共加收 1000 元的人工費用。
怎麽辦?
我可以用決策樹(the decisiontree)來衡量這件事,它是一幅示意圖,看起來像一顆倒着的樹,能幫你分析不确定的決策,通常樹幹是決策點,樹葉代表可能出現的不同結果。
現在,将每個潛在結果出現的概率及金錢,全部加起來,就能算出每個承包商的預期值(expected value),根據潛在結果算出的總數,就是我要爲承包商支付的價格。
不管怎麽說,從決策樹和最終期望值出發,即使當中存在不少潛在問題,我們仍然可以理性地站在時間周期、金錢投入雙角度做選擇。
決策樹納入這些額外值,可以有效地 " 計入 "(price in)額外成本,因爲這些數不僅包括需要支付的錢,還有心理效應,所以,我們也把它稱爲 " 效用值 "(utility values)。
效用可能與實際價格脫節。
即使兩樣同樣價格的東西,你仍然會覺得其中一樣比另一樣價格高,就像你喜歡的樂隊的演出同其他相同價格的樂隊比起來,你更願意看自己喜歡的樂隊。
事實上,效用存在一種功利主義(utilitarianism)哲學思想。它的觀點是,能爲所有相關人士帶來最大效用的決策才最符合道義。
不過,作爲一種哲學思想,難免存在許多弊端。
首先,涉及多人決策時,盡管提升了整體利益,但利益在所有人之間分配不均,這個決策看起來就會不公平,就像生活水平的提高,不意味着收入平衡。
其次,效用值難以估算。如果隻考慮哪個決策能最大限度地提升整體利益,那麽功利主義是非常有用的哲學模型;不管怎麽說,在存在多種概率結果的情況下,決策樹有助于你弄清該怎麽做。
不妨想想保險:
你該選擇保費低、自付額高的保險、還是選擇保費高,自付額低的保險?這取決于預期的醫療水平,以及能否承擔發生概率小,需要自負很多錢的意外情況。
換言之,你覺得身體健康,未來不可能有大病,自然保費低比較合适;你認爲未來可能會出現某些大問題,自然是後者。
誠然,考慮不太可能發生但後果嚴重的情況,決策樹特别管用,因此,發生這種事的實際成本,遠遠高于自付額的成本;另外,這類分析中,也要注意小概率的 " 黑天鵝事件 "(black swan events)。
所謂黑天鵝,即重大後果的極端性事件(例如最終造成巨大的經濟損失),但它出現後的概率,要比你最初預期的高得多。
已知與未知
對于未知項,我們也可以從簡單的 2×2 矩陣出發,構想這四類知道或不知道的東西,此概念在 1955 年,由心理學家約瑟夫 · 盧夫特(Joseph Luft)和哈靈頓 · 英厄姆(Harrington Ingham)提出。
當你更系統地考慮風險(例如項目可能存在的風險)時,這個模型特别管用。
已知的已知
對其他人來說可能有風險,對你來說不是,因爲你根據過往經驗知道該如何應對。就像,某個項目需要一個技術方案,但你已經知道解決方案是什麽,也知道該如何實現, 隻需要執行就可以。
已知的未知
項目存在已知的風險,但由于存在不确定性,目前還不清楚該如何解決。就像第三方風險,隻有接觸後,你才知道會有什麽反應。
未知的已知
存在你沒有考慮過的風險,但有明确應對方案。例如,你做的項目可能要在四月份才展開,但你還不知道,另外一 家公司 4 月份去國外開年會。
未知的未知:
有些風險并不顯而易見,需要大家齊心協力才能發現。例如,組織或行業中的某些變化(削減預算、公司收購、發布新産品)會大大改變這個項目。即使你認出了 " 未知的未知數 "(将它變成 " 已知的未知數 "),還是不确定它出現的可能性和後果。
正如你看到的,先列舉屬于上述四個類别的事物,然後努力将它們變成 " 已知的已知數 "。這個模型關注的是,盡可能全面了解某個情景,它類似于系統思考。
拿生孩子舉例:
通過閱讀書籍,你知道孩子剛生下來的頭幾周會很難熬,你需要請假,購買汽車安全座椅、嬰兒床、尿布,等等(這些都是已知的已知數)。
你還知道,孩子的吃和睡(或者不吃不睡)可能是個問題,但在孩子呱呱落地之前,你都沒法确定他們的喜好(未知的已知數)。
你可能還不知道需要 " 将孩子裹進襁褓 ",但護士或家人很快就會告訴你,将這個 " 未知的未知數 " 變成 " 已知的已知數 ";此外,還有一些事根本沒人知道,甚至想都沒想過,例如你的孩子會不會有學習障礙,等等。
面對 " 未知的未知數 " 怎麽辦?
有個相關模型能給我們提供多角度,它就是情景分析,也稱爲情景規劃(scenario planning),用于更深入思考未來的事情上。
多角度情景分析
它得名于分析可能出現的不同情景。聽起來挺簡單,實際上卻很複雜,因爲,考慮未來可能出現的情景相當困難,全面思考它們的可能性和後果更是如此。
怎麽辦呢?
常規情況下,爲更好地進行情景分析,我們必須構想合理但不同的未來,最終得出幾種可能出現的情景。
這個過程非常困難,你喜歡抓住腦海裏蹦出的第一個念頭。但這往往是根據當前(現時)情況做出的直接推斷,而不會向自己的前提假設發起挑戰。
要向自己的前提假設發起挑戰,有一種技巧很管用,列出可能發生的重大事件,然後推測它們可能造成的影響,有些事件可能毫無影響,但有些事件會構成你應該深思的情景的基礎。
第二種暢想未來情景的技巧叫作思維實驗(thought experiment),它隻在你思維中進行實驗,在現實世界中不會發生。
最著名的思維實驗是 " 薛定谔的貓 "(Schrödinger's cat)。
簡單來說,你的箱子裏有隻貓,如果放射性原子在剛剛過去的一小時内發生衰變,貓就會被毒死。
該思維實驗提出了一些看似無法回答的問題:你打開箱子觀察貓之前,它是死是活,還是像量子力學的某些解釋暗示的那樣,介于死活之間?
實驗具體怎麽用?
你可以提出 " 如果 …… 會怎麽樣 " 的問題,就像,如果預期壽命延長 40 年會怎麽樣?如果資金雄厚的競争對手,抄襲我們的産品,會怎麽樣?如果我選擇轉行會怎麽樣?
也可以針對過去發生的事提出 " 如果 …… 會怎麽樣 " 的問題。這稱爲反事實思維(counter-factual thinking),也就是想象過去發生的事與實際發生的相反。
如果我接受了那份工作會怎麽樣?如果我上了另一所學校會怎麽樣?如果我沒有做那份兼職會怎麽樣?
但關鍵在于,重新考慮自己過去的決定時,不光要考慮,如果你做了其他選擇可能帶來的積極後果,也要考慮連帶作用,蝴蝶效應提醒我們,微小的改變可能會帶來連鎖反應。
提出 " 如果 …… 會怎麽樣 " 的問題,有助于進行創造性思考,更寬泛地說,這是與橫向思維(lateralthinking)有關的衆多技巧之一。
橫向思維是 " 跳出固有框架 "(thinking outside the box),另一種實用的橫向思維技巧是在形成想法時增加随機性。這種思維能幫你從一個想法橫向跳躍至另一個想法,與批判性思維(更多的是評判你面前的想法)恰恰相反。
你可以從周遭環境中随機選擇一個對象,然後試着以某種方式将它與你此刻的想法聯系起來,該過程中回催生新的想法。
不過,無論你使用哪種技巧,獨自一人進行情景分析都會很困難,尋求外部意見會帶來更好的結果。但是群體效應會産生一定認知偏差,或從衆效應,那麽,該怎麽辦?
盡可能确定所有觀點 " 有理有據 "
積極嘗試發散性思維,找出多種解決方案
值得注意的是,它與聚合思維(convergentthinking)恰恰相反,聚合指的是,積極嘗試讓思維聚焦到某一個解決方案上。
如同:
召集大家開個會,但不是進行 " 頭腦風暴 ",隻是過一遍情景分析的目标,然後将大家解散。
此外,你身邊的人可能擁有和你類似的特質,你應該跳出日常交際圈,以便盡可能多地獲取橫向思維和發散思維。
有一種方法是積極尋找不同文化背景的人,叫做創意衆包(crowdsource),也就是從任何想參與的人(群衆)那裏尋求(外包)建議,這通過互聯網很容易實現。
衆包在很多情況下非常有用,從征集新聞線索到爲維基百科增加詞條,再到解決企業和政府面臨的實實在在問題。
例如:
2009 年,在線流媒體服務網站網飛(Netflix)舉辦的比賽中,衆包研究人員,就擊敗了網飛自己的推薦算法。
誠然,隻有當集體知識儲備多于你原本擁有的知識,利用群體智慧才有意義,跟靠自己一個人做決定比起來,利用群體智慧能幫你做出更明智的決定," 群體 " 也能幫你在各類情境下,進行系統思考,獲取新數據和新想法。
還有一種方法,你也可以找那些 " 反複做出準确預測的人 " 請教,這點也許有些難度。
不過,《超預測》一書作者,菲利普 · 泰洛克(Philip E. Tetlock)研究了成千上萬參與者後發現,能夠準确做出預測的人,基本具備這幾種特質:
首先,腦力至關重要,在垂直專業領域研究很深,付出諸多實踐,可以随着時間推移不斷遷移自我能力;團隊合作又經常傾向獨立思考,向自身觀念發起挑戰。
其次,能夠審視過去,審視類似事件出現的概率,然後評估當前出現的可能性,避免基礎比率謬誤,最終敢于花時間,根據獲得的信息,不斷修正自己,避免證實偏差。
這種人很難找,你想想看,能預測市場,加上一定經驗且思維敏捷,咖位一定不低。
總結一下:
評估決策選項中 " 關鍵因素 ",給它們打分;基礎問題利用利弊清單解決,複雜問題,不妨升級考慮成本收益分析、折現率。
決策樹,能讓你對所有選項進行概率計算。
2×2 矩陣可以幫助我們發現 " 未知的未知數 "。
對于未知的未知,進行多情景分析,提防首要念頭,用 " 如果 .... 會怎麽樣 ?" 進行思維實驗,然後運用聚合思維搜集大家意見,提防和你文化背景一樣的人,可以用衆包法,也可以找那些能精準預測的人請教。
決策中所有問題,不過是概率問題,如果你能把一件事,圍繞設想的目标逐個拆分,進行分析;我想,行動中運氣不會太差。
本文來自微信公衆号:王智遠(ID:Z201440),作者:王智遠同學