本文来自微信公众号:王智远(ID:Z201440),作者:王智远同学,头图来自:《猎场》


如果你能知道决策的最终结果,那选择就简单许多,可是,决策之所以难,关键在信息不完善。假设你正在考虑换工作,下一步该做什么选择,就存在很多选项,比如:


  • 找和现在一样的工作


  • 找一个有晋升机会的工作


  • 试着不跳槽,等待升职


  • 离职后选择充电,彻底改变职业道路


不难看出,如果我们深度思考未来,会发现选择无穷尽,怎么办呢?类似情况下,你可以尝试这四种方法。


利弊清单成本收益


首选的思考框架是“利弊清单”(pro-con list),分别列出做决策后可能带来的“好处与弊处”,然后进行平衡,这种方法在一些简单场合管用,但有不少缺点。


例如,如何知道清单中的可选项有多少?好处和弊端拥有同样权重,怎么办?单独看利弊,相互关联,又怎么办?


所以,它会导致出现“隔墙草更绿心理”(grass-is-greener mentality),也就是,我们在心理上更注重积极因素(例如,更绿的草)而忽略消极因素。


比如:


一个学金融的学生,毕业后会踏上风险投资的职业生涯,如果你列出利弊清单,发现好处多多(有机会跟各种级别创始人,改变世界,获得高额投资回报,以高杠杆方式加入创新公司)


可是,假定你是内向型人格,上述诸多选项并非好事,你可能要面临各种社交活动、承担别人没有的心理负担,甚至,可能在进入某个领域后,你的大部分时间都会花在陷入困境的公司上。


虽然风险投资这个职业的确不错,但并不代表“你一定适合”,唯有随着时间推移,经验增长,你的选择与职业生涯才会更加清晰。


你肯定听说过一个说法,“如果手里只有锤子,那么,一切看起来都像钉子”,就是这个意思;决策模型中的锤子就是“利弊清单”,它在某些情况下管用,但面对极为复杂、后果严重的事,就需要用更其他方法。


在你所列出的清单中,适当给选项加入一些数字,用-10到10给它们打分,以表示每个选项在你心中的价值(好处给正分,弊端给负分)


比如:


换工作时,事少(+5分),离家远(-3分),钱多(+10分),这样下来,每个选项不再是同等权重,要是多个选项关联,你也可以把它们组合起来打分。


是不是看起来更轻松一些?


只要将内心博弈的每个选项,优缺点加起来,依照最终得分,就会推进决策效率,这是一种简单的成本收益分析(cost-benefit analysis)


当情况再复杂时,怎么办呢?


你只需要把对应分值换成人民币数(例如-100元,+500元),这样一来,将成本和收益相加,最终就能估算出某个选项的价值。


比如:


考虑买房,写下该付的钱(首付、过户费),以后要付的钱(按揭贷款、物业费、维修费、房产交易税...),还有未来做卖方时希望获得的回报,然后把这些加起来,可以估算你的长期收益(损失)


当然,利弊清单原理和它(成本收益分析)一样,很难详细计算出每一项收益和投入,有一个好办法,你可以跟做过类似决策的人聊聊,请他们指出你忽略的选项。


当年我跟其他邻居聊过后发现,如果室内安装一个非常大的空调,师傅就无法从电梯运输上去,必须用吊车。所以,咨询他人的好处就是,你能知道哪部分是无形的。


但是,列出无形成本和收益似乎有点奇怪,日常你也不可能计划如此巧妙,怎么办?


你可以用“终局思维”以折现率(PV = 现值present value,C=期末金额,r=折现率,t=投资期数)的方法进行衡量。


利弊分析难点,最终对折现率敏感。


这是一种比较实用的方法,把自己要投资的成本、折现率比放一起,然后按照时间维度计算,就能看出是否有增值可能。


比如:


在感性分析上:去某个小公司待两年,两年能拿到多少钱,是否有成长、晋升可能,两年后出来,是否有机会去更大平台,还是面临年龄大,失业可能。


整体一衡量,大概能估算出,两年后自己价值上升还是下降,不过,上升下降的看法围绕“最初目标”会发生变化,假定一开始,你已经计划好两年后创业,那可能在小公司更锻炼自己。


在理性分析上:以5万元的债券为例,你只需要改变下折现率,就能算出净收益,这种分析法有助于我们用终局思维,按照比较合理的折旧率,算出净收入处在哪个范围内。


请注意,折现率越高,未来受益打折就越多,最终价值(受益)也会大打折扣;为了提高假设准确性,我们需要花时间找出那些关键要素,并且一起开始要想好,出发目标是什么。


关健要素就是“可选项”。


关于利弊成本分析,需要牢记一点,成本收益(利弊清单)是否有用,取决于你输入的数字,如果你不能把所有可选项变成数字,把数字变成金钱对照折现率来算,那就无法做出概率评估。


换言之,我们应该把内心博弈的选项中间影响选项的关键要素找出来,变成分值,如果分值替代不了,就用现金值,然后基于2年、5年后的某个目标进行折现率分析。


那成本收益分析(利弊清单),就是帮助你做决策的一流参考模型。


决策树算概率


理想很丰满,现实很骨感,多数情况下,你的选项与相关成本、收益都不是很清晰,甚至,潜在结果不确定性太大,以至于一开始你也很难弄清楚关键要素。


比如:


我希望夏天游泳季节到来前,把泳池设施弄好,现在有两个承包商报价。其一,来自以前用过的泳池维修团队,报价高达3万元。


其二,报价低一些只要2万元,不过该团队只有一个人,我之前没有跟他打过交道,而且这人看起来,似乎有点不厚道。


我觉得,他只有50%概率能准时(1周内)按照报价完成合同,如果未完成,会出现25%概率拖延一周,加收300元人工费,20%概率拖延两周,加收600元人工费,5%概率拖延3周以上,还需要返工,总共加收1000元的人工费用。


怎么办?


我可以用决策树(the decisiontree)来衡量这件事,它是一幅示意图,看起来像一颗倒着的树,能帮你分析不确定的决策,通常树干是决策点,树叶代表可能出现的不同结果。



现在,将每个潜在结果出现的概率及金钱,全部加起来,就能算出每个承包商的预期值(expected value),根据潜在结果算出的总数,就是我要为承包商支付的价格。


不管怎么说,从决策树和最终期望值出发,即使当中存在不少潜在问题,我们仍然可以理性地站在时间周期、金钱投入双角度做选择。


决策树纳入这些额外值,可以有效地“计入”(price in)额外成本,因为这些数不仅包括需要支付的钱,还有心理效应,所以,我们也把它称为“效用值”(utility values)


效用可能与实际价格脱节。


即使两样同样价格的东西,你仍然会觉得其中一样比另一样价格高,就像你喜欢的乐队的演出同其他相同价格的乐队比起来,你更愿意看自己喜欢的乐队。


事实上,效用存在一种功利主义(utilitarianism)哲学思想。它的观点是,能为所有相关人士带来最大效用的决策才最符合道义。


不过,作为一种哲学思想,难免存在许多弊端。


首先,涉及多人决策时,尽管提升了整体利益,但利益在所有人之间分配不均,这个决策看起来就会不公平,就像生活水平的提高,不意味着收入平衡。


其次,效用值难以估算。如果只考虑哪个决策能最大限度地提升整体利益,那么功利主义是非常有用的哲学模型;不管怎么说,在存在多种概率结果的情况下,决策树有助于你弄清该怎么做。


不妨想想保险:


你该选择保费低、自付额高的保险、还是选择保费高,自付额低的保险?这取决于预期的医疗水平,以及能否承担发生概率小,需要自负很多钱的意外情况。


换言之,你觉得身体健康,未来不可能有大病,自然保费低比较合适;你认为未来可能会出现某些大问题,自然是后者。


诚然,考虑不太可能发生但后果严重的情况,决策树特别管用,因此,发生这种事的实际成本,远远高于自付额的成本;另外,这类分析中,也要注意小概率的“黑天鹅事件”(black swan events)


所谓黑天鹅,即重大后果的极端性事件(例如最终造成巨大的经济损失),但它出现后的概率,要比你最初预期的高得多。


已知与未知‍‍‍‍


对于未知项,我们也可以从简单的2×2矩阵出发,构想这四类知道或不知道的东西,此概念在1955年,由心理学家约瑟夫·卢夫特(Joseph Luft)和哈灵顿·英厄姆(Harrington Ingham)提出。


当你更系统地考虑风险(例如项目可能存在的风险)时,这个模型特别管用。


  • 已知的已知


‍对其他人来说可能有风险,对你来说不是,因为你根据过往经验知道该如何应对。就像,某个项目需要一个技术方案,但你已经知道解决方案是什么,也知道该如何实现, 只需要执行就可以。


  • 已知的未知


‍项目存在已知的风险,但由于存在不确定性,目前还不清楚该如何解决。就像第三方风险,只有接触后,你才知道会有什么反应。



  • 未知的已知


‍存在你没有考虑过的风险,但有明确应对方案。例如,你做的项目可能要在四月份才展开,但你还不知道,另外一 家公司4月份去国外开年会。


  • 未知的未知:


‍有些风险并不显而易见,需要大家齐心协力才能发现。例如,组织或行业中的某些变化(削减预算、公司收购、发布新产品)会大大改变这个项目。即使你认出了“未知的未知数”(将它变成“已知的未知数”),还是不确定它出现的可能性和后果。


正如你看到的,先列举属于上述四个类别的事物,然后努力将它们变成“已知的已知数”。这个模型关注的是,尽可能全面了解某个情景,它类似于系统思考。


拿生孩子举例:


通过阅读书籍,你知道孩子刚生下来的头几周会很难熬,你需要请假,购买汽车安全座椅、婴儿床、尿布,等等(这些都是已知的已知数)


你还知道,孩子的吃和睡(或者不吃不睡)可能是个问题,但在孩子呱呱落地之前,你都没法确定他们的喜好(未知的已知数)


你可能还不知道需要“将孩子裹进襁褓”,但护士或家人很快就会告诉你,将这个“未知的未知数”变成“已知的已知数”;此外,还有一些事根本没人知道,甚至想都没想过,例如你的孩子会不会有学习障碍,等等。


面对“未知的未知数”怎么办?


有个相关模型能给我们提供多角度,它就是情景分析,也称为情景规划(scenario planning),用于更深入思考未来的事情上。


多角度情景分析


它得名于分析可能出现的不同情景。听起来挺简单,实际上却很复杂,因为,考虑未来可能出现的情景相当困难,全面思考它们的可能性和后果更是如此。


怎么办呢?


常规情况下,为更好地进行情景分析,我们必须构想合理但不同的未来,最终得出几种可能出现的情景。


这个过程非常困难,你喜欢抓住脑海里蹦出的第一个念头。但这往往是根据当前(现时)情况做出的直接推断,而不会向自己的前提假设发起挑战。


要向自己的前提假设发起挑战,有一种技巧很管用,列出可能发生的重大事件,然后推测它们可能造成的影响,有些事件可能毫无影响,但有些事件会构成你应该深思的情景的基础。


第二种畅想未来情景的技巧叫作思维实验(thought experiment),它只在你思维中进行实验,在现实世界中不会发生。


最著名的思维实验是“薛定谔的猫”(Schrödinger's cat)


简单来说,你的箱子里有只猫,如果放射性原子在刚刚过去的一小时内发生衰变,猫就会被毒死。


该思维实验提出了一些看似无法回答的问题:你打开箱子观察猫之前,它是死是活,还是像量子力学的某些解释暗示的那样,介于死活之间?



实验具体怎么用?


你可以提出“如果……会怎么样”的问题,就像,如果预期寿命延长40年会怎么样?如果资金雄厚的竞争对手,抄袭我们的产品,会怎么样?如果我选择转行会怎么样?


也可以针对过去发生的事提出“如果……会怎么样”的问题。这称为反事实思维(counter-factual thinking),也就是想象过去发生的事与实际发生的相反。


如果我接受了那份工作会怎么样?如果我上了另一所学校会怎么样?如果我没有做那份兼职会怎么样?


但关键在于,重新考虑自己过去的决定时,不光要考虑,如果你做了其他选择可能带来的积极后果,也要考虑连带作用,蝴蝶效应提醒我们,微小的改变可能会带来连锁反应。


提出“如果……会怎么样”的问题,有助于进行创造性思考,更宽泛地说,这是与横向思维(lateralthinking)有关的众多技巧之一。


横向思维是“跳出固有框架”(thinking outside the box),另一种实用的横向思维技巧是在形成想法时增加随机性。这种思维能帮你从一个想法横向跳跃至另一个想法,与批判性思维(更多的是评判你面前的想法)恰恰相反。


比如:


你可以从周遭环境中随机选择一个对象,然后试着以某种方式将它与你此刻的想法联系起来,该过程中回催生新的想法。


不过,无论你使用哪种技巧,独自一人进行情景分析都会很困难,寻求外部意见会带来更好的结果。但是群体效应会产生一定认知偏差,或从众效应,那么,该怎么办?


  • 尽可能确定所有观点“有理有据”‍


  • 积极尝试发散性思维,找出多种解决方案‍


值得注意的是,它与聚合思维(convergentthinking)恰恰相反,聚合指的是,积极尝试让思维聚焦到某一个解决方案上。


如同:


召集大家开个会,但不是进行“头脑风暴”,只是过一遍情景分析的目标,然后将大家解散。


此外,你身边的人可能拥有和你类似的特质,你应该跳出日常交际圈,以便尽可能多地获取横向思维和发散思维。


有一种方法是积极寻找不同文化背景的人,叫做创意众包(crowdsource),也就是从任何想参与的人(群众)那里寻求(外包)建议,这通过互联网很容易实现。


众包在很多情况下非常有用,从征集新闻线索到为维基百科增加词条,再到解决企业和政府面临的实实在在问题。


例如:


2009年,在线流媒体服务网站网飞(Netflix)举办的比赛中,众包研究人员,就击败了网飞自己的推荐算法。


诚然,只有当集体知识储备多于你原本拥有的知识,利用群体智慧才有意义,跟靠自己一个人做决定比起来,利用群体智慧能帮你做出更明智的决定,“群体”也能帮你在各类情境下,进行系统思考,获取新数据和新想法。


还有一种方法,你也可以找那些“反复做出准确预测的人”请教,这点也许有些难度。


不过,《超预测》一书作者,菲利普·泰洛克(Philip E. Tetlock)研究了成千上万参与者后发现,能够准确做出预测的人,基本具备这几种特质:


首先,脑力至关重要,在垂直专业领域研究很深,付出诸多实践,可以随着时间推移不断迁移自我能力;团队合作又经常倾向独立思考,向自身观念发起挑战。


其次,能够审视过去,审视类似事件出现的概率,然后评估当前出现的可能性,避免基础比率谬误,最终敢于花时间,根据获得的信息,不断修正自己,避免证实偏差。


这种人很难找,你想想看,能预测市场,加上一定经验且思维敏捷,咖位一定不低。


总结一下:


  • 评估决策选项中“关键因素”,给它们打分;基础问题利用利弊清单解决,复杂问题,不妨升级考虑成本收益分析、折现率。


  • 决策树,能让你对所有选项进行概率计算。


  • 2×2矩阵可以帮助我们发现“未知的未知数”。


  • 对于未知的未知,进行多情景分析,提防首要念头,用“如果....会怎么样?”进行思维实验,然后运用聚合思维搜集大家意见,提防和你文化背景一样的人,可以用众包法,也可以找那些能精准预测的人请教。


决策中所有问题,不过是概率问题,如果你能把一件事,围绕设想的目标逐个拆分,进行分析;我想,行动中运气不会太差。


本文来自微信公众号:王智远(ID:Z201440),作者:王智远同学