行动孕育新知:如何做出更明智的决策

本文由Todaylab精选编译,原文链接:Action Produces Information – Commoncog

行动孕育新知:如何做出更明智的决策
Image.png

在众多关于决策制定的文章中,你或许会认为,优秀的决策仅仅依赖于正确运用决策框架并从中受益。

比如,当你幸运地在三种职业路径中做选择时,你可能会借助期望效用计算来决定追求哪一条路径。或者,在面对复杂的办公室政治时,你可能会选择使用贝叶斯分析来洞悉事情的真相。

在这篇文章里,我想从另一个角度探讨这些技巧的局限性。这些局限性几乎适用于所有判断和决策制定领域的技术,尤其是当你尝试将这些理论应用到实践中,或者深入了解这些理论的来源时,这些局限性变得尤为明显。

有一句话可以概括这些批评:“行动孕育新知”。请记住这个观点,它很重要。

实例探讨

要理解传统决策框架的局限性,不妨通过一些真实案例来说明。以下是两个例子。

1. 职业选择

一位朋友最近和我讨论了他即将面临的一个职业抉择。他即将大学毕业,面临多种选择。

“我想创业。”他说,“但我也在考虑加入一个FAANG公司,或者是一个专业交易公司。”

“为什么考虑专业交易公司呢?”

“因为薪酬很吸引人。”

“你有在那里工作的经验吗?”

“没有,但我们有共同认识的人在那工作。”(确实如此)。

经过一番讨论,我们发现我的朋友:

  1. 在两家大型科技公司实习过。
  2. 在两家规模较大的初创公司实习过(分别是50人和150人以上)。
  3. 没有在早期创业公司(少于10人,或未实现产品市场契合)或专业交易公司工作过的经验。

显然,我们可以通过进行期望效用计算来评估他的选择,这种计算基本上是我们熟知的“优缺点”分析的升级版。不过,我们并未这么做。因为期望效用计算假设你对每个选项都有完整的信息,而现实情况并非如此。

“看来你缺乏足够的信息。”我在通话快结束时说道。“你已经知道在FAANG公司工作是什么样的,你现在也在一家后期初创公司实习。但你对于早期创业公司的工作环境一无所知,因为你目前没有创业的想法。同样,你也不了解专业交易公司的工作情况。那么,为什么不先尝试这两种工作,以此来获取信息呢?”

“嗯,”我的朋友沉思道。

“我这样说是因为,几年后当你拥有了更多信息,做决定会更容易。而且,考虑到职业生涯的长期规划,一两年并不算长。”

2. 办公室中的贝叶斯分析

贝叶斯更新是一种基于已有信念,并随着新信息出现而更新这些信念的方法。这是一种在做世界判断时极为有用的技巧。我之前讨论过这种方法,并描述了超级预测者是如何利用贝叶斯分析来进行精确预测的。

然而,精准的分析和预测并不等同于有效的行动。

假设你有一个经常迟到的同事,但上司似乎并不介意。这种情况让你感到困惑,你认为这种情况很奇怪,却无人讨论。你可能会认为你的同事很懒,但还有某种政治因素让他的迟到变得可以接受,而你却不能这样做。

贝叶斯模型会指导你审视你的先验信念,计算你所选择的解释正确的概率。然后,它会引导你注意到可能会改变你对该信念置信度的新信息。这一切听起来都很好,但请注意,贝叶斯更新是为了整合新信息而设计的,它并没有说明如何生成新信息。

在决策实验中,参与者可能只是坐等信息自动揭露。地缘政治预测者不能期望通过自己的行动影响他们所预测的事件。但作为一个现实世界中的决策者,你的情况则大不相同。你可以选择分析,也可以选择采取行动。换句话说,你面临的是一个真正的权衡:花时间进行贝叶斯分析可能比采取行动以发掘新信息要更有价值!

回到那个经常迟到的同事的例子。你能做些什么来获取新信息吗?答案是肯定的。例如,你可以安排与这个人共进午餐,然后提出一些巧妙的问题来了解他们生活中的情况。这可能会引出更多问题而不是答案,这时你可能需要重新采用贝叶斯分析。但也可能得到一个非常明确的答案,使你免去进一步分析的麻烦:“哦,我和我妻子刚刚有了个宝宝,我选择来办公室是因为Jon希望我在这次任务中在场;任务完成后,我将休产假,暂时离开一个月。”

决策分析的代价

你在书籍和博客文章中读到的关于决策框架的主要问题在于,它们源自判断与决策制定领域,而这个领域又是基于理性选择理论发展而来,该理论又源自经济学。在这些学科中,理性选择的假设是你面前有多个选项,你必须从中选择一个。这种选择通常是在完全了解信息的情况下进行的。

如果你做出了合理的选择(即最大化了你的“效用”),那么你就被认为是理性的。如果你做出了错误的选择,那么你就被认为是非理性的。

很容易读到这些研究,然后得出结论,认为这些框架和模型可以直接应用于现实世界。但实际上,这些模型有一定的局限性,因为现实世界并不完全符合这些模型的假设。

首先,你面前的选择往往比摆在你面前的要多。有些选择可能因不确定性而被隐藏,或只能通过创造性解决问题来实现。有时,它们因为信息的缺乏而被隐藏。例如,我的朋友可能有更好的选择,但他可能仅根据他当前所知的信息,将自己限制在三个职业选择中。

其次,现实世界中的决策往往具有时间敏感性——你行动得越快,从行动中获得的价值就越大(但这个价值的具体数额也常常不确定)。大多数决策框架不考虑时间敏感性,因为在决策实验中没有必要模拟时间的紧迫感。但在现实世界中,每个选择的效用有时取决于你采取行动的果断性。

最重要的是,行动通常会产生新信息,这反过来又允许你做出更好的决策。换句话说,进行决策分析通常会有一个成本,但这些框架并没有考虑这个成本。

实际上,这第三个观察——行动产生新信息,从而允许你做出更好的决策——是一个非常有力的见解。事实证明,来自判断与决策制定文献的决策框架中没有任何一个会告诉你何时应该停止分析,何时应该采取行动。之所以如此,是因为这些框架最初是为经济模型的使用而设计的。在决策实验中,通常不会期望参与者积极行动以从环境中获得更多信息——而是期望他们进行分析!

我必须指出,这并不是一个全新的观点。我上面列出的这三个批评是对判断与决策领域的经典批评;心理学家Jonathan Baron在他的开创性教科书中详细讨论了这些问题。

而且,如果你知道在哪里寻找,这些观察也是显而易见的。例如,如果你观察一群企业家足够长的时间,你会发现,最成功的企业家并不一定是最精确的贝叶斯更新者或期望效用计算者。相反,最成功的企业家往往能够将行动的偏好和对新信息的快速适应相结合。

(我们曾经合作过的一位中国商人这样对我说:“你为什么要想那么多?先行动!然后观察看看会发生什么。也许顾客不喜欢它,或者你的竞争对手因为你的行动而采取行动。但那样你至少会比仅仅坐着思考要了解更多。”)

为什么会这样?就像适应性强的捕食者一样,成功的企业家能够调整他们的行为以适应现实,而在商业世界中,现实的轮廓似乎是:

  1. 商业中的许多决策是可逆的。
  2. 来自行动的信息往往比来自分析的洞察更有价值,尤其是在你的行业存在高度不确定性时。

简而言之,分析有其局限。期望效用计算可能会告诉你如何从一系列有限的选项中选择最佳选项,前提是你拥有完美的信息。贝叶斯更新告诉你在面对新信息时如何更新你的信念。但这两种技术都没有告诉你如何采取行动来生成最佳的选项或信息。因此,有时那些能够迅速行动并保持适应性的人比那些在世界上进行最佳贝叶斯分析的人更有可能成功。

行动的启发式原则

这篇博客文章的标题来源于Coinbase的创始人兼CEO Brian Armstrong。在他与投资者Patrick O’Shaughnessy的采访中,Armstrong说道:

你做什么其实并不重要,只要你采取了行动,因为我的另一个最喜欢的格言就是“行动产生信息”。因此,在某个时刻,你必须停止对这些事情的空谈,而是去尝试一些东西,无论什么都好。你会为第一版产品感到尴尬,直到你走出去并开始创造。这是产品开发过程的一部分,就是大幅缩减雄心和功能集,以快速迭代和原型化这些东西,但去做任何事情。你尝试的第一件事几乎可以保证不会成功。所以不要放弃,继续尝试下一件事,然后是下一件事,再接下来的一件事。这是新产品和公司被创造出来的唯一方式。你需要尝试很多次才能最终取得成功。

如果决策科学的框架在其有用性上存在限制,那么我们也许应该向实际从业者学习,看看他们是如何平衡分析和行动之间的张力的。

事实证明,有许多来自商业人士、产品经理和实践者的例子。你只需知道如何寻找。以下是三个例子。

Scott Berkun 关于产品投注

在《没有裤子的一年》一书中,资深产品经理Scott Berkun分享了他和他的团队在Automattic必须做出的一次重大投注:

完美的决策公式不存在的部分原因是,你永远不知道你是否购买了过多或过少的保险。你是否咨询了正确的医生?你是否提出了正确的问题?你可以以错误的方式做出正确的决策。我们计划B的风险之一是两周时间可能不够。我们可能需要花费数月时间来改进即便是一个小弱点。这种不确定性的恐惧促使人们花费数天时间考虑所有可能的结果,在电子表格中使用效用成本分析或其他复杂的方法进行计算,即使是这些方法的发明者也不会使用它们。

但所有这些分析只会让你停留在原地。通常,你更好的选择是抛硬币,选择一个明确的方向前进。一旦你开始行动,无论你想要去哪里,你都会获得新的数据。这些新数据使得下一个决策和之后的决策比留在原地绝望地试图预测未来要好得多,尤其是在你没有时间机器的情况下。

在这本书中,你会发现Berkun抛硬币……并且走运了。但即便他没有,那也没关系——正如Berkun指出的,一旦他们的团队明白这是项目的错误方向,他们就会及时纠正。重点是要做出决策并继续前进。

Gary Klein 和冷漠区

这引出了一个自然的问题:你如何知道何时“抛硬币并选择一个明确的方向前进”会更好,正如Berkun所说?心理学家Gary Klein,他主要与军事部门合作,提出了一个他称之为“接受冷漠区”的启发式方法。

冷漠区是指你无法判断哪个决策是最好的情况。Klein在他的书中写道:

如果你需要在两个选项之间做选择,其中一个非常好,另一个非常糟,那么你就不需要进行任何分析。这将是一个简单的选择。当两个选项在吸引力上越来越接近时,做出决策变得更加困难。(…) 在购买二手车的例子中,我们可以看到三个选项非常接近——它们各有优缺点。几乎没有什么能够区分它们。选项如此接近以至于简单地抛硬币就足够了。(…) 我称这为冷漠区问题。

认识到某些决策处于冷漠区是节省决策时间的好方法:想象一下,例如,你正领导一个需要在30分钟内决定五件事的会议。使用冷漠区原则排除某些决策,然后你就能有时间只关注最重要、最容易解决的问题,这是尽可能高效地完成这些决策的方式。

Klein继续解释道:

我们通常认为决策的目标总是要选择最佳选项。在战场上或消防现场,生命悬于一线的决策没有比这更重要的了。然而,军事领袖和消防指挥官认识到,快速做出好的决策并准备好执行它,比痛苦地追求一个“完美”的选择要好得多,尤其是当“完美”的选择来得太晚时。我们很少能知道什么是最佳选择,而追求最佳选择会使我们过分关注不重要的细节。我们多久会陷入为了找到一组完全合适的选择中的最佳选项而纠结不已?最好的目标是选择一个你可以接受的好选项。如果一个选项显然是最佳选择,那就很好。如果两个或更多选项最终处于冷漠区,那也没问题——只需选择其中一个并继续前进。如果你能接受做出“正确”选择的不可能性,你就可以从不必要的烦恼和时间浪费中解放出来。

Jeff Bezos 的可逆与不可逆决策

亚马逊CEO Jeff Bezos提出了一个非常类似但更简单的公式:如果决策是可逆的,那么快速行动,并委托决策权。如果决策不可逆,则尽情分析。

他在2015年的股东信中这样描述他的启发式方法:

一些决策是重大且不可逆或几乎不可逆的——单向门——这些决策必须通过方法论、谨慎、缓慢、以极大的审慎和协商来做出。如果你走过去,不喜欢你在另一边看到的东西,你就无法回到原来的地方。我们可以称这些为类型1决策。

但大多数决策并非如此——它们是可变的、可逆的——它们是双向门。如果你做出了次优的类型2决策,你不必长时间忍受后果。你可以重新打开门并回去。类型2决策可以并且应该由具有高度判断力的个人或小团队迅速做出。

随着组织的扩大,似乎有一种趋势,即在大多数决策中,包括许多类型2决策,使用重量级的类型1决策制定过程。这样做的结果是缓慢、不加思索的风险规避、未能充分实验,从而导致创新减少。我们必须找出方法来对抗这种趋势。

相反的情况不那么有趣,而且无疑存在一些幸存者偏差。那些习惯于用轻量级的类型2决策制定过程来做类型1决策的公司在变大之前就灭绝了。

没有比这更简洁的总结了。

最初发布于2020年8月25日,最后更新于2021年7月1日。

AI工具箱今日译读

Bart Wronski:我每天是如何使用 ChatGPT 的(从科学家/程序员角度)

2024-2-2 19:19:47

自我进化论

不迎合的勇气

2021-4-24 23:00:00

0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
搜索