现实世界中的决策权衡：行动产生信息｜5Y View

7月前

人们常说三思而后行，因此设计了诸多思维框架，在做任何事之前先进行分析判断和周详计划，考虑各种预案以提高事情的成功几率。很多时候这些思维框架的确卓有成效，但这篇文章提供了另一个视角。

文章认为任何思维框架也都具有一定局限性，因为框架对信息完善的假设在现实中很难成立，而行动可以产生更多信息，促使我们做更好的决策。文章也指出，最好的创业者未必是最好的贝叶斯更新者，相反，他们往往会偏好行动，并迅速响应新的信息。希望文章提供的视角可以给你启发：）

文章转载自36kr 神译局

译者：boxi

原文：https://36kr.com/p/2550296901048708

你要是看过很多决策方面的文章的话，可能会认为好的决策不过是把适当的决策框架应用到世界，然后就可以收割好处了。比方说，如果你足够幸运，可以在三条职业道路之间做选择的话，你可能会决定先做一下预期效用计算，又或者你身处事件中，可能会决定用贝叶斯分析来弄清楚到底发生了什么。

不过，这篇文章里主要是想谈谈这些技巧的局限性。正如你很快就会看到那样，从判断和决策文献提取出来的每一种技巧几乎都存在这种局限性。如果你曾经试过将这些想法付诸实践，或者你已经挖掘得足够深入到发现这些想法的起源，那么这些局限性对你来说应该是显而易见的。

多少有点令人惊讶的是，对这些想法的批评可能大部分都集中在一句话里面：“行动产生信息。”

决策分析的成本

你从书本和博客文章看到的决策框架的主要问题是，那些都是出自判断和决策领域，而判断和决策领域又源自理性选择理论，后者则来自经济学。在这些学科里，理性选择的假设是，你面前有一堆选择，你必须从其中选择一个。而这种挑选通常发生在信息完善的环境下。

如果你选得好（意味着你的“效用”已经最大化），那么就会被认为是“理性行事”。如果你选错了，行为就会被认为是“非理性”的。

看完那份研究你很容易会得出思维框架和模型马上就可适用于现实世界的结论。但实际上，这些模型有一定的局限性，因为这些模型所做出的假设在现实世界并不是通通都成立。

首先，你的选择往往多于摆在你面前的那些。有些选择可能会因不确定性而被遮挡，或者只能通过创造性地解决问题来实现。有时候，是由于缺乏信息而被隐藏起来了。比方说，说不定我的朋友还有更好的选择；只是基于他目前所了解到的情况，他把自己限制在三种职业选择上。

其次，现实世界的决策往往对时间很敏感——你越早行动，从行动获取的价值就越大（但价值的精确数量通常也会因为不确定性而被遮挡）。大多数决策框架并不考虑时间选择的问题，因为不需要在决策实验中对时间敏感性进行建模。但在现实世界当中，每个选择的效用有时候可能要取决于你根据分析采取行动的果断程度。

第三，也是最重要的一点，行动通常会产生新的信息，从而让你能够做出更好的决策。换句话说，进行决策分析往往会产生相关成本，但决策分析框架并未考虑到这一成本。

事实上，这第三个观察，也就是行动会产生新的信息，然后让你做出更好的决策，是一个非常强大的观察结果。事实证明，判断和决策文献里的决策框架通通都不会告诉你什么时候该停止分析，什么时候该采取行动。这是因为这些框架最初是为经济建模而设计的。在决策实验里，你一般不会预期参与者采取积极行动来从所在环境中获取更多信息，你的预期是让他们进行分析。

应该指出的是，这并不是什么特别新颖的观察结果。我上面列出对判断和决策领域三项批评早就有人总结过了。心理学家乔纳森·巴伦（Jonathan Baron）还煞费苦心地将这些纳入到他那本开创性的教科书里面。

最好的创业者未必是校准最好的贝叶斯更新者。

任何一群创业者如果你观察的时间足够长的话，就会发现最好的创业者未必是校准最好的贝叶斯更新者或最好的预期效用计算器。相反，最好的创业者往往会偏好行动，并用快速适应来响应新信息。

为什么会这样呢？就像适应性强的捕食者一样，优秀的创业者能够调整自己的行为去适应现实的轮廓，而商业的现实轮廓似乎是：

商业决策里面有相当一部分是可逆的。
来自行动的信息往往比来自分析的洞察更有价值，在行业不确定性高的情况下尤其如此。

简而言之：分析有其局限性。在完美信息的环境下，预期效用计算可以告诉你如何从有限选项当中选出最佳选项。贝叶斯更新告诉你在收到新信息时如何更新信念。但这两种技术都没有提到如何通过行动来生成最佳选择或最佳信息。因此，跟能进行最好的贝叶斯分析的人相比，有时候行动迅速并保持适应性的人更有可能胜出，对于这一点我们不应该感到惊讶。

行动的启发法

如果决策科学的框架的实用性有限，那么也许我们应该向真正的实践者学习，看看他们是如何管理分析与行动之间的紧张关系的。

事实证明，有很多来自商人、产品经理和实践者的例子。你只需要知道该怎么看。这里有三个例子。

Scott Berkun谈如何对产品下注

在《不穿裤子工作的一年》（The Year Without Pants）里，资深产品经理Scott Berkun 谈到了他被迫跟自己的Automattic团队做出的一个重大赌注：

完美决策公式为什么不存在？部分是因为你永远不知道自己买的保险是买多了还是买少了。你手肘有问题找对医生了吗？你问对问题了吗？你也可能会决定做对了但方式用错了。我们的B计划风险之一是两周的时间不够。哪怕是一个弱点，我们也可能需要花好几个月的时间来改善。对这种不确定性的恐惧，会促使你用效用成本分析或其他即便是发明人也不用的花哨方法在电子表格里面捣腾，花好几天的时间去考虑各种可能的结果。

但所有这些分析只会让你畏手畏脚。一般而言，你最好抛个硬币然后按照指示的方向走。只要动起来，不管你去的是什么地方，都能获得新数据。新数据会让下一个决定和下下个决定变得更好，而不是在没有时间机器的情况下绝望地干坐着想要预测未来。

看来那本书之后，你就会知道Berkun确实抛硬币了......而且还很幸运。但就算他运气不好，也没关系——就像Berkun所指出那样，当项目走错路已经变得很明显之后，他的团队无论如何都会纠正路线。重点是要抛硬币，然后继续前进。

加里·克莱因与冷漠区

这自然会引出一个问题：你怎么知道什么时候最好像Berkun所说那样，“抛个硬币然后按指示方向走”？主要从事军队工作的心理学家加里·克莱因（Gary Klein）有一个启发法，他称之为“接受冷漠区”。

冷漠区是指你没法判断哪个决定是最佳选择的时候。克莱因写道：

如果你面临两个选择，其中一个非常好，另一个极其糟糕的话，那你就不需要做什么分析了。这种选择起来很简单。一旦两个选项的吸引力越来越接近，做出决定就会变得越来越困难。(...) 以购买二手车为例，我们可以看到这三个选项都非常接近——各自的优缺点都相当。选项之间没有太多区别。这些选项非常接近，只需掷硬币就足够了。（...）我称之为“冷漠区”问题。

认识到某些决策位于冷漠区是节省决策时间的好办法：比方说，假设你在主持会议，你得在 30 分钟内对五件事做出决定。要想尽可能多地做出决定，有个办法极其有效，那就是用冷漠区来排除某些决定，这样你就有时间把注意力放在最重要、最容易处理的问题上。

克莱因继续说道：

我们往往认为，决策的目标永远是选出最好的选择。就重要性而言，很少有决定的重要性比得过在性命攸关的战场或火场做出的决定了。可是，军事领导人与火场指挥官都认识到，最好是快点做出一个好决定并准备好去执行，而不是为姗姗来迟的“完美”选择懊悔莫及。我们很少能知道什么是最佳选择，而对最佳选择的追求会让我们沉迷于无关紧要的细节。为了从一系列已经相当好的选择中找到最好的，我们有多少次陷入到吹毛求疵的困境了？最好把你的目标定为选出一个你可以接受的好选择。如果某个选项是明显的赢家，那很好。如果有两个或多个选项最终落在冷漠区，那也没关系，只需选择其中一个并继续前进即可。如果你能接受不可能做出“正确”选择的事实，就可以摆脱不必要的混乱，不用浪费时间。

杰夫·贝索斯的可逆与不可逆决定

亚马逊首席执行官杰夫·贝索斯有个公式非常相似，但更简单：如果决策是可逆的，则迅速采取行动，并将决策权下放。如果不可逆，那就想怎么分析就怎么分析。

他在 2015 年的致股东股东信里讲过这个启发法：

就像单向门一样，有些决策意义重大且不可逆转或几乎不可逆转，必须深思熟虑，经过商讨，仔细、系统性地慢慢做出决定。如果你走过去，不喜欢在门的另一边看到的东西，你已经没法回到原来的地方了。我们可以把这些叫做类型1决策。

但大多数决策都不是这样的，是可变的、可逆的，是双向门。如果你做出了次优的类型2决策，不需要长期承受后果。你可以重新打开那道门回去。类型2决策可以而且也应该由判断力很强的个人或小组快速做出。

随着组织规模的扩大，似乎有种把重量级的类型1决策流程用于大多数决策（包括很多类型2决策）的倾向。这种做法的最终结果是行动迟缓、轻率就考虑风险规避、实验开展得不够充分，从而导致创新乏力。我们必须想办法去对抗这种趋势。

相反的情况就不那么有趣了，而且无疑存在着部分幸存者偏差。任何公司，如果习惯性地用轻量级的类型2决策流程做出类型1决策，还没等到做大就已经灭绝了。