決策失誤，因為你被“噪聲”影響了

昵稱535749 2021-08-31

展開全文

中歐商業(yè)評論20小時前

關注

降噪，讓決策“瞄”得準一點。

哪里有判斷，哪里就會有噪聲。喧嘩與騷動背后，往者雖不可諫，來者猶可追索。無論是當事人，還是物傷其類的其他人，都應當問一個問題：在決策時，判斷是不是出現了嚴重的誤差？如果是，它從何而來？將來，又該如何不貳過？

當知名企業(yè)跌倒，譬如選擇了錯誤的上市時點，對丑聞的反應遲緩或者遮掩，未能預見政策風向致市值閃崩、投資人巨虧，發(fā)現選錯接班人不得不行廢立之舉，過早采取激進的市場策略以致弄虛作假，免不了有“吃瓜群眾”看戲不嫌事大，或被媒體刮骨式聲討，其尷尬與疼痛，恐不足為外人道也。

喧嘩與騷動背后，往者雖不可諫，來者猶可追索。無論是當事人，還是物傷其類的其他人，都應當問一個問題：在決策時，判斷是不是出現了嚴重的誤差？如果是，它從何而來？將來，又該如何不貳過？

諾貝爾經濟學獎得主丹尼爾·卡尼曼等長期研究人類決策中的誤差。他和奧利維耶·西博尼、卡斯·桑斯坦合作的新著——《噪聲：人類判斷的缺陷》（Noise：A Flaw in Human Judgment，湛廬文化出品），所闡述的發(fā)現、原理、原則與策略，或可為指引。研究表明，盡管誤差不可避免，但盡可能降低它的影響力，尤其是減少它對重大決策的糾纏，既非常必要，也切實可行。

“瞄不準”是常態(tài)

如果以射擊為譬喻，誤差就是子彈對靶心的偏離。它又分為兩種，一種是因為瞄錯了靶心，嚴重者甚至看錯了靶，是整體偏離了目標，這是“偏差”；另一種是“噪聲”，雖然目標明確，但落點卻很離散。物理學有“測不準原理”，附會一下，可視噪聲為“瞄不準”。它是人們在做判斷的過程中不希望存在的分歧，是“本該相同的判斷中存在的變異性”。

4支隊伍

以射擊為隱喻，A隊幾乎達到了理想模式；B隊的每一發(fā)子彈都偏離了目標，因此我們稱B隊為偏差隊；C隊的子彈落點很分散，因此我們稱它為噪聲隊；D隊是偏差與噪聲共存隊。

不難發(fā)現，很多決策同時受偏差和噪聲的困擾。相對而言，噪聲對誤差的“貢獻”更大，其中一個重要原因是，偏差是可見的，而噪聲則不易察覺，“很少有人認識到噪聲的重要性。偏差是臺上的主角，而噪聲只是幕后一個不起眼的參與者”。

然而，有時候，噪聲導致的后果之嚴重，足以讓人瞠目結舌。例如，研究者在1981年邀請208名美國聯邦法官，對16起完全相同的虛擬案件進行判決。結果表明，法官們僅對3起案件達成了監(jiān)禁的一致判決，而且具體的刑期也寬幅震蕩。面對一樁欺詐案，法官們判罰的平均刑期為8.5年，最長為終身監(jiān)禁；另一起案件，平均刑期為1.1年，最長判罰為15年。

再比如，2012年，FBI委托認知心理學家做了一份研究，研究者邀請72名檢驗人員查看其在7個月前評估過的25對指紋，竟然有大約1/10的決策改變了。

卡尼曼等指出，“哪里有判斷，哪里就會有噪聲”。不管是重復性的日常決策，還是一次性的關鍵決策，都是如此，因此，“瞄不準”是常態(tài)。例如，他們的研究發(fā)現，保險公司的核保員所核保的中位數差異高達55%，遠遠超出高管的預期——10%。

再比如，很多公司流行“271”（20%超出期望，70%符合期望，10%低于期望），但績效評估實事求是并公平嗎？僅有25%反映了績效表現，其他都是噪聲。在人員招聘或晉升評估中，非結構化的面試對候選人的評分，與其實際的工作績效評分的相關系數為0.28，換算成一致性百分比，約為56%~61%，也就是說，如果面試時認為甲比乙的潛力更大，甲在工作中實際如此的概率只有56%~61%，比擲硬幣的50%高不了多少。所以，要以平常心看待人事決策中的看走眼。

復雜的決策，需要對一些變量做出評估和預測；而復雜這兩個字意味著，常常有彼此矛盾的線索同時出現。這是它不同于計算的原因。另一方面，它與審美、品味的差異在于，審美和品味的多樣性是可接受的，甚至是值得提倡的，而噪聲是不受歡迎的，因為它讓決策瞄不準。

三種噪聲及來源

既然已知噪聲妨礙了準確判斷，本著知己知彼的精神，緊接著要問，噪聲有哪些類型？它究竟來自哪里？

第一種，水平噪聲。面對10個有罪的被訴，不同法官判罰的平均刑期會存在差異。這種差異就是水平噪聲。它是不同個體在平均判斷上的差異。為什么？一方面是人們的背景、秉性、閱歷、傾向性、偏好有異；另一方面，判斷量尺較為模糊，所以，相同的數字、表述可能含義有別。例如，禁止義務教育階段的校外學科培訓能否提升學生畢業(yè)后的創(chuàng)造性？顯然，人們的看法不可能全然一致。造成不一致的一個原因很可能是，人們對如何衡量創(chuàng)造性、怎么才算提升了創(chuàng)造性的看法各異。

第二種，穩(wěn)定的模式噪聲。即同一個體對同一類對象判斷的差異性。例如，一個理性樂觀的投資人，一直看多，唯獨對教培行業(yè)較為悲觀。再比如，一位主張嚴刑峻法的法官，對白領犯罪卻較為寬容，另一位法官可能剛好相反。據卡尼曼估計，此種噪聲幾乎是水平噪聲的4倍之多。

第三種，“情境噪聲”：不穩(wěn)定的模式噪聲。如果同一個人在不同場合下對同一件事的判斷存在差異，即存在模式噪聲。例如，“天氣炎熱時，司法審判會更嚴厲”；在陰天時，大學招生人員更關注候選人的學術特征，晴天時則對非學術特征更敏感，研究者為此擬了一個標題，“云讓書呆子看起來不錯”。

這些噪聲之所以會產生，根本原因是“客觀無知”，即存在不確定的未知之事和可知但不知之事。而判斷就是要對一系列線索進行整合，并在相應的量尺上做出估測的過程。一個良好的判斷應當是：搜集或識別的線索足夠真實、豐富；賦予各個線索恰當的權重；對其程度的衡量足夠準確。如果人們在這三點上保持一致，那么噪聲就不會存在。但是，面對復雜的情境，人們很難發(fā)現相同、認定完全相同的線索，并給予同等的重要性排序，而且在估測時使用的量尺也不盡相同。

事實上，由于普遍存在的“自我服務偏差”（self-serving bias），人們常常以“中人以上”自居，喜歡聽從直覺的呼喚和牽引，只會把各自心中有限線索和判斷關聯起來。例如，如果一個人三歲就會閱讀，意味著他很聰明，因此，大概率會考個好大學。在將事實（三歲會閱讀）和判斷（考個好大學）匹配成連貫的因果性故事時，人們的內心會自動傳遞一種信號，一種讓人愉悅的情感體驗。

正是這個內部信號，讓卡尼曼在《思考，快與慢》中所描述的各種啟發(fā)式偏差才有了用武之地。常見的偏差有三大類：

（1）替代偏差，用相似性來做判斷，忽略基礎概率，用一個簡單的問題替代復雜的問題。例如，氣候問題真的存在嗎？比爾·蓋茨熱衷于氣候問題，但他離婚了，據說原因還不可描述，這樣一個人如此關注氣候問題，恐怕是小題大做；

（2）結論偏差，以結論去搜羅證據，例如，為什么陰謀論者不可辯駁、說服？因為陰謀論者搜羅到了很多與預判相一致的各種線索，甚至會發(fā)生這樣的情況，為了自圓其說，沒有線索，就在腦海里虛構線索；

（3）過度一致性，迅速形成第一印象，并始終維護這一印象，即使相矛盾的信息出現，也一以貫之。倘若判斷者的偏差并不一致，噪聲就會產生，現實也的確如此。

群體會放大噪聲，“放大器”有兩個。

第一，信息瀑布效應。率先陳述的人，開啟了一個引導過程，將其他人卷進信息流之中。例如，在微博上，隨機選擇某條評論，人為地給出首贊，下一個訪客點贊的可能性增加了32%；5個月后，其平均點贊率增加了25%。換句話說，“操弄”輿情竟然如此簡單，只要給兩個相反的意見各點個贊，就可能撮合群體間就歧見形成水火之勢。

第二，群體極化。人們通過互相交流，往往會提出比原有傾向更極端的看法。為什么？如果有人支持他們的判斷，判斷者會變得更自信、更大膽；如果有相似的看法，人們傾向于通過加碼來表明自己更勝一籌；如果有人試圖一較高下，他們會在“結論偏差”的驅動下，對自己的看法更堅定、更執(zhí)著。

“超級預測者”的兩大特征

那么，該如何做，才能把噪聲降低呢？

根本方法是，不斷精進自己，成為“超級預測者”。超級預測者通常具有兩大特征：第一，智商高；第二，擁有“積極開放性思維”。捫心自問，眾人在智商上不過是普通人，因此，重點只能放在后者。

所謂積極開放性思維，是指“個體愿意積極搜尋與自己先前的假設相矛盾的信息”，包括其他人的不同意見，以及與原有看法不一致的新證據。超級預測者致力于更新看法，提高自我完善的程度，進行艱苦的研究工作，仔細地思考并自我反省、批判，匯總其他看法，喜歡“嘗試-失敗-分析-調整-再試一次”的思維循環(huán)。

例如，一個人相信必須消滅新冠病毒，但是，他也愿意主動搜尋與病毒共存相關的信息和證據，這就叫積極開放的大腦。如果一聽人家說與病毒共存，就拿人家當異端邪說，非奸即盜，不由自主有拿起火把扔過去施以火刑的沖動，這顯然就是消極的封閉性思維。

掌握積極開放性思維并不容易，對企業(yè)家和高管來說尤其如此。一方面，如前所述，他們偏好直覺，因為內在信號會給他們獎勵，讓他們愉悅，而積極開放充斥著限制與繁瑣，要消耗大量的認知資源；另一方面，他們超級自信，業(yè)已認定自己就是超級預測者。

例如，有企業(yè)家大言不慚地說，“我永遠都是對的”“我從不犯錯”，或者，“要讓黑天鵝飛在我們的咖啡杯中”。這些說辭，當然有鼓舞士氣的需要，有語不驚人誓不休的營銷意圖。然而，倘若真的以為自己能抓住每一只蝴蝶的翅膀，那很可能意味著一個大的危機正在靠近。

決策降噪“六步走”

自我完善永無止境，而決策問題卻紛至沓來。在成為合格的超級預測家之前，或可以考慮以下策略來降噪。

01.將決策結構化

研究已經表明，相比于人類的判斷，即使是最簡單的規(guī)則和算法也具有很大的優(yōu)勢，因為它們沒有噪聲，也不會嘗試將復雜無效的變量納入決策模型之中。舉個例子，如果投資者設定了嚴格的止盈線、止損線，只要他嚴格遵守，那么獲得合理的回報基本無虞；然而，如果投資者總是認為自己技高一籌，神乎其能、玄而又玄，可以買在谷底，賣在巔峰，那是“韭菜”無疑。

將決策結構化，旨在解決過度一致性產生的影響，具體的做法是，將決策問題分解為幾個獨立的任務，列出一份評估清單。它與結構化訪談類似。在結構化訪談中，訪談者一次只評估一個特征。

結構化的關鍵是獨立評估，因此，要盡可能地將評估的任務分配給不同的團隊。在組建評估團隊時，應當遵循3個原則：

（1）盡可能引入“超級預測者”。區(qū)分真正的專家和“尊重型專家”，前者擁有可信賴的準確預測記錄，后者雖然也頂著專家的名頭，僅僅是因為同行尊重他們，例如，“很多教授、學者和管理顧問就是尊重型專家”；

（2）評估者具有多樣化的技能及互補的判斷模式，例如既有悲觀者，又有樂觀者；

（3）評估者和被評估對象沒有利益相關性。

02.評估采取外部視角

常規(guī)思維模式只關注當前的案例，將其納入因果性故事邏輯之中，其結果是，模式噪聲分外突出。外部視角使用統計性思維，關注基礎概率，將某個案例歸為一系列案例中的一例，而非把它當做特例。例如，預測一個強勢企業(yè)家三年內是否會退休，除了了解預測對象的個人信息，還必須關注基準概率，企業(yè)家“正?！蓖诵莸目赡苄杂卸啻?？

03.評估須相互獨立

一方面，我們應當激活“群體智慧效應”，畢竟，“三個臭裨將，頂個諸葛亮”；另一方面，切記，群體會放大噪聲，而不是相反。實現1+1＞2的關鍵是各自獨立判斷，然后把它們匯總。

如果沒有足夠的人員，那么同一個評估人員最好承擔完全不同的評估項目，而且，應該在完成第一項后再開始第二項。一種極端的情況是，由一個人做出全部評估，例如獨裁型企業(yè)家考察他/她的繼任者。此時，這位評估者應該多次評估，并對前后評估進行平均，這種技術被命名為“辯證自助法”。

它是兩種傳統智慧的結合。其一，“三思而后行”，注意，多次評估需間隔一定的時間，以消除情境噪聲；其二，“左右手互博”，質疑先前的判斷，從一個新的角度來看待被評估對象。然而，最好是尋求第三方的看法，因為“兩個即刻、連續(xù)的辯證性自助評估在判斷準確度上的獲益，是尋求他人意見的一半”。

04.在決策會議上分別審核每項評估

把每一單項的評審視為一個獨立的項目議程。例如，一個并購決策，被結構化為戰(zhàn)略目標、行業(yè)前景、標的價值、整合難度、反壟斷審查風險等，那么，決策會議應該逐項分別審核，而不是畢其功于一役。

05.使用“評估-討論-再評估”方法

這種方法又名“迷你德爾菲法”。當評估者闡釋了某一項的關鍵事實后，決策者此時先對該項做出獨立評分，并以匿名的方式將評分呈現給大家，以減少信息瀑布和群體極化效應。如果大家的意見一致，則進入下一項；如果不一致，那么就進行討論，務求有分歧的決策者發(fā)言，決策者再進行評估。最后，以某種方法，如取平均值、匯總。