作者：王智遠同學，頭圖來自：《獵場》

(資料圖片僅供參考)

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，下一步該做什么選擇，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

試著不跳槽，等待升職

離職后選擇充電，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，怎么辦呢？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），分別列出做決策后可能帶來的“好處與弊處”，然后進行平衡，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，怎么辦？單獨看利弊，相互關聯，又怎么辦？

所以，它會導致出現“隔墻草更綠心理”（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，畢業后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（有機會跟各種級別創始人，改變世界，獲得高額投資回報，以高杠桿方式加入創新公司）。

可是，假定你是內向型人格，上述諸多選項并非好事，你可能要面臨各種社交活動、承擔別人沒有的心理負擔，甚至，可能在進入某個領域后，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確不錯，但并不代表“你一定適合”，唯有隨著時間推移，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，“如果手里只有錘子，那么，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，但面對極為復雜、后果嚴重的事，就需要用更其他方法。

在你所列出的清單中，適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）。

比如：

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？

只要將內心博弈的每個選項，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）。

當情況再復雜時，怎么辦呢？

你只需要把對應分值換成人民幣數（例如-100元，+500元），這樣一來，將成本和收益相加，最終就能估算出某個選項的價值。

比如：

考慮買房，寫下該付的錢（首付、過戶費），以后要付的錢（按揭貸款、物業費、維修費、房產交易稅...），還有未來做賣方時希望獲得的回報，然后把這些加起來，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后發現，如果室內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，怎么辦？

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，然后按照時間維度計算，就能看出是否有增值可能。

比如：

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，兩年后出來，是否有機會去更大平臺，還是面臨年齡大，失業可能。

整體一衡量，大概能估算出，兩年后自己價值上升還是下降，不過，上升下降的看法圍繞“最初目標”會發生變化，假定一開始，你已經計劃好兩年后創業，那可能在小公司更鍛煉自己。

在理性分析上：以5萬元的債券為例，你只需要改變下折現率，就能算出凈收益，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，算出凈收入處在哪個范圍內。

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；為了提高假設準確性，我們需要花時間找出那些關鍵要素，并且一起開始要想好，出發目標是什么。

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，我們應該把內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，然后基于2年、5年后的某個目標進行折現率分析。

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，潛在結果不確定性太大，以至于一開始你也很難弄清楚關鍵要素。

比如：

我希望夏天游泳季節到來前，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，報價低一些只要2萬元，不過該團隊只有一個人，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，他只有50%概率能準時（1周內）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。

怎么辦？

我可以用決策樹（the decisiontree）來衡量這件事，它是一幅示意圖，看起來像一顆倒著的樹，能幫你分析不確定的決策，通常樹干是決策點，樹葉代表可能出現的不同結果。

現在，將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，就是我要為承包商支付的價格。

不管怎么說，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，因為這些數不僅包括需要支付的錢，還有心理效應，所以，我們也把它稱為“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，你更愿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，能為所有相關人士帶來最大效用的決策才最符合道義。

不過，作為一種哲學思想，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，不意味著收入平衡。

其次，效用值難以估算。如果只考慮哪個決策能最大限度地提升整體利益，那么功利主義是非常有用的哲學模型；不管怎么說，在存在多種概率結果的情況下，決策樹有助于你弄清該怎么做。

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，自然保費低比較合適；你認為未來可能會出現某些大問題，自然是后者。

誠然，考慮不太可能發生但后果嚴重的情況，決策樹特別管用，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，即重大后果的極端性事件（例如最終造成巨大的經濟損失），但它出現后的概率，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，這個模型特別管用。

已知的已知

?對其他人來說可能有風險，對你來說不是，因為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么，也知道該如何實現，只需要執行就可以。

已知的未知

?項目存在已知的風險，但由于存在不確定性，目前還不清楚該如何解決。就像第三方風險，只有接觸后，你才知道會有什么反應。

未知的已知

?存在你沒有考慮過的風險，但有明確應對方案。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、發布新產品）會大大改變這個項目。即使你認出了“未知的未知數”（將它變成“已知的未知數”），還是不確定它出現的可能性和后果。

正如你看到的，先列舉屬于上述四個類別的事物，然后努力將它們變成“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，你都沒法確定他們的喜好（未知的已知數）。

你可能還不知道需要“將孩子裹進襁褓”，但護士或家人很快就會告訴你，將這個“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”怎么辦？

有個相關模型能給我們提供多角度，它就是情景分析，也稱為情景規劃（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，實際上卻很復雜，因為，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后果更是如此。

怎么辦呢？

常規情況下，為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，你喜歡抓住腦海里蹦出的第一個念頭。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，然后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），它只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“薛定諤的貓”（Schrödinger"s cat）。

簡單來說，你的箱子里有只貓，如果放射性原子在剛剛過去的一小時內發生衰變，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？

實驗具體怎么用？

你可以提出“如果……會怎么樣”的問題，就像，如果預期壽命延長40年會怎么樣？如果資金雄厚的競爭對手，抄襲我們的產品，會怎么樣？如果我選擇轉行會怎么樣？

也可以針對過去發生的事提出“如果……會怎么樣”的問題。這稱為反事實思維（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么樣？如果我上了另一所學校會怎么樣？如果我沒有做那份兼職會怎么樣？

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后果，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……會怎么樣”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）有關的眾多技巧之一。

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隨機性。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。

比如：

你可以從周遭環境中隨機選擇一個對象，然后試著以某種方式將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。但是群體效應會產生一定認知偏差，或從眾效應，那么，該怎么辦？

盡可能確定所有觀點“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”，只是過一遍情景分析的目標，然后將大家解散。

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，叫做創意眾包（crowdsource），也就是從任何想參與的人（群眾）那里尋求（外包）建議，這通過互聯網很容易實現。

眾包在很多情況下非常有用，從征集新聞線索到為維基百科增加詞條，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，眾包研究人員，就擊敗了網飛自己的推薦算法。

誠然，只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“反復做出準確預測的人”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后發現，能夠準確做出預測的人，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，可以隨著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，然后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，復雜問題，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....會怎么樣?”進行思維實驗，然后運用聚合思維搜集大家意見，提防和你文化背景一樣的人，可以用眾包法，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，圍繞設想的目標逐個拆分，進行分析；我想，行動中運氣不會太差。

本文來自微信公眾號：王智遠（ID：Z201440），作者：王智遠同學

關鍵詞：