大数据文摘出品
编译: 邢畅, 林安安, 钱天培
网购时看评分, 逛商场时比标价, 选餐厅前查排队时间......
是不是觉得自己也是 "数据驱动" 的时尚进步青年呢?
很遗憾, 你的决策中很可能缺少了最重要的一步 -- 没有这一步骤, 即便你有数据, 也往往只能被自己的主观 "偏见" 牵着鼻子走.
你要想通过数据驱动做出决策, 那么就必须完全依赖数据. 这听起来似乎很简单, 但实际上却很难做到, 很重要的一个原因是决策者没有提前设定决策标准.
"提前设定决策标准" 正是众多数据决策者经常忽略的, 却也是至关重要的一个步骤.
被误解的数据驱动
让我们来设想一个场景, 你决定在网上购买东西, 这个决定的前提是你信任网上的卖家. 接着你开始上网搜索, 你看到一个卖家的评分是 4.2 分(总分 5 分), 如果你无法通过 4.2 分判断这个卖家是否可靠, 那么你就很难做出决定. 但如果你知道 4.2 分已经超过了平均水平, 那么也许你就会决定下单.
这个例子告诉我们, 如果没有决策基础, 那么我们只能在数据中瞎摸索, 由此做出的决定最多只能说是受数据启发, 并不是由数据驱动.
数据启发
我们的生活里充满着数据, 就像鲸鱼身边充斥着浮游生物一样. 但由于没有决策基础, 我们只能这边看看那边看看, 最终可能懒得再看了, 随便下个决定算了!
大部分决策者在接触数据之前就已经做出决定了, 所以当他们接触数据时, 马上就能从中挑出自己想要的数据. 事实证明, 人类会选择性地与数据交互, 以对自己做出的选择进行判断, 但人们往往会忽视这种选择性, 这在心理学上称为: 确认偏误, 即遇到一个命题时, 人会倾向于寻找支持这个命题的证据, 而忽视否定这个命题的证据.
由于选择性地挑选那些对自己有利的数据, 所以往往人们就会觉得自己的决定是正确的.
使问题和答案相符
满分 5 分, 那么 4.2 分算好吗? 这取决于你的无意识偏见.
当一个有经验的网购买家人看到 4.2 分时, 他会很开心的说:"已经超过 4.0 的均分了, 很棒了!" 他们甚至可以进行一个严谨的分析, 来说明这个 4.2 分在统计学上是显著高于 4.0 的 (看呐, 这就是大家一直想要的 p 值!) 与此同时, 那些缺乏经验的买家会说:"4.5 分都不到, 我要换一家." 或 "4.2 分比 1 分高多了, 挺好的, 就它家了."
1. 决策者没有决策基础, 再牛逼的数据科学家也无能为力
有时候, 数学的复杂性会使简单的问题变得棘手. 人们常常用一大堆函数去分析一个其实很简单的东西.
一群数据科学家和工程师可能花了几个月的时间, 经过仔细的数学建模和精密计算后, 才得出 4.2 分这个数字.
2. 那么, 决策者会怎么做呢?
由于确认偏误, 决策者很可能会戴着有色眼镜来解读这一数据. 他会选择性的挑选有利于自己决定的数据, 也根本不在乎这个数据是否准确. 就这样, 科学家们几个月的努力全白费了 -- 其实还不如随便编个数呢!
决策者若没有决策基础, 再强大的数据科学团队也解决不了问题. 这种情况下, 我建议数据科学家们使用最简单的数学方法分析就好了, 省钱又省力, 简直完美.
消除确认偏误
决策者在分析数据之前需要做大量功课来消除确认偏误, 一个有效的解决方法是提前设定决策边界, 确保这个边界不被突破. 决策者需要明白制定决策和制定决策标准是相互独立的..
孰能生巧
最近我和朋友去买衣服, 她看中了一件漂亮的裙子. 她扯了扯裙子后面的价签, 问我:"嘿, 朋友, 这裙子多少钱? 如果少于 80 美元, 我就买."
她没有先看价格, 然后 "说服" 自己做一个决定. 她首先权衡了自己对衣服的喜欢程度和自己的预算, 接着设定了决策边界, 在这之后, 她才去看价格(即数据). 艾玛有正确使用数据的习惯, 这就是典型的数据驱动型决策..
讲道理, 人们并不总是需要数据驱动, 我朋友也明白这一点, 她不必在这样的小事上做出数据驱动型决策. 但俗话说的好, 孰能生巧, 在琐碎的事情上养成良好习惯, 遇到重要事情时就能更加淡定从容.
谈判课的经验
这种观念其实并不新鲜, 许多课程都会谈到, 尤其是谈判课, 第一讲一定会涉及这一道理. 如果在进行谈判之前, 你没有明确自己的最佳替代方案 (BATNA) 是什么, 那么你还不如直接在额头上写 "别问我, 我什么都不知道". 同样的, 谈判者也要需要在首选方案和备选方案之间确定决策边界.
解决方法是什么? 那就是提前设定决策标准.
事实上, 对于谈判者来说, 谈判前应充分考虑所有可能出现的报价组合, 并提前计划好相应的反应, 否则就很容易被一个经验丰富的对手打败. 即使不是对方的谈判策略, 一些无关紧要的因素, 诸如血糖水平, 心情, 对方微笑的程度以及阳光是否灿烂等也会对谈判产生影响. 同样的, 数据分析也是如此 -- 把数据看成你的谈判对手. 关键的解决方法就是提前计划好你的反应. 例如, 下次你在谈薪水的时候, 确保在听到对方的报数之前, 你已提前在心里设好了底线
掌握诀窍后就很简单
总结一下, 提前设定决策标准能帮你提高决策质量和谈判能力. 在数据驱动型决策中, 应该有正确使用数据的习惯. 熟能生巧, 相信你可以做到哒~
相关报道: https://hackernoon.com/data-inspired-5c78db3999b2
[本文是 51CTO 专栏机构大数据文摘的原创译文, 微信公众号 "大数据文摘( id: BigDataDigest)"]
戳这里, 看该作者更多好文
来源: http://zhuanlan.51cto.com/art/201907/599852.htm