那些由数据得出的决策,其实都源于你的偏见

观察数字、形成观点并执行决策,只能算是“数据启发”,这样的决策并非由数据驱动,而是由决策者的无意识偏见所驱动。

图片来源:视觉中国

文|凯西·柯兹科夫(Cassie Kozyrkov) 谷歌首席决策科学家

统计学先驱爱德华兹·戴明(W. Edwards Deming)曾说过:“除了上帝,其他人请用数据说话。” 作为一名统计学家,我很赞同这一说法。但作为一名社会科学家,我又不得不提醒大家,许多决策者都太过热衷于追逐数据,想要借此远离无知,却从未改进自己的决策。

有没有办法让决策恰到好处?答案是肯定的,首先我们需要培养一个简单的决策习惯:事先选定默认决策。

在搜寻数据之前预先构建决策背景是决策的关键,而数据科学课程通常不教这项技能,要通过社会和管理科学才能学到。不幸的是,这项指导和管理数据科学项目最重要的技能,却没能得到充足的教学。即使在统计学这样一门需要面对不确定性做出决策的学科中,学生遇到的大多数练习也都预先设定了背景。教授通常会为你做出假设,框定问题,最后留下一个正确答案。有正确答案的地方,决策者都已经刻下相应记号。

很多决策者会觉得,他们观察数字、形成观点并执行决策时是数据驱动的。不幸的是,这种决策充其量只能算是“数据启发”。数据启发式决策是指,徜徉在数据中,最终达到一个情感临界点并做出决策。这样的决策确实是跟数据有关,但并非是数据驱动产生,而是来自决策者一直存在的无意识偏见。

在尝试利用数据进行决策时,如果没有经过训练,那么你的方法就会容易受到认知偏见的影响。数据启发式决策的一个主要问题就是确认偏见,这种偏见会影响到决策者如何根据自己已经相信的东西来感知事实。如果你可以在发现数据的落点以后移动“球门柱”,你将会不自觉地这样做。解决问题的办法是提前定好球门柱,然后顶住诱惑,不去移动它。

正因如此,行为经济学家才会受训在搜索信息之前先设定决策标准。这是消除确认偏见最好的“解毒剂”,我们很多人都有这样的习惯。比如说买票,在查询价格之前,我们会忍不住先问自己最多愿意花多少钱。

在没有事先确定好决策标准的情况下,你会自由地与数据选择性地交互,从而确认内心深处已经做出的选择。大多数人甚至都没意识到,使用数据只是想让自己觉得心安。

另外,人们需要避开“宜家效应”。如果你努力去做某件事情,结果却发现自己高估了这件事情的价值,那么就会感受到这种效应。简单来说,当人们在一个项目上投入时间时,哪怕自己造出来的只是一堆有毒垃圾,也很有可能会爱上这个项目,并改变自己的认知。他们会开始和自己讨价还价:“哦,但是新原型的表现还不错,我还是可以发布这个东西的。”就这样,这个世界被强加了诸多可怕的事物。

为了避免成为此类效应的牺牲品,真正做到数据驱动,确定顺序很重要。你需要预先构建决策背景。整个过程的第一部分是:在没有进一步数据的情况下确定你计划做什么(默认情况下,你是会购买、启动、修正、继续,还是不购买、启动、修正、继续)。这就是所谓的默认操作,选择的标准则是,在置之不理的情况下,哪种操作不那么有害。

对那些不习惯这样做的决策者而言,很难去选择一种默认操作。你会问自己:“如果除了已经看到的,没有其他额外的数据,那我该怎么办?”回答这个问题需要性格的力量——你不能推卸责任给数据。你必须考虑商业问题,并如实回答:“如果我现在必须做出决定,会做何选择?”

举例来说,“这是一种新药或是新的机器学习系统,我不知道是否管用。默认情况下,我是该发布还是不发布?”(大多数人很可能会说不该发布,除了那些认为机器学习系统会让简历看起来很棒的人。)

一旦指定了默认操作,就可以开始考虑数据问题了。但即便如此,第一步也不是去收集或分析数据。在决定如果没有新信息该如何默认操作以后,就需要考虑新数据到来时该如何反应的问题了。什么样的数据会让你放弃默认操作?要回答这个问题,你需要具备强大的想象力,确定默认操作是否对每个状况来说都是正确的,然后制定一个标准,来判定你身处于哪种状态。最后,你要考虑需要多少证据才会让你放弃默认操作,以及你的风险容忍度有多大。做完这一切再让我们开始关注数据吧。

来源:哈佛商业评论 查看原文

广告等商务合作,请点击这里

本文为转载内容,授权事宜请联系原著作权人。

打开界面新闻APP,查看原文
界面新闻
打开界面新闻,查看更多专业报道

热门评论

打开APP,查看全部评论,抢神评席位

热门推荐

    下载界面APP 订阅更多品牌栏目
      界面新闻
      界面新闻
      只服务于独立思考的人群
      打开