情勢不確定,決策也能很理性

How to Make Rational Decisions in the Face of Uncertainty
雪若.史特勞斯.艾霍恩 Cheryl Strauss Einhorn
瀏覽人數:2126
我們正在面對前所未見的不確定情況,似乎所有事情都難以掌握,可取得的數據資料也極為有限,讓我們難以做出決策。一個簡單的四步驟流程,可用來處理並解決不明確的問題:先確認手上的數據是顯著數據、背景數據或模式化數據;排除認知偏誤;翻轉問題,尋找你真正需要知道的關鍵核心;提出正確的問題來尋求答案,讓我們能更自信地在不確定中做出決定。

我們正與一種科學家仍不完全了解的病毒戰鬥,並且看著股市下跌,之後飆升,然後又再次下跌,同時還要面對充滿爭議的美國總統大選;在這種情形之下,未來看似完全無法預測(而不是如過往那般,只是有些無法預測)。當我們感到這種升高的不確定性,我們的決策過程可能會失靈。我們可能會變得無法行動,而且害怕行動,或是我們採取行動時,可能是根據偏見、情緒與直覺,而非根據邏輯與事實來行動。

察覺到我們的不確定性,是管理不確定性的必要前提。所謂有效的察覺這一點,是指先暫停、策略性地停止,並評估情況與未知因素。我們面對的數據,看起來是可據以採取行動的,雖然從邏輯上來看,我們知道這些數據並不完整,而且變動很大。但即使我們所知有限,仍有一些工具可協助我們有系統地透過分析來做出決策。無論是要評估最新失業數字的意義,或是評估本地萵苣短缺的衝擊,我們都能用一個簡單的四步驟流程,來處理並解決情況不明的問題,做出謹慎且理性的決定。

1.確認你正在使用的歷史數據類別

我們經常面對三種主要類型的數據,覺得必須要針對這些數據採取行動:顯著數據(salient data)常引起我們注意,因為它值得注意或令人驚訝;背景數據(contextual data)擁有一個架構,能影響我們如何解釋這些數據;模式化數據(patterned data),看似擁有一個規律、可理解、有意義的形式。

2.認清各個類別會引發哪些認知偏誤

不同類型的數據,會引發不同的偏誤,因此你應確認數據屬於哪種類型,以及與它相關的偏誤,如此就更容易避免心理錯誤。

顯著數據會造成「顯著偏誤」,也就是過度看重新的或值得注意的資訊,導致欠佳的決策、規畫錯誤等。例如,由於新冠肺炎疫情相關的旅行限制,2020年4月的航空客運需求,比2019年4月暴跌了94.3%。這個驚人的統計數字,可能會讓我們以為航空旅行就此告終;但實際上,這個顯著數據幾乎沒有告訴我們任何關於未來旅行的訊息。

背景數據會限制我們的思考,導致「架構偏誤」(framing bias):我們接收這個數據時所處的背景情境,影響我們看待這個數據的方式。舉例來說,「80%瘦肉的牛絞肉」聽起來比「有20%脂肪的牛肉」更健康。但其實兩者是一樣的牛肉,只是說法不同罷了。

模式化數據常導致群聚錯覺(clustering illusion ),這在體育與賭博圈也被稱為「熱手謬誤」(hot hand fallacy),也就是我們以為,隨機事件是能幫助我們預測未來事件的資訊。人類的大腦天生傾向尋找模式,但有時候模式並不存在。同樣重要的是,即使模式真的存在,往往也沒有預測的價值。一個一連擲出許多次二點的骰子建立了一個模式,但這與下一輪會翻出幾號並沒有任何關聯。

認清每個類別會如何引發我們的偏誤,就能預防我們受到這些偏誤影響,但當我們認定需要額外的資訊或見解,才能自信地對未來作出決策時,我們又該如何進行?

3.反轉這個問題,確認你真正需要知道哪些東西

我們流程中的第三步,是要了解你不需要知道一切,但必須確認什麼對你的決策最重要。要做到這點,你應該把解決問題的順序反過來。從最末端開始,詢問:那又如何?我真的需要知道什麼,才能了解這情況?這些資訊會造成什麼差異?我應該如何使用這些資訊?「已知的未知」領域是無窮盡的;所謂已知的未知,就是那些的確存在,但你無法掌握的數據。但你不必探索所有那些數據;反轉流程可以協助你,找到那些你認為有助於你自信地解決問題的東西。

舉例來說,關於航空需求縮減的顯著數據,會引起我們出於本能的回應,很容易得到結論認為這個產業會永遠很慘澹。但如果我們退一步看,就會了解到航空業會持續存在;長期來看,人們會想要移動,世界經濟也需要移動。這是「已知的已知」。

我們知道有太多東西是未知的。但有個好消息:要解決某個特定問題,你不需要探索所有的未知。繼續以航空業為例,不論你要決定是否搭飛機或是否投資航空業,都是如此。旅行的人關心的是,是否及何時有飛往目的地的航班,以及搭飛機是否讓人感到安全;然而,投資人可能會把焦點放在哪家航空公司處於有利位置,能安然度過這個低谷。無論是前述哪一種情況,你都可以反轉你的問題,以便聚焦在對你重要的那些「已知的未知」上。

4.擬出正確的問題,來得到你需要的答案

很多人無法提出有助於做決定的問題。一個有用且實際的做法,是把你的問題分為四個主要類別:行為、意見、感覺與知識。這可以確保你在研究數據的方法中,保持距離並採取各種角度,這有助於你避免先入為主的假設與判斷,還能給你一個更好的背景,來解釋各個答案,因為你會知道,這些數據是透過哪些視角來過濾的。

行為問題是有關某個人做了或做過什麼,會引導產生對實際經驗、活動和行動的描述。你若是正在評估航空產業的狀況,可能會問:誰仍在旅行?是否能由此推論到更大的群體?

意見問題處理的是某人對某個話題、行動或事件的想法,可以了解人們的目標、意向、渴望與價值觀。在航空業的例子裡,你可能會問:現在搭飛機安全嗎?航空公司是否已採取適當的預防措施?

感覺問題問的是人們對某個議題的情緒反應,這可協助你獲得事實以外的資訊,得以在不考慮數據的情況下,了解人們可能傾向做什麼。在這方面你可能會問:旅行的人感覺多安全?航空公司員工感覺多安全?

知識問題探究調查對象對你的議題掌握了哪些有關事實的資訊。雖然有些人會主張,所有知識都是一套信念,但知識問題評估的,是被詢問的人認為是事實的部分。你可能會問:哪些航線被暫停或取消?未來還有多少會被取消?是否有與飛行相關的新冠肺炎傳播病例?

你可以針對任何一種不完整數據,詢問這些類型的問題:顯著、背景,與/或模式化。第四步是承認,不確定性就是行動與回應、知識與情緒的混合物。分類與處理在不確定性混合物當中的成份,並不會讓我們得到確定性,但可以確認,我們的問題有處理到不確定性的所有領域。

這四個步驟協助我們更妥善處理情緒反應,表達並面對這些情緒,然後做出理性的決定。我們會更完整地了解情況,降低我們依賴舊式思考途徑與認知偏誤的可能性。

伏爾泰(Voltaire)有句名言:我們應該根據某人提出的問題來判斷這個人,而不是依據他的回答來判斷。我們永遠無法預知未來,但藉由檢視數據與思考,就能擬定並提出很好的問題,讓我們能更自信地在不確定中做出決定。

(王怡棻譯)



雪若.史特勞斯.艾霍恩 Cheryl Strauss Einhorn

她發明AREA方法,這套決策系統可讓個人、公司與非營利組織用來解決複雜的問題。她著有兩本關於解決複雜問題的著作,包括《問題解決》(Problem Solved)與《投資金融研究》(Investing In Financial Research)。她也是美國康乃爾大學科技校區(Cornell Tech)副教授。


本篇文章主題決策