Why：为什么要提升决策力

有一次和朋友的饭局上，大家开玩笑聊到，如果让你穿越到 10 多年前，给自己一个建议，你会选择什么？当时有朋友说「买苹果股票啊」。确实，如果你在 2011 年底购入苹果股票（当时乔布斯去世，坊间传闻苹果创新不可持续），每股约 11 美金，现在约 160 美金，加上中间 2 次拆股，合计翻了 364 倍！

苹果股价近 10 年走势

当然，历史无法重演，我们也没法回到过去，但这也印证了那句老话——「选择大于努力」。很多时候，决定我们在职业发展、财务投资等重要方向上的选择，远比事后的勤奋努力、加班加点重要得多。而要在这些关键的事项上做好判断，我们就需要提升我们的「决策力」。

What：什么是决策力

如果要给「决策力」下一个定义的话，我会把它定义为「给未来重要的事情做选择的能力」。

• 未来：对应的判断维度是「时间」。在时间上，可以想一下，这件事情的影响会持续多久？几天、几个月、几年甚至几十年？时间越久，你获得反馈的周期就越长，纠偏的难度越大，影响也越大。举个例子，「毕业后选择在哪里工作和生活」就是一个看似简单，但在时间维度上影响非常大的决策。一旦选择在一个地方扎根，后续的成家、置业、孩子教育、人际网络也会围绕这个地方开展，并且越久切换成本越高。

• 重要：对应的判断维度是「损失」和「收益」，翻译成大白话就是 —— 不做会损失什么，做了会得到什么？收益减去损失越大，价值越高越重要。这里比较常见的有 2 个误区：一个是「只看到了收益，忽略了损失的风险」，这个比较容易理解；另一个是被 ROI 这个词误导，只考虑 ROI 高的，忽视了「成本高，但收益也非常高」的事情，但往往这类事情才能在商业竞争中拉开差距。

• 选择：既然是选择，意味着是个人做出判断，也就有对应的方法，可以在实践中不断练习提升。

How：如何提升决策力

0. 建立自己的决策系统

这里和大家分享一下我自己的「决策系统」。基本的逻辑是「决策 = 识别 + 信息 + 模型 + 判断」，并通过记录和复盘不断迭代。

决策系统示意图

1. 识别关键决策

不知道你是否有这样的经历，上了一天班，开了好几个会，回复了好几个群的消息和邮件，到下班的时候已经精疲力尽了，但回想下当天最重要的产出，却很难说出来，没什么成就感。这里最主要的原因就是，我们一天的注意力被日常琐碎的事情给榨干了。

对应的解法就是在「真正关键重要」的事情上投入精力，乔布斯、扎克伯克就是这方面做到极致的高手。乔布斯每次公开亮相，都是标准的「黑色毛衣 + 牛仔裤 + 纽巴伦运动鞋」，扎克伯克则是始终如一的「灰色 T 恤 + 牛仔裤」。背后的原因就是，他们懂得管理自己的精力分配，把注意力留给每天最关键的决策，提升这些决策的成功率。

怎么识别关键决策呢？再总结下前面提到的几个重要维度：

• 时间维度：从未来 3 年、5 年甚至 10 年的角度看，这个决策还能发挥影响吗？影响周期越久，越重要。硅谷著名投资人纳瓦尔有个非常有名的「灵魂三问」，他称之为「人生早期的三个重大决定」 —— 在哪里生活、和谁在一起、从事什么职业。从时间维度看，都是对个人影响几十年的关键决策。

• 收益维度：这个事情在战略方向上，能带来 10 倍、甚至 100 倍的回报吗？雷军有句名言是「不要用战术上的勤奋，掩盖战略上的懒惰」，战略上的关键决策，可以带来指数级的回报，而战术上的细碎决策，最多只能带来线性的收益。元气森林的 CEO 唐彬森在一次采访中也表达了类似的观点：“我们创业过程中最大的成本是决策成本。很多企业未来三年的时间可能有 50% 是白忙，这个时候要注意这个事情，而不要花很多时间在和员工砍砍工资、谈谈房租、纠结一下办公室的配色。我们刚刚创业的时候没很多钱，纠结于很多管理细节，在思考战略上、在时机把握上花费太少，这是最大的成本。”

• 损失维度：这个事情做和不做的话，最坏情况的损失是什么样的？做的损失，包括因选择失败造成的直接损失，也包括减少其它事情投入造成的损失。比如之前奥密克戎疫情起来后，国外都选择了「躺平」，国内也开始有不少论调认为应该尽快放开动态清零。但如果结合国内的三针疫苗接种率、人口基数，参考香港 10% 的最低感染率和 0.6% 的死亡率，预计将有 1 亿 4000 万的人被感染，死亡人数达 84 万，这对全国的医疗、经济甚至社会稳定都将带来严重冲击。不做的损失，主要考虑「是否错过战略级机会」。比如近期 Adobe 花费 200 亿美金收购了 Figma，主要出发点就是「我不买，别人买走了，对我损失更大」。

2. 选择决策模型

达利欧的《原则》里，介绍到了他所在的桥水基金公司的实名打分机制。凡是公司有重大决策，都会通过实名打分及投票人加权的方式，汇总最终判断依据。这就是一个典型的基于数据的综合决策模型。

在不同的事情上，也会有不同的决策模型。如果我们能从尽可能多的维度去做客观评估，就能掌握更全面的信息，降低决策的风险。这里分享一些我认为比较经典的问题评估维度，你可以基于这些维度构建自己的参考模型。

2.1 定义维度：问题被正确定义了吗？

在温伯格的《你的灯亮着吗？》这本书里，作者介绍了一个「用户抱怨电梯运行太慢」的问题解决的例子。传统的解法肯定是增加电梯、提升速度、优化调度算法等方向，然而有人指出了问题的关键 —— 不是电梯太慢，而是久等太让人恼火了。于是物业在电梯旁安装了镜子，加上播放轻松的音乐，果然用户的投诉就大大减少了。

很多时候，重新思考下「真正的问题是什么？」、「我是给谁解决问题」这两个点，有可能你会发现决策变得简单，甚至有时候都不需要决策。

2.2 时间维度：以终为始地看，我怎么选？

亚马逊创始人贝佐斯当年在创业前，已经做到了纽约某对冲基金公司的高管，面对上司的高薪挽留，他为什么继续选择创业？贝佐斯的决策方法是「最小后悔原则」—— 如果到了 80 岁再看这个选择，我会不会因没有选择而后悔？想通了这点后，他直接从纽约飞到了西雅图，开始了在车库的创业。

对于越重大的决策，如婚姻、职业，就越适合拉长时间维度去评估。

2.3 他人维度：如果是别人会怎么选？

英特尔公司最早是以生产内存起家的，后面进入了 CPU 业务。在 1984 年，公司面临一个选择，是继续投入在起家的核心业务（虽然当时已经亏损），还是转战当时市场份额还很小、前途还不太明确的 CPU 业务。当时公司内部开了很多场会，激烈地辩论了好多轮，还是没能得出结论。

后面 CEO 安迪·格鲁夫和戈登·摩尔开启了一个商业史上最有名的对话：“如果我们现在被踢出去，董事会将招来一个新 CEO。你觉得新 CEO 第一件事情会做什么？” 摩尔说：“会退出内存存储器业务。”

格鲁夫说，“那我们为什么不自己这样做呢？”后面英特尔全面转型 CPU 微处理器业务，带来了几十年的高速增长。

除了模拟「自己的接班人」会怎么选，还可以模拟「自己的上级、上级的上级」会怎么选，这样很多原来你纠结的地方，你会发现不再是问题。

2.4 极值维度：极限情况下，会有什么变化？

大家应该都听过马斯克的「第一性原理」，在近期的访谈中，他还分享了自己的另外一个决策方式 —— 极值思维。

“如果你在思考一件事情，尝试把它扩展到一个非常大或非常小的范畴，看看事情会发生什么变化”，他举了个例子，“生产一个零件或产品，成本很高，怎么解决？如果每年的产量是一百万台，还会贵吗？”这正是他生产特斯拉电动车的思路，通过不断提升产能来降低成本。

反过来，在「制造火箭」这个问题上，即使产能提升，单个成本也不会降低，这意味着问题出在设计环节。这个时候他的思考方式又做了一次物理上的「极值跳跃」—— 如果成本太高是现有原材料导致，那么是否可以通过重新排列原子的方式，生产我要的材料，进而降低成本？

2.5 升维维度：上一个台阶想问题

很多时候，我们会因为日常的工作，或生活中的一些变化陷入焦虑之中。这个事情非常紧急，要尽快处理，那个事情非常复杂，需要花费大量的时间去耐心梳理，既要又要导致无法兼顾。

爱因斯坦说，“我们无法在创造问题的同一个维度上去解决问题。” 升维法就非常适合这种「既要又要」的两难场景。

还是前面马斯克造火箭的例子，既要达到火箭的高性能，又要降低成本，原有的物理材料已经无法满足，这个时候新的思考维度就是 —— 制造新的物理材料来突破限制。

暂时无法在飞书文档外展示此内容

2.6 成本维度：是否自己做？对比下你的时薪

纳瓦尔在个人生活中，有个重要的决策参考基线是「时薪」，也就是每小时自己的收入。当判断一件事情是应该亲力亲为，还是请他人代劳时，就可以使用这个方法。

比如当成本低于时薪，就选择外包；如果不做的损失低于时薪，那就不做。比如想吃健康的饭菜，别人能做好且低于时薪，就放心找他们代劳吧。

2.7 逆向维度：不做会怎么样？减少投入会怎么样？别人不敢做，我做了会怎么样？

里德·霍夫曼在《闪电式扩张》一书中分享了他带领领英等公司快速增长的经验，其中有个思考方式就是「逆向思考」，也就是「别人都在这么做，我不做」。

他认为在创业早期，要能容忍各种混乱、容忍管理不善、容忍发布不完美的产品，因为这个阶段速度比效率重要。同时也要「只扑灭那些对公司生死攸关的火，让其它的火再烧一会儿」。

在国内的 ToB 企业服务领域也有一个典型的例子。神策数据和 Growing IO 在差不多同一时间创立，都主打企业数据分析，但分别选择了两条不同的发展路线。其中 Growing IO 选择了硅谷 SaaS 比较成熟的路线，坚持做标准化服务，不做私有化。而神策数据由于其投资人背景、自身定位等因素，逆向选择了当时 SaaS 行业内普遍不看好的「私有化」方向，为众多中大型企业提供私有化部署。

几年过去，Growing IO 已被奇点云并购，合并后的估值预计在 10 亿美金左右；而逆向选择的神策数据，则发展越来越顺，拿下了银联、电信等多个头部客户，获得 D 轮 2 亿美金融资，最新估值超 16 亿美金。神策的「逆向思考」的方式，加上自身团队的技术实力，反而构建了更深的护城河。

2.8 效率维度：单向门 vs 双向门

贝佐斯认为决策可分为两种 —— 单向门（1-way door）和双向门（2-way door）。

单向门表示决策不可逆转，大部分情况非常重要，需要审慎决策，CEO 在决策时就要成为「首席减速官 Chief slow down officer」，遍历各种利害关系再做决策。

双向门则是可逆的，一旦执行过程中发现错误，可以快速掉头，减少损失，企业中 90% 的决策是这种类型。

现实中大家常犯的错误是，把可用双向门决策的问题采用单向门的方法，耗费了大量的时间和资源。

在分清楚决策类别后，下一步就是判断决策时机了，贝佐斯认为，当有 70% 的确定性时，就可以决策，之后再快速进行修正，而无需花费更多时间达到 90% 的确定性。

2.9 更多

在 FS blog (https://fs.blog/mental-models) 里介绍了 100 个决策相关的认知模型，有兴趣可以进一步研究下。

3. 收集信息

决策模型给了我们思考问题的方向，下一步就是尽可能地收集信息来辅助决策了。

在信息的收集上，我们可以参考信息论的一些基本概念来提升信息质量。

3.1 信息源：广度、权威度、置信度

信息有一个特点，一条信息的价值，使用一次和使用多次的收益是一样的。因此在决策判断时，应该尽可能从不同的来源收集信息，尤其是拿到「第一手信息」。比如有一个作家想给乔布斯写传记，他可以通过互联网上公开的资料收集信息，也可以和乔布斯的同事、家人、朋友访谈，收集不同来源的信息，这样刻画的人物形象才是尽可能客观的。

权威度比较好理解，比如判断一款药物的效果，可以去 Google 搜索、询问朋友，然而「是否通过 FDA 认证」则具备最大的权威性。做产品时，则应该尽可能去参考权威的行业报告（如 Gartner），研究市场上最主流的竞品的做法。

置信度是一个比较容易掉坑的点，翻译成大白话就是，统计的样本是否足够丰富，样本越小则置信度越低。比如产品经理在决策时，经常会说「我访谈了 X 个用户，他们大部分认为 A 方案更好」，这个时候就要问几个问题 —— 这几个用户的画像区分度有多大？总共的用户量有多少？是否可以达到判断的最小置信范围？

3.2 信息处理：正交处理、交叉验证

拿到了多个来源的信息后，第一步就是对这些信息进行「分维度的正交处理」。「正交」是一个数学术语，你可以把它简化理解为「最大程度不重复」，「正交」意味着信息的两个维度是「垂直」的，它们之间的重复性最小。通过把信息按照不同的维度进行分类处理，比如时间、来源，尽可能地「合并同类项」，就可以筛选出几个关键的信息维度。

第二步是「交叉验证」，利用前面获得的多维度信息，进行综合判断。硅谷有个著名的投资人，失误率很低。他在每次投资前，除了做丰富的背调外，还会在晚上 9 点亲自到公司现场去转转，看看停车场里面停了多少车，里面还有多少人在工作。这就是一种典型的交叉验证方法。

4. 汇总选项，量化对比，做出判断

到这一步就比较简单了，你可以基于前面的信息和模型，通过逻辑、概率推导出可能的选项，对比优缺点，再选择其中一个选项了。

这个时候还可以采用群体决策的方式，收集更多输入，帮助纠偏。比如达利欧的桥水基金就专门基于此开发了一个量化决策的系统。

当然，如果你是最终决策者，在综合大家的输入后，最终还需要有一点「直觉」，在充分的事实和逻辑基础上，大胆运用你的直觉去判断吧。

5. 记录并复盘

决策系统的最后一步，是把每次的关键决策都记录下来，并设定一个检查时间，在结果出来时，做及时的总结复盘，以下是一个示例。

总结

最后再用这张图回顾下这个决策系统。

决策系统示意图