更好的进行决策与判断

简介: 更好的进行决策与判断

曾听到过一种说法,每人每天要做一万个选择。该说法究竟是否有依据,没有较真去求证,但从自己的体会来说,每天的决策不要太多。做一个决策,需要收集各种信息,理解抽象的信息,排除干扰的信息,然后利用这些信息在有限的时间里做出“恰当”的决策。如果我们思维敏捷,时间够多,精力够用,任何一个决策我们都可以重复以上过程。可惜,我们并不是。为了每个事件都有一个结果,人类自然进化了快速决策的本能。在本能的驱使下,我们自然没办法保证每个决策的质量。现在问题来了,当关键时刻来临,我们怎么保证此次决策不是最差的那次。决策相关的书籍就是这样一个帮手,帮助了解人的思考的特征,决策过程,最终保证关键时刻有较高的决策满意度。我们能做的只有这些,至于不做错误的决策,只有上帝能完成的事就不要想太多了:)

人类思维过程缓慢,特别是对于未知现实和抽象的数据思维活动太慢,同时处理的信息量有限(信息“流入容量”小)。于是,有限的资源下,“节约”时间和精力,促使思维形成简单假设并限制搜寻信息,可以缩短思维过程。根据已有假设和已搜寻到的信息,进一步屏蔽“多余信息”对我们的干扰,这是接收信息衰落的现象。 –《失败的逻辑》

我们思考的特征,也许都明白,只是不曾想过也不在意。存在即合理,既有的决策模式有快速决策的需要,也是适应各种现实复杂情况的结果。

每个时间点我们都有可能同时面临很多的问题,不可能所有的问题同时得到相同程度的重视和解决。决策的第一步是弄清楚目标,为决策排定优先级,每个决策到底值得我们投入多少时间和精力到决策中。只寻求并接受最好的,会花更多的时间,更多的比较,在客观上,这样有可能会获得更好的结果,但是在主观满意度却可能会更加糟糕。

当认知信息时,我们面临的是来自各种途径信息,甚至暗示的信息。举个例子:

如你想让你的朋友陪你出去玩,若说:“陪我出去玩好吗?”朋友不一定去。但如果说:“出去走走,随你的便,是去喝咖啡,唱卡拉OK,还是逛书店?”他很可能选定他最喜欢的,如“逛书店”而陪你出门。

这就是所谓的锚定效应。“喝咖啡、唱卡拉OK,还是逛书店”,其实为回答者锚定了几个选项。当人们需要对某个事件做定量决策时,会将某些信息作为起始信息,起始信息像锚一样制约着最终决策结果。虽然问话者锚定了几个选项,但如果回答者能认知到“拒绝”也是一个选项就能跳脱出来。锚定效应是认知偏差的一种,根本原因是不加思索采用既有的信息,批判性思维能助益信息的认知。收集认知信息的过程不过分详细,也不草草了事,应当根据决策的目标学到何时继续收集信息而何时停止。

接下来的一步,记录重要决策的感受和预期。很多时候决策的结果并不全是人力所能控制,举个例子:

早上没能早起,然后上班路上出了点状况,“要是我能早一点起床” 的想法很容易闯入脑海。

消极情绪以及不愉快的事情容易引起我们的反事实思考。没能早起或许是昨天加班太晚,在决策当时的场景下,补觉晚起是合理恰当的决策。我们对决策的满意度常取决事后的回忆,但是事后的回忆是情景依赖的,现在构建的场景已经或许已经无法再现当时的感受和预期。

人的思考决策过程太复杂,面临的情况更复杂。我们只能大致的去了解它的机制,做更满意的决策。

一些其他理论:

  • 成本沉没:人们在决定是否去做一件事情的时候,不仅是看这件事对自己有没有好处,而且也看过去是不是已经在这件事情上有过投入。我们把这些已经发生不可收回的支出,如时间、金钱、精力等称为“沉没成本”(Sink Cost)
  • 损失厌恶:某个潜在损失越重要,我们对损失的厌恶越强烈,也越容易陷入“追逐损失”(chasing a loss)的情境(赌徒的困境)。
  • 牵累:明知前方成功的机会很渺茫,人们仍倾向于坚持到底,忽视由延误而造成的失败代价更高的可能性。
  • 价值归因:“the effect of expectation, the power of price”

所涉及内容大致来源于以下书籍:

  • 《失败的逻辑》
  • 《无从选择》
  • 《别做正常的傻瓜》
  • 《决策与判断》
  • 《摇摆》
  • 《错不在我》

本文作者 : cyningsun

本文地址https://www.cyningsun.com/05-01-2016/decision.html

版权声明 :本博客所有文章除特别声明外,均采用 CC BY-NC-ND 3.0 CN 许可协议。转载请注明出处!

# 软技能

  1. 快速迭代阅读法
  2. 学习方法论小结
  3. 理解推理行为
  4. 如何系统性的阅读
  5. 如何理解和控制情绪
目录
相关文章
|
算法 数据挖掘 数据库
priori 算法的影响因素分析| 学习笔记
快速学习 priori 算法的影响因素分析。
522 0
priori 算法的影响因素分析| 学习笔记
|
2月前
|
数据采集 机器学习/深度学习 自然语言处理
数据更多更好还是质量更高更好?这项研究能帮你做出选择
【5月更文挑战第28天】研究探索了在机器学习中数据质量与规模的权衡,提出质量-数量权衡(QQT)概念和神经网络可扩展定律,考虑数据非同质性、效用衰减及多数据池交互。结果表明预训练时数据质量和规模同等重要,应根据情况权衡。但研究局限于模型预训练、特定类型模型和模拟数据验证。[[链接](https://arxiv.org/pdf/2404.07177.pdf)]
33 1
|
2月前
|
机器学习/深度学习 数据采集 人工智能
|
2月前
|
人工智能 供应链 数据挖掘
优化决策
优化决策
23 1
|
2月前
|
算法 中间件 测试技术
思考力:如何更好地做出判断
思考力:如何更好地做出判断
|
9月前
思维模型No.32|如何真正改变行为?需要5种不同的干预策略
思维模型No.32|如何真正改变行为?需要5种不同的干预策略
73 0
|
算法 计算机视觉
图像生成过程中遭「截胡」:稳定扩散的失败案例受四大因素影响
图像生成过程中遭「截胡」:稳定扩散的失败案例受四大因素影响
|
机器学习/深度学习 人工智能 算法
如何解释AI做出的决策?一文梳理算法应用场景和可解释性(2)
如何解释AI做出的决策?一文梳理算法应用场景和可解释性
124 0
|
机器学习/深度学习 人工智能 自然语言处理
如何解释AI做出的决策?一文梳理算法应用场景和可解释性(1)
如何解释AI做出的决策?一文梳理算法应用场景和可解释性
305 0
|
测试技术 数据库
以目标为导向思考解决问题的方式
以目标为导向思考解决问题的方式
905 0
以目标为导向思考解决问题的方式

热门文章

最新文章