1700550057
商业世界充斥着对未来的预测，因此以上发现应该引起重视。许多预测是直接清晰表现出来的：如某只股票的走势，利率的未来移动方向和幅度，某国明年出售的智能手机数量，等等。在许多其他情况下，预测则隐含在拟议的行动计划中。例如，网站的重新设计包含了一种隐性预测——访客会更喜欢它，银行分支机构的重新设计也是如此。一种吸引眼球的产品上市是建立在“顾客会喜欢它”这么一种高风险的预测基础之上，与之配合的营销活动则包含一个如何塑造顾客偏好的预测。
1700550058
1700550059
狐狸、刺猬与实验
1700550060
1700550061
当然，所有这些预测并不都是错的。泰洛克发现了一些“超级预测者”，[14]他们真的能够比常人更准确地给出预测。这些人倾向于从多个来源获取信息，也许更重要的是，他们在看待事物时有一种采用多方观点的能力。相比之下，不太准确的预测者倾向于在分析中固守一个视角，例如，热心的保守派和顽固的自由派往往会做出糟糕的政治预测。泰洛克把前一组人称为“狐狸”，他们是更成功的、多视角的预测者，然后把后一组人称为“刺猬”。他的这些标签来自古希腊诗人阿基罗库斯（Archilochus）的格言：“狐狸知道很多东西，但刺猬只知道一件重要的事情。”[15]
1700550062
1700550063
因此，我们的一个建议就是尽可能依靠“狐狸”而不是“刺猬”。“狐狸”可以通过其提出的多维度、多视角推理分析而发现，也可以通过一直以来的记录查出。具有可查证的准确预测记录的人可能就是“狐狸”。
1700550064
1700550065
少预测，多实验
1700550066
1700550067
撇开“超级预测者”不谈，我们对预测的最根本建议是少做预测。我们的世界越来越复杂，常处于混沌状态，又总是快速流动。这使得预测事情变得要么极其困难，要么不可能实现，时间跨度越大，预测就越不准确。
1700550068
1700550069
在优秀企业中间正在发生根本转变：远离长期预测、长期计划和大胆设想，开展持续的短期迭代、实验和测试。这些组织采纳计算机科学家艾伦·凯（Alan Kay）的重要建议：预测未来的最佳方式就是创造未来。它们从小处着手，步步为营，获取反馈，在必要时进行调整，而不是根据自以为是的预测结果，对遥远的事物自行其是。
1700550070
1700550071
相对来说，通过网站把这种方法落到实处比较直截了当。网站搜集了用户活动的丰富数据，因此容易看出某项改变是否更好。一些电子商务网站对于与时俱进、革新求变是非常谨慎的。在20世纪90年代末的第一波网络热潮中，旅游网站Priceline如日中天。像当时其他许多高调的同行一样，它在世纪之交轰然坠地，究其原因，主要是用户对该公司原创的自主定价方式产生不满。
1700550072
1700550073
大约10年前，该公司将自己重新改造为一组更为传统的旅游网站。然而，令它重获生机的是持续不断的数据驱动型实验。正如VentureBeat（互联网行业新闻博客）的记者马特·马歇尔（Matt Marshall）所说：“导致增长井喷的通常是小创意，例如调整网页上的颜色、措辞和数据安排，只求逐步提升，通过这些小小的努力来改善现有体验……Priceline发现，将描述某个属性的措辞从‘停车’改为‘免费停车’，就增加了2%的转换率，即使这个描述放在页面的不起眼处——一般读者很难注意到它。”这样的好处俯拾皆是。A / B测试是一种常见的在线实验协议，其中一半的访问者在访问网站时看到选项A，而另一半访问者则看到选项B。在一次严格的测试中，内衣公司Adore Me发现，让模特摆造型时把手放在头发中，而不是放在臀部，就可以使一些品类的销售翻番。在通常情况下，又快又准的方法是在线测试选项，而不是花费几个小时、几天乃至几周，请专家对变革计划进行分析和辩论。在线测试的结果通常也会令人惊讶。
1700550074
1700550075
实验当然不局限于在线形式。它在实体环境的应用也会有成效。商学院教授戴维·加文（David Garvin）把许多大公司称为“多单元企业”。这些组织占有许多面向客户的区位，所有区位看起来都差不多，运营方式也大致相同。许多商业银行、连锁餐厅、零售商和服务商都是多单元企业。根据对《财富》100强企业的一项估计，其中的20%在某种程度上属于多单元企业。
1700550076
1700550077
多单元企业的多区位特点提供了绝佳的实验机会。据创新学者史蒂芬·汤姆克（Stefan Thomke）和企业实验家吉姆·曼兹（Jim Manzi）称，科尔士百货公司进行了一项涉及100家商店的实验，以此了解工作日推迟开店一小时是否对销售有害。结果表明，营业时间缩短不会使销售额显著降低，这对零售商而言是个好消息。不好的消息来自另一项实验的结果。该项实验涉及70家科尔士商店，它测试了首次出售家具的影响。实验发现，由于家具占用太多远离其他产品的空间，因此商店的整体销售额和客户流量实际上是下降了。虽然许多高管对推出的新品持乐观态度，但公司决定以实验结果为依据，不再提供家具。通常情况下，在多单元企业的每个区位同步推行一种新举措是不可行的，因此分阶段实施就为实验创造了一个自然的机会。通过一些规划，企业可以从这样的分阶段实施中了解很多事情，从而将实施新举措的区位与仍然用老办法做事的区位仔细比对。
1700550078
1700550079
预测和实验不像决策一样易于自动化，但它们仍然非常适合严谨的数据分析。这些都是系统2的主要工具，也是第二次机器革命时代的主要工具。与此同时，系统1及其直觉、判断和个人经验累积等元素则需要给制定准确预测的手段让路，这样才会尽可能制定好的决策。简而言之，HiPPO人士必然成为组织内的“濒危物种”。
1700550080
1700550081
本章总结
1700550082
1700550083
• 历时20年的人机标准伙伴关系往往过于重视人的判断、直觉和本能。
1700550084
1700550085
• 为什么人类的判断经常如此糟糕呢？因为快速、不动脑筋的“系统1”式推理方式受制于许多不同种类的偏见。更糟糕的是，它出错时不能自知，而且它劫持理性的系统2，为其草率的判断提供令人信服的理由。
1700550086
1700550087
• 很明显，如果可以选择的话，与依靠有经验的人类专家的判断相比，单纯依靠数据和算法通常会得到更好的决策和预测。
1700550088
1700550089
• 现在由人类做出的许多决策、判断和预测都应该转交给算法。在某些情况下，人应该留在决策过程中，提供常识方面的检查。在其他情况下，他们应该完全退出决策过程。
1700550090
1700550091
• 在其他情况下，人的主观判断仍会被用到，若用在翻转的标准伙伴关系中：判断应该被量化，并被纳入定量分析。
1700550092
1700550093
• 决策流程应该基于正确的目标和明确的指标，为做出最佳决策而建立，而不应因决策者自我感觉良好而定。
1700550094
1700550095
• 算法远非完美。如果基于不准确或有偏差的数据，那么它们就会做出不准确或偏倚的决策。这些偏见可能是微妙的、无意的。算法的应用标准不在于其是否完美，而在于它们是否优于相关度量上的可替代方案，以及它们能否随时间而改进。
1700550096
1700550097
• 随着技术的普及，我们有机会超越标准伙伴关系，以及使其摆脱对HiPPO人士的过度依赖并朝着更受数据驱动的决策发展。数据显示，这样做的公司通常比不谙此道者具有重大的优势。
1700550098
1700550099
• 能够从多个角度来看待问题的人，能够有效迭代和实验的公司，都是时代的佼佼者。
1700550100
1700550101
问题
1700550102
1700550103
A 你是否系统地、严谨地追踪所在组织中由人和算法所做出的决策、判断和预测的表现？你知道哪些方面做得好吗？
1700550104
1700550105
B 在你的组织中，HiPPO人士最常见的决策在哪里？为什么是这样？
1700550106
[
上一页 ]
[ :1.700550057e+09 ]
[
下一页 ]