@精英打工人们
点击上方蓝字关注我们
我们每天都需要做出各种决策。小到吃饭穿衣，大到职业选择、业务策略、投资策略，可以说，人生和企业都是由无数个大大小小的决策构成的。决策的方式，决定了每个人和每家企业的发展方向和命运。
如果我们仔细观察周围领导、同事和客户，就会发现这些人的决策方式虽然各式各样，但归根结底都可以用一个简单的2×2矩阵来归类。这个框架帮我们理清了为什么有些人总能做出"神预测"，而另一些人却反复踏入同一条河流。
我们用横轴代表信息精确度，纵轴代表结果正确性。那么，决策方式就是可以归为四类。
模糊的错误：用模糊的信息，做出错误的决策。"拍脑袋"决策，完全不关注数据。
精确的错误：用绝对精确的数据，做出错误的决策。陷入对"数字精确"的迷恋，追求详尽的数据和复杂的分析，动不动就要建模型和上系统。
模糊的正确：用模糊的数据，做出正确的决策。综合直觉、经验和不完整的数据进行决策，追求方向正确但细节未必精确的方案。
精确的正确：用100%精确和充足的数据，做出正确的决策。理论上这是最佳方式，但现实中几乎不存在这样的方式。
前两种决策方式（模糊的错误和精确的错误）往往比较极端；最后一种方式（精确的正确）则过于理想；真正有智慧的决策方式则是第三种方式（模糊的正确）。
01
1. 模糊的错误：“拍脑袋”式决策
什么是拍脑袋决策？就是完全依赖直觉，凭自己的感觉和喜好做决策，不依赖任何数据。
典型的决策表现为：
缺乏系统性的信息收集和分析过程。
过度依赖个人经验或个人偏好。
忽视数据支持和客观证据。
易受近期事件或突出案例的影响。
"拍脑袋"决策最大的危害是会忽视关键信息和系统性风险。在商业领域，这种决策方式可能导致产品失败、市场误判；在个人生活中，则可能导致职业选择失误、投资失败等严重后果。
比如，2008年金融危机前夕，不少金融机构高管无视风险信号的"拍脑袋"决策，最终带来了灾难性后果。
2. 精确的错误：“唯数字”式决策
另一类决策者走向了完全相反的极端，过度依赖精确数字和复杂模型，没有100%的信息，没有100%正确的数据，就不敢做决策。
典型的决策表现为：
认为只有可量化的指标才有价值。
认为数据越精确=决策越正确。
认为复杂的分析模型必然带来更好的结果。
这种决策方式特别常见，很多投资者经常沉迷于各种精美的财务模型和技术分析，却忽视了市场本质的不确定性。
比如，美国有一家曾经非常牛的公司，叫长期资本管理公司(LTCM)，它曾被称为量化投资策略的“梦之队”，团队由多位诺贝尔经济学奖得主和顶尖数学家组成，依靠极其复杂的数学模型进行决策，最终却因为忽视了"模型之外"的风险因素而破产。
这种决策方式的主要问题在于：
虚假精确性：将不准确的假设包装成精确数字。
忽视不可量化的关键因素，比如宏观环境、企业文化、管理质量等。
过度拟合历史数据，无法适应未来变化。
导致"分析瘫痪"，迟迟无法做出决策，错失决策时机。
02
“模糊的正确”强调在数据不完整、没有精准模型、未来不确定的情况下，结合直觉、经验和不完整的数据进行判断，选择方向正确但细节未必精确的方案，而非追求表面精确但可能本质错误的答案。
它的核心思想是：“宁可要大致正确但方向没错的决策，也不要精确计算但根本错误的结论。”这一概念最初由投资大师沃伦·巴菲特和查理·芒格提出来的，并广泛应用于商业、投资、管理等领域。
模糊的错误、精确的错误、模糊的正确三者有什么区别呢？看下图！
03
经济学家哈耶克，曾经提出一个概念，叫“知识的分散性”。说的是没有任何一个人能掌握所有信息。因此，试图追求“完全精确”的决策，往往会因信息不足而陷入僵局。
相反，模糊的正确恰好承认了不完整和不确定性，强调依赖方向性判断，而非依赖细节的精确性。具体来说，体现在3个方面。
1. 现实世界充满不确定性，精确计算往往只是幻觉
我们习惯于依赖数据、模型、KPI 来决策，但我们所处的世界是一个复杂系统，系统中的不仅变量多，而且因果关系复杂，难以精确量化，没有100%正确的数据和模型。
比如，2008年的金融危机，华尔街的金融模型精确计算出“次贷违约概率极低”，但模型本身的假设（比如房价永不下跌）却是错误的，这导致金融系统的灾难。
2. “精确的错误”容易陷入“分析瘫痪”，迟迟无法做出决策
不知你有没有发现，周围追求精确主义和完美主义的人，都有以下的行为和特点。
决策滞后：“再等等，数据还不够”。
行动力丧失：我必须找到100%完美的方案。
错失机会：市场窗口关闭了，我们还没准备好。
模糊的正确比精确计算更重要，否则我们会在等待“完美数据”的过程中被别人甩在身后。
3. 现实决策往往没有“最优解”，只有“满意解”
诺贝尔经济学奖得主，赫伯特·西蒙，曾经提出过一个“有限理性”理论，他认为：人类无法做出完全理性的最优决策，只能在有限信息下找到“足够好”的方案。
而“模糊的正确”就是在承认自身认知局限的前提下，选择可行且正确的方向，而非追求不可能的最优解。
04
要做到模糊的正确，既不凭感觉乱决策，也不完全依赖100%的数据和模型，有3个方向可以参考。
1. 使用二八法则：抓住关键变量，而非所有细节
80%的结果往往由20%的关键因素决定，我们要做的就是抓大放小，抓住20%的关键因素。
比如，假设你是一名产品经理，在进行产品设计时，先确保核心功能体验卓越，而非追求所有功能完美。
2. 采用四七法则：避免陷入"分析瘫痪"
许多人在收集信息时容易沉溺于"信息洪流"，误以为掌握越多数据就越有利，甚至追求100%信息完备才敢决策。
这本质上是陷入了完美主义的陷阱——幻想存在绝对完整的信息和毫无风险的最优解。
现实世界中，100%的信息完备几乎不可能实现，绝大多数决策都是基于有限信息的判断。过度追求信息完美只会导致"分析瘫痪"，使决策陷入无限期的拖延。
这时候，掌握4-7法则，就能避免陷入完美主义的陷阱。所谓的4-7法则，就是每当面临抉择时，在掌握不少于所需信息的40%，也不多于所需信息的70%时，就应该做出决策。
虽然简单，它却揭示了一个深刻的决策智慧：
下限40%：确保拥有足够的基础信息支撑判断。
上限70%：防止陷入过度分析而错失行动时机。
真正有效的决策者懂得在"信息不足"和"信息过载"之间找到平衡点。
3. 构建可逆的决策机制
可逆的决策机制指的是一种可以低成本修正、甚至完全撤销的决策方式，核心目标是降低试错成本，同时加速有效行动。它的核心原则有4点。
第1点：小步快跑，而非孤注一掷。
第2点：预设终止条件，即“止损点”。
比如，提前定义“如果XX指标未达预期，则停止投入”。
第3点：模块化设计，而非整体绑定。
比如，特斯拉用软件定义汽车，硬件问题可通过OTA升级修复；而传统车企需召回车辆。
第4点：快速反馈，快速闭环。
用A/B测试、用户访谈等手段快速验证假设。比如，字节跳动内容广泛使用A/B测试迭代产品，1个月内可试错多个版本。