各家公司到了年底做业务总结时,可能发现年初规划的100分实际只完成了60分。到底是我们不够努力,还是当初的规划太乐观了?是什么原因导致了这种乐观主义偏差?我们在做下一年的业务规划时,有可能吸取过去的经验,从而规避这种乐观偏差吗?本文会尝试从心理学角度分析,我们对未来做预测/规划时,有哪些因素会影响我们的大脑决策,使其总是会存在过于乐观的倾向性。

你相信自己会过度乐观吗?

乐观主义是一项非常好的性格特征,它可以帮助我们提高在逆境中抵抗挫折的能力。但另一方面,过度乐观也会造成我们的认知误判,进而影响我们的决策结果。你认为自己存在过度乐观的情况吗?

如果你每天自己开车上下班,那你的驾驶经验一定非常丰富,也一定遇到过各种复杂的路况,那么请问:

你认为你的驾驶技术,高于其他司机的平均水平吗?

瑞典曾经做过一项严密的数据调查,竟然有90%的司机认为他们的驾驶技术在平均水平之上。这个结果有没有颠覆你对理性的认知,为什么如此多的人对自己的驾驶技术非常自信?

如果你的孩子已经上了小学,你一定开始关注孩子的考试成绩,以及班里其他孩子的学习情况,那么请问:
你认为你家孩子的考试成绩,能进入班级排名的TOP 5%吗?

根据上海社科院的调查数据,95%的家长都认为自己孩子的考试成绩应该能进入TOP 5%!这倒是充分反映了中国家长“望子成龙”的传统夙愿。

如果你曾为自己的房子做过装修,在装修之前你一定做过大量的调研和攻略,对比过各种价位的建材品牌和装修公司,那么请问:
你在装修之前设定的预算,是否准确cover了实际装修的费用?

2002年,美国针对厨房装修的一项调查发现,在装修之前预估装修费用平均为18658美元,而实际上最终的平均花费是38769美元,超出预算幅度107%。

你可能认为,上面所举的案例,都是个体决策的场景,个体在决策时总是受信息缺乏、情绪波动等因素影响,从而容易产生过度乐观的非理性决策。那以企业/组织为单位的群体决策场景,参与决策的人员角色多,决策链路复杂,决策周期长,是不是就可以规避过度乐观的现象呢?

奥运会作为规模最大、模式运作最成熟的体育赛事,每一届奥运会的承办方都有一个规模庞大的组委会在运作,他们在城市竞选阶段都会进行大量的调研、规划、准备工作,但从最终结果来看,其规划水平仍然不容乐观。牛津大学对1992年-2016年共13届奥运会(包含夏季奥运会+冬季奥运会)的财务状况进行了统计:

每一届奥运会的实际运作成本,全部超出了原定的预算,平均成本都超出原定预算的110%;

其中有3届奥运会的成本超出预算率都达到了200%以上。根据《福布斯》杂志对2021年东京奥运会的测算,其预算超标率高达284%(预算73亿美元,实际花费280+亿美元);

这个数据口径还仅仅是奥组委官方公布的数字,不包含奥运会配套所需要的机场、公路、铁路等基础设施的建设成本。

如果说奥运会的样本量还是偏小,我们再来看一组铁路建设的统计数据。美国在2005年发起了一项研究,对1969年-1998年累计30年间全球范围内的铁路项目进行了数据追踪(注意这是针对全球范围内的数据调研,已经抹平了不同种族不同文化的差异性),其结果如下:
建设成本大幅超出预算:每条铁路建设的平均成本,均超出项目启动时原定预算的45%;

对载客数量过于乐观:超过90%的铁路项目都高估了新线路的实际乘客数量,对乘客数量的平均高估率达106%;

由此可见,即便是以企业/组织为单位的群体性业务规划,同样存在过于乐观的现象。这个现象背后的原因比较复杂,其中有一部分是因为企业内部的管理流程不严谨,比如:
规划发起者的目的,仅仅是为了让规划得以通过(有时,这恰好也是公司决策层的目的),他希望尽快启动项目,抢占资源。所以他并不追求规划的准确性,而是会迁就上级领导或项目评委会的倾向性。

没有事后的问责制,犯错成本低。规划发起者没有潜在的动力去追求规划的准确性。

这些因素属于公司管理流程层面的范畴,本文不做探讨,我们还是侧重从心理学角度来分析,有哪些因素会影响大脑的信息决策机制,导致我们出现过于乐观的判断偏差。

从心理学角度看,造成过度乐观的原因是什么?

大脑将一个复杂问题,替换成了简单问题
大脑的决策过程其实是由“系统1”和“系统2”相互配合,完成了我们的思考、决策过程(注:我们的大脑并不是真实存在这两个物理系统,只是有类似的两种工作机制)。其中“系统1”是一直处于运行状态,它不善于质疑,相信“眼见为实”,过往的记忆或经验对其影响很大;而“系统2”则处处相反,它默认是不工作的,只有“系统1”遇到无法解决的问题,需要“系统2”来帮助时它才会被唤起。它依靠理性进行工作,需要对信息进行分析、思考,可以处理复杂的问题。

在某些情况下,当“系统1”遇到复杂性问题后,它可能不会激活“系统2”,而是把这个复杂问题替换为一个与之相关联但很简单的“启发性问题”,然后自己来回答,并且会把替代问题的简单答案,等同于原始问题的复杂答案。更重要的是,大脑会忽略自己已经替换了原始问题这个事实。因为两个问题不对等,所以问题的替换,则必然带来系统性误判。

比如,当你的团队在启动一个项目前,通过调研发现行业内已经存在了很多同质化的竞争项目,狭路相逢勇者胜,团队必须在核心能力上强于对手才有可能获胜。这时有人问你:

你的项目团队的能力水平,高于行业内的平均水平吗?

这是一个复杂性问题,因为“行业平均水平”没有一个明确可衡量的标准,需要经过大量的信息调研、综合对比才能得出结论。但是大多数情况下,由于惰性“系统1”不会激活“系统2”进行理性思考,而是不经意地将其替换为一个简单问题:

你的项目团队,是一个好team吗?
而这个问题回答起来就简单了很多,“系统1”可以根据过往的记忆、经验提取一些关键维度信息来进行加工,进而得到一个肯定性的答案。比如:

  • 你们项目目标、策略、打法清晰吗?——Yes
  • 你们项目团队成员足够努力吗?——Yes
  • 你们项目团队成员的行业经验丰富吗?——Yes
  • ·你们团队的人际关系融洽吗?——Yes

这也是为什么会有90%的司机认为自己的驾驶技术在平均水平之上的原因。

相信“眼见为实”,会让我们更关注自身,忽略外部参考
既然各个行业都有很多因过于乐观而导致“规划谬误”的案例,为什么大家不能从这些失败案例中汲取经验教训,从而规避这种情况呢?比如上文所提到的奥运会、铁路建设等案例,项目复杂、建设周期长,每个案例在项目启动之前都会做大量的行业信息调研工作,那为什么历史上那些失败案例没有起到“警示牌”的作用呢?

由于“系统1”相信“眼见为实”,它跟我们的感官系统密切相关,将视觉、嗅觉、听觉、触觉等感知到的信息进行综合处理,形成大脑的印象、直觉和感觉等信息,所以它会:

更关注自己身边的、经常能被感知到的内容,比如我们的项目目标、资源投入、策略计划等等。“系统1”对熟悉内容的判断会更笃定,认为其可信度很高,通常会选择相信,所以在大脑决策时会更强调“自身项目具有特殊优势,无可比拟”;

忽视离我们“比较远”的、感知频率低的外部信息,比如行业环境的变化、市场竞争者的动态、类似项目失败的经验等等。“系统1”认为外部的参考信息会有所失真,其可信度较低,通常会选择性忽略。大脑决策时会辩解强调“市场是变化的,过往的经验不一定适用现在的情形”;

这就是为什么“身边同事罹患癌症”这件事对你的影响力,会远远大于“某互联网大厂CEO加班猝死”对你带来的触动。“系统1”的这个特性,会让我们很难真正重视行业参考信息的价值。我们来做一项测试,假设你正在互联网大厂中经历“35岁危机”,于是谋划创业开一家火锅餐饮店,这时告诉你一组行业数据,你是否会放弃创业的想法?

根据美团发布的《中国餐饮行业报告》,2017年年初北京共有23.3W家餐馆,其中当年内关闭店铺11.4W家,店铺倒闭率高达49%,同时期北京地区又新开餐馆8.5W家。

看到上述行业参考数据,你可能会感到震惊,但应该也不会浇灭你开店的热情,接下来你会从自身项目中去寻找更多的亮点,作为为自己申辩的理由,证明“我与那些经营失败的餐馆不一样”:

  • 食材——我要开的火锅店食材优质,羊肉都是选自宁夏的滩羊;
  • 概念——火锅形式也比较新颖,主打“冰煮羊”的噱头;
  • 位置——我会把店面选在客流量比较大的的地段;
  • 服务——我要招聘业内最勤奋、热情、努力的店员;
  • 好吧,我估计你很大概率不会放弃火锅店的梦想。

过度自信,忽视了我们的认知局限性
过度自信,是过度乐观的另一种表现形式。在大脑做信息决策时,我们会依赖大脑呈现的信息并构建一个使估测合理的、具有逻辑的解释。这个解释的逻辑性越合理、越连贯,大脑表现出的自信度就会越高。而大脑中呈现的信息,就依赖于我们日常的信息积累及认知模型,每个人都有未知领域,我们只重视自己已知的,却忽视自己未知的,自己未知的信息也就不可能被纳入参考信息池。

猎豹移动创始人傅盛介绍过一个认知模型,他认为95%的人都处在“不知道自己不知道”的状态:后一个“不知道”,说明你进入了自己的未知领域;而前一个“不知道”,说明你忽视了自己的未知,一定会陷入“过度自信”的陷阱。

如果你不知道自己的认知属于哪种状态,我们不妨做一个自检,是不是存在以下这些特征:

  • 我们在读书时,只喜欢用笔划出那些自己非常认可的观点,不认可的观点则嗤之以鼻。——你读书的目的,不恰恰是要弥补你的未知领域吗?
  • 团队开会讨论的时候,你只会赞同自己认可的观点,对于不认可的观点则是火力全开地批判。——“横看成岭侧成峰”,你为什么笃定你的观点是唯一正确的呢?
  • 在设计产品功能时,不关心市场竞争者的动作,只是坚信“我们一定会做到同行业最好的”。——就像《三体》所说,打败我们的不是无知和弱小,而是傲慢!

如何在业务规划中避免过于乐观?

业务规划,其本质是对未来的预测,而未来存在各种未知的变数,任何一个市场环境的不确定性变量,都会影响最终的业务结果。所以这里需要说明一下:我们并不追求规划的100%准确性,这个目标不现实也没有意义。我们要做的是尽量减少大脑决策过程中那些非理性的影响因素。

既然我们已经了解了“过度乐观”的心理成因,那我们可以通过针对性地训练来彻底杜绝这种现象吗?答案不容乐观,因为“系统1”的特性是与生俱来的,它可以被针对性地引导、弱化,但不能被彻底地改变。好消息是,相比于个人,团队组织通过设定针对性的工作流程、决策机制,能够抑制乐观主义的可能性更高。

在规划制订阶段进行“事前验尸”
虽然每个人都有自己的认知局限性,但团队组织的优势就在于,可以取众人之所长,充分利用每位团队成员视野的开阔度,形成合力,让团队认知的“木桶”没有明显短板。那为什么很多团队的决策过程事实上没有达到这个效果呢?

古斯塔夫·勒庞在《乌合之众》中曾介绍过群体决策时的特征,其中之一就是“传染性”,即群体中个体之间的情绪具有传染性,尤其是感性的、本能的情绪更容易传染,而理智的情绪则不容易传染。当群体情绪普遍乐观且几乎达成一致结论时,如果有人提出质疑,就会被怀疑对团队的忠诚度。所以,此时很少人有勇气能给头脑发热的团队“泼一盆冷水”。

美国著名认知心理学家加里·克莱因提出了一个“事前验尸”的机制:当一个团队组织即将做出一个重要决策但还没有正式下达决议时,负责人召集对这个决策有所了解的人开一次简短的会议。会议上需要讨论的议题是:设想我们已经实施了这个计划,但是一年后的今天结果惨败,请用5-10分钟简短写下你认为这次惨败可能的缘由。

“事前验尸”的机制,属于在项目实施前就进行“失败检讨”,它有2个优点:

  • 强制大家跳出乐观主义情绪,主动引发“怀疑”机制,避免大家陷入群体决策时的传染性;
  • 主动探寻项目可能存在的威胁,这可以激发项目成员的想象力,这些想象力反过来可以帮助项目纠正方向;

扩大参考信息比例尺,要更关注基础概率
哈佛大学的规划专家本特·弗林夫伯格认为,项目规划失误的主要原因,是忽略了同行业内类似项目的基础概率分布。规划者应该根据自己项目所归属的分类,对更多的类似项目信息进行对比分析,在更大的信息尺度上看这个分类下项目成败的概率分布,这种方法的专业术语称为“参考类别预测”。具体方法如下:

设定好对应的参考类别,参考类别越精准越有效——比如上文提到的开火锅店的案例,如果要参考同行业的基础概率信息,参考类别可以划定为“北京市朝阳区的宁夏风味的火锅店”;

获取参考类别的统计数据,利用行业大尺度的数据做出基准预测——比如根据美团餐饮行业细分的统计数据,北京市朝阳区宁夏风味火锅店的“3年后存活率”为40%,这个可以作为我们创业的基准预测数值;

结合自身与同类项目相比的差异性,对基准预测数值进行调整——比如同等品质的宁夏滩羊肉,我们的成本可以比同行低20%,这样我们的市场售价就更有优势,因此可以将40%的存活率调高到60%,但是由于我们项目成员欠缺火锅店从业经验,又需要将预测数值调低10个百分点;

行业基础概率是一把明确的标尺,如果某个项目成功率低于行业平均水平,那我们就要谨慎了,因为这意味着我们要承担更高的风险。

用读历史的方式来做失败案例剖析
我们在读历史故事时经常会有疑惑,“为什么在某个关键时刻,大英雄也会做一个特别愚蠢的决策?”

读历史有两个层次,第一个层次是读懂历史事件中的是非对错,这个比较容易;第二个层次是要读懂历史事件中当事人在当时环境下的不得已,这个就需要有代入感,即把自己代入到目标人物身上,设想自己在当时错综复杂的环境下应该如何做决策。这个层次是最难的,也是真正读懂书的境界。

在分析可参考的典型失败案例时,我们要借鉴读历史的方法,其目的不是要了解“当事人是否做了错误的决策”,而是要在失败案例的深度剖析中去思考:

  • 当事人当时为什么要做这个决策?如果不做这个决策会有什么其他后果?
  • 这个决策受到哪些市场环境因素的制约?这些制约因素可以用其他方法打破束缚吗?
  • 如果换成是我们,我们会做其他的决策吗?其他决策失败的代价是什么?
  • 我们自己的项目,有没有可能也会面临类似的决策困境?

在不断纵深追问中,“系统1”无法总是用替换简单问题的方式来寻找答案,此时就会激活“系统2”来进行理性思考,我们才能真正从失败案例中汲取养分,从而修正我们自身的项目规划。(完)
从心理学角度看,为什么我们的业务规划总是过于乐观?

从心理学角度看,为什么我们的业务规划总是过于乐观?相关推荐

  1. 从业务架构师角度看区块链为什么以及如何改变世界

    前言 区块链技术是当前炙手可热的新兴技术,关于该技术的介绍比比皆是,但是介绍往往是从技术实现的角度来阐述区块链的优势,本文是从一个业务架构师的角度,来努力说明因为区块链,这个世界将会看到的新变化,或者 ...

  2. 从深度心理学的角度看爱情(强烈推荐)

    从深度心理学的角度看爱情(强烈推荐) - 一个人从小成长的背景,常会深深地影响他日后被什么样的人吸引,以及日后亲密关系的建立与维护.不管曾经受过多少伤, 当爱情来临时,就是最好的医治和疗伤机会,从深度 ...

  3. XLNet 发明者杨植麟:从学习的角度看NLP现状与未来(附PPT下载)

    近年来,基于Transformer的一系列大规模预训练模型不断推进NLP领域前沿,也持续冲击着大众和研究者关于NLP任务的认知.GPT-3在多项任务上取得的泛用能力似乎使人们看到了实现通用人工智能的曙 ...

  4. 揭秘阿里中台!一文看懂阿里推荐业务的两大利器

    从工程的角度看,搜索和推荐既有差异点,又有共同点.阿里巴巴集团的搜索和推荐系统由同一个部门研发,因此很多工程能力是复用的,如搜索和推荐业务的算分服务引擎都是RS/RTP. 本文介绍阿里巴巴推荐的中台产 ...

  5. ​【文末有福利】揭秘阿里中台!一文看懂阿里推荐业务的两项利器

    从工程的角度看,搜索和推荐既有差异点,又有共同点.阿里巴巴集团的搜索和推荐系统由同一个部门研发,因此很多工程能力是复用的,如搜索和推荐业务的算分服务引擎都是RS/RTP. 本文介绍阿里巴巴推荐的中台产 ...

  6. 2015年《大数据》高被引论文Top10文章No.2——大数据时代的数据挖掘 —— 从应用的角度看大数据挖掘(上)...

    2015年<大数据>高被引论文Top10文章展示 [编者按]本刊将把2015年<大数据>高被引论文Top10的文章陆续发布,欢迎大家关注!本文为高被引Top10论文的No.2, ...

  7. 【2015年第4期】大数据时代的数据挖掘 —— 从应用的角度看大数据挖掘(上)...

    大数据时代的数据挖掘 -- 从应用的角度看大数据挖掘 李 涛1,2,曾春秋1,2,周武柏1,2,周绮凤3,郑 理1,2 1. 南京邮电大学计算机学院 南京 210023:2. 美国佛罗里达国际大学 迈 ...

  8. 揭秘阿里中台!一文看懂阿里推荐业务的两大利器 | 赠书

    点击▲关注 "中生代技术"   给公众号标星置顶 更多精彩技术内容 第一时间直达 从工程的角度看,搜索和推荐既有差异点,又有共同点.阿里巴巴集团的搜索和推荐系统由同一个部门研发,因 ...

  9. 从平台角度看物联网体系架构

    从平台角度看物联网体系架构 一.前言 万物互联时代已经到来,2020年全球物联网连接数将达到300亿个.中国的物联网市场更是飞速发展,随着许多新商业模式的涌现,市场将迎来井喷期.预计2020年物联网连 ...

  10. 揭秘阿里中台!一文看懂阿里推荐业务的两项利器 | 赠书

    从工程的角度看,搜索和推荐既有差异点,又有共同点.阿里巴巴集团的搜索和推荐系统由同一个部门研发,因此很多工程能力是复用的,如搜索和推荐业务的算分服务引擎都是RS/RTP. 本文介绍阿里巴巴推荐的中台产 ...

最新文章

  1. tcptracerte参数_探究 wireshark 的 tcptrace 时序图
  2. Angular compiler报的一个错误消息:Component XX is not part of any NgModule
  3. 待起飞的の集训8.5
  4. 软工大二下半年第十四周学习进度
  5. Linux内核多线程(四)
  6. 帝豪gl车机系统降级_美好的陪伴、舒心的用车,帝豪GL,32000公里用车有感
  7. Sublime 设置中文方法
  8. “熊猫烧香”制造者的起伏人生
  9. FFmpeg 编码、解码器列表(IOS)
  10. call cs iub wireshark analysis
  11. 在外部JS中使用validity进行表单验证出现未定义问题
  12. Chrome浏览器屏蔽百度推广
  13. pyTorch 图像分类模型训练教程
  14. GBase 8c 全文检索-表检索
  15. vscode使用方法
  16. android root 蓝牙,真正免root的蓝牙一键发送详细使用教程
  17. swing界面设计之登录注册界面
  18. java缺省包详解_Java在其它包中无法引用缺省包中的类
  19. C#高级编程9 第11章 Linq
  20. Java 多线程编程 实验题

热门文章

  1. matplotlib绘制正弦曲线
  2. 微信公众平台与微信公众平台的区别与联系
  3. LaTex 在线编辑网站—overleaf简介
  4. 第10章 项目干系人管理
  5. 河北省计算机专业对口大学分数线,计算机对口升学河北分数线2017
  6. 《异度神剑2》与柏拉图的精神世界略考(上)
  7. 无线/移动通信网络基本概念整理
  8. css3直线运动_纯css3动画--边框线条动画
  9. 前端开发学习(七七)
  10. Ubuntu无法调节屏幕亮度问题