“灰犀牛”成了近期的热点词汇，尤其是中国移动宁宇的离职告别信，更是将“灰犀牛理论”带入一个新的热度：“黑天鹅”代表着不可预测的重大稀有事件。比黑天鹅更危险的，是“灰犀牛”。

新知描述

“灰犀牛理论”由米歇尔·渥克提出，指的是在一系列警示信号和迹象之后出现的大概率事件。该理论认为，灰犀牛事件之所以会产生巨大的破坏性，源自人们面对“灰犀牛”时五个阶段的反应，第一阶段是本能的否定，第二阶段是得过且过，第三阶段是尝试去回应，第四阶段是惊恐，第五阶段是崩溃。

灰犀牛理论描述的是决策者当前所面临的困境：即使拥有海量信息，仍然有很大可能作出错误的决策。甚至海量信息本身会给决策带来更多的不确定性。简言之，在大数据时代，海量数据本身并没有改善决策的质量。

决策，是管理的中心。决策者在进行决策时必须拥有很多信息。基于这一前提，很多人认为大数据将大大提高决策的效率和效果。大数据“所见即所得”的巨大优势将推动决策简单化，甚至自动化。然而事实很可能恰恰相反，大数据带给决策者的是空前的挑战。

根据公开媒体的报道，“9·11”事发前美国情报部门就已获取了足够必要的信息，中情局甚至掌握了恐怖分子的通话记录和个人信息。但在海量的机密信息中，决策者没能理解其中的关联，尤其无法对嫌疑犯的行动作出判断，从而无法作出正确的决策。

当人们看到“灰犀牛”远远奔过来的时候，并不能判断它是否会中途改变方向，以及它究竟会给自己带来多大的伤害。为什么会出现这种情况呢？

第一，以西蒙为代表的决策理论学派认为，由于人类生理和心理固有的局限所造成的有限理性，非常容易造成选择性注意和价值偏见，反过来又限制注意广度和知识信息的获得。这就是我们经常说的：人们往往接受“愿意接受的信息”。人们这种认识缺陷是天然存在的，就算再有海量的数据，人们往往还是“自动”接受那些“愿意接受的数据”。

第二，大数据分析的前提，是我们认为足够的海量数据能够高度拟合事实本身，并且这种拟合能对事物运行趋势作出准确的判断。但其实很多难以量化和评估的因素，如“创新”“公众情绪”往往极大影响发展趋势。这在很大程度上削弱了大数据的预测准确性。

第三，对决策者而言，作出决策时的稀有资源不是信息，而是处理信息的能力，数据噪音反而加大信息处理的难度。美国耗费巨资采取大规模监控，但效果甚微。如同斯诺登在接受采访时所说：“大规模监控的问题在于，我们在向不理解的情报内容中添加了更多的内容，如美国公民日常生活的信息。这加剧了我们的信息处理难度。”

新知点评

大数据本身并不能带来好的决策，如果使用不当反而会带来更大的决策危机。借鉴灰犀牛理论，决策者应该关注以下几方面：

第一，采取“游猎攻略”，关注大数据所带来的新的思考维度，尤其是海量数据所揭示出的规律性的例外情况。根据德鲁克的决策五要素模型（问题的性质、边界条件、正确方案、执行措施和评估反馈），大数据最有作为的就是在问题的性质界定上。通过大数据，可以及时发现公司运营中被忽略和遗漏的信息。当这些信息呈现出规律性时，即使这些信息不是那么紧急，决策者也需要开始行动，做好迎接的准备。此外，采取必要的对冲机制也是一种可行的方案。

第二，在大数据时代，系统思考能力的重要性更加凸显。在数据的汪洋大海中，如果没有足够的系统思考能力，决策者将陷入细节，根本无法找到正确方向。对于各级决策者，要尽量以更宏观的视野和更系统的思考，准确界定问题，明确决策的影响边界，要避免由于数据而带来的应激性管理冲动。

第三，数据从来就不是万能的，决策者需要的是深入实际。詹姆斯·斯科特在《国家的视角》中描述了数据崇拜带来的恶果：依靠地图重建社区，却完全不知道其中民众的生活状态；依靠农收数据决定采取集体农庄，却完全不懂农业生产的规律；依靠图纸数据天马行空地进行规划，过度强调整齐划一，忽视多样性和地方传统。与查看各种报表和曲线图而作决策相比，决策者到基层倾听客户的抱怨，体验员工的辛劳，感受市场的多元化，会更有助于作出好的决策。

本文转自d1net（转载）