哈佛商业评论

我们这个由传感器、智能手机和互联设备组成的新世界意味着数据比以往任何时候都多——可那是否意味着更容易做出明智的决定？事实恰恰相反。比你拥有多少数据更重要的是它会如何决定你的思维方式。太多的时候，由于承受着表现果断的压力，领导者试图用简单的规则或类比来处理复杂的问题，选择性地使用数据来证明失当的判断是正确的。可是万一是这样的情形呢：你并不是力图做到正确，而是随时间的流逝你犯的错误越来越少？

面对不确定性的时候，领导者应该如何反应？他们应该下大赌注，闪躲立场，还是等待观望？投资者和交易员或许擅长管理风险和无法预料的事情，可是在其他行业，领导者可能会被未知的东西蒙蔽双眼。我们自然地倾向于用下列两种方式之一来看待局势：要么事情确定，因而可以通过计划、流程和可靠的预算来管理；要么事情不确定，我们根本无法进行管理。幸运的是，还存在另一种方法。

以英国统计学家和牧师托马斯·贝叶斯(Thomas Bayes)为例。他在1763年提出的一个定理将永远改变我们在模棱两可的情况下做决定的思维方式。贝叶斯感兴趣的是，随着我们对未经证实的新证据的积累，我们对世界的看法应该如何演变。具体而言，他想知道，如果他只知道一件事在过去发生或未发生的次数，他如何才能预测事情在未来发生的概率。为了回答这个问题，他构建了一个思维实验。

想象一张台球桌。你戴上眼罩，你的助手随意把一个球滚到对面。他们记下了球停止滚动的地方，你的工作是找出球在哪里。此时你真正能做的就是随意猜测。现在想象一下，你让你的助手扔更多的球到球台上，并告诉你它们是停在第一个球的左边还是右边。如果所有的球都停在右边，你会认为第一个球在什么位置？如果扔更多的球，这会如何增进你对第一个球所在位置的认识？实际上，一次又一次的投球之后，你应该能够缩小第一个球可能所在区域的范围。贝叶斯断定，即使涉及结果不确定的情形，我们也可以在获得新的相关信息时通过整合这些信息而更新我们的认识。

你可以在整个现代历史中找到贝叶斯思维的证据，从19世纪法国和俄国炮兵军官调整他们的大炮来了解敌人的位置、空气密度、风向等不确定因素，到阿兰·图灵(Alan Turing)在二战期间破解德国人的恩尼格玛密码。贝叶斯甚至还影响到了人工智能(AI)的设计和机器学习技术，特别是朴素贝叶斯分类器(naive Bayes classifiers)，它是用于预测一个数据对象所属类别的一系列算法。它们被广泛应用于社交媒体情绪分析、垃圾邮件过滤或电影推荐系统。

对于现代领导者而言，贝叶斯思维同样越来越具有影响力。比如，在亚马逊，14条领导原则之一就是“有勇气；不人云亦云并做出决定”——正如杰夫·贝索斯的解释——这是鼓励领导者避免浪费时间去争取达成普遍共识的策略。最好是做出一个有争议的决定，然后收集资料，必要时进行调整。在Alphabet的登月工厂X，他们有意识地将失败的项目作为一个数据点来庆祝，以此来帮助他们缩小选择范围，并在这样做的过程中加速创新。同样，在声田(Spotify)，他们已经开发了一个他们称之为DIBB［数据(Data)、洞见(Insights)、信念(Beliefs)和赌注(Bets)］的框架，用于探究数据与不确定性之间的关系。他们用之来确定新想法和机会的成功标准，并创造一种评判业绩的共同语言。

数据可能不完美、不完整或者不确定。通常，对于事情为何会如此发生存在不止一种解释；而通过使用概率来检验其他那些解释，你可以更好地理解因果关系以及真正的实情。

然而，概率式思维需要花时间去习惯，因为人类的思维天生就是确定性的。我们通常认为某事非对即错。你要么喜欢某人，要么不喜欢。比如，很少存在这样的情形：你会说某人是你朋友的概率为46%（除非你是一名拥有许多友敌的青少年）。我们的决定论本能很可能是一种进化上的创新。为了生存，我们必须对世界以及我们对其的反应做出果断的判断。当一只老虎在靠近你时，真的没有多少时间去考虑来者是敌还是友。

然而，当你天生的心理捷径和试探式方法开始让你失望的时候，让我们的祖先在大草原上狩猎时得以生存的确定性方法不会帮助你在不可预测的复杂环境中做出正确的决定。接受不确定性并更多使用概率式方法的最佳途径之一就是学会向职业赌徒一样思维。以拉斯穆斯·安克森(Rasmus Ankersen)为例。

住在伦敦的丹麦人安克森最初来到英国是为了找一家英国出版商出版他有关人类表现方面的著作。为写这本书，他从肯尼亚奔波到韩国，探求伟大运动员（无论是跑步运动员还是高尔夫球手）往往来自同一小地区的原因。他决定留在伦敦的原因之一是他邂逅了一位名叫马修·贝纳姆(Matthew Benham)的职业赌徒。此人创办了两家博彩公司：体育博彩交流社区Matchbook和提供统计研究与体育建模服务的Smartodds。

当安克森和贝纳姆相遇的时候，他们开始谈论足球何以是一项等待被数据和概率式思维颠覆的运动。贝纳姆被打动了，他邀请安克森帮他经营最近收购的布伦特福德足球俱乐部。不久之后，贝纳姆还收购了安克森家乡的足球俱乐部FC Midtjylland。

安克森的见解是这样的：足球是世界上最不公平的运动之一。虽然俗话说“联赛积分表从无虚言”，但在安克森看来，那恰恰是它干的事。因为足球是一项低得分运动，一场比赛的输赢结果并不能准确反映一支球队的真实表现，因而也不能反映该队球员的内在价值。从职业赌徒的角度来看，成功下注的关键是用影响事件发生概率的相关内情来不断更新你的立场。赌徒并不会力图做到正确，而是努力在时间流逝的过程中犯越来越少的错误。

贝纳姆和安克森在评估一支球队的表现时开始利用统计学的科学应用——棒球界率先使用的“moneyball”技术。根据比赛中所创造机会的质量和数量，他们的主要表现指标变成了押注一支球队胜负的“预计进球数”。这样做的目的是开发另一个联赛积分表，它可以用来更可靠地预测结果，并且当作评估和购买球员的基础。

正当各类领导者寻求将更多数据纳入他们的决策中之际，贝纳姆和安克森的方法对他们提供了借鉴意义。比如，一名有概率思维的人力资源经理可以查验一下公司最优秀的人才来自何方以及他们整个职业生涯表现方面的数据，从而找到可能被忽视了的新的人才来源。一名有概率思维的销售专业人士可能会意识到仅仅完成大量交易是不够的；考虑线索来自何方也至关重要。有概率思维的风险经理不会再依赖僵化的信贷政策，而是可能开始深入研究他们的数据，看看他们的客户群中是否有可能被遗漏掉的低风险群体。

培养概率思维模式可以让你更好地为算法时代的不确定性和复杂性做好准备。即使事情是由一系列无比复杂的因素决定的，概率思维也可以帮助我们确定最可能的结果和最佳的决策。

迈克·沃尔什（Mike Walsh） | 文　时青靖 | 编辑

迈克·沃尔什是《算法领袖：当机器比你聪明时如何变得聪明》(The Algorithmic Leader: How to Be Smart When Machines Are SmarterThan You)一书的作者。沃尔什还是全球咨询公司Tomorrow的CEO，该公司为21世纪的设计企业提供咨询。