隨著最近疫情不斷上升，我們進入一個前所未見的世紀轉捩點。即便在疫情結束之後，這個世界的運作模式將會有重大的改變。國家將審慎考慮自己國家對全球化的緊密程度的依賴性、公司重新開始思考是否真的有必要花費鉅額固定成本讓員工塞車上班，還是持續遠距上班，或輪班、我們也會重新判斷所有非「必要」之行業存在的定位為何、…。種種的決定由無數個已知、未知、變數幻化而生。
Annie Duke是一名知名的美國撲克玩家，在她的Thinking in Bets書中，她把人生決策歸納的非常好。簡單來說，人生就是一場Poker Game，一個決定的好壞不是由成功判斷，而是決定的過程。換句話說，做一個好的決定純粹是增加好成果的機率，但人生本來就沒有保證絕對的因果關係。開車不闖紅燈、繫安全帶、不酒駕是應該要做，但不擔保不會出車禍；相反的，一個酒駕闖紅燈不可取，即便最後沒有出車禍。如此淺顯易懂的道理，相信所有人可能小學就明白的事情為何需要讓各大企業砸重金讓員工去學Decision Quality這門要價數千美金的課？
因為當成果出來時，我們一面倒的成敗論英雄。大考時，我們愛誇一些平時不念書，考試卻幸運的人、總是在報章雜誌刊登某某某考上台大哈佛，卻不花時間探究持續不斷培養唸書習慣的學子。又或是把做了非常多「好決定」、卻不幸沒有好成效的CEO裁掉；而大手筆分紅加薪給僥倖在對的時機跟市場一起風生水起的CEO。這樣說當然不夠全面，畢竟幸運本來與判斷未來的能力有關聯性，但這類的好壞成敗的例子比比皆是。
Annie說在Poker不翻出自己和對手的手牌時，當對方撤手時，你永遠無法得知到底哪一邊是在吹牛，也永遠無法完全知道自己到底是否矇對。這就是為什麼她說人生不是一場Chess，因為西洋棋按照規則走，全部資訊對雙方都是完整且透明的，西洋棋國手是不可能輸給一個完全新手的。反觀Poker，有機率（抽牌）、有不定性（不同的牌面組合、對手的組合）、人為的影響（經驗、表情、面對風險的接受程度）等等，以至於poker world tour的冠軍也可能敗給一個超級新手。傳統價值對於「博弈」有著負面的評價，但人生本來就充斥著各種的不定性，一個好的決策者不過是善於運用各類資訊、經驗、自身的能力去影響事情的結局，說到這裡，要先顛覆一下古典理論派聽到關於機率這件事。如果你曾經被問過說擲一個銅板十次，前九次都是正面，請問第十次你會選正面還反面？有經過一定教育訓練的人會毫不猶豫的說因為第十次的機率依然是正50%/反50%，所以兩邊都一樣機率，正反兩面都可以選。甚至有一些人因為認為物極必反因此高機會考慮反面。好，到這邊為止我們依循古典派都是正確的思路，但是我們隱晦的假定說銅板沒有任何重心不均的問題，擲銅板的人沒有用特殊手法去擲正面…。這時候來聊統計學的Bayes’ Theorem就很適當了。按照任何其他的狀況，我們理當依據個人經歷來更新驗證自己的假設，就算我們不知道銅板如何，只要重複實驗讓我們一再看到正面被選到，我們就應該猜測下一次是正面。Bayes’ theorem奠基了現今許多Machine Learning就在於可以用既有的sample size去校準現有的模型修訂對於未來的機率分佈。
現在世界的變數繁複，要順應並成為絕佳的決策者第一件事情從說出「我不知道」開始。傳統的教育一直壓抑這一個答案的選項，考卷上除了標準答案以外沒有別的。我們要習慣於沒有答案、沒有標準答案的世界。第二步則是「我沒有答案，可是我有以下的幾個前提、和幾個有待驗證的假說，最後答案應該有80%將利率座落在A-B之間…。」我之前寫<超級預測>那一篇提到過說我們永遠都應該對未來提出一個Range Forecast而不是Point Forecast。好比說像氣象局一樣提出多少機率發生多少降雨量等的預測。這樣才是有價值更有意義的預測分析。
回到決策品質，要理解為何我們有選擇障礙，以下有一個framework很適用。今天大部分又快、影響又小的決定運用生活常識就可以搞定，不要花太多心思和時間去決定。到中階段影響大時分兩方面考量。如果是x軸偏向得高度分析從有的決定那麼建議使用Decision Analysts。y軸偏向得跟各部門或客戶、上下游的供應商去聯繫時，就透過Decision Faciliation去解決。最後人際關係又複雜、而且高度依賴資料分析時才用Strategic Framework。並不是每一個生活小事都要高度去分析，也不是大事情都由過往經驗訂定。詳細介紹推薦直接參考Decision Quality這一本書。
Amazon 創始人Jeff Bezos提到一個很不錯的決策觀念。做決定有兩類，一種是出門還可以進門的決定，另一種是出了門就不能回來的決定。簡單來說，今天吃哪，開車先去A地方再去B地方、買價格不昂貴可有可無的東西等等都是一個Two-way door decision。當然有買東西划不划得來這種事後檢討的可能，但是這類型的決定都相對微小，而且後悔也可以反悔。相反的，如果是公司選擇去併購別的公司一種潑了水出去就難反悔的事才需要高度且密切的討論。這也是為甚麼Bezos一直希望在公司內部推廣高度的自治能力，尤其是在一些可有可無的決定時，他希望可以避免官僚制度犧牲了決策的速度與應變能力。同樣的，好的主管上司也應該因為下屬有適時做判斷（有犯錯空間）的能力而有所嘉獎。
上DQ這門課時我們做了一個Case study，這個專題的男主角是一個加州的酒莊老闆，跑來求助顧問他生意上的難題。題目是說他是否應該考慮這週提前收割葡萄，或者是等葡萄成熟後釀造葡萄酒。接下來有機率會有一場風雨，如果狀況不佳有可能導致葡萄被風暴打落損失慘重，但是有可能會是一場溫暖充沛的雨水，如果搭配上十分罕見的一種黴菌叫botrytis就有可能可以釀造出百年難得一見的好酒。他個人偏向最後的成果，但是他的員工各個主張要提前收割，因此不只是看資料，還要懂得跟全體的人分析利弊，提出最佳方案。
這個專案我們花了三天的時間搜集資料、分析、討論還練習了各種上課提到的技巧。這裡不一一贅述，但是有一兩個我學到的觀念是以前沒想過的。第一個是花時間討論說有哪些必要的決定是需要決定的。這類的分析叫做Decision Hierarchy，也就是說太多時間我們根本就在討論一個完全不影響現階段決策結果。由以上的題幹我們都同意以下的問題需要被決定：是否現在收割？是否去購買一個更專業的氣象預測調高預測的準確性？是否購買促使botrytis黴菌成長的孢子？是否跟鄰近的酒莊達成合作關係一起降低風險？等等。
在這裡，我們依然可以意見分歧，但是至少我們同意這是需要有結果的決策。很多團隊裡根本就沒有達成共識說那些決定需要有結果，可能眾說紛紜、文不對題、花了無數時間激辯不相干的議題。
總結一下決策品質：
- 好的決定不等於好的成果
- 好的決策需要大量時間來驗證。
- 討論出那些是需要做的決定往往比快速得到結論好
- 把決定分成三個影響層級 — Strategic, Significant, Quick再依據人事方面的複雜性以及分析複雜性區隔。分類後的決定用適當的framework處理。
- 人的gut feelings適合解決生活快速、two-door兩面門的決定；而大的決定越快越容易忽略掉往往沒考量到的綜合性新決策。
- 人天生有非常多的bias，理解它們並降低它們的影響即可，沒有決定是完美的。
