知识点一：
什么故事最好使？
《像TED一样讲话：世界顶级大脑的九个演讲秘密》（Talk Like TED: The 9 Public-Speaking Secrets of the World's Top Minds）作者是卡迈恩·加洛（Carmine Gallo）。
加洛不但量化分析了大量的TED演讲，而且还把他分析出来的结果和当前各种科学研究结合起来，可以说是既有理论，又有数据。
1.一个故事
史蒂文森是个非常有影响力的民权律师和社会活动家，他在一次TED演讲题目是“We need to talk about an injustice”。他讲了好几个故事，这是其中一个 ——
史蒂文森的外祖母有十个子女，子女们又各有孩子，整个是个很大的家族，所以史蒂文森小时候并没有多少机会跟外祖母单独相处。但是家里人都知道，外祖母是个有智慧的人。史蒂文森九岁时候的一天，外祖母叫住他，领着他离开众人，找了个小房间单独谈话。
外祖母说，布莱恩你知不知道，我一直在观察你。我发现你是一个非常特殊的孩子。史蒂文森受宠若惊。
外祖母接着说，我认为你将来无论想做什么事情都能做成。可是想要达到那样的成就，你必须答应我三件事。史蒂文森有点懵，他马上说行，我答应你。
外祖母说，第一，你必须保证永远爱你的妈妈，永远照顾你的妈妈，那可是我的好女儿。
第二，你必须永远做正确的事，就算有时候正确的事很难，你也要做正确的事。
第三，你必须保证，永远都不喝酒。
史蒂文森说可以！我保证。
从此之后史蒂文森就有了一种特殊的使命感，觉得自己责任重大。他的确做到了对外祖母的承诺 —— 至少做到了从来不喝酒。
长大以后，史蒂文森有一次和表兄弟们在一起聚会。表兄弟们就弄了一些啤酒，让他喝。史蒂文森执意不喝。有个表兄弟就觉得史蒂文森很奇怪，然后他恍然大悟：布莱恩，你不会还想着外祖母跟你说的话吧？她是不是说你是个非常特殊的孩子？
—— 她跟我们每个人都说了这个话！
听到这里，观众哄堂大笑。
但是史蒂文森接着说，我今年52岁了，我从来没喝过酒。
2.故事的力量
加洛，对史蒂文森的演讲做了量化分析。他发现整个将近24分钟的演讲里，史蒂文森65%的时间都在讲故事。他讲了自己的故事，亲朋的故事，和名人的故事。史蒂文森是来讲道理的，那他为什么用这么多的时间讲故事呢？
因为故事能让听众的大脑和你同步。加洛引用一项研究，让一个人讲故事，几个人听故事。故事进行的同时，研究者用功能性核磁共振成像（fMRI），扫描讲故事的人和听故事的人的大脑。
研究者发现，故事开始之后，听众的大脑，就在一定程度上成了讲故事那个人的大脑的镜像。故事讲到动情的地方，讲故事者大脑的“岛叶” —— 这个区域负责感情 —— 活跃起来，听众大脑的“岛叶”也跟着活跃起来。如果讲故事者的大脑的“前额叶” —— 这个区域负责理性决策 —— 活跃起来，听众大脑的“前额叶”也活跃起来。
我动感情，你也跟着我动感情。我怎么想，你也跟着我怎么想。我用故事，能让你的大脑跟我同步 —— 所谓“人同此心，心同此理”，也不过如此吧？
这就是故事的力量。如果你的大脑都跟我同步了，你就会不自觉地赞同我的观点。
所以故事是一种传播手段。加洛说，世界上传播学的鼻祖，应该是亚里士多德。亚里士多德有个理论，说想要说服别人，你得提供三个东西。
第一个东西叫“Ethos”。Ethos代表个人信用。凭什么要听我说？因为我取得过什么什么功绩，我拥有什么什么专家头衔。
第二个东西叫“Logos”。Logos就是逻辑，就是理论推理和证据支持，比如说提供各种统计数字。
第三个东西叫“Pathos”。Pathos是感情和同情心，这就是故事的作用。
加洛说，亚里士多德这三个东西中，最有说服力的就是 pathos —— 晓之以理不如动之以情。高手说服别人，一定要善于使用 pathos。
比如史蒂文森这个演讲，据加洛逐词逐句地统计，他把10%的时间用在 ethos 上，25%的时间用在 logos 上，剩下65%的时间全都用在了 pathos 上。
那既然故事这么有力量，应该讲什么样的故事呢？
3.三种故事
加洛纵观各个成功的TED演讲，发现演讲者爱讲的故事总共有三种。
第一种，是自己的故事。只要跟演讲主题稍微有点关系，你自己的任何故事都可以。
听众总是对你自己的故事比对别人的故事更感兴趣！加洛说，没有什么演讲技巧是万能的，但是有一个办法是接近万能的 —— 那就是讲一个关于你自己的故事。你要想确保别人引用你的话，最好的办法就是讲一个你自己的故事。
讲一个自己的故事，能让听众感受到你的真诚。领导者更应该多讲自己的故事，这样才能激励别人。
“喜欢 = 熟悉 + 意外”，如果你的故事能像史蒂文森的外祖母故事那样来个转折，当然就更好了。
第二种，是别人的故事。如果这个故事不是发生在你自己身上的，那听众的要求就要更高一点了。这个要求就是我们必须能从这个人的经历中学到一个什么道理。
第三种，是某个品牌或者产品的故事。像这样的故事，听众的要求就更高：它必须是一个有关成功或者失败的故事。
由此得到
讲道理不如讲故事。顺便说一句，史蒂文森讲他外祖母的故事，想说的道理是“身份认同” —— 我们常常根据自己的身份认同去做选择。我认为我是个特殊的孩子，我就不喝酒。你能说服他不是那种人，他就不会做不好的事。
我们一生之中学了许多道理，也许还不如经历过什么难忘的故事！
再过几年你可能会忘记今天说的道理 —— 但是会记得史蒂文森和他外祖母的那个故事。
知识点二：
最简单的科学决策法
专家意见也好、面试获得的第一印象也好，最后都不如数据分析好。除非你能花很多时间深入了解一个事物，否则最好的办法就是做点数值计算。可是数值计算往往都特别专业，可能需要用到复杂的模型和算法，还有“大数据”，也实在不适合日常使用。
有个好消息：根本不需要什么复杂算法 —— 最简单的数值计算就足以让你的决策水平大大提高！
哈佛商业评论网站发表的一篇文章，“为复杂决策创造简单规则”（Creating Simple Rules for Complex Decisions），作者是斯坦福大学和几个研究机构的四位研究人员 Jongbin Jung，Connor Concannon，Ravi Shroff，Sharad Goel，Daniel G. Goldstein。
包括专家在内，平时考虑个什么问题，往往会参考很多很多因素。心里往往拿不准哪些因素重要哪些因素不重要，而且特别容易受到短期情绪的影响，可能最后促使我们下决心的都是一些很偶然的原因。这种决策方式是不行的，可能同样一件事，你当时的心情很容易就影响了你的决定。
科学决策的关键，是需要一个“系统”。建立一套规则，有什么事就按规则办。那么也许规则本身也不科学，但是有了规则，至少你的决策是前后一致的，不会随心情改变。
而斯坦福大学这篇文章说的就是，哪怕是特别简单的规则，也能给我们非常好的结果。
举个例子。比如一个法官。嫌疑人犯了法，被抓住了，在正式宣判之前，法官有权力让他暂时回家等着。这也是因为犯法的人实在太多，如果都关在看守所里 —— 相当于中国的“拘留” —— 也实在没有那么多地方。那么你作为法官，就要评估让谁回家等着的危险性小，也就是说，这个嫌疑人有多大可能逃跑，根本就不回来参加庭审。
现在美国通行的做法，让谁暂时回家，这个决定全凭法官个人的主观判断。但是现在换个办法，用一个简单规则做决定。
首先，看看一个嫌疑人会不会逃跑，跟哪些因素有关 —— 不用选很多，比如这里就选两个：嫌疑人的年龄，和他以前曾经逃跑（其实就是在约定的出庭日期没有出庭）次数。
第二，建立一个简单的打分系统。这里研究者制定的打分系统是这样的 ——
年龄方面，越年轻的嫌疑人越不靠谱，所以年轻人分高：18-20岁的算8分，21-25岁的算6分，以此类推，51岁以上就算0分。
历史逃跑记录方面，当然是以前曾经逃跑次数越多的，得分越高：没跑过的0分，跑过1次的6分，跑过2次的8分，3次9分，4次及以上都是10分。
第三，每个嫌疑人的总分，就是把前面两项的得分相加。然后指定一个分数线，达到这个分数线的就关着，没到分数线的就放他回家。
在这个例子里，研究者定的分数线是10分。那么如果有一个嫌疑人的年龄是32岁（2分），此前有过一次逃跑记录（6分），他的总得分就是8分，没到分数线，所以就可以让他回家。
就这么简单。可能觉得这也太简单了 —— 其实方法简单，背后的原理没有那么简单。研究者在背后做了大量的工作。一方面，他们把这个简单规则的判断结果和真实的法官判断结果做了比对，结果是简单规则完胜法官的个人判断，所以有规则就比没有规则好。另一方面，他们还跟使用“大数据”的复杂算法的判断结果做了比对，结果是几乎一样！也就是说，根本不需要什么复杂规则。
但是还有一个关键问题 — 这个打分系统的分值，是怎么确定的呢？难道是拍脑袋想出来的吗？不是。严格来说，想要得到一个合理的规则系统得这么办 ——
选择相关变量。认为有哪些因素可以影响最终结果？这里研究者选择的是年龄和以往的逃跑记录。
使用标准的统计回归算法，借助若干已知的数据，计算每个因素对最终结果影响的权重。打分系统的分值就是从这个权重里算出来的，具体的计算方法，请查阅这个研究的原始论文。
从第二步算出来的分值其实太过精确了，直接把分值四舍五入成整数就行。
所以，获得规则也不是很麻烦。而这套系统非常好使。研究者在22个不同的领域测试了这套办法，效果良好。
评论
我这并不是一个新思想。人们早就知道，对付复杂系统使用简单规则其实就非常有效。
专家常犯的错误是他们考虑的因素太多了。既然是专家，就总想注意一些别人不会注意的地方，越想越复杂，结果就是钻了牛角尖，还容易“过度拟合”。
按照规则打分的方法虽然简单，甚至看上去非常粗糙，但是胜在两点。第一，它只考虑最重要的因素，很稳定。第二，它不受人的情绪影响，很客观。
最有意思的一个事实是，使用更复杂的评分办法，或者是计算权重，或者是用什么大数据统计算法，得到的结果并不会比简单方法好很多。
这套简单方法最适合的是做出快速的、大量的判断。法官可以用它来判断是否释放犯人，公司可以用它来招人，你也可以用它来筛选潜在的相亲对象。但是，如果涉及到不常发生的、值得花时间的决策，那最好的办法还是深入了解。
比如可以用简单规则先选出来几个相亲对象，然后跟他们深入交流选出一位当男朋友，再跟男朋友更深入地交流一段比较长的时间，再决定是否结婚。
由此得到
选择几个你认为对结果有重要影响的因素，不要超过六个。
按照比如说满分十分的统一标准，对每个因素打分。
把分数简单相加获得总分。
比如手里有50个人的资料，想从中选择五个人相亲。那先选择你认为最重要的几个可以量化的因素 —— 不用太多，选三个吧，比如说长相、学历、收入。然后对每个人在这三项打分，计算总分。然后选择总分前五名就行了。
这比全凭感觉强很多很多，也许你能打败大多数相亲专家。
一个思考
简单规则得到的结果并不比大数据复杂模型的结果差。这对“大数据”可不是好消息。事实上，这从另一个侧面证明，统计方法的局限性非常明显 —— 想要真正进一步提高准确度，就非得“意会”不可。
网友评论