小伙伴的自行车有点问题，于是拿到A店保养，结果怎么也弄不好。大家七嘴八舌地给她建议：
“我们这边修车店少，要不送到市中心的C店去吧。”
“那家店也一般，你之前不是说有家B店不错吗？”
我们究竟该怎样进行修车选择呢？
丹尼尔·卡尼曼讲过一个对于快速、大量做判断时可以使用的决策方法：
1、选择影响结果的重要因素（不超过六个）；
2、按十分制对每个因素打分；
3、把分数简单相加比较总分。
我们根据修车需求，提出3个自己最关注的因素：技术、价格、距离。然后对3店打分，给自己的要求是，至少总分在21分及以上，才值得自己前往（举例见下图）。
这样我们可以看到，只能选A与C。虽然A店问题多，但因为距离很近，不是特别严重的问题，自己都能够忍受；C店距离远些，但是性价比不错，综合得分最高；而B点性价比最高，可惜实在太远，只能忍痛割爱。
三选一的选择，还体现不出来这个方法的优势。但如果是更多选项里选一个的话，这个法子就明显会很高效。比如10个相亲对象里选3个来重点培养，30套二手房里选出最适合自己一套来等等。
根据斯坦福大学的研究结果显示，这种方法考虑了你最关心的因素，同时又给出了一个相对客观的打分，因此它的决策水准超过了你依靠直觉的简单判断，其准确度及效率性也远超复杂的大数据预测法。
那么我的选择条件增加到10个行不行？我是否能够把“分数简单相加”这项标准，改成“按每个条件的权重来"折算分数相加？
我认为这都可以，只是需要注意的是，选择太多、太考虑细节，会使决策特别复杂，反而陷入“过度拟合”的陷阱。
网友评论