顶级CEO和贝叶斯主义

作者: 高黑 | 来源:发表于2017-12-24 19:37 被阅读161次

人们通常认为厉害的人应该在重大决策上是谋定而后动的,是三思而后行的。2017年5月份的《哈佛商业评论》里有文章,“什么让成功的CEO脱颖而出”( What Sets Successful CEOs Apart ),颠覆了我们的认知。

“毛手毛脚”的CEO们

文章的作者是几个机构的四位研究者,他们做了一项多方合作的研究,叫“CEO基因组计划(CEO Genome Project)”,其研究对象涵盖了17000名企业高管,包括2000名CEO。所采集的数据包括了每一个人详尽的职业发展历史、管理业绩、行为模式等,试图通过这些分析出那些特质是顶级CEO所共有的。

该研究发现,有四大特质是顶级CEO有别于一般高管的关键素质 --快速决断、争取各方支持、主动适应新局面和给人可靠感。

这里我们重点谈一谈第一点,快速决断。

对CEO来说,快速决断意味着遇到任何问题,你要尽可能早、尽可能快地做出决策,而且还必须非常坚定。哪怕是当前的局面还不明朗,信息还不完全,甚至这个领域对你来说很陌生,作为CEO,你仍然需要快速拍板。你拍板了,公司才能行动。

有一个CEO说,“只要有65%的把握,我就会做出决定。”谁都不可能拥有完美的信息,如果什么事情能有百分之百的把握,那何必还要你这个CEO来决定?

错误的决定也比没有决定要好得多,犹豫不决是最糟糕的做法。

那你可能说,万一决定错了怎么办?别担心。绝大部分错误都算不了什么,行动是可以随时调整的。

研究者发现,人们在评价CEO的时候,凡是公认的好CEO,都是能快速决策的CEO。只有6%的CEO是因为做出了错误决定而获得了很低的评价,绝大多数CEO是因为决策太慢而被批评。在被撤职的CEO中,只有1/3的人是因为做出了错误决定,大多数人被撤职是因为他们在该做决定的时候没有做决定。

那么,在做决定这件事上,一个聪明人可能就不如那些有决断力的人。聪明人考虑的因素往往过多,瞻前顾后。的确,最后聪明人的决策往往更正确,但是错过时机是更大的罪过。

西方有句谚语,乐观者收获了成功,悲观者收获了正确。

做决策的困难

理想的状况下,做决定时一定会对事情发生的概率做一个判断,所有的资源配置必须依据概率来做出安排才合理。比如,你打算推出一个新产品,如果你觉得这个决定可以让你打败竞争对手的概率高达90%,那你肯定会调集公司所有可能的资源,all-in。但是如果这个获胜的概率只有40%,那你很可能就先派一个先头部队试试水而已了。个人投资,择业也是一样的道理,你的身家全投在一只股票上,还是20%的资金分散在5只股票上,取决于你对这些股票未来表现的概率判断。

问题是,在很多情况下,我们要面临的抉择,要么没有太多先例,无法归纳总结出概率,要么信息十分不完备,根本没法知道事情的全貌,那怎么办呢?是等待更多的信息,甚至等更多的成功或者失败样本出来吗?是试试水还是布重兵?厉害的人面对不确定性,究竟是怎么做决策的呢?

显然,从上述研究可以看出,顶级CEO们,面对不确定性是摸着石头过河,有枣没枣,先打一竿子再说。

贝叶斯方法

这其实和统计学里的贝叶斯方法所蕴含的思维模式一脉相承。

贝叶斯方法是用来推断事情发生概率的一种方法,最早由18世纪英国数学家贝叶斯提出,后来经由法国数学家拉普拉斯完善。本文不对贝叶斯算法进行严格意义上的介绍,有兴趣的同学请出门左转,满大街都是。简单的说,传统的概率计算就是通过大样本的历史数据统计分析,计算出事情发生的可能性。而贝叶斯方法则允许对事情发生的概率先给出一个基础值,然后再根据新出现的信息对这个基础值进行不断的修正,从而慢慢达到相对准确的概率值。

举个例子,你进入一个赛马比赛,只能看到骑手,看不到马,这时候,你可以对所有的马给出相等的获胜概率。但是当你看到真正的马时,每一匹马是精神抖擞,还是病病怏怏,这些新的信息会让你对马的获胜概率做出修正。

贝叶斯方法带有强烈的主观色彩,所以自提出以后一直默默无闻了近200年,直到上世纪50年代开始,随着计算机的普及而大放异彩。现在,人工智能、机器学习、海难搜索、垃圾邮件过滤、大数据、生物医学,贝叶斯方法几乎渗透到了每一个领域。

所有这些领域,其背后的逻辑是一致的,当信息不完备时,面对不确定性,我们可以先猜测一个概率值,然后根据后来出现的事实,对这个概率值进行不断的修正。这样我们就不会因为信息的不完备而卡住无法行动,也不会狭隘的固执己见而对新情况视而不见。

当然,这并不意味着你的经验、你的判断、你的价值观、你的底层逻辑统统不重要了,换句话说,这些会决定你对基础概率的判断,这个基础概率的准确性会对你的后续判断起到至关重要的作用。丹尼尔.卡尼曼在《思考,快与慢》中,就特别强调了基础概率对使用贝叶斯方法的重要性。

行动主义的逻辑

当信息不完备时,原地坐等并不能增加我们对事物的判断能力。而行动起来,哪怕决定做错了,也会让我们获得新的信息,获得对决策的反馈,从而有助于我们修正原来的方案,做出更加准确的判断,这就是行动主义者背后的逻辑。

更有价值的一点是,很多事物的概率不是一成不变的,如果进入了正反馈过程,你行动的结果会有助于提高成功概率,你在行动中获得的能力提升,也有助于你实现目标。

举个例子,你到一个国外的城市旅游迷路了,呆在原地没法帮你回到酒店。行动起来,哪怕方向走反了,也会让你得到更多的信息,而且在这个过程中,你会变得对这个城市更加熟悉。

做决定是一件很难的事情,做决定本身就消耗脑细胞,行动了还消耗能量,更重要的是,你的决定很可能会做错,你会被打脸,而且,一个决定会引发一系列新的决定,你或许会“麻烦”不断。但是很多人没有意识到,不行动也是一个决定,也是有代价的,甚至代价更高,高于做错决定的代价。

优秀的人,都不怕麻烦。


参考文章和书籍:

万维钢得到《精英日课》第一季,181课 | 厉害的CEO什么样

《哈佛商业周刊》2017年5-6月刊,

《思考,快与慢》丹尼尔.卡尼曼

相关文章

  • 顶级CEO和贝叶斯主义

    人们通常认为厉害的人应该在重大决策上是谋定而后动的,是三思而后行的。2017年5月份的《哈佛商业评论》里有文章,“...

  • 朴素贝叶斯法(NaiveBayes)

    朴素贝叶斯法(Naive Bayes) 朴素贝叶斯法是基于贝叶斯定力和特征条件独立假设的分类方法。 朴素贝叶斯法实...

  • 朴素贝叶斯算法

    问题 1. 什么是朴素贝叶斯 2. 怎么理解贝叶斯公式和朴素贝叶斯公式 3. 朴素贝叶斯算法流程是怎样...

  • 2019-01-28

    1 了解 高斯分布贝叶斯 , 多项式贝叶斯 伯努力贝叶斯的区别和应用场景 A B 贝叶斯算法: (在各个特征独立...

  • 算法笔记(7)-朴素贝叶斯算法及Python代码实现

    朴素贝叶斯算法有三种类型,分别是贝努利朴素贝叶斯、高斯贝叶斯、多项式朴素贝叶斯。 贝叶斯公式 贝努利朴素贝叶斯 适...

  • 长期主义,坚定信心

    最早出现“长期主义”是在2015年《哈佛商业评论》写亚马逊 CEO 贝索斯的一篇文章中,标题就是“亚马逊贝索斯:长...

  • 2-灯泡不合格率更新

    这里先讲一下贝叶斯公式,再讲贝叶斯公式用于实例,最后讲真实案例 一.贝叶斯公式 贝叶斯公式能够在根据似然概率函数和...

  • 朴素贝叶斯(NBM)之后验概率最大化的含义 | 统计学习方法

    朴素贝叶斯 - 贝叶斯估计Python复现: 舟晓南:朴素贝叶斯(Bayes)模型python复现 - 贝叶斯估计...

  • 朴素贝叶斯法

    朴素贝叶斯法 朴素贝叶斯法的学习与分类 朴素贝叶斯法的参数估计 朴素贝叶斯实现 高斯朴素贝叶斯实现 使用 skle...

  • 浅析基于连接主义的AI及类脑计算

       人工智能的主要学派有连接主义、符号主义、行为主义,还有贝叶斯方法和类推学派。 图1 :人工智能学派   下面...

网友评论

  • 晓海:快速决断不是关键,也有很多CEO快速做了错误的决断而造成企业陷入困境
  • 我的名字叫清阳:Freaknomics 最近正在做CEO系列节目,采访不少企业的CEO,比较有意思,可以去听听。
  • 作一滴水:文末有处外链,建议去掉……
  • 龙畅天下:思考快与慢,是我特想读的一本书!

本文标题:顶级CEO和贝叶斯主义

本文链接:https://www.haomeiwen.com/subject/pckqgxtx.html