不確定中我們如何崩潰#

作者 Cheryl Strauss Einhorn 從 2020 年寫起：疫情、市場暴漲暴跌、總統大選 — 不確定性大幅升高，未來看似徹底不可預測（而不只是一向那樣的不可預測）。

當不確定升高時，決策過程會崩潰：

• 變得癱瘓、不敢行動
• 或基於偏誤、情緒、直覺行動，而非邏輯與事實

要管理不確定，意識到不確定是必要前提：

• 暫停一下、做策略性停頓
• 評估情境與未知數
• 即使知識有限，也有工具可以系統性、分析性地做決策

本章提供四步驟流程，幫助你穿越模糊、做出謹慎且有理據的決定。

第 1 步：辨識你正在處理的歷史資料類別#

我們常面對三種讓人有「行動衝動」的資料類型：

• 顯著資料（salient data）：因為值得注意或令人意外而抓住眼球
• 脈絡資料（contextual data）：附帶一個會影響詮釋的框架
• 模式化資料（patterned data）：看起來具有規律、可理解、有意義的形式

第 2 步：認出每類資料觸發的認知偏誤#

不同類型的資料觸發不同偏誤；辨識資料類型 + 對應偏誤，能逃脫心理失誤。

顯著資料 → 顯著性偏誤（salience bias）#

• 過度看重新或值得注意的資訊
• 導致決策不佳、規劃錯誤

航空案例：2020 年 4 月航空旅客需求比 2019 年 4 月暴跌 94.3%。這個震撼性數字會讓我們覺得「我們所知的旅遊已經結束」 — 但這個單一顯著資料對未來旅遊幾乎告訴我們什麼都沒有。

脈絡資料 → 框架偏誤（framing bias）#

• 接收資料的脈絡會影響我們如何思考它

「80% 瘦肉的絞肉」聽起來比「含 20% 脂肪的牛肉」健康 — 它們是同一塊肉，只是換了框架。

模式化資料 → 群聚錯覺（clustering illusion / 熱手謬誤 hot hand fallacy）#

• 假設隨機事件是有用的預測訊號
• 大腦天生在找模式 — 即使模式不存在
• 即使模式存在，也常常沒有預測價值

骰子連續擲出幾個 2 後，並不會告訴你下一次擲什麼。賭場與運動賽事中的「熱手」幻覺，正是這種偏誤。

第 3 步：反向思考，找出你真正需要知道什麼#

你不必知道一切，但你必須識別什麼對決策最重要。

反向（invert）你的問題解決：從終點開始，問：

• So what? 我真的需要知道什麼才能理解情境？
• 這個資訊會帶來什麼差別？
• 我會怎麼用它？

「已知未知（known unknowns）」的宇宙無窮大，但你不必窮盡它。反向能聚焦在你決策的關鍵未知。

航空例子如何反向#

• 顯著資料讓人直觀結論「航空業已死」
• 反向思考後可知：長期人們仍會需要移動，世界經濟也需要它 — 這是「已知已知」
• 真正要解決的問題依使用者不同：
  • 旅客：什麼時候有飛去目的地的航班？感覺安全嗎？
  • 投資人：哪家航空公司最有可能撐過下行？
• 反向後，你能聚焦在對你有意義的「已知未知」

第 4 步：寫對問題，得到你需要的答案#

很多人不擅長設計能幫自己決策的問題。Einhorn 提供一個實用框架：把問題分成四大類，確保多樣的鏡頭。

1. Behavior 行為問題#

• 對方做什麼或做過什麼
• 產出對實際經驗、行動、活動的描述
• 例：「誰還在搭飛機？這能推及更大的群體嗎？」

2. Opinion 觀點問題#

• 對方對某主題、行動或事件的想法
• 揭露目標、意圖、欲望、價值觀
• 例：「目前搭飛機安全嗎？航空公司有採取適當預防措施嗎？」

3. Feeling 情緒問題#

• 對方對主題的情緒反應
• 突破事實層、揭露人不論資料如何都傾向做的事
• 例：「旅客感覺多安全？航空員工感覺多安全？」

4. Knowledge 知識問題#

• 對方對主題擁有什麼事實性資訊
• 評估對方認為什麼算事實
• 例：「哪些航線已停飛或砍掉？還會再砍多少？是否有與飛行相關的 Covid-19 傳染案例？」

這四類問題可以套用在任何不完整的資料上 — 顯著、脈絡、或模式化。

不確定是行動與反應、知識與情緒的混合物。分類並對應提問，不會讓你獲得確定性，但會確保你的問題覆蓋所有不確定領域。

把四步驟組合起來#

Voltaire 曾說：判斷一個人，看他問什麼問題，而不是看他答什麼。

我們永遠不會知道未來，但藉由檢視資料與自己的思考，我們能設計並提出好問題，讓自己在不確定中更有信心地做決定。