1. 決策者面臨的不再是“選哪個(gè)”而是“怎么選得放心”1.1 從決策僵局說(shuō)起我最早真正被“決策”這件事逼到墻角是在一次季度立項(xiàng)評(píng)審會(huì)上。六個(gè)候選項(xiàng)目擺上臺(tái)面財(cái)務(wù)負(fù)責(zé)人死磕內(nèi)部收益率技術(shù)負(fù)責(zé)人說(shuō)架構(gòu)演進(jìn)優(yōu)先級(jí)最高市場(chǎng)負(fù)責(zé)人咬定用戶增長(zhǎng)數(shù)據(jù)不松口。三個(gè)人各自拿一沓PPT論證自己的正確性會(huì)議開(kāi)了一個(gè)半小時(shí)結(jié)論從“選A”變成“再看看B”最后變成“下次再議”。散會(huì)的時(shí)候所有人都帶著一股“反正不是我的責(zé)任”的疲憊。那是我第一次意識(shí)到管理者面臨的難題早就不是“信息不夠”而是信息太多、維度太雜每個(gè)維度都有人在說(shuō)話但沒(méi)人能給出一個(gè)讓所有人服氣的換算標(biāo)準(zhǔn)。一桌人點(diǎn)菜有人想吃火鍋、有人堅(jiān)持日料、有人最近在減肥各說(shuō)各話永遠(yuǎn)無(wú)解但只要把“口味、價(jià)格、距離、排隊(duì)時(shí)間、卡路里”這些都變成可打分的項(xiàng)再配上權(quán)重結(jié)論瞬間就清晰了。我后來(lái)做的那個(gè)被團(tuán)隊(duì)內(nèi)部叫了很久的“An Executive Decision Maker”的決策器本質(zhì)上就是這個(gè)點(diǎn)菜邏輯的工程化版本。1.2 Executive Decision Maker要解決的三個(gè)本質(zhì)問(wèn)題這個(gè)決策器不是某一天憑空設(shè)計(jì)出來(lái)的。它最開(kāi)始只是一張Excel打分表我周末花了一個(gè)下午搭了個(gè)粗糙的加權(quán)評(píng)分模型把候選項(xiàng)目的幾個(gè)核心指標(biāo)拉出來(lái)打了一遍分。結(jié)果周一開(kāi)會(huì)時(shí)我把這張表往投影上一放爭(zhēng)論了三次的會(huì)議十分鐘就結(jié)束了。因?yàn)閿?shù)字?jǐn)[在那里誰(shuí)贊成誰(shuí)反對(duì)都可以落到具體的指標(biāo)和權(quán)重上去談而不是空對(duì)空吵。但做成了一個(gè)正經(jīng)系統(tǒng)之后我才回頭總結(jié)它真正解決的問(wèn)題其實(shí)有三個(gè)這三個(gè)問(wèn)題恰恰是普通討論式?jīng)Q策最致命的痛點(diǎn)一致性同一個(gè)團(tuán)隊(duì)同一套信息上周選A本周選B怎么跟上級(jí)解釋人的直覺(jué)判斷受情緒、疲勞、最近發(fā)生的新聞?dòng)绊懖▌?dòng)極大。決策器用固定公式替代瞬時(shí)直覺(jué)相同輸入必然產(chǎn)生相同輸出。透明性決策做完之后每個(gè)參與者都希望自己關(guān)心的維度被尊重。但如果決策依據(jù)是“大家討論后的共識(shí)”沒(méi)人說(shuō)得清共識(shí)是怎么形成的。決策器把每一個(gè)維度的打分、每一項(xiàng)權(quán)重的設(shè)定全部攤在桌面上任何人有異議可以直接指出“市場(chǎng)規(guī)模的權(quán)重為什么只有0.1”?？蓮?fù)盤性三個(gè)月后項(xiàng)目失敗來(lái)回溯當(dāng)初的決策依據(jù)能精確指出是數(shù)據(jù)估算偏差、權(quán)重設(shè)置失誤還是執(zhí)行問(wèn)題。這比“當(dāng)時(shí)大家都覺(jué)得方向沒(méi)錯(cuò)”這種話有價(jià)值得多?？梢哉f(shuō)這套東西解決的不是“選什么”而是“怎么選得放心”。它不見(jiàn)得能幫你找到絕對(duì)正確的答案——世界上本來(lái)也沒(méi)有絕對(duì)正確的答案——但它能讓你的選擇過(guò)程經(jīng)得起質(zhì)疑、回溯和審計(jì)。2. 系統(tǒng)骨架評(píng)估模型設(shè)計(jì)是決策器的生死線2.1 指標(biāo)體系別一上來(lái)就堆指標(biāo)我見(jiàn)過(guò)不少團(tuán)隊(duì)搭決策器第一步就翻車。他們把能想到的所有考量因素全部塞進(jìn)表格一口氣列了十五六個(gè)指標(biāo)包括“團(tuán)隊(duì)士氣”“技術(shù)債務(wù)”“客戶口碑”“品牌調(diào)性”這種高度抽象的東西。結(jié)果打分的時(shí)候所有人都靠感覺(jué)打指標(biāo)之間的區(qū)分度幾乎為零最終得分拉不開(kāi)差距決策器變成一個(gè)無(wú)效工具。搭建指標(biāo)體系要遵循兩條鐵律。第一條是MECE原則——指標(biāo)要互斥且完全窮盡。也就是說(shuō)任意兩個(gè)指標(biāo)在概念上不能重疊所有指標(biāo)加起來(lái)要能覆蓋決策的核心關(guān)注面。比如評(píng)估技術(shù)選型時(shí)“社區(qū)活躍度”和“生態(tài)兼容性”聽(tīng)起來(lái)像兩件事但生態(tài)兼容性往往依賴于社區(qū)活躍度這就是重疊而如果漏了“許可證合規(guī)性”選型到一個(gè)開(kāi)源協(xié)議有問(wèn)題的框架后期就是災(zāi)難。第二條是指標(biāo)數(shù)量控制在5到9個(gè)之間。這個(gè)數(shù)字來(lái)自認(rèn)知心理學(xué)的工作記憶研究超過(guò)九個(gè)人腦就難以對(duì)指標(biāo)兩兩之間做出有意義的比較了。給你一組可以直接用的指標(biāo)體系參考。做業(yè)務(wù)方向決策常用的六個(gè)維度是市場(chǎng)規(guī)模、預(yù)期毛利率、競(jìng)爭(zhēng)壁壘、戰(zhàn)略協(xié)同度、資源消耗、時(shí)間窗口。做個(gè)人重大決策比如“是否跳槽”則是薪酬變化、成長(zhǎng)空間、通勤成本、團(tuán)隊(duì)氛圍、業(yè)務(wù)前景、家庭影響。每一個(gè)維度都要能說(shuō)清楚“這個(gè)指標(biāo)實(shí)際在衡量什么”說(shuō)不清楚就打不出靠譜的分。2.2 權(quán)重的確定從“覺(jué)得”到“算出來(lái)”指標(biāo)定了接下來(lái)是權(quán)重。這里我要多說(shuō)幾句因?yàn)闄?quán)重設(shè)定是整個(gè)決策器里最容易被低估的環(huán)節(jié)也是最容易出現(xiàn)“拍腦袋”的地方。最樸素的方法是直接權(quán)重法你根據(jù)經(jīng)驗(yàn)給每個(gè)指標(biāo)分配一個(gè)百分比加起來(lái)等于100%。比如市場(chǎng)規(guī)模30%、毛利率20%、競(jìng)爭(zhēng)壁壘20%、戰(zhàn)略協(xié)同15%、資源消耗10%、時(shí)間窗口5%。簡(jiǎn)單直接個(gè)人做決策完全夠用。但如果是團(tuán)隊(duì)決策或者你要面對(duì)質(zhì)疑直接用百分比容易被人攻擊“你怎么知道市場(chǎng)規(guī)模就該是30%”這時(shí)候需要更嚴(yán)謹(jǐn)?shù)膶哟畏治龇āＷ龇ㄊ前阎笜?biāo)兩兩之間做相對(duì)重要性的比較用1到9的比例標(biāo)度打分。比如問(wèn)自己“市場(chǎng)規(guī)模和毛利率相比哪個(gè)更重要重要多少”答案是“明顯重要”就打5分反過(guò)來(lái)毛利率對(duì)市場(chǎng)規(guī)模就是1/5。把所有兩兩比較的結(jié)果構(gòu)成一個(gè)判斷矩陣然后求這個(gè)矩陣的特征向量歸一化之后就是一組權(quán)重。這個(gè)方法的妙處在于它逼著你在任意兩個(gè)指標(biāo)之間做一次具體的取舍判斷而不是給一堆數(shù)字空對(duì)空發(fā)愁。還有一道工序是一致性檢驗(yàn)。舉例來(lái)說(shuō)如果你認(rèn)為市場(chǎng)規(guī)模比毛利率重要、毛利率比競(jìng)爭(zhēng)壁壘重要但同時(shí)又覺(jué)得競(jìng)爭(zhēng)壁壘比市場(chǎng)規(guī)模重要那你的判斷矩陣就是自相矛盾的算出來(lái)的權(quán)重毫無(wú)意義。層次分析法會(huì)算出一個(gè)一致性比率當(dāng)這個(gè)比率小于0.1時(shí)認(rèn)為判斷是靠譜的大于0.1就得回頭重新比較。但你要注意層次分析法不是萬(wàn)能的。如果是跨部門的團(tuán)隊(duì)決策一次完整的AHP操作需要所有利益相關(guān)者坐下來(lái)填一個(gè)可能多達(dá)幾十個(gè)格子的矩陣非常耗時(shí)。我的妥協(xié)方案是先讓每個(gè)部門負(fù)責(zé)人用直接權(quán)重法獨(dú)立給出自己眼中的權(quán)重分布然后團(tuán)隊(duì)一起看差異最大的那幾個(gè)指標(biāo)集中討論為什么財(cái)務(wù)部認(rèn)為毛利率重要、技術(shù)部認(rèn)為技術(shù)風(fēng)險(xiǎn)重要。把差異化最大的分歧點(diǎn)攤開(kāi)談遠(yuǎn)比讓所有人強(qiáng)行達(dá)成一個(gè)“統(tǒng)一權(quán)重”更有價(jià)值。2.3 歸一化處理把不同量綱的數(shù)據(jù)拉到一個(gè)尺子上指標(biāo)體系和權(quán)重定了之后還有一個(gè)新手容易踩的坑就是忘記歸一化。不同指標(biāo)的原始數(shù)據(jù)根本不在同一個(gè)量綱上——市場(chǎng)規(guī)模可能是以億元為單位的絕對(duì)數(shù)值開(kāi)發(fā)成本可能是人月時(shí)間窗口可能是月份數(shù)而競(jìng)爭(zhēng)壁壘只能打分。直接把這些原始數(shù)值塞進(jìn)加權(quán)公式市場(chǎng)規(guī)模一個(gè)億的數(shù)值會(huì)把其他所有指標(biāo)淹沒(méi)成本這項(xiàng)指標(biāo)基本上就失去影響了。歸一化的標(biāo)準(zhǔn)做法是極差歸一化公式是(x - min) / (max - min)把每個(gè)指標(biāo)的原始值映射到0到1之間。最大值變1最小值變0其他值按比例落在這個(gè)區(qū)間里。但還有個(gè)方向性的問(wèn)題。比如“開(kāi)發(fā)成本”這個(gè)指標(biāo)原始值越高代表越差而“市場(chǎng)規(guī)?！笔窃礁咴胶?。如果都按“越高越好”的方向處理成本最高的候選反而拿了1分這是錯(cuò)的。所以要先定義每個(gè)指標(biāo)的方向收益型指標(biāo)保持原樣成本型指標(biāo)要用1 - (x - min) / (max - min)做反向歸一化。對(duì)于定性指標(biāo)我建議采用“錨點(diǎn)打分法”先寫出1分、5分、10分的具體描述然后所有打分人照著錨點(diǎn)打分。比如“戰(zhàn)略協(xié)同度”的10分是“與公司未來(lái)三年的戰(zhàn)略方向完全一致能直接復(fù)用現(xiàn)有渠道”5分是“部分協(xié)同需要一定調(diào)整”1分是“基本沒(méi)有協(xié)同需要從零起步”。有了錨點(diǎn)不同人打出來(lái)的分差異會(huì)小得多。歸一化還有一個(gè)特別容易忽略的邊界情況如果某個(gè)指標(biāo)在所有候選方案里取的原始值都完全一樣那歸一化之后這一列全是0這個(gè)指標(biāo)實(shí)際上完全不區(qū)分方案。但很多團(tuán)隊(duì)會(huì)把一個(gè)根本不具有區(qū)分度的指標(biāo)放進(jìn)模型還分給它不小的權(quán)重這屬于浪費(fèi)模型容量。我通常的做法是在正式打分之前先掃一眼原始數(shù)據(jù)如果某個(gè)指標(biāo)所有選項(xiàng)幾乎沒(méi)差異直接把它移出模型或者換成另一個(gè)更有關(guān)注價(jià)值的指標(biāo)。3. 工程化落地從Excel原型到可復(fù)用的決策器3.1 數(shù)據(jù)層決策輸入的結(jié)構(gòu)化存儲(chǔ)用Excel做決策器原型的好處是幾乎零成本改個(gè)數(shù)字就能重新計(jì)算。但它有一個(gè)致命的問(wèn)題沒(méi)法留痕。三個(gè)月后你翻回那張表已經(jīng)想不起來(lái)當(dāng)時(shí)這個(gè)打分的依據(jù)是什么、誰(shuí)打的、為什么權(quán)重是0.25而不是0.2。真正要落成一個(gè)內(nèi)部可復(fù)用、可追溯的Executive Decision Maker系統(tǒng)第一步是把數(shù)據(jù)結(jié)構(gòu)化。我推薦的關(guān)系表設(shè)計(jì)非常簡(jiǎn)單但足夠支撐大部分場(chǎng)景字段含義decision_id本次決策的編號(hào)一次決策一個(gè)IDoption_name候選方案名稱criterion_id指標(biāo)編號(hào)對(duì)應(yīng)指標(biāo)字典表raw_value指標(biāo)原始值比如市場(chǎng)規(guī)模是5000萬(wàn)normalized_value歸一化后的得分由程序自動(dòng)計(jì)算weight該指標(biāo)在本次決策中的權(quán)重scorer打分人或數(shù)據(jù)來(lái)源remark備注說(shuō)明這個(gè)值的估算依據(jù)created_at記錄創(chuàng)建時(shí)間關(guān)鍵點(diǎn)是版本化。權(quán)重和打分會(huì)隨著討論的深入被修改一定要保留每次修改的歷史。比如最終決策采用的是“權(quán)重版本v3”但v1和v2的數(shù)據(jù)也要保留這樣才能回答“當(dāng)時(shí)我們考慮過(guò)什么、為什么改掉了”。數(shù)據(jù)存儲(chǔ)具體用什么方案取決于團(tuán)隊(duì)體量。我自己用過(guò)的方案小團(tuán)隊(duì)用一套帶審計(jì)日志的Airtable或者Notion數(shù)據(jù)庫(kù)就足夠了如果后面要跑復(fù)雜的敏感性分析和蒙特卡洛模擬建議把數(shù)據(jù)導(dǎo)出到本地文件用Python腳本處理再大一點(diǎn)就上個(gè)PostgreSQL加一個(gè)簡(jiǎn)單的管理后臺(tái)。3.2 計(jì)算引擎加權(quán)評(píng)分與敏感性分析的實(shí)現(xiàn)思路到了計(jì)算層核心其實(shí)就一個(gè)公式S_i Σ (w_j × n_ij)S_i是第i個(gè)方案的最終得分w_j是第j個(gè)指標(biāo)的權(quán)重n_ij是第i個(gè)方案在第j個(gè)指標(biāo)上的歸一化得分。所有方案的得分算出后按從高到低排序就是推薦順序。但一套決策器如果只有加權(quán)求和那它的價(jià)值大打折扣。真正拉開(kāi)水平差距的是敏感性分析——你不需要滿足于“算出一個(gè)排名”你需要知道這個(gè)排名有多穩(wěn)固。如果權(quán)重稍微變一點(diǎn)排名就大翻轉(zhuǎn)那這個(gè)排名的參考價(jià)值就很可疑如果權(quán)重在相當(dāng)寬的范圍內(nèi)波動(dòng)前三名的順序都穩(wěn)穩(wěn)不動(dòng)那這個(gè)結(jié)論才是可信的。敏感性分析最常用的做法是單因素閾值分析每次只調(diào)整一個(gè)指標(biāo)的權(quán)重其他指標(biāo)權(quán)重按比例縮放找到一個(gè)臨界點(diǎn)——超過(guò)這個(gè)點(diǎn)排序就翻轉(zhuǎn)。比如“市場(chǎng)規(guī)?！钡臋?quán)重從0.3調(diào)到0.45時(shí)備選方案C超過(guò)了方案A成為第一那說(shuō)明方案A的領(lǐng)先優(yōu)勢(shì)其實(shí)很脆弱項(xiàng)目能不能做成高度依賴你對(duì)市場(chǎng)規(guī)模的預(yù)判準(zhǔn)不準(zhǔn)。更進(jìn)一步可以跑蒙特卡洛模擬給定每個(gè)權(quán)重一個(gè)合理的波動(dòng)范圍比如±20%在這個(gè)范圍內(nèi)隨機(jī)采樣一萬(wàn)次每次重新計(jì)算排名最后統(tǒng)計(jì)每個(gè)方案在第一名位置出現(xiàn)的概率。我見(jiàn)過(guò)一個(gè)案例排名第一的方案榮登榜首的概率只有38%第二名有31%——也就是說(shuō)兩個(gè)方案其實(shí)沒(méi)有統(tǒng)計(jì)學(xué)意義上的顯著差異。這種情況下管理者真正要做的不是糾結(jié)“選誰(shuí)”而是承認(rèn)這個(gè)決策信號(hào)太弱要么補(bǔ)充數(shù)據(jù)要么考慮能不能兩個(gè)都做。下面是一個(gè)極簡(jiǎn)的Python示意方便你理解蒙特卡洛模擬的核心邏輯實(shí)際使用中可以替換成真實(shí)數(shù)據(jù)集import numpy as np weights_base np.array([0.3, 0.2, 0.2, 0.15, 0.1, 0.05]) scores np.array([ [0.9, 0.7, 0.8, 0.6, 0.5, 0.8], # 方案A [0.6, 0.9, 0.7, 0.8, 0.7, 0.6], # 方案B [0.5, 0.6, 0.4, 0.9, 0.9, 0.7], # 方案C ]) win_count np.zeros(3) N 10000 for _ in range(N): # 每個(gè)權(quán)重在±20%范圍內(nèi)隨機(jī)擾動(dòng) noise np.random.uniform(0.8, 1.2, sizeweights_base.shape) w weights_base * noise w w / w.sum() # 重新歸一化保證權(quán)重和為1 total scores w win_count[np.argmax(total)] 1 print(每個(gè)方案獲得第一的概率, win_count / N)這段代碼本身很簡(jiǎn)單但它的輸出信息量很大。如果第一個(gè)方案的勝出概率顯著領(lǐng)先決策者可以更有底氣如果兩個(gè)方案概率接近那就提示你——?jiǎng)e糾結(jié)了決策的關(guān)鍵變量不在這幾個(gè)可以量化的指標(biāo)里而是某個(gè)量化不了的因素比如團(tuán)隊(duì)執(zhí)行力的匹配度。3.3 輸出層不只是一份排名而是決策備忘錄很多做決策器的人走到計(jì)算排名就停了這在我看來(lái)少走了最后一步關(guān)鍵輸出。在企業(yè)環(huán)境里決策器產(chǎn)出的不應(yīng)只是一個(gè)排名列表而是一份決策備忘錄包含以下結(jié)構(gòu)背景與決策目標(biāo)為什么需要做這個(gè)決策希望解決什么問(wèn)題。評(píng)估指標(biāo)與權(quán)重列出指標(biāo)體系、權(quán)重設(shè)定及理由如果是團(tuán)隊(duì)集體確定的記錄參與人員和時(shí)間。數(shù)據(jù)來(lái)源與估算過(guò)程每個(gè)指標(biāo)數(shù)值怎么來(lái)的是財(cái)務(wù)模型、行業(yè)報(bào)告、團(tuán)隊(duì)估算還是專家訪談可信度如何。綜合得分表各方案在各指標(biāo)上的歸一化得分和最終排名。敏感性分析結(jié)論排名在什么條件下會(huì)翻轉(zhuǎn)最大的不確定因素是什么。推薦結(jié)論與理由基于以上分析建議選擇哪個(gè)方案。風(fēng)險(xiǎn)提示這個(gè)決策要成事還需要什么樣的前提條件做保障。我吃過(guò)一次虧會(huì)勸你別省略這份備忘錄。有一次我們做一個(gè)重要選型決策器推薦的結(jié)果最終被執(zhí)行了但三個(gè)月后發(fā)現(xiàn)當(dāng)初對(duì)某個(gè)關(guān)鍵指標(biāo)的數(shù)據(jù)估算偏差非常大直接改變了結(jié)論方向。當(dāng)時(shí)好在我們保存了一份完整的決策備忘錄回看發(fā)現(xiàn)數(shù)據(jù)估算的不確定性在備忘錄里寫得很明顯項(xiàng)目負(fù)責(zé)人自己也簽了字。后來(lái)復(fù)盤時(shí)所有人的關(guān)注點(diǎn)落在“為什么當(dāng)初低估了估算風(fēng)險(xiǎn)”而不是“這個(gè)系統(tǒng)靠不靠譜”。一份文檔保住了決策器的長(zhǎng)期信用這比任何辯解都有效。4. 一次完整的實(shí)戰(zhàn)五個(gè)候選方向跑完整個(gè)決策流程4.1 設(shè)定場(chǎng)景與評(píng)分表理論講了一堆不如看一次完整的實(shí)戰(zhàn)流程。我拿一個(gè)真實(shí)發(fā)生過(guò)的場(chǎng)景來(lái)演示一個(gè)中型To B軟件團(tuán)隊(duì)需要決定下一個(gè)季度的產(chǎn)品迭代主攻方向。候選方案一共五個(gè)A深耕現(xiàn)有客戶集中提升留存率和續(xù)費(fèi)率B擴(kuò)展新行業(yè)客戶進(jìn)入此前沒(méi)有覆蓋的垂直領(lǐng)域C開(kāi)發(fā)AI輔助功能模塊把大模型能力嵌入現(xiàn)有產(chǎn)品D重構(gòu)基礎(chǔ)設(shè)施降低云成本和生產(chǎn)事故率E把現(xiàn)有工具打包成SaaS平臺(tái)嘗試新的商業(yè)模式評(píng)估指標(biāo)采用六個(gè)維度市場(chǎng)規(guī)模潛力、預(yù)期增量收益、開(kāi)發(fā)成本、技術(shù)風(fēng)險(xiǎn)、戰(zhàn)略協(xié)同度、時(shí)間窗口緊迫度。權(quán)重經(jīng)過(guò)團(tuán)隊(duì)討論確定為市場(chǎng)規(guī)模潛力25%、預(yù)期增量收益20%、開(kāi)發(fā)成本15%、技術(shù)風(fēng)險(xiǎn)15%、戰(zhàn)略協(xié)同度15%、時(shí)間窗口10%。各團(tuán)隊(duì)根據(jù)市場(chǎng)調(diào)研和內(nèi)部數(shù)據(jù)對(duì)五個(gè)方案在六個(gè)指標(biāo)上打了原始分1到10分制10分最好。原始數(shù)據(jù)匯總?cè)缦路桨甘袌?chǎng)規(guī)模增量收益開(kāi)發(fā)成本(越低越好)技術(shù)風(fēng)險(xiǎn)(越低越好)戰(zhàn)略協(xié)同時(shí)間窗口A678896B885665C794377D447784E962258注意“開(kāi)發(fā)成本”和“技術(shù)風(fēng)險(xiǎn)”是成本型指標(biāo)分越高代表情況越好但我在表里已經(jīng)把所有指標(biāo)都轉(zhuǎn)成了“分越高越好”的方向所以不需要再反向處理。4.2 第一輪排序結(jié)果數(shù)字居然推翻了直覺(jué)歸一化后每個(gè)指標(biāo)的最小值變0、最大值變1代入加權(quán)公式計(jì)算得到如下綜合評(píng)分方案市場(chǎng)規(guī)模增量收益開(kāi)發(fā)成本技術(shù)風(fēng)險(xiǎn)戰(zhàn)略協(xié)同時(shí)間窗口加權(quán)總分A0.40.61.01.01.00.50.75B0.80.80.50.80.250.250.64C0.61.00.330.20.50.750.58D000.830.80.7500.39E1.00.40001.00.43第一輪結(jié)論是方案A深耕現(xiàn)有客戶以0.75分大幅領(lǐng)先其次是方案B擴(kuò)展新行業(yè)0.64分方案CAI功能0.58分排在第三。這個(gè)結(jié)果是反直覺(jué)的。會(huì)前大家直觀上最看好的是方案C因?yàn)樵隽渴找娣肿罡?、時(shí)間窗口也緊迫一提AI大家都興奮但方案C的開(kāi)發(fā)成本和技術(shù)風(fēng)險(xiǎn)兩個(gè)維度得分很低把整體拉下來(lái)了。方案A的優(yōu)勢(shì)恰恰來(lái)自它風(fēng)險(xiǎn)小、成本可控、戰(zhàn)略協(xié)同度高——雖然聽(tīng)起來(lái)不夠性感但綜合評(píng)估下來(lái)最扎實(shí)。4.3 敏感性分析找到?jīng)Q策的“勝負(fù)手”第一輪排名出來(lái)后我沒(méi)有直接拿著結(jié)論去開(kāi)會(huì)。因?yàn)橹庇X(jué)經(jīng)驗(yàn)告訴我方案B和方案C的支持者一定會(huì)對(duì)權(quán)重提出質(zhì)疑——負(fù)責(zé)創(chuàng)新的同事會(huì)想“時(shí)間窗口為什么權(quán)重只有0.1”負(fù)責(zé)市場(chǎng)的同事會(huì)想“市場(chǎng)規(guī)模為什么不是權(quán)重最高的”所以我跑了一輪單因素敏感性分析。針對(duì)每個(gè)權(quán)重我計(jì)算了方案A和方案B排名翻轉(zhuǎn)的臨界點(diǎn)。結(jié)果發(fā)現(xiàn)當(dāng)“增量收益”權(quán)重從當(dāng)前的0.20提升到0.26時(shí)方案C的總分就會(huì)超過(guò)方案A成為第一名而當(dāng)“戰(zhàn)略協(xié)同度”權(quán)重從0.15降到0.10時(shí)方案B也會(huì)反超A。這組數(shù)據(jù)的信息量非常大。方案A的領(lǐng)先優(yōu)勢(shì)并不絕對(duì)它建立在“戰(zhàn)略協(xié)同度重要、增量收益沒(méi)有那么重要”的權(quán)重判斷之上。換句話說(shuō)這個(gè)決策真正的勝負(fù)手不是哪個(gè)方案更好而是“你更看重短期增量收益還是長(zhǎng)期戰(zhàn)略一致性”。開(kāi)會(huì)的時(shí)候我直接把這張敏感性分析表發(fā)給所有人。原本三個(gè)方案的支持者還在各執(zhí)一詞看了臨界點(diǎn)數(shù)據(jù)之后討論方向整個(gè)變了——不再是“我覺(jué)得B更好”而是“如果我們要讓B贏就需要論證增量的權(quán)重應(yīng)該比協(xié)同更高這個(gè)論證的依據(jù)是什么”這才是決策器該有的效果它把立場(chǎng)之爭(zhēng)轉(zhuǎn)化為權(quán)重與數(shù)據(jù)之爭(zhēng)而權(quán)重與數(shù)據(jù)是可以擺開(kāi)談的。5. 這臺(tái)決策器的局限性什么場(chǎng)景下不要硬用5.1 數(shù)據(jù)質(zhì)量差的場(chǎng)景結(jié)果就是垃圾進(jìn)垃圾出決策器再精密它手里材料的好壞也直接影響結(jié)論好壞。“垃圾進(jìn)垃圾出”這句老話在決策支持系統(tǒng)里表現(xiàn)得淋漓盡致。AI輔助功能方案C的“增量收益”打了9分但如果這個(gè)9分是某個(gè)人拍腦袋拍出來(lái)的而不是基于客戶訪談、競(jìng)品分析和付費(fèi)意愿調(diào)研得出的估算那這個(gè)9分就不具備說(shuō)服力。我自己踩過(guò)的坑是某些指標(biāo)找不到客觀數(shù)據(jù)只好用“專家打分”代替。專家打分本身沒(méi)問(wèn)題問(wèn)題是專家人數(shù)太少——只有一個(gè)人打的分主觀偏差會(huì)被模型放大。至少應(yīng)在3人以上取平均或采用德?tīng)柗品ㄗ尨蚍秩讼泉?dú)立打分再集體討論分歧項(xiàng)最后再打一輪。如果兩輪之后某個(gè)指標(biāo)的分差仍然超過(guò)2分就別硬用這個(gè)數(shù)據(jù)先回到一線去補(bǔ)調(diào)研才是正路。5.2 權(quán)重會(huì)被“政治”綁架誰(shuí)來(lái)定權(quán)重也是權(quán)力這個(gè)局限我說(shuō)得直白一點(diǎn)權(quán)重設(shè)定本身就是一種權(quán)力行為。你給“增量收益”分配40%還是15%背后反映的是你對(duì)企業(yè)短期生存和長(zhǎng)期發(fā)展的取舍判斷。在一個(gè)有層級(jí)結(jié)構(gòu)的組織里老板如果暗示“市場(chǎng)規(guī)模應(yīng)該更重要”那下面的人就算心里不同意也有可能順著調(diào)權(quán)重。這時(shí)系統(tǒng)輸出的排名就不純潔了它更像是一種偽裝的立場(chǎng)表達(dá)。我的應(yīng)對(duì)辦法是權(quán)重設(shè)定必須在決策之前完成且一旦確定數(shù)據(jù)出來(lái)之前不準(zhǔn)改。如果數(shù)據(jù)出來(lái)之后要調(diào)整權(quán)重必須經(jīng)過(guò)全組評(píng)審理由寫進(jìn)決策備忘錄。不然就失去意義了——你先看結(jié)果再倒推權(quán)重這世上所有方案都能被“合理化”地做成第一名。5.3 決策器是輔助器不是免責(zé)器最后一條邊界我必須反復(fù)強(qiáng)調(diào)這套系統(tǒng)可以幫你把決策過(guò)程做得更嚴(yán)謹(jǐn)、更透明但它不能替你承擔(dān)決策的責(zé)任。管理層常犯的一個(gè)錯(cuò)誤是把決策器當(dāng)成“甩鍋”工具——方案失敗了就說(shuō)“系統(tǒng)當(dāng)時(shí)推薦的就是這個(gè)方案”。這是本末倒置。系統(tǒng)只是把你的判斷邏輯結(jié)構(gòu)化、顯性化了最終設(shè)定權(quán)重、評(píng)估數(shù)據(jù)、拍板決策的還是你。更重要的是有些決策天然不適合量化尤其是那些高度依賴價(jià)值觀判斷、情感聯(lián)結(jié)或極強(qiáng)不確定性的決策。比如公司要不要在行業(yè)寒冬期裁掉一個(gè)業(yè)績(jī)不佳的團(tuán)隊(duì)這種決策牽扯到太多非量化的因素硬套打分模型會(huì)把復(fù)雜的人性問(wèn)題簡(jiǎn)化成冷冰冰的分?jǐn)?shù)反而有害。我建議用這套系統(tǒng)的項(xiàng)目都滿足一個(gè)條件決策目標(biāo)清晰、可量化維度多于不可量化維度、有相對(duì)可靠的數(shù)據(jù)支撐。三個(gè)條件缺一個(gè)都別硬用。最后分享一點(diǎn)個(gè)人的實(shí)操體會(huì)做了很久的Executive Decision Maker我最大的心得不是學(xué)會(huì)了多少數(shù)學(xué)方法而是理解了一個(gè)道理真正的決策難點(diǎn)從來(lái)不在“算”而在“談”。這套系統(tǒng)最大的價(jià)值是逼著每個(gè)有發(fā)言權(quán)的人把自己內(nèi)心模糊的偏好翻譯成可以討論的權(quán)重和分?jǐn)?shù)。討論“你覺(jué)得哪個(gè)項(xiàng)目好”最后容易變成無(wú)休止的辯論但討論“你認(rèn)為增量收益應(yīng)該占多少權(quán)重”每個(gè)人都需要給自己的立場(chǎng)一個(gè)理由支撐。項(xiàng)目后來(lái)會(huì)怎樣發(fā)展仍然存在不確定性但當(dāng)初那間會(huì)議室里的爭(zhēng)論終于有了一個(gè)讓人沉淀下來(lái)的落點(diǎn)僅這一點(diǎn)就已經(jīng)很值了。最后的最后如果你正要開(kāi)始搭自己的決策器我的建議很簡(jiǎn)單先用最簡(jiǎn)單的Excel把第一個(gè)決策跑通不要急著上系統(tǒng)等靠Excel撐不住了再做工程化也不遲。