統計學先驅愛德華茲·戴明(W. Edwards Deming)曾說過：「除了上帝，其他人請用數據說話。」 作為一名統計學家，我很贊同這一說法。但作為一名社會科學家，我又不得不提醒大家，許多決策者都太過熱衷於追逐數據，想要藉此遠離無知，卻從未改進自己的決策。有沒有辦法讓決策恰到好處？答案是肯定的，首先我們需要培養一個簡單的決策習慣：事先選定默認決策。
在搜尋數據之前預先構建決策背景是決策的關鍵，而數據科學課程通常不教這項技能，要通過社會和管理科學才能學到。不幸的是，作為指導和管理數據科學項目最重要的一項技能，卻沒能得到充足的教學。即使在統計學這樣一門需要面對不確定性做出決策的學科中，學生遇到的大多數練習也都預先設定了背景。教授通常會為你做出假設，框定問題，最後留下一個正確答案。有正確答案的地方，決策者都已經刻下相應記號。
很多決策者會覺得，他們觀察數字、形成觀點並執行決策時是數據驅動的。不幸的是，這種決策充其量只能算是「數據啟發」。數據啟發式決策是指，徜徉在數據中，最終達到一個情感臨界點並做出決策。這樣的決策確實是跟數據有關，但並非是數據驅動產生，而是來自決策者一直存在的無意識偏見。
在嘗試利用數據進行決策時，如果沒有經過訓練，那麼你的方法就會容易受到認知偏見的影響。數據啟發式決策的一個主要問題就是確認偏見，這種偏見會影響到決策者如何根據自己已經相信的東西來感知事實。如果你可以在發現數據的落點以後移動「球門柱」，你將會不自覺地這樣做。解決問題的辦法是提前定好球門柱，然後頂住誘惑，不去移動它。
正因如此，行為經濟學家才會受訓在搜索信息之前先設定決策標準。這是消除確認偏見最好的「解毒劑」，我們很多人都有這樣的習慣。比如說買票，在查詢價格之前，我們會忍不住先問自己最多願意花多少錢。
在沒有事先確定好決策標準的情況下，你會自由地與數據選擇性地交互，從而確認內心深處已經做出的選擇。大多數人甚至都沒意識到，使用數據只是想讓自己覺得心安。
另外，人們需要避開 「宜家效應」。如果你努力去做某件事情，結果卻發現自己高估了這件事情的價值，那麼就會感受到這種效應。簡單來說，當人們在一個項目上投入時間時，哪怕自己造出來的只是一堆有毒垃圾，也很有可能會愛上這個項目，並改變自己的認知。他們會開始和自己討價還價：「哦，但是新原型的表現還不錯，我還是可以發布這個東西的。」就這樣，這個世界被強加了諸多可怕的事物。
為了避免成為此類效應的犧牲品，真正做到數據驅動，確定順序很重要。你需要預先構建決策背景。整個過程的第一部分是：在沒有進一步數據的情況下確定你計劃做什麼（默認情況下，你是會購買/啟動/修正/繼續，還是不購買/啟動/修正/繼續？）。這就是所謂的默認操作，選擇的標準則是，在置之不理的情況下，哪種操作不那麼有害。
對那些不習慣這樣做的決策者而言，很難去選擇一種默認操作。你會問自己：「如果除了已經看到的沒有其他額外的數據，那我該怎麼辦？」回答這個問題需要性格的力量——你不能推卸責任給數據。你必須考慮商業問題，並如實回答：「如果我現在必須做出決定，會做何選擇？」
舉例來說，「這是一種新藥或是新的機器學習系統，我不知道是否管用。默認情況下，我是該發布還是不發布？」（大多數人很可能會說不該發布，除了那些認為機器學習系統會讓簡歷看起來很棒的人。）
一旦指定了默認操作，就可以開始考慮數據問題了。但即便如此，第一步也不是去收集或分析數據。在決定如果沒有新信息該如何默認操作以後，就需要考慮新數據到來時該如何反應的問題了。什麼樣的數據會讓你放棄默認操作？要回答這個問題，你需要具備強大的想像力，確定默認操作是否對每個狀況來說都是正確的，然後制定一個標準，來判定你身處於哪種狀態。最後，你要考慮需要多少證據才會讓你放棄默認操作，以及你的風險容忍度有多大。做完這一切再讓我們開始關注數據吧。
凱西·柯茲科夫(Cassie Kozyrkov) | 文
凱西·柯茲科夫是谷歌的首席決策科學家。
時青靖 | 編輯
《哈佛商業評論》