如何应对“低估问题而高估能力”和“高估问题而低估能力”？

zhouhaifa

如何应对“低估问题而高估能力”和“高估问题而低估能力”？

来源： 项保华 企业管理杂志


归因偏差



在归因过程中，由于受人为主观因素的影响，最终得出的因果判断结论，可能会偏离真实的客观规律，这种倾向称为归因偏差。归因偏差，常在人们无意识中发生，容易导致对因果关系的错误判断与扭曲理解，引发严重的决策失误。


归因偏差一般有三类：一是主客归因，将行为及结果更多归结为个体特征，相对忽视情景因素；二是人我归因，对自我更多看到环境制约，对他人更为关注个体特征；三是正负归因，将正面视为自己个性特征，把负面归咎所处环境。


无意中出现的归因偏差，总体上有点美化自我、贬损他人，体现了人类的自我中心、自以为是倾向，代表了“事态可控、操之在我”的虚幻感觉。这些均在一定程度上反映了人们内心的潜在追求，但却并不符合决策者所面临的客观实际。

对于成功、正面的事情，若发生在自己身上，即使运气使然，也会觉得是自己能干，才抓住了机会；若发生在别人身上，则即使出于能干，才创造出了机遇，也会觉得是其碰上了好运气。对于失败的、负面的情况，则会反过来做归因。


有时甚至是做了同样的事，也会倾向于认为，自己比别人有着更好的做事动机。归因上的自我肯定与自我夸耀，经过不断强化，人们慢慢地可能会真的感觉自己特能干，从而变得信心满满，做事更积极投入。如此看来，似乎很不错。

关于独特自我的感觉，一旦过度放大，甚至膨胀到目空一切、目中无人的地步，就很有可能引发盲目、盲动的不良后果。例如，将偶然的运气看成努力的必然，将例外的惊喜当作成功的常态，就会无意中形成“成功可控”的幻觉。


现实多见成功佳话，人们更崇拜、尊重、追随成功偶像，只是容易忽略或忘却历史常识：成功的神话、奇迹，不可能简单复制、模仿，毕竟商业机遇、企业境况、个人特质等，都不可能重现。看待成功，更需反思伴随的问题与危机。

有人觉得，归因分析有着揭示规律与落实责任的双重作用。因果推理，既可弄清运行机理，也能界定责任权利。若将关注点放在运行机理，则有助于总结经验，改进提高；若把关注点放在责任权利，则有助于分清权责，奖惩适当。


因果推理的不同目的取向，无意中会引发不同的归因态度、行为与结果。例如，弄清因果联系，若为分清权责、适当奖惩，就易出现邀功诿过的情况；若主要为改进，则无论事情成败，都更能吸引更多的人主动参与，共同学习提高。

归因偏差的形成，也可能是由于人们认知能力有限，无法洞察事物真相，而并非刻意为之或无意形成。例如，人们的注意力稀缺，在一定时间内所关注的重点，只能聚焦于一个或少数几个关键事物上，而对其他的情况就会无暇旁顾。


还有时，受限于决策所面临的情境，很难做到客观归因。例如，问题本身太过复杂，受众多不确定因素的影响，时间紧迫来不及细想，很难梳理出简单清晰的因果线索，此时就只能凭决策者个人的本能、直觉或按组织的惯例去行动。

面对不确定，难以弄清因果关系，人们可能会有这样的归因倾 向：对于偶发的事件，无论成功或失败，如果印象深刻，不易忘记，则一旦经历过，就会高估其再次出现的概率，从而影响到归因，最终引发杯弓蛇影、守株待兔的结果。


对于频发的事件，若情况一直很好，无意中会低估问题、高估能力，导致过度自信，因主观放松而致问题出现；反之，若情况一直很差，无意中会高估问题、低估能力，导致悲观失望，因放弃努力而致问题加重。对此，该怎样应对？



完备推理



缺失数据：不叫的狗

推理需要数据。诚如福尔摩斯所言：“在没有数据之前就开始推理是一种致命的错误，人们会不知不觉地通过扭曲事实去匹配理论，而不是要求理论去切合实际。”那么，推理到底需要什么数据呢？有时数据就在那，就是不会用。


关于数据，其中有些对于推理特别重要，却不太引起注意，甚至根本就被忽视了。这类缺失的数据，有人将其形象地比喻为“不叫的狗”。在《银马车》故事里，福尔摩斯注意到了午夜“狗不出声”，才从中推断出可能熟人作案。


许多情况下，有关事实真相的细节数据，就像“不叫的狗”原本存在，仅仅因为人们没有注意，未能被及时发现并加以适当运用，结果在无意中就成了重要的缺失信息。如何注意、发现或寻找可能存在的缺失信息？考验着决策者的洞见。



推理说明：一则笑话的启示



受注意力稀缺的局限，人们通常只会选择性地注意到有什么，而难以发现因不注意视盲而可能忽略了什么。缺失的信息，可能混杂在你所拥有的众多信息之中而难以识别，也可能根本尚未掌握， 更不会主动显现，而需要人们去揭示。


揭示现实存在的缺失信息，发现隐藏的事实真相，提升决策推理能力，是否存在切实有效的方法或客观科学的规律？这可从一则笑话说起：有小孩生病，不想去医院，家长问缘由，小孩答：“我发现去医院的人，后来都死掉了。”


以上笑话中，小孩的归因偏差在于，只注意到“去”并“死”掉的信息，而忽略了其他的缺失信息。真想判定去医院是否有助于治病，必须了解更多情况，以弄清去与未去医院相比，最终病人的 存活率或死亡率是否存在显著的不同。

                    表    因果推理说明




不失一般性，若以去医院看病为例，为了弄清是否去医院的行为，与最终是否死掉有无因果联系，需要四部分信息：一是去医院后死掉的人数，二是去医院后存活的人数，三是未去医院仍死掉的人数，四是未去医院仍存活的人数。


如表，对于原因“医院”，存在着“去”与“未”两种不同的选择；对于结果“状况”，存在着“死”与“活”两种不同的状况。通过计算表中的数据，对比不同行为的死亡率差异，从中或能发现去不去医院，后果是否大不同。


严格的因果推理，需要关于各种因与各种果关系的完整信息。现实中，人们进行因果推理，通常都是依据自己注意到或所掌握的信息，这似乎没什么错，只是需注意，同时不要忽略其他重要的缺失信息，以免导致归因偏差甚至错误。



推理的正反合


现实决策中，往往需要考虑众多因素，同时又受时间、精力、资源等局限，这样一来，试图搜集或掌握完整数据，进行因果推理，实际上既不可能也没必要。如何运用有限的数据进行推理，而又不致疏漏重要的缺失信息，似乎很重要。


任何因果推理，都可能有正向与反向两种不同的表达，有时正向表达容易理解，另有时反向表达更为简明精到。若能注意综合运用正、反思维，也就是学会正向思维与逆向思维，并能随时转换，就易洞察因果推理所忽视的缺失信息。


例如，有人发现，一般长寿公司都是财务保守型的，能否由此反向推论：财务保守型的公司更可能活得久？再如，有人看到，许多快速成长的公司都快速灭亡了，可否由此正向推论：快速成长的公司更易快速灭亡？显见，这是有问题的。

不同的推论，有不同的数据要求。例如，就一个人来说，要正向肯证其品行端正，需无限举证，通常盖棺才可定论；要反向否证 其品行不端，只需举出一个反例。由此看来，试图通过正面举证， 为污点当事人洗白的做法，多无效。


又如，城市新增景观雕塑时，会听到许多反对声音，而除了参与规划设计者，似乎少闻赞赏声音；反之，拆除原存景观雕塑时，也会听到许多反对声音，不太听得到赞同的声音。在这里，正反各方的呼声，存在着信息传递的不对称。


化解信息传递上的不对称，在重大决策中，不仅要倾听积极发言者的看法，还需了解沉默甚至缺席者的看法，这些看法可能正好反映缺失的信息，代表着受决策影响的更大多数人的利益，甚至还影响着所做决策的最终能否顺利实施！