吉宁博士观点
高管要采用更多的决策工具
高管就是雇来做艰难决定的。决策影响深远，很大程度上它的结果也会决定高管业绩的好坏。当然，在做战略决策时，决策者不可能完全规避风险，但我们相信只需做到一个改变，你就能显著地提高决策的成功率，尽管这从来都不容易——采用更多的决策工具，并能把每个工具都用得得心应手。
大多数公司过分依赖现金流折现法（Discounted Cash Flow Analysis）或场景定量测试（Quantitative Scenario Testing）等基本的决策工具，即便面对高度复杂、极度不确定的情况也固守成规。这种情况在我们的咨询和高管培训中屡见不鲜，之后的调研也证实了我们最初的印象。当然，我们在商学院习得的传统工具仍然强大，但前提是稳定的商业环境、已熟知的商业模式和可靠的信息来源。但如果你深处不熟悉的商业领域或急剧变化的行业，无论是发布新产品或是调整商业模式，这些传统工具就都变得乏善可陈。原因在于，传统工具会假设决策者已经获得非常全面和可靠的信息。但在过去20年间，所有与我们一起工作过的商界领导者都发现，在信息不完整、不确定的情况下，也必须要做出决策的情况越来越多。
在文章的前半部分，我们描述了一个决策流程图，它可以将不同的决策工具与不同的决策情境相匹配。用好这个图，你需要回答三个基本问题：你有多了解影响决策成功的变量？结果的可预知程度有多高？有效信息的集中程度如何？在高度不确定的情况下，我们强烈推荐多使用基于多重类比的案例决策分析法（Case-Based Decision Analysis） 和场景定性分析法（Qualitative Scenario Analysis）。
为了让那些重要结论更加一目了然，我们在设计这一决策流程图时，不可避免地将复杂的情况进行了简化。在文章的后半部分，我们对一些最常见的复杂情况进行了探讨：大多数高管低估了不确定性因素的影响力；组织规范会阻碍决策进程；经理人既不了解何时使用最佳工具组合来分析决策，也不知道何时推迟决策直到他们可以更好地架构流程图。
创建决策流程图
创建决策流程图
当你不知该如何在特定情况下选择合适的分析工具时，你需要回答两个基本问题：
你是否知道如何才能成功？你要知道自己是否已经有了能带来成功的决策流程图，即一种对成功因素和宏观经济形势的深刻理解。比如，一家零售业公司已经靠不断开新店而成功，或一家公司一直因兼并相关竞争者而维持行业地位。那些反复做出类似决策的公司，都已有这种决策流程图。
一个简单的方法就能测试出你的决策流程图是否有效：你能把决策变成一个简洁且具体的 “如果…那么…”句式吗？比如，“如果新技术能够将成本降低X%，并通过将节省的成本转化为客户价值而获得Y%的市场份额，那么我们就引进这一技术”。
在绝大多数情况下，公司高管并没有一个具体的决策流程图来指导战略决策的制定。一些高管能够对几个关键性成功因素做到胸中有数，但是并不能看清全局，比如有些公司在做新品研发时就很难顾全大局。另外一些人根本就不知道如何去架构一个决策流程图，例如一家被外来行业的新科技打败的公司就属于这种情况。
问问你自己：
你知道哪些关键因素的组合会带来成功的决策吗？
你了解达到哪几项标准能确保成功吗？
对如何获得成功，你有精确的构思吗？
你能否预测可能的结果？要选择恰当的决策分析工具，你还得能预测该决策可能带来的结果。
有时，在存在一定确定性的前提下，决策者可以预测出一个单一的结果，比如该公司可能已多次做出类似的决策。更多时候，决策者将根据具体的因素（或在整体分析后）确定一系列可能的结果。他们甚至能预测这些结果出现的几率。但是，在不确定的经济环境下，即使决策者已知成功的关键因素并拥有决策流程图，也无法预测出一系列可能的结果和准确的几率。
问问你自己：
综合和单个考量成功因素后，你是否知道决策所带来的一系列结果？
你能量化各个结果的概率吗？
选择正确的工具（一）
选择正确的工具：
五种情景
对照《诊断你的决策》的决策流程图，逐一回答相应的问题你就能找到正确的决策工具（《决策工具词汇表》中有对每个决策工具的简要介绍）。有时，一种决策工具足矣，有时你需要一系列工具的组合。对于很多读者来说，可能很多决策工具已耳熟能详，但是我们极力推荐的案例决策分析法并未得到广泛的使用，部分原因是它相对其他工具较新，部分原因是高管低估了他们所面对的商业环境的不确定性（更多有关案例决策分析法的信息，见边栏《设计严格的类比分析：一种极少采用的决策工具》 ）。
为了更好地说明问题，让我们来假设麦当劳高管可能面对的五种情景。
情景一：你已有决策流程图，并能非常准确地预测决策结果。我们假设麦当劳的高管要做一个选址决策。公司已掌握了该地理位置的所有相关信息：首先，影响决策成功的变量：该地区的人口状况、交通状况、地价和房源、竞争对手店面的所在位置。其次，有大量的数据支撑对以上变量的分析。第三，该店面的精确收支情况。综合以上因素，决策者已经能够设计出选址的决策流程图。决策者可将交通状况等其他方面的数据输入现金流折算法的分析模型，来精确预测该店址的业绩表现，并做出是否选定该地的最终决定。
工具：传统的资本预算工具，例如，现金流折算法和预期收益率法（Expected Rate of Return）。
情景二：你已有决策流程图，并能预测一系列可能的结果和它们可能发生的概率。假设麦当劳的经理现在要决定是否在美国新推出一款三明治。他们仍然可以分析出成本收入比、地区人口状况、人流密度等数据。但是三明治新品的推出有很大的不确定性：他们不能确定消费者对三明治需求的大小，还有新产品是否可能影响其他类似产品的销售。不过，他们仍然可以使用多重场景定量分析法（Quantitative Multiple Scenario Tool）预测一系列可能的结果。通过不同地区的初步市场调查他们就能得出预测结果，，甚至给出每种结果发生的概率。这样，我们就能归纳出一个简单的“结果树”，将结果概率与成本收益率相联系。结果树可用来计算预期价值、变量和麦当劳新品可能带来的经济收益。高管可以运用标准的决策分析工具做出最终的决定。
或者，麦当劳可以在几个地区实验性地推出新品。测试数据能否提供有关潜在市场整体需求的有效信息，进而避免承担全面失败的风险。实验性地推出新品，相当于投资期权，在获得有效信息的同时，你还拥有了是否在未来全面推出新品的选择权。新品试点法是市场调研的一种，但这一方法的成本较高。实物期权分析法（Real Options Analysis）可以在不确定的市场环境下量化实验性项目的成本收益状况，适用于类似情景二的决策。
工具：多重场景定量分析法包括蒙特卡罗模拟风险分析（Monte Carlo Simulations）、决策分析（Decision Analysis）和实物期权评估等方法。以上工具可以与第一种场景下所选择的传统成本预算模型相结合，高管可以先使用现金流折算法和已知的结果概率设想一下可能的结果，然后再使用决策分析法估算具体的期待价值和将一系列结果进行排序。
选择正确的工具（二）
情景三：你已有决策流程图，但是你无法预测结果。我们假设麦当劳现在想踏入完全未知的新兴市场。高管仍然对利润收益深信不疑，产生成本和收益的驱动因素也可能与本土市场无异。但对于可能的结果，公司缺乏充分信息，也很难通过市场调研方法和统计分析预测这一结果。
麦当劳的食品对这一市场的消费群体而言相对陌生，而且麦当劳也会遇到完全陌生的竞争对手，它不确定是否能完全信赖供应商，对如何雇用和培训员工也知之甚少。在这种情况下麦当劳可以运用场景定性分析法来了解可能的决策结果。从收入情况入手，公司可以了解消费者的接受程度和竞争对手的回应。从供应商的方面入手，公司可以聚焦于新兴市场供应链的不确定性，以及监管部门可能给供应商带来的费用和对供货可靠性的监督。这些场景尽管可能无法囊括全部状况但颇具代表性，它们能够帮助高管评估进入该市场的优劣，并决定进入该市场可以接受的最大投入。高管需要基于案例的情况类比决策法作为补充。他们可以参照其他进入新兴市场快餐品牌的决策，或者参考进入该市场的某一消费品公司的决策。
工具：场景定性分析法，辅以基于案例的决策分析法。
情景四：你没有决策流程图，但仍然可以预测出一系列结果。假设麦当劳想要以新的商业模式引入一项新业务，比如为改善餐饮服务流程提供咨询服务。在这种情况下，高管无法全面归纳出清晰的决策流程图，因为他们无法明确辨识出导向成功的因素。但是，这并不意味着无法找到恰当的信息源并预测出一系列可能的结果。通过归纳该商业模式下的成功经验和类似商业模式下的几种结果，公司可以发掘出未来的可能。挖掘数据以总结深层的商业模式比打探商业模式的细节要可行，毕竟这在很多公司都属于“祖传秘方”。
工具：基于案例的决策分析
情景五：你没有决策流程图，也不能预测决策结果。即使是在成熟行业已颇有建树的领军公司也会面临模棱两可且高度不确定的决策。假设麦当劳要应对美国当前的肥胖症担忧和大众对快餐业的抵制，公司无法确定这一现象对消费者需求可能带来的影响。消费者的抵制可能会彻底改变快餐行业的业态，改变公司现有的决策机制，甚至改写历史。麦当劳无法准确预测可能发生的诉讼、医学研究、法律修改以及竞争对手的应对方式，而这些情况可能让公司所做出的所有决策都付诸东流。面对这样的高度不确定性，公司仍然需要依靠基于案例的决策分析法。公司可以参考其他消费类公司是如何在被置于“危险境地”时将自己重新定位为健康和安全的形象的案例，或者参考他们是如何通过公关、游说去影响立法机构、监管方和股东的做法。麦当劳应该分析一下赌博、烟草、军火、碳酸饮料和烧烤食品等行业的案例。
工具：基于案例的决策分析法
有效信息
有效信息
细心的读者可能会发现，在 《诊断你的决策》流程图中并没有提及信息整合工具（Information Aggregation Tools）。我们要将这一方法单独提出，因为信息整合工具与决策流程图最开始的两个问题无关——“你是否已对决策流程图有清晰认识”和“你是否已知结果的可能性”。
高管所需的辅助战略决定的信息往往既分散，又非常依赖于环境。举例说明，如果一家公司要估测收购项目的协同增效效应，情况很可能是，公司内外的各位专家会带来各种不同信息。这时就必须搜集各路专家的不同观点，利用信息整合工具给出结果的可能和概率。标准的信息整合工具包括已应用几十年之久的德尔菲方法（Delphi Approach）。
资讯市场（亦称“预测市场”）是搜集和分析分散信息的新手段，在这里，你可以从消息灵通人士那里捕捉到一些集体智慧，比如未来几年的宏观经济形势、新产品如何才能获得认可。需要提醒的是，这一方法有两点局限性。第一、资讯市场的运行方式和股票市场类似，参与者可以在任何一种结果上“下注”。如果使用该方法，公司高管应该已经能够预测出一系列结果。也就是说，在上文的情景二和四中，可以应用该方法。第二、该方法要求公司公开部分高管可能不愿公开的信息，比如新药品带来的预期收益。
两种方法可以避开上述局限。第一、奖励性预测：让消息灵通人士给出关键结果的可能性概率，最接近实际数值的人获得一定的奖励（未必是金钱形式的奖励）。第二、相似性类比预测法（Similarity-Based Forecasting）：给出过去类似决策的结果或以往数据，让大众为现有的决定与以往决定的相似度打分，使用简单的统计学方法就能计算出较为准确的相似度，预测出收入额、成本或交付时限。事实上，第二种方法就是基于案例的决策分析法。
问问你自己：
你需要的信息是集中的还是分散的？
如果信息是分散的，你能集专家所思并整合他们的信息吗？
集思广益是可行的且有用的吗？
是否可能在集思广益的同时，不泄露公司的机密？
处理复杂情况
处理复杂情况
为清晰起见，我们在上文中给出的是简化过的假设情景。现实中，毫无疑问，在做决策时会出现各种复杂情况。下文就是对这些情况的探讨。
不知其所不知。用决策流程图选择决策工具的前提是，高管能够明确地知道他们所面对问题的复杂性和不确定性。这一前提本身是有瑕疵的。因为决策者是人，必然会有认知局限和行为偏见。在实际情况中，很多时候决策者信心膨胀，自以为有能力预测不确定的结果，更自以为是地解读数据反证最初观点的正确性。
归根结蒂，高管不知其所不知，却认为自己无所不知。
隐性的认知偏见。高管先入为主的认知偏见会直接导致对不确定性因素的低估，并得出结论——决策工具实用性不强。但以我们的咨询经验，大部分组织可以避免这样的偏见——如果高管选择透明、全面和公开的方式做决策，同事就可以评估他们的判断。当然这也要仰赖组织流程和文化的变革。
比如，自认为深谙宏观经济形势的决策者应该接受这样的质询：决定性的经济因素和决策结果之间的关系是否发生了变化，我们的传统模型是否仍然有效？同样，那些自认可以事先预测结果可能性和概率的高管应该被问道：为什么有些看似必然的结果最后并没有实现？你得出这样的概率是建立在什么样的假设之上？最后总结相关信息并以此做决策的高管核心团队应该回答：如果我们要组建一支梦幻团队来指导决策，那么谁是必不可少的成员，为什么？
如果决策者必须回答以上问题，他们就不太会拍脑门决定，或对决定毫不怀疑，则更有可能借助情景分析和基于案例的决策工具。在考虑相对较新、较为特殊的战略决定时，这点尤为重要。
组织流程的拦路虎。公司必须制定一套决策规范，因为一旦涉及到经济利益和权力问题时，决策的过程中就会遇到各种公司政治和不规范操作的阻挠。我们曾为一家全球领先的技术公司做咨询，他们的预测团队没有考虑产品所处的生命周期，总是使用同一套决策工具作预测——这样使得预测变得毫无意义。当我们介入调查时发现了两点。第一、公司事业部的领导只要求团队做简单的预测，因为他们不理解如何解读和利用复杂的预测结果。第二、公司不考虑事业部的研发投入产出比，所以事业部的领导要求预测团队尽可能多地预测收入额。结果就是，公司得到一个虚假的预测结果。而这只是我们经历过的众多案例中的一例。如果预测团队直接向CFO汇报，而CFO理解复杂的财务模型，也能客观地判断事业部的研发投入额，那么预测数据会更能说明问题。当然，公司不可能把所有反常规的情况都写入决策规范，但是一些普适的规范和要求会起到很大的作用。
固守陈规。我们看到太多的高管只依赖于传统的资本预算法，这是促使我们开发出决策流程图的一个原因。大多数重要决定都在不同程度上存在模棱两可的不确定性，单一的传统决策工具无法处理这样的情况。
辅以其他的决策工具，或者选择工具组合的方式往往更有效。让我们试想一家好莱坞电影工作室的高管现在要对是否投资一部主流电影做出决定。如今，发行一部在600家影院上线的电影，平均投入是7000万美元（大多数电影的发行预算都超过1亿），但十部电影中只有三、四部能够盈收平衡或盈利，所以这样的决定非常重要。但是否通过这一部电影却只需“专家同意”，也就是说，主要靠高管的直觉，辅以标准的回归分析法（Regression Analysis）。我们两位作者最近做了一项研究，依靠相似性分析法预测了19 部大规模上映的电影票房。我们在网上向普通观众公开情节介绍、演员阵容等关键要素，并要求他们在此基础上对此部影片与以往影片的相似度打分，根据相似度的平均分值预测新电影的票房收入。结果，预测的票房比专家观点和标准回归分析的准确度高两倍，对小成本电影尤为有效。这一基于案例的决策分析成功地调动了集体的智慧。
即使是在情况相对明了的时候，基于案例的决策分析工具辅助资本预算法和多重场景定量分析法，也能帮助你有效发现潜在的认知偏见。例如，你认为某个投资项目的投资回报率“必定”远高于以往，这个结论可能是你过分自信的反映，并非项目本身有多与众不同。稳健的场景类比分析能促使决策者客观地看待这些“特殊”情况，发现那只是自己投射在项目回报率上的美好想象。
延后决定也是重要决定。决定何时做决策和如何做决策一样重要。在极度不确定的情况下，比较明智的选择是综合几种决策工具，比如在快速变革的业态下改变商业模式，你需要不断地学习和反复地实验。举例来说，大规模开发的线上课程（Massive Open Online Courses，简称MOOC）正在颠覆今天的大学教育，但绝大多数教育机构的管理者不知道是否应该做出反应，如何以及何时进行调整。
多数学校的做法是与其现在就做出成本高昂的高风险决策，倒不如小规模试水，看看线上教育的“成功”究竟意味着什么。例如，他们也会使用场景类比分析法，通过类比音乐产业中的线上单曲销售，来探索这种模式是否对高校有借鉴意义。
想要成为更好的决策者，你该从何做起？答案是，系统学习如何使用决策工具。显然，你经常使用的决策工具并不是你应该使用的决策工具。掌握蒙特卡罗模拟风险分析法、决策分析法和实物期权评估法，训练自己基于场景的分析能力，从学术研究和从业者资料那里了解快速发展的资讯市场；多运用历史经验类比，辨别出那些其实模棱两可、不确定的，但往往却是最重要的决定。
当然，我们在做任何决定时都会自觉不自觉地使用类比的思考。认知科学家侯世达 （Douglas Hofstadter，著有《哥德尔、艾舍尔、巴赫：集异璧之大成》（Gode,Escher,Bach:An Eternal Golden Braid）将类比思考称之为“人类思想之火的燃料”。但是，我们也很容易就陷入“傲慢与偏见”的陷阱，用自圆其说的类比证明先入为主的观念。相似性类比预测法这一类基于案例的决策法可以有效地察验出这种倾向。
最后，可能也是最重要的是，公司要形成一种文化——有意识地决定如何以及何时做出决策。（译/李钊 校/陈晨）
休·考特尼（Hugh Courtney）是西北大学D’Amore-McKim商学院院长兼国际商业和战略领域的教授，曾在麦肯锡咨询公司担任咨询师；丹·洛瓦洛（Dan Lovallo）是悉尼大学战略管理领域的教授，麦肯锡公司资深顾问，曾与2002年诺贝尔经济学奖获奖者、《思考，快与慢》的作者丹尼尔·卡尼曼（Daniel Kahneman）合作发表《成功的幻觉：乐观主义何以损害了管理者的决策》（Delusions of Success: How Optimism Undermines Executives’ Decisions，《哈佛商业评论》英文版，2003年7月）、《在你做重大决策之前》（Before You Make That Big Decision，《哈佛商业评论》英文版，2011年6月）；卡尔米纳·克拉克（Carmina Clarke）是澳大利亚麦格理集团（Macquarie Group）高级经理。
