伦顿商学院教授：让决策快速而节俭

试想下面的情景：病人因严重的胸痛被送到医院。医生怀疑他是急性缺血性心脏疾病，需要迅速做出决定：是把病人计划 到冠心病监护病房，还是把他计划 到常规护理病房以监测病人的情况？

医生会怎样去做这种决策？那些没有受过多年正规医疗学习 的医生（甚至有许多接受过这种教育的医生也如此）的回答很可能是：“在这种情况下，一个好医生会尽量多搜集病人的信息，并结合当前急诊的背景进行权衡，考虑所有可能的选择，然后做出最好的决定。”

然而，这种通常出现在有关决策的教科书上的回答，在现实中却往往是错误的。在分秒必争的情况下，尽可能多地搜集信息可能非常费时；而且考虑所有可能的选择，会使医生被一些牵强且不切实际的选择所累，而这些选择很可能对病人的康复毫无帮助。

同样的道理也适用于商界。很多情况下，决策并不来自条分缕析的复杂过程，而来自一种启发式的思考模式。虽然你在做商业决策时可能很少想到“启发式”这个词，但事实上大多数决定都用到了启发式的方法。

并不必要的复杂？

“启发式”来自希腊语的“heuriskein”一词，该词有“发现”之意。启发式是经验规则，帮助我们找到解决问题的办法。在制定决策的时候，启发式可以帮助我们在时间有限、知识水平有限的情况下做出决定。

经理人往往坚持让手下的管理团队对未来做出复杂的预测。但是，“复杂”的预测真的就更好吗？我和其他一些人探讨了一个问题：在预测科学方面，“复杂”的优化方法相较于启发式的预测方法，到底有多少优势？结果令我们非常吃惊。我们阅读了许多有关预测技术的研究，例如在今年每日气温的基础上预测明年的每日气温、追踪罪犯下一个可能袭击的地方、预测温网或世界杯比赛的结果、预测现有客户是否会在一个给定的时间内再次购买某种商品等等，结果发现，更复杂的预测策略对很多日常问题的预测没有明显优势。换句话说，我们吃惊地发现，在许多情况下，对所有可用数据进行搜集和分析来帮助你进行决策很可能是多此一举。

用“启发式”预测最佳客户  举一个商业中的例子。许多企业都有预测“未来最佳客户”这个重要任务。2008年，马克斯·乌本（Markus Wübben）和佛罗莱恩·汪恩海姆（Florian Wangenheim）这两位研究者用历史数据测试了两种主要的预测途径：（1）预测哪些客户是不活跃的，也就是说，他们不会再次购买商品；（2）预测哪些客户将会是未来的“最佳客户”，也就是购买最多的客户。研究者采用了航空业、服装业和在线音乐行业的客户数据进行测试。例如，服装业的数据包含某个零售商的2330个客户超过80周的最初购买和重复购买信息。

这两位作者对启发式的预测方法和复杂的预测方法进行了对比。首先，他们考虑了一个相对简单的“间断启发式”：如果一个客户在过去数月内没有购买商品（间断），这个客户就被归入“不活跃客户”之列；另一些客户则被认为是活跃的，他们可能会是回头客。在预测最佳客户这个问题上，他们也采用了一个简单的持续启发式：仅仅预测过去购物最多的X%的最佳客户将会是未来购物最多的X%的最佳客户。与启发式相对的是两个复杂的随机模式。这两个复杂模式在条件适宜、数据充足的情况下表现良好，但在数据有限的一般情况下并没有特别的优势。

“启发式”和复杂预测模式的竞争结果如何呢？两个研究者发现：复杂的预测技术并没有比极为简单的经验规则表现得更出色。怎么会这样呢？

原因在于，“启发式”不需要估算大量的参数，从而避免了对少量数据进行笼统总结而得出很不精确的结论。另一方面，“启发式”已经存在了很长时间，它包含了数十年资料中蕴含的智慧，在商业领域的运用也得到了发展和完善。在这些分析中，经理人的直觉出人意料地接近最优结论。例如，在服装行业，经理人对购物间断长度的直觉为39周，而最佳的数字是40周。在正确对客户进行分类方面，选择最佳间断时间比经理人直觉选择的间断时间带来的改进不到1%。

在找出“最佳客户”这个问题上，根据交易量将航空业、服装业和在线音乐行业数据库中的客户列入或排除出前10%或20%。对这一领域，管理者感兴趣的关键数值是：到底有多少预测中的最佳客户是实际的最佳客户？以此为标准，在12次测试中，启发式有9次胜出，仅有3次落败。进一步的分析表明，改变研究时间段的长度对结果影响不大。

“专业”投资只是传说  “启发式”蕴含的精神可以在4世纪的《巴比伦塔木德》中找到，该书提到：“每个人都应该把财富分成三份：三分之一在土地，三分之一在商品，三分之一在手里。”这个简单的规律被叫做“1/N启发式”，近年来还被一些人形容为“天真的策略”。

在投资领域中，所谓的“专业投资者”很可能在高性能计算模式的辅助下，尽量避免做任何“天真”的事情。那么，他们的专业投资方法有多少优势呢？伦敦商学院的维克多·迪米基尔（Victor DeMiguel）和拉曼·尤博尔（Raman Uppal）与得克萨斯大学的洛伦佐·盖勒普（Lorenzo Garlappi）从投资的角度研究了“启发式”。

每一个投资者，不论是专业投资者还是业余投资者，都要做出资产分配的决策。投资组合的表现往往用报酬波动的比例来评判，如夏普比率（Sharp Ratio）或如确定性等价回报（CEQ）等其他指标。迪米基尔与合作者对6个历史数据库进行测试，想从14种投资组合构建的方法中找出具有最高的夏普比率、确定性等价回报和最低收益的一种。他们测试了基于复杂数据构建的投资组合，结果证明，14个优化模式没有一个能在夏普比率、确定性等价回报或收益上一直优于1/N启发式。例如，在研究夏普比率时，72个案例中仅有6例优于1/N启发式；对于确定性等价回报，在72个测试中只有两例优于1/N启发式；至于收益，只有一个策略优于1/N启发式—即掌握市场而不是控制交易。人们可以花数不清的时间建立最“专业”的投资模式，但这些模式却没能比《巴比伦塔木德》中支持的模式带来更大收益。

启发式的生命力和透明度

分辨一种决策是不是“启发式”，有一个方法是看其是否“快速节俭”—快速节俭的启发式运用起来比较快捷，不需要进行大量数据的搜集和分析，且预测准确。但是，如果认为最简单的决策方式就是最好的决策方式，那就大错特错了。爱因斯坦在1934年指出：“所有理论的最高目标是使不可约的基本元素尽可能简单、尽可能少，且不用放弃经验唯一基准的充分代表。”这句话通常被简化成：“凡事应该求简，但不要过分简化。”这个简述恰如其分地表达了爱因斯坦要传达的意思。

启发式因其简明而更有生命力，其简明性是通过开发人类不断发展的感知能力实现的。但是，并非所有的启发式都可以准确地预测未来，当代研究者的课题就是了解何种启发式最适合解决何种问题。

启发式的简明性不仅能产生生命力，还能产生透明度。如今世界有一个很大的危险就是，金融、经济、市场营销和战略规划等领域的经理人经常使用的复杂方法，很可能仅仅只是打动别人的幌子，最终将成为自己的终结，不能为市场提供一点儿额外的活力。领导者有时候宣扬复杂性而非透明度，除了要打动别人之外，还因为他们相信让股东知道自己有最先进的方法来解决重要问题，这样可以让股东更为安心。但预测的失败—如未能预测到的经济衰退—却随着时间的推移变得日益显著。一些极端事件足以告诉人们：在预测质量不相上下的情况下，相信透明的预测（它的局限也是透明的）比相信复杂的预测（其局限也难以理解）更为安全。

在本文的开头，假设了一位心脏有问题的病人刚被送入医院，由此提出疑问：“是把病人计划 到冠心病监护病房，还是把他计划 到常规护理病房以监测病人的情况？医生该如何去做这种决策呢？”尽管企业领导者每日 做的决策可能不像医院急诊那么紧迫，但我要提醒一下：在经济前景不明朗、竞争日益激烈的时期，你或你所在公司的其他经理人可能很快就要做出事关企业未来健康发展的生死攸关的决策。你能否回答这两个问题：管理者会怎么决定呢？他们又该如何去做这种决策呢？

作者介绍 ：丹·戈尔茨坦（Dan Goldstein），伦顿商学院市场营销学副教授