網購時看評分，逛商場時比標價，選餐廳前查排隊時間……

是不是覺得自己也是“數據驅動”的時尚進步青年呢？

很遺憾，你的決策中很可能缺少了最重要的一步——沒有這一步驟，即便你有數據，也往往只能被自己的主觀“偏見”牽著鼻子走。

你要想通過數據驅動做出決策，那么就必須完全依賴數據。這聽起來似乎很簡單，但實際上卻很難做到，很重要的一個原因是決策者沒有提前設定決策標準。

“提前設定決策標準”正是眾多數據決策者經常忽略的、卻也是至關重要的一個步驟。

被誤解的數據驅動

讓我們來設想一個場景，你決定在網上購買東西，這個決定的前提是你信任網上的賣家。接著你開始上網搜索，你看到一個賣家的評分是4.2分（總分5分），如果你無法通過4.2分判斷這個賣家是否可靠，那么你就很難做出決定。但如果你知道4.2分已經超過了平均水平，那么也許你就會決定下單。

這個例子告訴我們，如果沒有決策基礎，那么我們只能在數據中瞎摸索，由此做出的決定最多只能說是受數據啟發，并不是由數據驅動。

數據啟發

我們的生活里充滿著數據，就像鯨魚身邊充斥著浮游生物一樣。但由于沒有決策基礎，我們只能這邊看看那邊看看，最終可能懶得再看了，隨便下個決定算了！

大部分決策者在接觸數據之前就已經做出決定了，所以當他們接觸數據時，馬上就能從中挑出自己想要的數據。事實證明，人類會選擇性地與數據交互，以對自己做出的選擇進行判斷，但人們往往會忽視這種選擇性，這在心理學上稱為：確認偏誤，即遇到一個命題時，人會傾向于尋找支持這個命題的證據，而忽視否定這個命題的證據。

由于選擇性地挑選那些對自己有利的數據，所以往往人們就會覺得自己的決定是正確的。

使問題和答案相符

滿分5分，那么4.2分算好嗎？這取決于你的無意識偏見。

當一個有經驗的網購買家人看到4.2分時，他會很開心的說：“已經超過4.0的均分了，很棒了！”他們甚至可以進行一個嚴謹的分析，來說明這個4.2分在統計學上是顯著高于4.0的（看吶，這就是大家一直想要的p值！）與此同時，那些缺乏經驗的買家會說：“4.5分都不到，我要換一家?！被颉?.2分比1分高多了，挺好的，就它家了?！?/p>

決策者沒有決策基礎，再牛逼的數據科學家也無能為力

有時候，數學的復雜性會使簡單的問題變得棘手。人們常常用一大堆函數去分析一個其實很簡單的東西。

一群數據科學家和工程師可能花了幾個月的時間，經過仔細的數學建模和精密計算后，才得出4.2分這個數字。

那么，決策者會怎么做呢？

由于確認偏誤，決策者很可能會戴著有色眼鏡來解讀這一數據。他會選擇性的挑選有利于自己決定的數據，也根本不在乎這個數據是否準確。就這樣，科學家們幾個月的努力全白費了——其實還不如隨便編個數呢！

決策者若沒有決策基礎，再強大的數據科學團隊也解決不了問題。這種情況下，我建議數據科學家們使用最簡單的數學方法分析就好了，省錢又省力，簡直完美。

消除確認偏誤

決策者在分析數據之前需要做大量功課來消除確認偏誤，一個有效的解決方法是提前設定決策邊界，確保這個邊界不被突破。決策者需要明白制定決策和制定決策標準是相互獨立的。。

孰能生巧

最近我和朋友去買衣服，她看中了一件漂亮的裙子。她扯了扯裙子后面的價簽，問我：“嘿，朋友，這裙子多少錢？如果少于80美元，我就買?！?/p>

她沒有先看價格，然后“說服”自己做一個決定。她首先權衡了自己對衣服的喜歡程度和自己的預算，接著設定了決策邊界，在這之后，她才去看價格（即數據）。艾瑪有正確使用數據的習慣，這就是典型的數據驅動型決策。。

講道理，人們并不總是需要數據驅動，我朋友也明白這一點，她不必在這樣的小事上做出數據驅動型決策。但俗話說的好，孰能生巧，在瑣碎的事情上養成良好習慣，遇到重要事情時就能更加淡定從容。

談判課的經驗

這種觀念其實并不新鮮，許多課程都會談到，尤其是談判課，第一講一定會涉及這一道理。如果在進行談判之前，你沒有明確自己的最佳替代方案（BATNA）是什么，那么你還不如直接在額頭上寫“別問我，我什么都不知道”。同樣的，談判者也要需要在首選方案和備選方案之間確定決策邊界。

解決方法是什么？那就是提前設定決策標準。

事實上，對于談判者來說，談判前應充分考慮所有可能出現的報價組合，并提前計劃好相應的反應，否則就很容易被一個經驗豐富的對手打敗。即使不是對方的談判策略，一些無關緊要的因素，諸如血糖水平、心情、對方微笑的程度以及陽光是否燦爛等也會對談判產生影響。同樣的，數據分析也是如此——把數據看成你的談判對手。關鍵的解決方法就是提前計劃好你的反應。例如，下次你在談薪水的時候，確保在聽到對方的報數之前，你已提前在心里設好了底線

掌握訣竅后就很簡單

總結一下，提前設定決策標準能幫你提高決策質量和談判能力。在數據驅動型決策中，應該有正確使用數據的習慣。熟能生巧，相信你可以做到噠~