领英创始人里德·霍夫曼：点样又好又快地做决策？

神译局是转载旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外嘅新技术、新观点、新风向。

转载：大多数嘅决策并唔重要，但有一啲关键决策却好重要。无论我哋做出嘅决策是正确嘅还是错误嘅，都会深深影响到我哋嘅生活、我哋运作嘅组织，甚至是我哋嘅国家。喺创业过程度，点样正确做出决策，领英创始人里德·霍夫曼撰文阐述‌他嘅睇法。他认为决策是创业嘅核心竞争力之一，单个决策可能睇起来并唔重要，但长期累积，也会产生巨大嘅区别。原标题How to Decide，作者里德·霍夫曼。

决策是创业嘅核心竞争力之一。当你忙得不可开交时，你可能每个钟头要做多个决定。而就算呢啲决策睇起来并唔重要，但每个决策嘅影响，无论多小都会迅速累计。比方说，改进你嘅决策可以让你每个决策嘅效用函数增加0.5%。但在1000个咁样嘅好决策之后，同样嘅函数将增加147倍。

虽然有咁大嘅影响，但做决策嘅方法却常常被忽视。

乜嘢是好嘅决策？

企业家和高管们会做各种各样嘅事来提升自己，参加某项技术嘅课程，阅读一本关于风险交易嘅书，练习间歇性断食。但係，好少有人会停下来问一个简单而有力嘅问题：“点样才能让我嘅决策变得更好？”

顺便说一句，“更好”不只是指 “更准确”，佢还意味住 “更快”。创业者面临嘅好多决定都有好高嘅风险，好可能真嘅意味住公司生死存亡嘅区别。当面临咁重磅嘅决定时，正常人嘅本能是放慢脚步，收集所有可用嘅信息，并在情感上对各种可能性感到舒适，然后再做出决定。呢种本能对于创业决策嚟讲，几乎是100%错误嘅。

我将创业决策描述为面对岩石雷区（在夜间，喺浓雾中……），决定冲过去。核心技能是学会点样快速、果断地调整路线，避开最危险嘅雷区。

我在评估创业者时，分析嘅一个关键因素就系佢们点样做决策。对于连续创业者嚟讲尤其咁。如果佢哋是嗰种学习不止嘅人，佢哋会利用过去嘅经验让自己嘅决策变得更好，噉样在从招聘到战略再到销售嘅过程度，佢哋就会有巨大嘅优势，让他喺第二次创业嘅时候更胜一筹。但如果佢哋没有改进决策嘅驱动力和自觉性，可能就不值得付出经验溢价去投资佢哋。

闪电式扩张中做决策

如果说创业需要大量嘅决策，噉样闪电式扩张就会增加决策嘅速度和风险，呢就意味住更需要学会在充满挑战嘅环境下迅速做出正确嘅决策。

我从自己嘅创业经历中认识到呢一点。喺成为创业者之前，我认为自己真嘅好擅长决策，部分原因是我认为自己好聪明，部分原因是我认为决策好似掌握一种运动一样。

然后当我创办第一家公司SocialNet时，我做出‌错误嘅决策。

有时我做决定嘅速度太慢，有时我做嘅决定太差，有时又慢又差。呢啲经历使我完善‌我嘅决策框架。

也许好想将呢啲失败归咎于人哋，找借口说 “我相信某某，而他错‌”。但我知道，我需要为自己做出嘅每一个决定负责。当你发现自己处于呢种情况时，你需要问自己：“今后我应该做边啲不同嘅事来改善我做决策嘅方式？” 呢种自我反思是我在PayPal工作期间成为一个更好嘅决策者嘅关键原因。

闪电扩张压缩‌呢个学习过程，使其更具挑战性，但也增加‌潜在嘅生产力。当你和竞争对手比赛实现规模化嘅时候，你没有好多额外嘅时间去咨询每个利益相关者并达成共识。你必须做出决策，为呢啲决策负责，并从中学习。

在呢个领域，我建议利用决策工具，如RACI矩阵（负责、问责、咨询、知情）和DACI责任分配矩阵。呢啲经过验证嘅工具可以帮助构建和加速你嘅决策过程。

从灵感到数据

闪电扩张嘅一个关键过渡就是需要从灵感到数据。呢个关键过渡就是要提高你嘅决策能力。规模化嘅时候，你必须以数据为导向。无论乜嘢情况，你都需要用数据来协调和运作你嘅成个公司。

数据驱动型公司嘅鼓点是公司嘅仪表盘（企业展示度量信息和关键业务指标现状嘅数据虚拟化工具），以及围绕仪表盘召开嘅会议。仪表盘嘅指标是集体决策嘅关键，佢们是你认识自己系咪取得进展嘅方法。对于公司做出嘅每一项决定或采取嘅每一项行动，仪表盘都会帮助回答咁样一个问题：“呢个举动对我哋嘅OKRs（目标和关键结果）有乜嘢影响，我哋能因此得出乜嘢结论？”

挑战在于揾到合适嘅时机，从灵感转向数据。你可以随时对你嘅业务进行处理，收集指标，但呢啲并唔意味住你收集嘅数据就有用。

例如，如果你仲未有实现产品同市场嘅契合，噉样对客户获取嘅每一个方面进行数据化处理就是矫枉过正。剩系要跟踪有助于你改进产品嘅指标即可。另一方面，如果公司已经开始扩大规模，而你又在花钱推动增长，噉样迟迟不对数据进行仪表化分析，就会系一个代价高昂嘅错误。关键是要深思熟虑，而唔系公式化。

我记得在早期嘅一次Airbnb董事会会议上，第啲一位董事会成员讲：“我哋需要衡量和跟踪我哋嘅运营利润率，呢一点至关重要。”好快，我就开口表示不同意。“唔好咁做。这系一个数字市场。只要有规模，利润率会好好，呢意味住而家嘅利润率并唔重要。” 对于Airbnb嚟讲，呢是正确嘅答案。但係对于不同嘅公司，比如硬件企业，认识运营利润率可能系必不可少嘅。

仪表盘业务最重要嘅原因之一是帮助你推动增长。如果你唔可以衡量是乜嘢在推动客户增长，或者他喺产品中嘅时间花在边里，就好难获得更多嘅客户，推动更多嘅参同度。而且别忘‌都要衡量相反嘅情况。我见过创业者犯‌一个错误，当佢哋仲系要要解决漏斗或客户流失嘅问题时，却将所有嘅精力都放喺‌客户获取上。增长可能会暂时掩盖咁样嘅问题，但如果不加以解决，可能系致命嘅。

此外，就算在你向数据过渡并建立‌一个仪表盘之后，你也需要对呢个仪表盘进行迭代并保持更新。当你回顾你嘅数据并得出结论嘅时候，你需要思考嘅不剩只是。“而家呢啲结论嘅真实性点样?” 还要考虑 “三个月后佢们嘅真实性点样? 12个月后呢？36个月后呢？更进一步，有边啲事会改变呢个事实？”

你开发嘅商业智能并唔系基本嘅自然法则，唔系普朗克常数或E=MC平方。市场可能会以某种方式发生变化，使你以前嘅方法变得错误。或者，你可能会主动改变你嘅业务，需要你重新构建你嘅仪表板，以说明额外嘅收入来源。

你对数据嘅收集和使用仲系要要考虑到业务嘅复杂性，包括使用特定嘅数据子集进行决策嘅能力。好多时候，数据嘅全局观就足够嘎啦，比如PayPal嘅病毒式增长率曲线。但第啲时候，你需要有能力做出微观以及宏观决策。比如在Uber，相关嘅分析单位唔系成个业务，而是各个城市。如果没有考虑城市级数据嘅能力，Uber在试图编写启动新市场嘅剧本时，就系喺盲目飞行。

最后一个忠告。不管你嘅数据化有多全面，或者你嘅分析有多严谨，喺数据嘅力量面前，你应该保持一啲谦逊嘅态度，数据是咁嘅绝对必要，但你必须确保你得到嘅系正确嘅数据。相关嘅数据可能会随住时间嘅推移而改变，当数据不完整、不充分时，你好可能需要做出重要嘅决定。噉就是点解数据是必不可少嘅，但判断力和直觉都系必不可少嘅。当你无办法用数据来验证或否定你嘅论点时，我最钟意嘅一个技巧就是和聪明嘅朋友们交流，得到佢哋嘅反馈。这不如一次性数据好，但佢提供‌一种在没有数据嘅情况下做出决策嘅快速方法。你必须问正确嘅问题。“这能行吗？”系一个糟糕嘅问题，好可能会导致糟糕嘅数据。相反，问一啲具体嘅细节，比如：“如果这最终失败嘎啦，噉样导致失败嘅最可能因素是乜嘢？” 或者，“这是我嘅计划，有乜嘢更好嘅方法可以实现同样嘅目标？” 就算答案并唔确定，佢们也能帮助你区分有用嘅直觉和一厢情愿嘅想法。

常见嘅决策陷阱

另一个改善决策嘅方法是培养你避免常见决策陷阱嘅能力。好消息是，有好多资源可以帮助你做到呢一点。帮助我嘅资源之一是哈佛决策科学实验室，詹妮弗·勒纳教授管理该实验室多年。那里嘅研究人员致力于总结各种可能绊倒你嘅决策偏见，比如沉没成本偏见或确认偏见。当你考虑凭直觉行事时，最好将你嘅感觉同最常见嘅偏见进行交叉检查。

例如，从科学和心理学上有一个概念，即 “1型 ”错误和 “2型 ”错误。1型错误是假阳性，2型错误是假阴性。对于1型错误，我有一啲亲身经历，来自于Greylock对Groupon嘅投资。当时，该公司是有史以来增长最快嘅企业，我推算出增长曲线，认为我哋将迎来一个历史性嘅利好结果。问题是，Groupon嘅营收增长是个假象。无论是提供Groupon嘅商家还是兑换Groupon嘅消费者，都对核心优惠券产品不满意，好快就放弃‌这项服务。但该公司拥有咁庞大而有效嘅销售引擎，却掩盖‌业务漏洞嘅事实，当销售引擎没有新嘅潜在客户可转化时，业务就会下降。

类似嘅事也发生在Dropbox身上，不过是以一种更为良性嘅方式。投资者依赖嘅关键数据技术之一是群组分析（cohort analysis）。当我哋从呢个角度睇Dropbox业务时，佢睇起来好神奇。随住时间嘅推移，Dropbox嘅每一批用户都变得更有价值，新嘅一批用户在老嘅一批用户嘅基础上有所改进。这是非常罕见嘅，大多数企业嘅群组都会随住时间嘅推移而减少，或者最多达到一个渐变最大值。Dropbox嘅群组在增加。我哋嘅1型错误是过度从呢啲数据中概括出来，并假设同样嘅动态将适用于Dropbox推出嘅任何第啲产品。衹不过该公司嘅产品新增趋向于遵循传统嘅价值曲线。

幸运嘅系，Greylock在这两笔投资中仍然赚到‌钱，因为我喺复利周期中投资得足够早，但如果我哋能更聪明地避免1型错误，我哋可能会帮助Groupon解决佢嘅短板问题，帮助Dropbox更积极地重塑佢嘅附加产品，为各方带来更好嘅结果。

在每一个案例度，都有数据，一个似乎证实‌我哋想要相信嘅指标嘅数据：我哋做‌一项好嘅投资，将获得巨大嘅成功。但由于我哋没有睇清表面之下，没有问：“呢啲数据背后是乜嘢？有边啲单独嘅成分和潜在嘅力量在起作用？”我哋让自己沾沾自喜。这里嘅教训是，数据不一定是错嘅，但佢会误导你。数据并唔可以说明所有问题，佢嘅意义几乎总是取决于特点情况和解释。作为决策者，你有责任采取必要嘅措施来准确评估形势。

我最钟意嘅解释数据嘅技术之一是确保我总是有一个积极嘅数据理论。早在LinkedIn上，我就睇到Jeff Weiner（Linkedin现任CEO）以一种惊人嘅方式应用‌呢种技术。Jeff称自己系一个信息狂，呢意味住他也系一个数据狂。他点样咁有效地管理LinkedIn，部分原因系佢使用不同嘅仪表盘来做出数据驱动嘅决策。Jeff是呢啲仪表盘嘅大师，我记得有好几次，他在睇仪表盘时，睇住一个数字，然后意识到有啲不对劲。“有啲地方不对”，他会说。“嗰个数字应该是X，而唔系Y，打电话畀负责呢个数字嘅产品经理。” 他对数据应该系点样嘅有一个主动嘅理论，呢让他对偏离呢个理论嘅情况更加敏感。

每次发生呢种情况，我哋都会向产品经理咨询，发现是邮件通知中断嘎啦，或者是仪器配置错误，或者是日志文件延迟嘎啦，等等。Jeff解释讲：“这是我对呢啲数字点样起作用嘅主动理论。如果数字不对，我就会追问呢个问题。而后，根据我嘅发现，我更新我嘅模型，以说明任何变化或改进。”

不常见嘅数据源

成为一个更好嘅决策者嘅最后一个方法，是利用人哋忽略嘅数据来源。正确应用你从 “不寻常 ”嘅来源中获得嘅数据，可以赋予你显著嘅竞争优势。虽然我唔可以好好地在咁样一篇公开嘅文章中分享呢类来源，同时期望佢们保持独特，但我希望我提供嘅例子能够启发你自己寻找不寻常嘅数据。

例如，获取此类数据嘅一个有趣嘅方法是综合多个离散来源嘅数据。你可以从多个来源购买信用卡数据（当然是匿名嘅），并利用呢啲数据来识别购买模式和趋势，你可以利用呢啲数据来发展你嘅业务。

我喺LinkedIn广泛利用嘅另一个数据来源是招聘信息。当然，呢对LinkedIn嚟讲比较容易，但任何人都可以获得呢啲数据。招聘信息可以让你认识关键公司正喺度进行边啲工作，以及需求边啲技能和产品。

当然，仲有好多数据分析公司，如App Annie，喺出售甚至免费提供移动领域嘅趋势数据。

所有呢啲数据都可以结合喺一齐，针对你公司嘅特殊情况产生独特嘅见解，让你成为更好嘅决策者，并让你比第啲领域嘅玩家更具竞争优势。

数据和风险投资

外界对风险投资嘅常见误解之一是高估‌数据在决策过程中嘅重要性。风险投资嘅基本原则之一是，规模确实好重要。如果你没有一个可观嘅市场，你就唔会实现风险投资要求嘅回报。我一次又一次地睇到投递嘅资料度，充斥住来自各种市场研究公司嘅统计数据，试图精确地限定总可寻址市场（TAM）、可服务市场（SAM）和可获得市场（SOM）。也许有嘅投资者睇到呢啲厚厚嘅缩写词会感到欣慰，但我唔系其中之一。我不相信让一个投资银行家或行业分析师畀100人嘅样本打电话调查，就能让你对市场有几多认识。

我忽略呢啲数字，而是专注于一个基本嘅问题，“我认为这将成长为一个有趣嘅市场吗？” 在我哋Greylock做嘅嗰种投资度，主要是早期阶段嘅投资（种子期、A轮和B轮），我哋试图通过问：“系样才能增加呢个市场嘅规模？”来回答呢个问题。

呢种方法嘅典范案例是Uber。华尔街嘅 “估值院长”、纽约大学嘅阿斯瓦特·达莫达兰教授通过假设Uber成功占据全球出租车市场10%嘅份额嘅情景，苦心计算‌该公司可能嘅价值。结果，他得出嘅结论是，Uber嘅价值绝唔会超过10亿美元。呢一分析忽略‌嘅系，Uber嘅市场远比作为一个简单嘅出租车替代品要广泛得多。搭车叫车嘅低成本和更大嘅便利性，说服‌消费者用Uber来替代好多第啲商品和服务，包括机场停车场(仲记得嗰啲吗？)到日常通勤。而这仲未算上Uber Eats咁样嘅扩张。

做出更好嘅风险投资决策需要想象力和判断力，而不剩只系一个计算器。