نویسنده: شریل استراوس آینهورن
۲۸ اوت ۲۰۲۰
منبع: HBR
این مقاله در سال ۲۰۲۰ در زمان کووید ۱۹ و قبل از انتخابات ریاست جمهوری آمریکا نوشته شده است و مثالها مربوط به آن زمان است. اما موضوعی که به آن پرداخته میشود قابل تعمیم به شرایط عدم قطعیت امروز نیز است.
چکیده
ما همگی به فعالیت با درجهای از عدم قطعیت عادت کردهایم، اما بین همهگیری کووید و یک سال انتخاباتی پر از مجادله، سال ۲۰۲۰ در حال تبدیل شدن به سالی حتی غیرقابل پیشبینیتر از حد معمول است. وقتی چنین عدم قطعیت شدیدی را احساس میکنیم، فرآیندهای تصمیمگیری ما ممکن است مختل شوند و ممکن است به جای منطق و واقعیت، بر اساس سوگیری، احساسات و شهود عمل کنیم. نویسنده یک چارچوب چهار مرحلهای برای توقف و ارزیابی دادههای مبهم ارائه میدهد: ۱) شناسایی کنید با چه دادههایی کار میکنید؛ ۲) تشخیص دهید کدام سوگیریهای شناختی ممکن است با آن دادهها همراه باشند؛ ۳) مسئله را معکوس کنید تا مشخص شود واقعاً چه چیزی را باید بدانید؛ و ۴) سوالات درست را برای دریافت پاسخهای مورد نیاز خود فرموله کنید.
مقدمه
درحالیکه با ویروسی مبارزه میکنیم که دانشمندان هنوز آن را کاملاً درک نکردهاند، بازار سهام را میبینیم که سقوط میکند، سپس اوج میگیرد و دوباره سقوط میکند، و با یک انتخابات پر از مجادله روبرو هستیم، آینده کاملاً غیرقابل پیشبینی به نظر میرسد (به جای اینکه صرفاً به همان اندازه که همیشه بوده، غیرقابل پیشبینی باشد). وقتی چنین عدم قطعیت شدیدی را احساس میکنیم، فرآیندهای تصمیمگیری ما ممکن است مختل شوند. ممکن است فلج شده و از اقدام کردن بترسیم، یا ممکن است به جای منطق و واقعیت، بر اساس سوگیری، احساسات و شهود عمل کنیم.
آگاهی از عدم قطعیت ما، پیشنیاز ضروری برای مدیریت آن است. آگاهی مؤثر به معنای مکث، یک توقف استراتژیک، و ارزیابی موقعیت و ناشناختههاست. ما اکنون با دادههایی روبرو هستیم که قابل اقدام به نظر میرسند — حتی با اینکه منطقاً میدانیم ناقص و بیثبات هستند. اما حتی زمانی که دانش محدود است، ما ابزارهایی برای کمک به تصمیمگیری سیستماتیک و تحلیلی داریم. چه در حال ارزیابی معنای آخرین آمار بیکاری باشیم و چه تأثیر کمبود کاهوی محلی، میتوانیم از یک فرآیند ساده چهار مرحلهای برای کار با ابهام و عبور از آن برای اتخاذ تصمیمات دقیق و منطقی استفاده کنیم.
۱. دستهبندی دادههای تاریخی که با آن کار میکنید را شناسایی کنید.
سه نوع اصلی از دادهها وجود دارد که ما اغلب با آنها روبرو میشویم و احساس میکنیم مجبور به اقدام بر اساس آنها هستیم:
- دادههای برجسته (salient data) که توجه ما را به خود جلب میکنند زیرا قابل توجه یا غافلگیرکننده هستند؛
- دادههای زمینهای (contextual data)، که چارچوبی دارند که ممکن است بر نحوه تفسیر ما از آنها تأثیر بگذارد؛
- و دادههای الگومند (patterned data)، که به نظر میرسد شکلی منظم، قابل درک و معنادار دارند.
۲. تشخیص دهید که کدام سوگیریهای شناختی توسط هر دسته فعال میشوند.
انواع مختلف دادهها، سوگیریهای متفاوتی را فعال میکنند، بنابراین شناسایی نوع داده و سوگیری مرتبط با آن، فرار از اشتباهات ذهنی را آسانتر میکند.
دادههای برجسته میتوانند سوگیری برجستگی را فعال کنند، که در آن ما به اطلاعات جدید یا قابل توجه، وزن بیش از حدی میدهیم که منجر به تصمیمگیریهای نامطلوب، خطاهای برنامهریزی و موارد دیگر میشود. به عنوان مثال، تقاضای مسافران خطوط هوایی در آوریل ۲۰۲۰ به دلیل محدودیتهای سفر مرتبط با کووید-۱۹، ۹۴.۳٪ در مقایسه با آوریل ۲۰۱۹ کاهش یافت. این آمار تکاندهنده ممکن است ما را به این فکر وادارد که سفر آنگونه که ما میشناختیم به پایان رسیده است؛ اما در واقعیت، این یک قطعه داده برجسته تقریباً هیچ چیز در مورد آینده سفر به ما نمیگوید.
دادههای زمینهای میتوانند تفکر ما را محدود کرده و به سوگیری چارچوببندی منجر شوند: زمینهای که در آن دادهها را دریافت میکنیم بر نحوه تفکر ما در مورد آن تأثیر میگذارد. به عنوان مثال، «گوشت چرخکرده با ۸۰٪ گوشت خالص» سالمتر از «گوشت با ۲۰٪ چربی» به نظر میرسد. اما این همان گوشت است که به شکلی متفاوت چارچوببندی شده است.
دادههای الگومند اغلب باعث توهم خوشهبندی میشوند؛ که در ورزش و قمار به عنوان «مغالطه دست داغ» نیز شناخته میشود ؛ که به موجب آن ما فرض میکنیم رویدادهای تصادفی، اطلاعاتی هستند که به ما در پیشبینی یک رویداد آینده کمک خواهند کرد. مغز انسان برای جستجوی الگوها طراحی شده است، گاهی اوقات حتی زمانی که وجود ندارند. به همان اندازه مهم، زمانی که الگوها وجود دارند، اغلب ارزش پیشبینیکننده ندارند. تاسی که چندین بار پشت سر هم عدد دو را نشان میدهد، یک الگو ایجاد کرده است، اما این هیچ چیزی در مورد پرتاب بعدی نمیگوید.
تشخیص اینکه چگونه هر یک از این دستهها سوگیریهای ما را فعال میکنند میتواند ما را از افتادن در دام آن سوگیریها باز دارد، اما وقتی پذیرفتیم که برای تصمیمگیری با اطمینان در مورد آینده به اطلاعات یا بینش بیشتری نیاز داریم، چگونه باید پیش برویم؟
۳. مسئله را معکوس کنید تا مشخص شود واقعاً چه چیزی را باید بدانید.
گام سوم در فرآیند ما این است که بفهمیم نیازی نیست همه چیز را بدانید، اما باید مشخص کنید که چه چیزی برای تصمیمگیری شما بیشترین اهمیت را دارد. برای انجام این کار، حل مسئله خود را معکوس کنید. از انتها شروع کنید و بپرسید: که چه؟ واقعاً چه چیزی را باید بدانم تا موقعیت را درک کنم؟ این اطلاعات چه تفاوتی ایجاد میکند؟ و انتظار دارم چگونه از آن استفاده کنم؟ جهان «ندانستههای شناختهشده» — آن بخشهایی از دادهها که وجود دارند اما در اختیار شما نیستند — بیپایان است. اما شما نیازی به کاوش همه آنها ندارید؛ معکوسسازی میتواند به شما کمک کند تا روی آنهایی که برای حل مشکل خاص خود با اطمینان، حیاتی میدانید، تمرکز کنید.
به عنوان مثال، دادههای برجسته در مورد کاهش تقاضای خطوط هوایی یک واکنش غریزی را برمیانگیزد که میتواند نتیجهگیری مبنی بر اینکه این صنعت در وضعیت وخیم دائمی قرار دارد را آسانتر کند. با این حال، اگر یک قدم به عقب برداریم، میتوانیم تشخیص دهیم که صنعت هوانوردی بعد از کووید به حیات خود ادامه خواهد داد؛ که در دراز مدت، مردم خواهان جابهجایی خواهند بود و اقتصاد جهان به آن نیاز خواهد داشت. این یک «دانسته شناختهشده» است.
چیزهای زیادی وجود دارد که میدانیم ناشناخته هستند. اما خبر خوب این است: برای حل یک مشکل خاص، نیازی به بررسی همه ناشناختهها ندارید. برای ماندن در مثال سفر هوایی، این موضوع صادق است چه در حال تصمیمگیری برای سوار شدن به هواپیما باشید و چه سرمایهگذاری در یک شرکت هواپیمایی. نگرانیهای یک مسافر این خواهد بود که آیا و چه زمانی پروازی به مقصد مورد نظر وجود دارد و آیا سفر با آن امن به نظر میرسد، در حالی که یک سرمایهگذار ممکن است بر این تمرکز کند که کدام شرکت هواپیمایی در بهترین موقعیت برای زنده ماندن از رکود قرار دارد. در هر صورت، با معکوس کردن مسئله خود، میتوانید بر روی ندانستههای شناختهشدهای که برای شما اهمیت دارند، تمرکز کنید.
۴. سوالات درست را برای دریافت پاسخهای مورد نیاز خود فرموله کنید.
بسیاری از ما در طراحی سوالاتی که میتواند به ما در تصمیمگیری کمک کند، مشکل داریم. یک راه مفید و عملی برای پیشرفت، سازماندهی سوالات خود در چهار دسته اصلی است: رفتار، عقیده، احساس و دانش. این کار تضمین میکند که شما هم فاصله و هم دیدگاههای متنوعی را برای بررسی دادههای خود به کار میبرید، که به شما در مقابله با فرضیات و قضاوتهای از پیش تعیینشده کمک میکند. همچنین زمینه بهتری برای تفسیر پاسخها به شما میدهد، زیرا خواهید دانست که آنها از طریق چه لنزی فیلتر میشوند.
- سوالات رفتاری به آنچه کسی انجام میدهد یا انجام داده است میپردازند و توصیفاتی از تجربیات، فعالیتها و اقدامات واقعی را به دست میدهند. اگر در حال ارزیابی وضعیت صنعت هوانوردی هستید، ممکن است بپرسید: چه کسانی هنوز سفر میکنند؟ آیا میتوان آن را به یک گروه بزرگتر تعمیم داد؟
- سوالات عقیدتی به آنچه کسی در مورد یک موضوع، اقدام یا رویداد فکر میکند، میپردازند. آنها میتوانند به اهداف، نیتها، خواستهها و ارزشهای افراد پی ببرند. در مثال خطوط هوایی، ممکن است بپرسید: آیا در حال حاضر سفر کردن امن است؟ آیا خطوط هوایی اقدامات احتیاطی مناسب را انجام میدهد؟
- سوالات احساسی میپرسند که کسی از نظر عاطفی چگونه به یک موضوع پاسخ میدهد. آنها میتوانند به شما کمک کنند تا فراتر از اطلاعات واقعی بروید و بفهمید که مردم صرف نظر از دادهها، ممکن است تمایل به انجام چه کاری داشته باشند. در اینجا، ممکن است بپرسید: مسافران چقدر احساس امنیت میکنند؟ کارمندان خطوط هوایی چقدر احساس امنیت میکنند؟
- سوالات دانشی به بررسی اطلاعات واقعی که پاسخدهنده در مورد موضوع شما دارد، میپردازند. در حالی که برخی ممکن است استدلال کنند که تمام دانش مجموعهای از باورهاست، سوالات دانشی آنچه را که فرد مورد سوال، واقعی میداند، ارزیابی میکنند. ممکن است بپرسید: چه مسیرهایی متوقف یا حذف شدهاند؟ چه تعداد دیگر حذف خواهند شد؟ آیا موارد انتقال کووید-۱۹ مرتبط با پرواز وجود داشته است؟
شما میتوانید این نوع سوالات را در مورد هر نوع داده ناقصی بپرسید: برجسته، زمینهای و/یا الگومند. گام چهارم تصدیق میکند که عدم قطعیت ترکیبی از اقدامات و واکنشها، دانش و احساسات است. طبقهبندی و پرداختن به اجزای این ترکیب عدم قطعیت، برای ما قطعیت به ارمغان نمیآورد، اما میتوانیم مطمئن باشیم که سوالات ما تمام حوزههای عدم قطعیت را پوشش میدهند.
این فرآیند چهار مرحلهای به ما کمک میکند تا پاسخهای عاطفی خود را بهتر مدیریت کنیم، آنها را نامگذاری کرده و با آنها روبرو شویم و با یک تصمیم منطقی به جلو حرکت کنیم. ما تصویر کاملتری خواهیم داشت و احتمال اینکه به مسیرهای فکری تکراری و سوگیریهای شناختی تکیه کنیم را کاهش میدهیم.
ولتر زمانی به شکل معروفی توصیه کرد که ما یک فرد را باید از روی سوالاتش قضاوت کنیم نه پاسخهایش. ما هرگز آینده را نخواهیم دانست، اما با بررسی دادهها و تفکر خود میتوانیم سوالات بزرگی را توسعه داده و بپرسیم که به ما امکان میدهد با اطمینان بیشتری در میان عدم قطعیت تصمیم بگیریم.
درباره نویسنده
شریل استراوس آینهورن، موسس و مدیرعامل «دیسایسیو» (Decisive) است؛ یک شرکت علوم تصمیمگیری که از سیستم تصمیمگیری ابداعی او به نام «متد AREA» برای کمک به افراد، شرکتها و سازمانهای غیرانتفاعی جهت حل مسائل پیچیده استفاده میکند. دیسایسیو ابزارهای دیجیتال، آموزشهای حضوری، کارگاهها، کوچینگ و خدمات مشاوره ارائه میدهد. شریل مدرسی باسابقه است که در مدرسه کسبوکار کلمبیا و دانشگاه کورنل تدریس میکند و برای گزارشهای خبری تحقیقی خود، چندین جایزه روزنامهنگاری دریافت کرده است.
او نویسنده سه کتاب است: «مسئله حل شد» (Problem Solved) برای تصمیمگیریهای شخصی و حرفهای، «سرمایهگذاری در تحقیقات مالی» (Investing In Financial Research) درباره تصمیمگیریهای تجاری، و «حلکننده مسئله» (Problem Solver) که به روانشناسی تصمیمگیری شخصی و پروفایلهای حل مسئله میپردازد.
