统计学先驱爱德华兹·戴明(W.Edwards Deming)曾说过：“除了上帝，其他人请用数据说话。” 作为一名统计学家，我很赞同这一说法。但作为一名社会科学家，我又不得不提醒大家，许多决策者都太过热衷于追逐数据，想要借此远离无知，却从未改进自己的决策。有没有办法让决策恰到好处？答案是肯定的，首先我们需要培养一个简单的决策习惯：事先选定默认决策。
     
    在搜寻数据之前预先构建决策背景是决策的关键，而数据科学课程通常不教这项技能，要通过社会和管理科学才能学到。不幸的是，作为指导和管理数据科学项目最重要的一项技能，却没能得到充足的教学。即使在统计学这样一门需要面对不确定性做出决策的学科中，学生遇到的大多数练习也都预先设定了背景。教授通常会为你做出假设，框定问题，最后留下一个正确答案。有正确答案的地方，决策者都已经刻下相应记号。
     
    很多决策者会觉得，他们观察数字、形成观点并执行决策时是数据驱动的。不幸的是，这种决策充其量只能算是“数据启发”。数据启发式决策是指，徜徉在数据中，最终达到一个情感临界点并做出决策。这样的决策确实是跟数据有关，但并非是数据驱动产生，而是来自决策者一直存在的无意识偏见。在尝试利用数据进行决策时，如果没有经过训练，那么你的方法就会容易受到认知偏见的影响。
     
    数据启发式决策的一个主要问题就是确认偏见，这种偏见会影响到决策者如何根据自己已经相信的东西来感知事实。如果你可以在发现数据的落点以后移动“球门柱”，你将会不自觉地这样做。解决问题的办法是提前定好球门柱，然后顶住诱惑，不去移动它。
     
    正因如此，行为经济学家才会受训在搜索信息之前先设定决策标准。这是消除确认偏见最好的“解毒剂”，我们很多人都有这样的习惯。比如说买票，在查询价格之前，我们会忍不住先问自己最多愿意花多少钱。
     
    在没有事先确定好决策标准的情况下，你会自由地与数据选择性地交互，从而确认内心深处已经做出的选择。大多数人甚至都没意识到，使用数据只是想让自己觉得心安。
     
    另外，人们需要避开 “宜家效应”。如果你努力去做某件事情，结果却发现自己高估了这件事情的价值，那么就会感受到这种效应。简单来说，当人们在一个项目上投入时间时，哪怕自己造出来的只是一堆有毒垃圾，也很有可能会爱上这个项目，并改变自己的认知。他们会开始和自己讨价还价：“哦，但是新原型的表现还不错，我还是可以发布这个东西的。”就这样，这个世界被强加了诸多可怕的事物。
     
    为了避免成为此类效应的牺牲品，真正做到数据驱动，确定顺序很重要。你需要预先构建决策背景。整个过程的第一部分是：在没有进一步数据的情况下确定你计划做什么（默认情况下，你是会购买/启动/修正/继续，还是不购买/启动/修正/继续？）。这就是所谓的默认操作，选择的标准则是，在置之不理的情况下，哪种操作不那么有害。
     
    对那些不习惯这样做的决策者而言，很难去选择一种默认操作。你会问自己：“如果除了已经看到的没有其他额外的数据，那我该怎么办？”回答这个问题需要性格的力量——你不能推卸责任给数据。你必须考虑商业问题，并如实回答：“如果我现在必须做出决定，会做何选择？”
     
    举例来说，“这是一种新药或是新的机器学习系统，我不知道是否管用。默认情况下，我是该发布还是不发布？”（大多数人很可能会说不该发布，除了那些认为机器学习系统会让简历看起来很棒的人。）
     
    一旦指定了默认操作，就可以开始考虑数据问题了。但即便如此，第一步也不是去收集或分析数据。在决定如果没有新信息该如何默认操作以后，就需要考虑新数据到来时该如何反应的问题了。什么样的数据会让你放弃默认操作？要回答这个问题，你需要具备强大的想象力，确定默认操作是否对每个状况来说都是正确的，然后制定一个标准，来判定你身处于哪种状态。最后，你要考虑需要多少证据才会让你放弃默认操作，以及你的风险容忍度有多大。做完这一切再让我们开始关注数据吧。