经验首页 前端设计 程序设计 Java相关 移动开发 数据库/运维 软件/图像 大数据/云计算 其他经验
当前位置:技术经验 » 其他 » 职业生涯 » 查看文章
领英创始人里德·霍夫曼:如何又好又快地做决策?
来源:Medium  作者:里德·霍夫曼  时间:2021/4/19 11:21:16  对本文有异议
大多数的决策并不重要,但有一些关键决策却很重要。无论我们做出的决策是正确的还是错误的,都会深深影响到我们的生活、我们运作的组织,甚至是我们的国家。在创业过程中,如何正确做出决策,领英创始人里德·霍夫曼撰文阐述了他的看法。他认为决策是创业的核心竞争力之一,单个决策可能看起来并不重要,但长期累积,也会产生巨大的区别。原标题How to Decide,作者里德·霍夫曼。

1.png

决策是创业的核心竞争力之一。当你忙得不可开交时,你可能每小时要做多个决定。而即使这些决策看起来并不重要,但每个决策的影响,无论多小都会迅速累计。比方说,改进你的决策可以让你每个决策的效用函数增加0.5%。但在1000个这样的好决策之后,同样的函数将增加147倍。

尽管有这么大的影响,但做决策的方法却常常被忽视。

什么是好的决策?

企业家和高管们会做各种各样的事情来提升自己,参加某项技术的课程,阅读一本关于风险交易的书,练习间歇性断食。然而,很少有人会停下来问一个简单而有力的问题:“如何才能让我的决策变得更好?”

顺便说一句,“更好”不只是指 “更准确”,它还意味着 “更快”。创业者面临的许多决定都有很高的风险,很可能真的意味着公司生死存亡的区别。当面临如此重磅的决定时,正常人的本能是放慢脚步,收集所有可用的信息,并在情感上对各种可能性感到舒适,然后再做出决定。这种本能对于创业决策来说,几乎是100%错误的。

我把创业决策描述为面对岩石雷区(在夜间,在浓雾中......),决定冲过去。核心技能是学会如何快速、果断地调整路线,避开最危险的雷区。

我在评估创业者时,分析的一个关键因素就是他们如何做决策。对于连续创业者来说尤其如此。如果他们是那种学习不止的人,他们会利用过去的经验让自己的决策变得更好,那么在从招聘到战略再到销售的过程中,他们就会有巨大的优势,让他们在第二次创业的时候更胜一筹。但如果他们没有改进决策的驱动力和自觉性,可能就不值得付出经验溢价去投资他们。

闪电式扩张中做决策

如果说创业需要大量的决策,那么闪电式扩张就会增加决策的速度和风险,这就意味着更需要学会在充满挑战的环境下迅速做出正确的决策。

我从自己的创业经历中了解到这一点。在成为创业者之前,我认为自己真的很擅长决策,部分原因是我认为自己很聪明,部分原因是我认为决策就像掌握一种运动一样。

然后当我创办第一家公司SocialNet时,我做出了错误的决策。

有时我做决定的速度太慢,有时我做的决定太差,有时又慢又差。这些经历使我完善了我的决策框架。

也许很想把这些失败归咎于别人,找借口说 “我相信某某,而他错了”。但我知道,我需要为自己做出的每一个决定负责。当你发现自己处于这种情况时,你需要问自己:“今后我应该做哪些不同的事情来改善我做决策的方式?” 这种自我反思是我在PayPal工作期间成为一个更好的决策者的关键原因。

闪电扩张压缩了这个学习过程,使其更具挑战性,但也增加了潜在的生产力。当你和竞争对手比赛实现规模化的时候,你没有很多额外的时间去咨询每个利益相关者并达成共识。你必须做出决策,为这些决策负责,并从中学习。

在这个领域,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。这些经过验证的工具可以帮助构建和加速你的决策过程。

从灵感到数据

闪电扩张的一个关键过渡就是需要从灵感到数据。这个关键过渡就是要提高你的决策能力。规模化的时候,你必须以数据为导向。无论什么情况,你都需要用数据来协调和运作你的整个公司。

数据驱动型公司的鼓点是公司的仪表盘(企业展示度量信息和关键业务指标现状的数据虚拟化工具),以及围绕仪表盘召开的会议。仪表盘的指标是集体决策的关键,它们是你了解自己是否取得进展的方法。对于公司做出的每一项决定或采取的每一项行动,仪表盘都会帮助回答这样一个问题:“这个举动对我们的OKRs(目标和关键结果)有什么影响,我们能因此得出什么结论?”

挑战在于找到合适的时机,从灵感转向数据。你可以随时对你的业务进行处理,收集指标,但这并不意味着你收集的数据就有用。

例如,如果你还没有实现产品与市场的契合,那么对客户获取的每一个方面进行数据化处理就是矫枉过正。只需跟踪有助于你改进产品的指标即可。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,那么迟迟不对数据进行仪表化分析,就会是一个代价高昂的错误。关键是要深思熟虑,而不是公式化。

我记得在早期的一次Airbnb董事会会议上,其他一位董事会成员说:“我们需要衡量和跟踪我们的运营利润率,这一点至关重要。”很快,我就开口表示不同意。“不要这么做。这是一个数字市场。只要有规模,利润率会很好,这意味着现在的利润率并不重要。” 对于Airbnb来说,这是正确的答案。然而对于不同的公司,比如硬件企业,了解运营利润率可能是必不可少的。

仪表盘业务最重要的原因之一是帮助你推动增长。如果你不能衡量是什么在推动客户增长,或者他们在产品中的时间花在哪里,就很难获得更多的客户,推动更多的参与度。而且别忘了也要衡量相反的情况。我见过创业者犯了一个错误,当他们还需要解决漏斗或客户流失的问题时,却把所有的精力都放在了客户获取上。增长可能会暂时掩盖这样的问题,但如果不加以解决,可能是致命的。

此外,即使在你向数据过渡并建立了一个仪表盘之后,你也需要对这个仪表盘进行迭代并保持更新。当你回顾你的数据并得出结论的时候,你需要思考的不仅仅是。“现在这些结论的真实性如何?” 还要考虑 “三个月后它们的真实性如何? 12个月后呢?36个月后呢?更进一步,有哪些事情会改变这个事实?”

你开发的商业智能并不是基本的自然法则,不是普朗克常数或E=MC平方。市场可能会以某种方式发生变化,使你以前的方法变得错误。或者,你可能会主动改变你的业务,需要你重新构建你的仪表板,以说明额外的收入来源。

你对数据的收集和使用还需要考虑到业务的复杂性,包括使用特定的数据子集进行决策的能力。很多时候,数据的全局观就足够了,比如PayPal的病毒式增长率曲线。但其他时候,你需要有能力做出微观以及宏观决策。比如在Uber,相关的分析单位不是整个业务,而是各个城市。如果没有考虑城市级数据的能力,Uber在试图编写启动新市场的剧本时,就是在盲目飞行。

最后一个忠告。不管你的数据化有多全面,或者你的分析有多严谨,在数据的力量面前,你应该保持一些谦逊的态度,数据是如此的绝对必要,但你必须确保你得到的是正确的数据。相关的数据可能会随着时间的推移而改变,当数据不完整、不充分时,你很可能需要做出重要的决定。这就是为什么数据是必不可少的,但判断力和直觉也是必不可少的。当你无法用数据来验证或否定你的论点时,我最喜欢的一个技巧就是和聪明的朋友们交流,得到他们的反馈。这不如一次性数据好,但它提供了一种在没有数据的情况下做出决策的快速方法。你必须问正确的问题。“这能行吗?”是一个糟糕的问题,很可能会导致糟糕的数据。相反,问一些具体的细节,比如:“如果这最终失败了,那么导致失败的最可能因素是什么?” 或者,“这是我的计划,有什么更好的方法可以实现同样的目标?” 即使答案并不确定,它们也能帮助你区分有用的直觉和一厢情愿的想法。

常见的决策陷阱

另一个改善决策的方法是培养你避免常见决策陷阱的能力。好消息是,有很多资源可以帮助你做到这一点。帮助我的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。那里的研究人员致力于总结各种可能绊倒你的决策偏见,比如沉没成本偏见或确认偏见。当你考虑凭直觉行事时,最好将你的感觉与最常见的偏见进行交叉检查。

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,我有一些亲身经历,来自于Greylock对Groupon的投资。当时,该公司是有史以来增长最快的企业,我推算出增长曲线,认为我们将迎来一个历史性的利好结果。问题是,Groupon的营收增长是个假象。无论是提供Groupon的商家还是兑换Groupon的消费者,都对核心优惠券产品不满意,很快就放弃了这项服务。但该公司拥有如此庞大而有效的销售引擎,却掩盖了业务漏洞的事实,当销售引擎没有新的潜在客户可转化时,业务就会下降。

类似的事情也发生在Dropbox身上,不过是以一种更为良性的方式。投资者依赖的关键数据技术之一是群组分析(cohort analysis)。当我们从这个角度看Dropbox业务时,它看起来很神奇。随着时间的推移,Dropbox的每一批用户都变得更有价值,新的一批用户在老的一批用户的基础上有所改进。这是非常罕见的,大多数企业的群组都会随着时间的推移而减少,或者最多达到一个渐变最大值。Dropbox的群组在增加。我们的1型错误是过度从这些数据中概括出来,并假设同样的动态将适用于Dropbox推出的任何其他产品。可是该公司的产品新增趋向于遵循传统的价值曲线。

幸运的是,Greylock在这两笔投资中仍然赚到了钱,因为我们在复利周期中投资得足够早,但如果我们能更聪明地避免1型错误,我们可能会帮助Groupon解决它的短板问题,帮助Dropbox更积极地重塑它的附加产品,为各方带来更好的结果。

在每一个案例中,都有数据,一个似乎证实了我们想要相信的指标的数据:我们做了一项好的投资,将获得巨大的成功。但由于我们没有看清表面之下,没有问:“这些数据背后是什么?有哪些单独的成分和潜在的力量在起作用?”我们让自己沾沾自喜。这里的教训是,数据不一定是错的,但它会误导你。数据并不能说明所有问题,它的意义几乎总是取决于特点情况和解释。作为决策者,你有责任采取必要的措施来准确评估形势。

我最喜欢的解释数据的技术之一是确保我总是有一个积极的数据理论。早在LinkedIn上,我就看到Jeff Weiner(Linkedin现任CEO)以一种惊人的方式应用了这种技术。Jeff称自己是一个信息狂,这意味着他也是一个数据狂。他如何如此有效地管理LinkedIn,部分原因是他使用不同的仪表盘来做出数据驱动的决策。Jeff是这些仪表盘的大师,我记得有好几次,他在看仪表盘时,看着一个数字,然后意识到有些不对劲。“有些地方不对”,他会说。“那个数字应该是X,而不是Y,打电话给负责这个数字的产品经理。” 他对数据应该是怎样的有一个主动的理论,这让他对偏离这个理论的情况更加敏感。

每次发生这种情况,我们都会向产品经理咨询,发现是邮件通知中断了,或者是仪器配置错误,或者是日志文件延迟了,等等。Jeff解释说:“这是我对这些数字如何起作用的主动理论。如果数字不对,我就会追问这个问题。而后,根据我的发现,我更新我的模型,以说明任何变化或改进。”

不常见的数据源

成为一个更好的决策者的最后一个方法,是利用别人忽略的数据来源。正确应用你从 “不寻常 ”的来源中获得的数据,可以赋予你显著的竞争优势。虽然我不能很好地在这样一篇公开的文章中分享这类来源,同时期望它们保持独特,但我希望我提供的例子能够启发你自己寻找不寻常的数据。

例如,获取此类数据的一个有趣的方法是综合多个离散来源的数据。你可以从多个来源购买信用卡数据(当然是匿名的),并利用这些数据来识别购买模式和趋势,你可以利用这些数据来发展你的业务。

我们在LinkedIn广泛利用的另一个数据来源是招聘信息。当然,这对LinkedIn来说比较容易,但任何人都可以获得这些数据。招聘信息可以让你了解关键公司正在进行哪些工作,以及需求哪些技能和产品。

当然,还有很多数据分析公司,如App Annie,在出售甚至免费提供移动领域的趋势数据。

所有这些数据都可以结合在一起,针对你公司的特殊情况产生独特的见解,让你成为更好的决策者,并让你比其他领域的玩家更具竞争优势。

数据和风险投资

外界对风险投资的常见误解之一是高估了数据在决策过程中的重要性。风险投资的基本原则之一是,规模确实很重要。如果你没有一个可观的市场,你就不会实现风险投资要求的回报。我一次又一次地看到投递的资料中,充斥着来自各种市场研究公司的统计数据,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)。也许有的投资者看到这些厚厚的缩写词会感到欣慰,但我不是其中之一。我不相信让一个投资银行家或行业分析师给100人的样本打电话调查,就能让你对市场有多少了解。

我忽略这些数字,而是专注于一个基本的问题,“我认为这将成长为一个有趣的市场吗?” 在我们Greylock做的那种投资中,主要是早期阶段的投资(种子期、A轮和B轮),我们试图通过问:“怎样才能增加这个市场的规模?”来回答这个问题。

这种方法的典范案例是Uber。华尔街的 “估值院长”、纽约大学的阿斯瓦特·达莫达兰教授通过假设Uber成功占据全球出租车市场10%的份额的情景,苦心计算了该公司可能的价值。结果,他得出的结论是,Uber的价值绝不会超过10亿美元。这一分析忽略了的是,Uber的市场远比作为一个简单的出租车替代品要广泛得多。搭车叫车的低成本和更大的便利性,说服了消费者用Uber来替代许多其他商品和服务,包括机场停车场(还记得那些吗?)到日常通勤。而这还没算上Uber Eats这样的扩张。

做出更好的风险投资决策需要想象力和判断力,而不仅仅是一个计算器。

结论

掌握做好决策的技巧,是创业者最有影响力的事情之一。而更快地做出正确的决策,往往是通过培养对不完整和不确定信息的行动能力,可以帮助闪电扩张的创业者在竞争中胜出。

良好决策的挑战在于你不能简单地遵循一套简单的规则。虽然你可以学习技巧和框架,但很多事情取决于收集和分析数据,运用人类的判断力,避免常见的陷阱,并根据结果更新你的模型。但那些像Jeff Weiner一样掌握这一过程的人,可以产生杰出的结果,对世界产生更大的影响。

译者:蒂克伟


 友情链接: NPS