第二章　洞察力

识别、抓住机会并做出明智判断的能力从始至终

都发挥着关键作用。

要想在未来得以繁荣发展，仅仅拥有信息是不够的。实际上，拥有信息并不总能走向成功，也并不意味着能够准确地预测未来。相对地，成功与否取决于能否通过创造力和判断力将信息转化为洞察力。换言之，无论我们收集了多少数据，思考仍是一个重要功能。

回想下2016年美国总统大选前民意调查者所做出的大部分预测，你可能还记得大多数预测都是唐纳德·特朗普（Donald Trump）胜算不大，他甚至被描述为是个“边角料”。即便在大选当日，部分专家也预测他只有15%的胜算。显然，尽管他们拥有世界上最先进的信息收集技术，但结果与他们的预测大相径庭。

英国的脱欧公投也上演了相同一幕，尽管通过电脑收集了大量的数据，但预测者仍错判了最终结果。

对此，人们大为震惊。当今时代，关于这些重大事件的预测为何还能与结果如此大相径庭？

数据的诱惑

即便我们身处的时代每天产生的数据量高达2.5个五万亿字节，用电脑便可浏览数据集并判断某个工作甚至某个国家的状态，但人类行为仍旧存在不可预测性［借鉴丹·艾瑞里（Dan Ariely）2008年的优秀著作《怪诞行为学》（Predictably Irrational）］。

数据作用甚大（我们也十分热衷于获得尽可能多的数据），但若不将洞察力、意义构建和创造力运用于这些原始信息，数据便犹如茫茫森林里的一棵小树，这种情况下，小树的作用能有多大呢？

换言之，没有意义的数据就只是数字而已。

使洞察力成为永久技能的关键因素如下：

• ● 数据需要通过意义构建来赋予其意义。
• ● 数据的可靠性取决于其质量、完整性和关注点。
• ● 良好的判断力有时须在不完美的条件中得以历练。

无论收集了多少信息，也无论数据有多么智能，我们总是需要将人类的洞察力与理解运用其上。人类还需要对其构建意义，从中创造意义，这句话中采用的动词（构建与创造）尤为重要。

这意味着我们需要能够为数字注入生命并从中促生无数成果与场景的人。运用洞察力，我们能够开发多种方式来实现我们的目标，并且在愈发复杂的环境下做出更丰富的决定。

实际上，历史上获得成功的人通常正是那些能够在已有知识及可获得的案例中促生新的洞察、设想影响与结果的人，未来也将如此。

发明照明灯罩的人并不是蜡烛匠，发明电话的人也并非电报操作员，构思出优步（Uber）打车软件的人并不是出租车司机，这些人反倒会为了维持现状而对其采取许多破坏措施。

坦率地讲，现有所有商业模式的数据可能只有在它们将被瓦解前才会确实可信，销量才可能不错（甚至可能相当好），商业模式才可能相当强劲。但是，数据很少能表明整个行业会如何进行重构。

在这种情况下，将洞察力看作“对事实所具含义的判断”是种行之有效的办法，这一表述借鉴了理查德·P.鲁梅尔特（Richard P Rumelt）的《好战略，坏战略》（Good Strategy/Bad Strategy）一书。

关于数据，我们还需要记住的是，它在很大程度上是概率与可能性的游戏，因为概率并非绝对或必然。若某件事情发生概率为80%，那么它不会发生的概率仍有20%。当然，这只是简单的双结果的例子。在实际生活中，结果通常很少是二元制的。生活并非简单如一条直线，也并不总是整整齐齐。

话虽如此，但这就是我们如此喜欢依赖数据的主要原因之一，它有助于我们清理生活。

将标准偏差图或更为常说的“钟形曲线”看作数据驱动条理性的视图。在我们因解释评估或同类比较等原因使数据“变顺”前，数据中存在着较大的自然差异。位于数据集两端的差异较大的人或行为的相关数据通常会被抹去，而那些较小的变化则会被调整成更合人意的曲线。

当然，这条曲线作用极大。但需要记住的是，这是一种排除了极端值与异常值的对现实的美化。此外，不要忘记，推动世界进步的有时正是这些极端值。

这意味着我们始终需要将数据和信息与判断、观察、解释、逻辑、经验、怀疑、猜测，甚至是本能反应相结合，从而构建意义和创造意义。只有这样做，数据才能创造出新的想法，带来变化，推动进步，畅想尚未存在的事物。

成功人士向来熟知这点。为了能够长久地发展，这也是我们需要采取的做法。

为了提升我们的洞察力，我们应考虑将下列工具和技能加入自己的储备：（一）学习读懂信号并寻找模式，（二）注意偏见，（三）从争论的对立面考虑问题，（四）寻求理解（而非仅是分析），（五）从收集的信息中进行意义构建。

（一）学习读懂信号并寻找模式

我们所讲的当然并非看茶叶占卜（虽然心存怀疑，但人类对未来的好奇可能会使占卜成为一个永久技能）。

我们在此情况下讨论的是，只要我们足够关注便能够发现的信号。

数字未来学家及新加坡创新实验室（Innovation Labs Singapore）创始人斯考特·拜尔斯（Scott Bales）将洞察力视为他在企业经营和工作中运用的关键技能。他告诉我们，促进洞察力的因素有三个：（1）学会辨别模式，（2）将点连接或从看似无关的事物之间寻找联系，（3）争取从一个领域交叉发展至另一领域（第三章对转化力的讨论将进一步阐述这一点）。

这些方法都能使我们提高延伸阅读的能力，使我们更善于观察，从而抓住联系，以利于形成更好的理解。

“大量的思绪汹涌，我感到它们相互碰撞直到契合，或者说慢慢地稳定下来。”这是博学的法国学者亨利·庞加莱（Henri Poincaré）在其1955年的巨著《科学的基础》（The Foundation of Science）中对创造之于科学的意义的睿智评价，庞加莱认为通过辨认模式来联结想法是科学家工作的核心所在。

当然，这句关于思考的说法并不仅仅适用于科学家。杰出的投资者也知道如何“体会言外之意”。指导过全球银行合作及政府的经济学家史蒂芬·科克拉斯（Stephen Koukoulas）告诉我们：“你需要懂得阅读的不仅仅是些数字。每个人获得的东西是一样的，重要的是你得出自己结论的方式。”

科克拉斯向我们讲述了一个经济学家开发了自己独特的经济测试——“牛津街测试”（The Oxford Street test）的故事（牛津街是位于悉尼一富裕郊区的高级购物地段）：当大多数经济学家习惯于较大程度上依靠图表分析时，这位经济学家却走到牛津街去看有多少“出租”的告示牌。

这位经济学家所看到的信号远不止是数字，他是通过人们的情绪、购物习惯、成功的企业及其能够被看到的领域等因素来衡量经济的波动。

同样地，“口红效应”（Lipstick Effect）也风靡市场与经济圈。这一理论是人们通过分析信号（经济形势严峻时，口红销量上升，大件商品销量下降）得出的结果。雅诗兰黛的莱纳德·劳德尔（Leonard Lauder）根据自己的经验以及对人、销量和行业气候的理解建立起了这一联系。

澳大利亚时尚品牌Wombat（小袋熊）创始人克莱尔·珍妮弗（Clair Jennifer）选择新店的依据是“枝叶繁茂的大树和毛茸茸的狗”，这些是她衡量自己店铺成功概率的文化标准。乍听之下，你可能觉得“枝叶繁茂的大树和毛茸茸的狗”这种说法与科学探索压根不搭边，但事实上，这是一种提炼后的思考方式。事实上克莱尔所做的是阅读并追踪她的目标消费者的消费心理，然而仅凭人口信息或人口统计研究可能会忽略这点。

不过，迹象与信号并非总是如此显眼。我们需要发展自己的洞察力，超越自己的期望与信仰。与大多数技能相同，洞察力需要通过学习和努力来获得。

约翰·沃尔夫冈·冯·歌德（Johann Wolfgang von Goethe）评价道“所知即所见”。

需要提醒的是，富有创意并产生有用的洞见很大程度上是因为我们自己具有某种偏好意识，然后努力弥补这一偏好或至少使其不会迷惑自己的双眼以致错过其他可能性。

（二）注意偏见

极具才华的安东尼·杰伊（Antony Jay）与乔纳森·林恩（Jonathan Lynn）创作了经典的BBC情景喜剧《是的，首相！》（Yes Prime Minister），下面是剧里的一个精彩场景。在场景中，政府官员亨弗里·艾普比（Sir Humphrey Appleby）与伯纳德（Bernard）这两个主要人物正在就一个不确定的选举投票进行对话。

亨弗里：再进行一次选举投票表明选民们反对恢复兵役就行啦。

伯纳德：他们不可能既同意又反对啊。

亨弗里：啊，他们当然可以，伯纳德……

（展示所需方法）

乌尔里先生，您是否担心失业年轻人的数量？

伯纳德：没错。

亨弗里：您是否担心青年犯罪率会提高？

伯纳德： 对。

亨弗里： 您是否觉得我们的综合性学校缺乏纪律？

伯纳德： 对。

亨弗里： 您是否赞同年轻人会希望他们的生活中多些权威和领导？

伯纳德： 是。

亨弗里： 您觉得他们是否会应对挑战？

伯纳德： 是。

亨弗里： 您是否赞成恢复兵役？

伯纳德： 噢，我觉得我应该会赞成。

亨弗里： 赞成还是不赞成？

伯纳德： 赞成。

亨弗里： 您当然会赞成，您前面都那么讲了，没办法再说反对。所以，他们并未提及前面五个问题，就只是公布了最后一个问题而已。

伯纳德： 他们真的这么做了？

亨弗里： 不包括那些信誉好的，不……但也没几个信誉好的。另外，您也可以获得完全相反的结果。

伯纳德： 怎么做？

亨弗里： 乌尔里先生，您是否担心战争会带来危害？

伯纳德： 对。

亨弗里： 您是否担心武器扩散？

伯纳德：对。

亨弗里：您是否认为，给年轻人枪支并教他们如何杀人是很危险的事？

伯纳德： 对。

亨弗里： 您是否认为强迫人们违背自己意愿拿起武器是错的？

伯纳德： 是。

亨弗里： 那么您是否反对恢复兵役呢？

伯纳德： 是。

亨弗里： 你看，伯纳德，这是极其完美的样例，所以我们只需要把调查委托给国防部就行。请务必办妥，伯纳德。

正如所有的幽默背后都蕴含的深刻真理，该剧的编剧显然明白这类调查一般总是不完整的，通常具有一定内在缺陷并且很少是完全中立的。

但这并不是说我们就不应运用研究——恰恰相反。事实上，我们在本书的撰写过程中很大程度上依赖我们自己及他人的调查研究（见附录）。

应该说，我们只是听取了歌德的建议，留心因自己的价值观和经历筛选所产生的偏见而已。

（三）从争论的对立面考虑问题

传统创新工作坊或黑客马拉松（hackathon）1所存在的问题在于，大多数情况下，我们的人选不对。我们经常会选择从现状中获益的人来打破现有体系，推翻重来。我们在潜意识里是在要求他们打破自己的成就感、幸存感和安全感。

所有人都或多或少会被损失厌恶（loss aversion）所影响，这意味着，比起期待获得更美好事物，我们通常会更害怕失去现有的事物（做生不如做熟）。这种对失去的恐惧会成为一个牢笼，阻止我们拓展，把我们圈禁在现有之地，剥夺我们的机会。

这是我们将自己的创新工作坊改名为“风险原型”（Risk Prototyping）的原因。事实证明，这样能使各机构更容易接受，并且使团队成员参与的风险大大降低。

从根本上来讲，我们会让组织和团队去设想市场上什么东西可能对其商业模式产生威胁或取代其市场地位，这一做法旨在“预备和降低风险”。我们实际采取的措施则是训练他们去设计并创造他们害怕发生的事物，这样他们便可提前警戒并且制定相应的策略。

原因很简单：“竞争者做哪些事情会让我们担心呢？”那我们就建议领导团队在其竞争者之前先行探索这些可能性。

美国国土安全局在“9·11”事件后采用相似的方式利用好莱坞的编剧为未来的恐怖袭击“制作原型”，这使军事战略家能够为可能出现的结果制订计划。这证明了即便在国家安全十分严峻的情况下，想象力也能够成为关键资本。

实际上，我们的“风险原型”过程与可能进行的创新工作坊极为相似，但最重要的一点在于两者的参考标准不同。我们是在要求大家从保护自己所知的立场出发进行创造，而不是摧毁他们自己现有的世界。

这使得团队更加开放、更加愿意参与试验，并且更能真正地去设想哪些事物可能会对他们的企业造成破坏。

这种反向思考在获得洞见、促生创意方面是极为有用的工具。

西德尼·德克尔（Sidney Dekker）教授是研究工作场所安全这一敏感领域的专家，然而与同行不同，他倾向于得出完全相反的观点。

西德尼告诉我们：“关于安全的考量大多是从什么是错误的这一角度出发，而对于什么是正确的并未给予足够的关注。”他在医院里做过研究，医院总是倾向于观察发生错误时的行为，而不是关注那些取得积极成果的行为。

他发现，这并无差别，行为的本质是一样的。换句话说，不同的结果并非因为过程，而是因为其他因素，如态度、沟通、坦白的意愿，以及在事态不对时喊“停”的能力。

通常情况下，洞察力更多的是关于改变问题，愿意探索不同的假设或诊断，而不是产生更多信息。借鉴鲁梅尔特在其著作中的说法：“在企业中，造成大多数深层战略改变的原因都是诊断的改变——对于公司现状的定义的改变。”

（四）寻求理解（而非仅是分析）

珀西·C.巴克（Percy C Buck）在其1946年著作《音乐家心理学》（Psychology for Musicians）中写道：“业余人士知其然便足矣，专业人士则必须知其所以然。”

我们需要像着迷于正在发生什么那样，执着于为什么会这样发生。换言之，我们需要追本溯源，而不是仅仅治标。

要做到这点，我们需要参与其中。

“Genchi Genbutsu”2这个日本短语的意思是“亲自去看看”，或通俗地讲，就是“穿上靴子去走走”，这是丰田3之道的组成部分。

在早期从事广告业担任创意战略总监时，工厂参访便是我们参与创意过程的重要组成部分。我们会仔细询问产品相关情况，观察它是怎么制作、购买和使用的。参访工厂常使我们得以观察事物，促生不同点，并明确大多数人习以为常或完全忽略的见解。

麦迪逊大道上的传奇“热店”巴克广告公司（Doyle Dane Bernbch）便是运用这一方式来设计广告头条，如“你是否好奇，开扫雪机的人是如何……开车抵达扫雪机旁的吗”这条广告语使得大众汽车得以展示其在严寒等极端天气条件下的稳定性。

《广告狂人》时代的另一传奇人物大卫·奥格威（David Ogilvy）在他自己开始驾驶劳斯莱斯后，发现“用60迈的速度驾驶新的劳斯莱斯时，你会发现最大的噪音来自自己的电子表”。他也运用了同样的方式来销售劳斯莱斯。

这种见解的体验式收集的应用远不止麦迪逊大道上奉行享乐主义的企业。

纳塔西亚·古德博士（Dr Natassia Goode）是阳光海岸大学人类因素和社会技术体系中心的资深研究人员，她是系统思考事故产生原因方面的专家。

纳塔西亚鼓励企业采用系统思考模式来分析工作场所中的事件，而不是仅关注受伤工人的行为。她讲述了一货运公司老板恼怒地跟她讲述公司频发轻微扭伤与损伤的故事。“经理们已大致明白了问题的原因，他们不希望我再次启动这个分析，他们判断问题就在于工人太过着急了。”她对我们说道。

但是，纳塔西亚需要亲自去看看，她共事的这家公司总部和管理层与实际进行货运处理的飞机场和停机坪相距甚远，“我总是尽可能地多花点时间到工厂进行观察。”

纳塔西亚尽可能多地与流程链上的人进行对话，她对工人自身进行观察。在观察过程中，她注意到，尽管物品清楚地标注着由两人搬运，但实际上则是仅由一人搬运。于是她就这一点询问了工人，得到的回复是“人手不足啊……如果我们要赶上严格的航班截止时间，我们就只能继续一个人搬运”。

当她向管理层反馈工人人手不足的情况时，管理层告诉她，工人数量根本没有变化。随后她咨询了主管们，发现虽然员工总数未变，但固定员工的数量是有变化的，这意味着能进入停机坪和仓库的所有区域的员工数量大大减少（由于访问限制，只有固定员工才有权限进入全部区域）。临时工需要监管陪同，这就对固定员工造成了更大的压力。

“造成伤害的原因不止一个，并不是由于人手匮乏，而是由于固定职工数量不足，再加上工人们认为死板但实际上并非如此的机场体系……”没有什么是坏的，但这一系列连锁反应比“我们的员工没有做到他们应该做的”这种认知要复杂得多！

“解决方案并非是单一的，需要让更多员工拥有相应的访问权限，同时还要解决航班行程的压力与沟通问题。”

这就是理解的实践，而你应该也能从中看出其重要性。仅凭数据则无法解决货物搬运员所面临的问题，数据过于原始且单薄。纳塔西亚在多方投入后制定了解决方案。面对问题，她身体力行并且产生了自己的理解。

如她所说，当我们将系统思考运用于问题解决时，就会发现很少会有单一的解决方案，破坏系统的通常都是预料外的变化（因此难以未雨绸缪）。

你需要亲自接近需要解决的问题。智者明白这一点，创新者也明白这一点。

（五）从收集的信息中进行意义构建

在20世纪70年代时，数据驱动的人工智能能否预料到史蒂夫·乔布斯（Steve Jobs）和史蒂夫·沃兹尼亚克（Steve Wozniak）居然能够与IBM这类公司相媲美呢？这是理查德·布兰森（Richard Branson）在2018年为Virgin.com撰稿时所思考的一个问题。显然，布兰森发现了对数据或现状背后所蕴含的意义进行解读的价值。

然后，通过将这一观察和他所在的维珍公司（Virgin）进行对比，他继续说道：

传统的航空公司标准着实令人惊叹，“这简直疯了！没用的！不要这么做！”这正是我们不让数据介入其中的原因。

换句话说，你所创造的意义胜过原始数字。当然，我们需要观察数据获取相应信息，但是我们也需要花时间去发现数据背后所蕴含的东西，思考它可以是什么，应该是什么，甚至需要是什么。

“我特别担心的是，开发人工智能的人所牺牲的是人类才能的发展。”布兰森解释道，“这使得我们从洞窟居民进化到当今现代社会所发展出来的所有本能和实践学习都退化了。”

换言之，数据并非答案，它只是输入。

我们从事物中构建意义的能力将始终非常重要，这是一种将情境、经验、相关（及非相关）类比及直觉摆上台面的能力。机器人和人工智能需要努力解决的是诸如“那又怎样”及“如果……会怎样”这类的问题。

意义构建并不容易，它需要花费大量精力去设想和探索各种可能性，并将各种输入集合得出结论，形成明确的判断，做出有力的决策。听上去简单，但需要考虑的事项极其烦琐。

这是在商业中引用案例研究以及在书中分享故事的问题之一。当你从故事相对舒适的结局来看待问题时，一切总是显得如此单一、明显和简单。

为了简洁，故事总是会省略困惑和过失，而当故事被缩减成只有一两段文字的时候，其中所蕴含的不确定性似乎就没那么重要了。因此最终意义的形成变得如此轻而易举，以致我们低估了创造该意义实际所需付出的努力。

让我们来看看随身行李箱（即带轮子的衣箱）的案例。这似乎是件无须费脑的事，但当年我们都登上月球了，还没想到怎样将轮子装在衣箱上。

1970年，当伯纳德·D.沙度（Bernard D Sadow）用力提着两个非常重的箱子穿过机场时，他看到了一重型机器正用一滑轨装载着轻松地在机场穿行。他对妻子说：“我们也应该在衣箱上装上轮子。”（这便是问题与外部输入的完美碰撞。）

他将沉重的衣箱拖回家后创建了一个原型，当然，他成功了。不过这一想法的获取比你所设想的要缓慢得多。事实上，又过了17年时间，我们今天所熟知的上带伸缩式把手、下带滚轮的行李箱样式才得以发明并投入市场。

顺带一提，启动这一商业化的先行者显然是在低效地拖了好几年衣箱之后才抵达了一个突破点，他们当然也是具备一定“经验性见解”。

今天的我们压根无法想象没有滚轮的沉重行李箱该如何使用。许多人可能会认为自己能够轻松地解决这一问题，但实际上，仅是注意到箱子搬起来很重是不够的——它还需要具有洞察力，能够意识到这是个机会。

我们的大脑是满载有用智慧的数据库，但它需要洞察力才能将这一“内部信息”转化为全新的发现。

我们的好友皮特·库克（Peter Cook）是“思想领袖”（Thought Leaders）的首席执行官，该组织旨在帮助聪明人成为具有商业嗅觉的人。

他讲述了自己和妻子翠西（Tirsh）一起去滑雪的故事。他们俩现在都很擅长滑雪，但皮特向我们打包票说“翠西滑得比我好多了”。

在一次滑雪度假时，他们参加了一高级滑雪课程——主要是滑雪教练员进行的培训。

在准备工作中，他们需要对一系列不同的项目（滑雪回转、跳跃、陡坡等）进行评级。

当皮特向他们的指导提交其自我评估时，他还有点不好意思地表示，虽然翠西绝对是名实力雄厚的滑雪者，但他的分数还是比翠西高一点。

不要担心，指导员说道，我们通常都会降低男学员的自我评估，提高女学员的自我评估。

除了在性别期待和相对自我信念方面的遗憾状态外，这一故事同样表明了洞察力的作用。滑雪教练显然经验十足、眼光老到，不会仅凭提交的数据做判断。尽管可能不够完备，但他们已形成了他们自己的评估体系来使表现和结果更可靠，大大降低其危险性。

这是实践中意义的构建，并非单纯地相信数据，而是将数据加入了自己的理解、经验和直觉。

最后，数据极具价值，但仅凭数据很少能够完整描绘现实。创造数字背后蕴含的意义，战胜我们自然的偏见，运用我们的判断和经验亲身体验、亲眼去看，超越数据，将数据作为一种输入，而非最终答案，这一切才是至关重要的。将原始数据转化为意义和价值的能力将会是我们永远需要的一种技能。