《经济学人》职场专栏：管理决策谨防“数据陷阱”！

新的一年，打工人继续周末不忘充电，今天我们关注数据陷阱，选自新年第一期《经济学人》（2025年1月4日出刊）。文章指出，尽管数据驱动的决策提供了客观性和比较的便利，但过度依赖数字可能导致认知偏差、忽视关键的非量化因素，从而掩盖全面而明智决策的真实需求。

接下来，我们就一起来看看这篇官网文章解析。今天的推文将涵盖三大内容：原文导读、写作技巧剖析以及好词佳句鉴赏。希望借此，在深入了解国内外热门话题的同时，收获英语写作技巧。

日更不易，也请大家帮个忙，点赞、点“在看”、分享，谢谢支持！

Business | Bartleby

Beware the dangers of data

Numbers have an authority that disguises their flaws

在大数据与人工智能的加持下，现代管理者似乎比以往任何时候都更具备做出明智决策的能力。他们深知人类判断容易出错，也掌握了关于客户和产品的海量信息，并能利用先进的AI技术以惊人的速度分析和综合信息。

然而，随着决策方式从直觉逐渐转向数据驱动的理性分析，企业也需要警惕一种新的风险：对数据的过度迷信。

Linda Chang及其合作者在一篇研究论文中提出了一种称为“量化偏执”（quantification fixation）的认知偏差。他们的研究提醒我们，过分依赖数字来做决策的危险并非新鲜事。

这种现象在历史上也被称为“麦克纳马拉谬误”（McNamara Fallacy），以美国前国防部长罗伯特·麦克纳马拉命名——他在越南战争中过于依赖误导性的量化指标来评估战况。然而，Chang的研究更进一步，阐明了为何人们会不成比例地偏重数字化信息。

研究表明，数字之所以能够影响人们的决策，是因为它们特别适合用于对比。

在一个实验中，参与者需要在两名软件工程师中选择一位进行晋升。一个工程师更有可能获得晋升但可能离职；另一个工程师的留任概率更高但晋升机会较低。实验发现，当某一指标以量化形式呈现时，参与者往往更倾向于基于该指标做出选择，而对无法量化的因素则置之不理。

或许有人会认为，解决这一问题的方法是对所有决策要素进行量化。然而，问题在于，并非所有事物都能轻易地被数字化。

企业文化对于求职者的重要性远不如薪资水平容易量化；投资人可以轻松获取一家初创企业的财务数据，但难以用数字衡量创始人的韧性和领导力。数字的确能提供明确的比较基础，但也可能无法还原问题的全貌。

更为复杂的是，人类自身的认知偏差会影响对数据的解读。例如，另一项实验展示了一组虚构的财富与幸福之间的相关性数据。研究人员发现，学生会根据自己的预期解读这些数据：那些相信财富与幸福正相关的学生更容易在图表中看到这种关系。这种偏差表明，即便面对相同的数据，人们的主观信念也会影响其客观判断。

与此同时，数据素养的缺乏也可能让人们在面对数字时犯下简单的逻辑错误。比如，消费者在面对两个竞争数量不同的抽奖活动时，往往会因数字较大而避开参与人数更多的活动，尽管两者的中奖概率是相同的。

在AI广泛应用的时代，依赖算法似乎成了规避人类决策错误的一剂良药。然而，这种依赖可能导致另一种问题。一项研究发现，当管理者偏离AI推荐并失败时，他们更容易遭受指责；而即使偏离算法的决策成功了，他们也很少因此受到奖励。正如过去人们常说，“没人因为买了IBM被解雇”，如今类似的逻辑可能变成了“没人因遵循算法而丢掉饭碗”。

然而，文章指出，某些情况下人类的直觉依然不可替代。数据只能反映现实的状态，而无法预测全新的可能性。

以HBO为例，这家开创性的电视台在早期通过直觉与逆势思维推出了许多颠覆性的节目：大胆的脱口秀、剧情反传统的监狱剧，甚至是被其他电视台拒绝的“黑帮老大看心理医生”题材。HBO用事实证明，凭借数据可能做出更合理、更安全的决策，但创新和突破往往需要冒险的直觉。

数字无疑为决策带来了严谨性和客观性。然而，它们也有自身的局限性。正如文章总结的那样，数据固然承诺了确定性与权威，但它并非毫无瑕疵。

决策者应在追求数据驱动的同时，谨记数据的缺陷，并在适当的时候信任人类的直觉与经验。真正高明的决策往往来自数据与直觉的动态平衡，而非对某一方的盲目依赖。

这篇文章的写作结构非常清晰，采用了“提出问题—分析原因—提供实例—得出警示”的逻辑框架，逐步阐释了数据驱动决策的优势与隐患，为读者提供了理性思考的空间。

文章开头通过简洁的陈述引入了“数据驱动决策”的背景，强调现代管理者拥有“比以往更好的决策工具”（Managers are better equipped than ever to make good decisions），并点明人工智能和数据分析技术在其中的重要作用（They can use artificial intelligence (AI) to analyse, summarise and synthesise information with unprecedented speed）。但紧接着，作者用一个转折句指出，数据的过度使用可能带来新的风险（firms need to be alive to a different set of dangers），为全文的讨论奠定了问题导向的基调。

在正文的第一部分，作者引用Linda Chang等人的研究，提出了核心概念“量化偏执”（quantification fixation），并通过历史上的“麦克纳马拉谬误”（McNamara Fallacy）为其提供现实背景支持（the emphasis that an American secretary of defence put on misleading quantitative measures in assessing the Vietnam war）。随后，文章通过实验数据进一步分析了这种偏见的本质，即数字的比较性使其更容易影响决策（data are particularly suited to making comparisons）。这一部分明确了问题的起因，同时结合具体实验增强了论述的科学性和说服力。

作者在接下来的段落中指出，量化并非万能，“某些事物比其他事物更难量化”（some things are mushier than others），如企业文化和创业者韧性等。同时，作者进一步讨论了人类的认知偏差如何影响数据解读能力，例如确认偏差（confirmation bias）让人们倾向于将数据解读为符合自己预期的结果（Beliefs influenced interpretation）。这些例子说明，数字尽管精确，却可能导致片面或误导性的结论。

文章随后讨论了算法驱动决策的局限性。通过实验数据，作者揭示了人们对AI的依赖和畏惧（nobody gets fired for following the algorithm），反映了算法决策对人类判断力的压制。同时，这种现象折射出“安全但缺乏突破”的问题，即在遵循数据和规则的情况下，人类可能失去创新的勇气。

在这一部分，作者通过HBO的早期创新案例，探讨了数据在面对突破性创意时的不足（Datasets reflect back the world as it is, for example, not the world as it might be）。例如，HBO在直觉与逆向思维的驱使下，创造了不被传统数据支持的成功节目，这表明某些决策情境下直觉胜于数据。

文章最后部分重申观点，并在总结时强调，这篇文章并非提倡直觉优于数据，而是警示数字本身的缺陷（Numbers promise rigour, certainty and objectivity. They have flaws, too）。这一总结既呼应了文章标题，也为读者提供了对数据驱动思维的反思空间。

这篇文章以严谨的结构和逐步递进的分析，提出了对数据决策的理性警示。通过理论概念、实验分析、现实案例和最终警示，作者有效地引导读者从多角度思考数字化决策的潜在风险。

原文中有很多值得学习和背诵的句式。例如：

这句话的结构简单却极具力量，通过对比和对称的手法传递复杂思想。首先，前一句运用了“三连词”——rigour, certainty and objectivity，不仅增强了表达的节奏感，也强调了数字被赋予的正面属性。这样的列举式表达易于记忆和引用，适合在说明某一事物的优点时使用。其次，后一句用一个简洁的转折句（They have flaws, too）揭示了数字的局限性，与前文形成鲜明对比。这种对比写法不仅避免了观点的片面性，还能够引导读者进行更全面的思考。

此外，这句话运用了简短的句式和精准的词汇，使表达直接明了，同时在逻辑上又十分严谨，非常适合用于结论性段落或观点总结中。这样的句式既能增强说服力，也能有效提升读者的阅读体验。

以上，是新年第一期《经济学人》关于数据陷阱的文章解读。文章探讨了在决策中过度依赖数据的风险，指出虽然数字提供了客观性和清晰度，但容易让人忽视无法量化的重要因素，并放大认知偏差的影响。此外，文章强调，只有在数据与直觉之间找到平衡，才能做出更全面和明智的决策。

点击左下角“阅读原文”获取推文相关文章资料。

日更不易，也请大家帮个忙，点赞、点“在看”、分享，谢谢支持！