你做过最好的决策是什么？

可能你会说，是某天鼓起勇气搭讪了未来的老婆（当然这也可能是最坏的决策），或者是公司毅然决定转型后大获成功，抑或是花了五元随便买张彩票结果中了大奖……总之都是喜气洋洋的事儿。

丹尼尔卡尼曼——就是那个凭借《思考快与慢》获得诺贝尔奖的大神——写了本新书，叫《噪声》，明确指出：这种都不能称之为好决策，甚至都可说是坏决策。

更科学地讲，这些决策都不卫生。

决策好不好，不看决策的结果，而看决策的流程。如果经过完美的流程作出的决策，哪怕结果最后还是不好，也是完美的决策——正所谓谋事在人，成事在天。而很随性的决策，比如赌博，即便一时的结果很好，也只说明运气很好，决策本身仍然是个坏决策。

统计学告诉我们，很多人们自认为很好的决策，长远看来其实并不好。

比如招聘。决定是否录用一个人，卡尼曼专门做了研究，比较了三种决策机制：

1、 简单的机械判断：只看一些基础数据，比如智商，然后严格按照得分来录用；

2、 专家判断：通过两小时的促膝畅谈，确认过眼神，由面试官决定是否录用；

3、 复杂的机械判断：测试各项指标，再进行回归分析，赋予权重，计算综合得分来录用。

通过跟进这些应聘者录用后的表现，你们觉得，最后用哪种判断录用的人表现最好？

答案是：首先专家判断是最差的。其次简单和复杂的机械判断相差无几。

这简直难以置信。这表明，不但各种资深面试官的判断非常离谱，而且各大公司复杂的360评测体系也毫无作用。这怎么可能？

卡尼曼的解释是：专家判断不如机械判断，就是因为专家判断的噪声太大。

这里介绍下噪声这个概念。噪声大致代表决策的稳定性。你问我一加一等于几，这是没有噪声的，永远等于二，喝醉时除外；但你问我心目中理想的姑娘是如何的，我可能今天觉得颜值即正义，明天觉得有奶便是娘，这就是噪声。人做判断，非常容易有噪声。

专家的噪声，简单讲，就是专家容易想多了——这个人虽然履历良好但眼神飘忽，是不是心怀不轨？那个人虽然反应迟钝但热爱加班，会不会勤能补拙？——专家脑海中积聚的要素太多，反而影响了判断力。眼神飘忽和心怀不轨之间的因果关系很可能不成立，而反应迟钝作为硬伤就该被拦在门外，专家这一通人为干预，实证的统计结果就是更糟。

而机械判断没有噪声。机械不会发挥时常，也没有心情好坏，它永远都只考量事先设定的那些指标。或许那些指标的设计并不完美，但因为完全没有噪声，机械判断的整体质量还是远胜人类。

既然如此，干脆所有决策都交给机器好了？人类全体下岗待业得了？

回答是还不行。即便决策流程是完美的——从而决策也是完美的——但决策的结果仍然可能是不好的。因为一个东西的存在，曰：客观无知。

客观无知包含两个东西：现在不知道的信息和未来不知道的变化。你问我喜不喜欢一个姑娘，尽管我已经客观地分析了她的外貌学历智商性格爱好取向，但仍然有大量未知的信息尚待获取，比如她曾经谈过多少次恋爱，以及她未来有没有可能出轨——而卡尼曼指出，人们往往过于低估客观无知的存在，总觉得一切已经几乎尽在掌握：所以现在离婚率已近50%。

无论流程如何设计，都不可能消灭客观无知。因此，这最后一棒的判断，还是要交给人类，交给专家，交给直觉。

统合成一个体系的话，谷歌的招聘流程，提供了一份近乎完美的决策方案。

第一步，分解。要做一个复杂的决策，首先要分解出最相关的几个指标。比如招聘，谷歌最终圈定的核心指标只有四项：智商，领导力，专业度，文化匹配度。

第二步，打分。四项指标，对应四轮面试。每个面试官只负责一个指标。而他绝对不能知道其他面试官给应聘者在其他指标上的打分，以保持高度的客观性和独立性。

第三步，决策。当应聘者四个指标的得分都呈现出来后，最终的决策者来决定要不要这个人。哪怕眼睁睁地看着分数很低，仍然录取，也没问题——这是考验人类直觉的时候。

这套招聘流程不仅适用于招聘，也适用于所有复杂的决策流程：前两步的目的是为了最小化决策的噪声；而第三部的目的则是为了对抗客观无知。这才是理性和直觉的科学结合。

这就引出了一个判断力有趣的悖论，也可谓是全书的总结：

如果你很尊重流程（代表你判断噪声小，判断力很好），你就可以不尊重流程（靠你的直觉来对抗客观无知）；

而如果你不尊重流程（代表你判断噪声大，判断力不好），你就必须尊重流程（以最小化判断的噪声）。

大家的决策，是不是都有流程，是不是都很卫生呢？