集体决策要讲卫生《噪声》
《思考，快与慢》说的是人类判断中的「偏差」，而《噪声》说的是人类判断中的「噪声」。要降低噪声，就要讲「决策卫生（Decision Hygiene）」。这就好像医生给人做手术之前必须先仔仔细细洗手一样，我们做判断也要有一个卫生的流程。如果你胡乱考虑各种信息、没有套路、稀里糊涂说不清、凭直觉就做了决策，你就是不讲卫生。
精确理解你的判断
「判断（judge）」的精确含义是大脑对事物的测量，并且必须形成一个客观结论。判断的目标不是为了打动人，不是为了表明立场，不是为了说服人 —— 而是为了接近事实真相，避免错误，有两类判断：
「预测性判断（predictive judgment）」:说的完全是客观事实，这在理论上是可以检测的
「评价性判断（evaluative judgement）」:似乎带有一些主观的成分，貌似跟判断者的价值观有关系
卡尼曼有一个关键的洞见：评价性判断，必须是建立在预测性判断的基础之上。
判断的错误（Error）= 偏差+ 噪声
其中偏差，是系统性的错误。是都往一个方偏，是一致的行为。而噪声，则是判断的分散，是互相之间都不一致。【统计学上说的组内偏差和组间偏差】
对错误来说，偏差和噪声的贡献是一样大的，统计学上通常使用「均方误差」表示整体的错误，而这个数学公式是 ——
均方误差（MSE） = 偏差^2 + 噪声^2
你减少噪声和减少偏差一样，都能减少整个的错误。减少噪声，哪怕结果都是偏的，也比既是偏的又有噪声好一倍。哪怕你不知道偏差有多大，也应该减少噪声。
三类偏差
偏差不是毫无规律的错误，而是“可预测的非理性”，是大脑中的思维定势。有三大类偏差都是因为我们处理信息的方式有问题:
替代偏差是给了某些容易获得的信息过高的权重，给自己不了解的信息过低的权重
结论偏差是只采纳自己喜欢的信息，忽略或者扭曲了自己不喜欢的信息
过度的一致性是让判断受到接收信息次序的影响，放大了初始印象
那怎么避免偏差：
事后纠正。比如你的团队说他们三个月能完成这个项目，你考虑到人们常常会低估项目完成的时间，在给上级的报告中就可以留一点富余量，说四个月完成
事前影响，也就是「助推（nudge）」。比如你知道人们做决定常常随大流，采用系统默认设置，那么你就可以把默认设置改成最有利的选项。
但是这些方法的作用都是有限的。卡尼曼的关键洞见在于，消除偏差的根本办法，是了解偏差。
噪声：稳定发挥出来的波动决策
噪声是由三个部分组成的：
系统噪声^2 = 水平噪声^2 + 稳定模式噪声^2+ 偶然噪声^2
水平噪声说的是不同判断者的人的区别
稳定模式噪声指的是在某种场景下有些固定的偏向
偶然噪声指的是突发随机的偏向
其中，稳定模式噪声才是最重要的噪声来源。今天的你不完全是昨天的你，但是昨天的你跟今天的你还是很像的，肯定比其他任何人都像你。
你的稳定模式噪声，代表立体的、全面的、你独一无二的思维习惯。所以如果你想影响一个人的判断，你要问的不是他这个人是宽还是严，你应该问的是他在什么情况下宽，什么情况下严。
判断力的边界
那些未来不确定的变化和我们现在不知道的信息，称为「客观无知（Objective Ignorance）」。客观无知不是错误，不是偏差也不是噪声，而是判断力的边界。一个最好的判断系统可以把偏差和噪声都降低到 0，但是你不可能消灭客观无知。
客观无知是判断力的边界，它限制了你这次判断可能好到什么程度，超过那个程度就别指望了。要充分考虑客观无知，我们必须使用统计思维，有一个外部视角。做判断一定不能只看眼前这一件事，一定要向外看，看看跟这件事类似的事情，都有什么样的结果。不懂得外部的事物，没有类似事情的经验或者知识，你就不配做这个判断
客观无知是一种统计思维。我们平时使用的、系统一爱用的，是因果思维。因果思维是自动的，统计思维却是需要努力的。因果思维可以是内部的，统计思维必须是外部的。因果思维容易在事后理解判断的错误。出错了，人们总能找到一个什么解释，现在通常的解释都是“你当初的判断里有思维偏差！”但是因果思维不能理解噪声。噪声是一种统计思维。你必须观察过好几个判断，才能看出来其中有噪声。
了解了噪声和客观无知，我们需要避免：
需要流程
需要有谱
决策卫生
为什么流程比人强
一个最基本、最简单而且也是能最有效减少噪声、提高准确率的判断方法，「机械预测（mechanical prediction）」
与之相对的是「临床判断（Clinical Judgement）」，即基于个人经验和直觉的综合判断方法:
临床判断明显不如机械预测（原因就在于专家的噪声太大）
复杂的机械预测往往并不比简单的机械预测好多少（“想太多”弊大于利：想太多会大大增加你的判断噪声，通常不如按照几个简单指标、几条简单规则走标准化判断流程）
如何做机械预测:
确定若干个评分指标，最好不要超过五个
打分。给每个指标设定一个整数分数区间
计算总分。也不用加权平均了，简单相加就行
机械预测告诉我们应该关注判断的过程，而不是判断的结果。相信过程，走流程，是决策卫生的关键。其实日常做事也是这样。【《清单革命》也是这个意思吧】
有谱才能靠谱
一定的模糊性往往能给说话的人保留更多的主动性。不过我们自己做判断做决定还是应该尽可能地精确量化。什么叫靠谱，关键是得有个谱。所谓靠谱，就是能够以一个客观的尺度，做出量化的、合适的判断。
怎么对待量化噪声【如何有谱】：
给一个尺度，也可以说是给一个「锚」【锚定效应】
寻求外部观点，找一找基础比率
排序。应该把你要判断的事物先都放在一起，从高到低排列，然后再打分
给一个「共同的参考框架（Common Frame of Reference）」。这个方法既避免了排名，又尽可能地让打分客观（详细规定什么情况给什么分数）
量化判断容易产生很大的噪声，最关键的就是一定要有一个参考尺度。这个尺度可以是主动设定的，可以是类似事物的基础比率，可以是排名决定的，也可以使用一个共同的参考框架。如果没有尺度，判断就会盲目。
集体决策必须讲卫生
个人判断的噪声可以用走机械化流程和设定参考尺度的方法消除，集体也要讲究决策卫生避免噪声。否则容易出现「信息级联（informational cascades）」，也就是开始的几个人直接影响了后面的人。后发言的人大大高估了前人判断的可信程度，在群体的压力下，更多地是在模仿别人，而不是做好自己的判断。
更严重出现「群体极化（group polarization）」，一群人坐在一起讨论事儿，可能会越说越激动，互相鼓励之下，做出一个非常极端的决定。
如何讲究决策卫生：
给判断者提供信息，必须严格按照一定的顺序进行，千万不能给早了【以免被后面的信息误导】
专家应该详细记录自己每一步的判断，严格按照程序顺序进行【把自己的思考过程记录下来，就像投资笔记一样】这样调研和决策分开就能降低你“只看自己想看的”的风险
第二位专家做判断的时候，不应该知道第一个专家的判断结论
决策卫生的关键就是信息披露的顺序。做判断并不是知道的越多越好，不该你知道的你不知道，反而能做出更客观的判断。有些信息应该在判断做出之后再给，否则就有可能引发信息级联，导致偶然噪声。
怎样做好重大决策
决策和判断最好分开。判断是我建议我们应该这么做【军事参谋】；决策是拍板了，就这么做【最高决策者】。
怎样做好重大决策，使用「调解评估规程（Mediating Assessments Protocol）」，调解评估规程的三个原则：
设定几个结构化指标；
各指标独立判断；
根据最终分数使用直觉决策。
要点是我们关心的是过程，不是结果。好的判断不是来自伟大领导人的灵光一现，而是参谋团队兢兢业业的专业工作。
总结：判断力批判
有三个概念：
「自由裁量权」「Discretion」，在一定的范围内，你有权自行选择该怎么做。核心可不是“自由”，而是“判断”
「标准（Standard）」意思是关于做一件事情的“指引”，比如“请小心驾驶”是个标准
「规则（Rule）」则是严格的，是什么就是什么，你没有自由裁量权。比如“限速120公里”就是规则
到底使用标准还是规则，其实是个成本问题：
规则因为不需要判断，使用时的决策成本低，可是它必须频繁修改，制定规则这个决策的成本高
标准需要判断，使用时的决策成本高，但是制定标准的决策成本低
卡尼曼的洞见在于，你的判断力有多好，以至于我们有多信任你，你就有多大的自由裁量权。
高水平判断者绝对不能是那种死板的、一根筋的人。可是他们也绝对不是没有章法、胡乱说话的人。他们有专业知识，判断力强的人智力水平往往比较高，而且有谦逊的认知风格（做出一个判断之后，能不能迅速反思一下，看看自己有没有错误，你能不能遏制自己匆忙下结论的冲动）。
我们要的“自由裁量权”中的“自由”，是探索的自由、是调动一切有用信息的自由、是学习相关知识的自由、是直接运用逻辑而不必接受生硬命令的自由，不是自由放任的自由。
自由裁量权不是“我心中想是什么就是什么”，而是“我发现世界是什么就是什么”。
如果你的判断力强，你就配得上拥有标准；如果你的判断力弱，你就只能拥有规则。可是什么叫判断力强呢？恰恰是善于运用判断规则。
这样说来，“判断者”有个悖论 ——如果你尊重规则，你就可以不遵守规则；如果你不尊重规则，你就必须遵守规则。
更多阅读：
得到APP《精英日课第四季》