用“反事实”升级你的思维模式

编者按：本文来自微信公众号“人神共奋”（ID:tongyipaocha），作者：人神共奋，36氪经授权发布。

如何证明自己的工作成果？

面对质疑

职场中人总是少不了工作汇报，名义上是“汇报”，但如果只是数据和结果的罗列，不但显得你在工作上漫不经心，而且浪费了一次绝佳的证明自己能力的机会。

比如，你组织了一次促销，你在汇报里说：促销效果很好，营收额上升了50%，库存下降了50%，等等，这个看似漂亮的成果，很可能会遭到如下的质疑：

本来说是旺季，就算你不促销，营业额也会上升；

花了那么多钱，东西又便宜了这么多，营业额怎么可能不上升；

老顾客投诉太多了，这种促销破坏了价格体系；

清理库存都亏到姥姥家了，还好意思拿出来表功；

……

通常情况下，上司和同事不会这么说，“尊重客观事实”是基本的“职场礼节”，除非他故意为难你，但难保证他们不会这么想，这么一来，你的工作业绩在上司眼里就会变得微不足道。

类似这种情况非常多，你任何工作都可以从负面的角度解读，很多人因此觉得，职场上工作再好也会被人说闲话，还不如“上班摸鱼，下班躺平”。

但我们平心静气地想一想，如果你是上司和同事，这些质疑难道没有道理吗？毕竟营销是一个复杂的体系，我们经历过太多表面成绩很好，实际伤害很大的促销活动。

上一篇《关于“为什么”的科学，一旦懂得，三观崩溃》有一个观点：

职场上有两种有能力的人，第一种是能把事办成的人，第二种是知道“为什么能把事办成”的人。有前一种能力的人，最后可以成为一位优秀的部门经理，后一种能人，最后可以成为一位优秀的CEO。

上一篇文章告诉我们，因果关系并不天然存在，它是被人创造出来的，被赋予意义的。你不但要好好工作，你还必须有能力证明公司获得的成绩与你的努力之间的因果关系，证明你的工作是有意义的。

上一篇说了因果关系的三个层次，本文就会详细的介绍从第三层发展出来的很重要的武器——反事实思考。

死于疫苗的人数比死于天花的人还多？

《为什么：关于因果关系的新科学》一书中有一个事实可能会让大家意外，数据显示，每年死于天花疫苗的人数大于死于天花的人数。

这个数据被很多反疫苗组织用来宣传“疫苗有害论”，认为应该禁止人们接种疫苗。

数据到底对不对呢？这其实是一道简单的算术题。

假设天花疫苗的接种率为99%，1%的不良反应率，不良反应中有1%的死亡率，100万儿童中有99万接种了疫苗，简单计算可知，因天花疫苗接种不良反应而死亡的儿童为99人。

另有一万儿童没有接种疫苗，假设未接种疫苗的人群，感染天花的概率是2%，而天花的致死率为20%，那么没有接种天花的儿童死亡人数为40人。

没错，死于天花疫苗不良反应的儿童数大于死于天花的儿童数。

但我们也发现了问题所在，接种的儿童数量实在是太大了，只要接种率降低2个百分点，死于疫苗不良反应的人数下降到97人，而死于天花的人数就会上升到120人。你还不如说，原因是接种率太高了。

接种率与两类死亡人数的关系如下表：

理解了这一层因果关系之后，你会发现，死于疫苗和死于传染病的人，没有可比性，这两个数字的大小关系，与疫苗有没有好处，并不形成因果关系。

那么，其中的因果关系到底是什么呢？

上一篇中介绍了因果关系的三个层次：

现象的相关性（第一层）：天花、天花疫苗与儿童死亡的概率关系

动作的因果性（第二层）：如果打疫苗，有多大的概率因疫苗而死亡

反事实的因果性（第三层）：如果不打疫苗，有多大的概率因天花而死

非常明显，认为打天花疫苗不安全的人，违反了因果关系的第三层“反事实的因果性”，如果儿童都不接种天花疫苗，结果就是一道简单的数学题：

每100万儿童每年因天花死亡数：1000000*2%*20%=4000人

对于医学家而言，不需要区分这两种死亡数，真正有意义的是最后一项“共计死亡数”，99%接种率，儿童死亡数是139人，0%的接种率，儿童死亡总数是4000人。

如果一定要区分的话，那逻辑反而是这样的：

如果有一天，全球死于新冠疫苗不良反应的人数高于死于新冠病毒的人，我们就可以彻底战胜新冠病毒了。

嗯，这话逻辑没问题，可为什么听上去怪怪的？

反事实思考

是因为人类不太擅长“反事实思考”吗？

罗翔说法里有一个经典的“粪坑案”，一女子下班遇到歹徒要强奸她，她假意服从，待男子放松警惕后，一脚将其踢入粪坑。歹徒挣扎着要爬上来，女子连踩三脚，导致歹徒死亡，请问该女子是否构成“正当防卫”？

这个案例讲的是“正当防卫”与“事后防卫（报复泄愤）”的区别，一般人都会本能地觉得女子是正当防卫，但原因呢？

罗翔指出，重点在于，一般人在当时的情况下看，歹徒的危险有没有解除？肯定没有，三脚不够，最好再来一板砖，不是为了报复泄愤，而是确保“危险排除”。

“危险排除”就是一个“反事实思考”，需要我们还原当事人当时的情景，你会发现，其实这正是大部分人的正常思维方式，只是不太会用逻辑的语言表达出来。

那么，是因为我们对数字不太敏感吗？

再举一个例子，如果你喜欢买彩票，每次都买固定的号码，那么下面两种情况，哪一种更让你后悔：

A、 这一次你买了固定的号码，结果还是没中奖

B、 这一次你突发奇想，改了一个数字，结果大奖竟然是原来的数字 

一定是B更让你后悔吧，真是“闲得蛋疼多此一举没事找抽天生命贱”，你会想：如果你没有改号码，就是100%的中奖——这就是一个“反事实思考”。

把疫苗与这两个案例进行对比，你会发现，人类非常擅长“反事实思考”，对一般的数字也有处理能力，只是——

第一、我们更喜欢基于具体情景的“反事实思考”；

第二、人类真正不擅长的是对极小概率的处理。

想一想，一个健康活泼的小孩子，打了疫苗，死了。结果是因为不良反应，而非疫苗质量问题，家长会怎么想呢？这个报道出来，读者又会如何思考呢？

我们正常的思维是，如果不打疫苗，孩子就不会死——但这并不符合事实，疫苗不良反应致死率是万分之一，不打疫苗得天花并致死的概率是千分之四，两者相差25倍，但这两个都是小概率事件，而人脑对于小概率事件缺乏处理能力。

我们非常理解并愿意进行“反事实思考”，但更擅长体验具象的事项，所以相关性虽然以概率为基本，但“反事实思考”想要让人理解，就需要落实到具体的情景上。

理解这一点，我们就可以回到开头的问题，你会发现真正的困难在于，既然“反事实”是没有发生的事实，那么你该如何找到“反事实”呢？

寻找“反事实”的替代事件

想要证明“你的促销活动”有成果，你需要证明一个反事实，如果不进行促销，会怎么样？

虽然并不存在“没有促销”这个反事实，毕竟平行宇宙只是一个假想，但你并不是要真的要找到“反事实”，而是要让上司和同事相信，所以你只要找到“反事实”的替代事件就行了。

事实上，任何一个对你促销效果的质疑，都蕴含着一个替代“不促销”的反事实：

“本来说是旺季，就算你不促销，营业额也会上升”，这个质疑对应的“反事实”的“替代事件”可以是——选择去年同期，没有促销的时间前后的销售数据进行对比。

“花了那么多钱，东西又便宜了这么多，营业额怎么可能不上升”，这个质疑对应的“反事实”的“替代事件”可以是——近一两年规模类似的促销活动的效果进行对比。

“清理库存都亏到姥姥家了，还好意思拿出来表功”，这个质疑对应的“反事实”的“替代事件”可以是——附带清理库存的促销活动的效果，好于不附带清理库存的促销活动的效果。

“反事实”并不是反驳他人的质疑，它实际上是自我质疑、自我修正，你需要事先尽可能考虑到影响促销效果的因素，在汇报中预先提供相应的“反事实”。这么做，不但能把质疑扼杀在萌芽状态，还能体现你严谨的商业思维。

是的，“反事实思考”是一种商业思维能力，在评估制度、活动、政策时，要考虑的不仅仅是本身的得失，还包括如果没有这项政策，那你的得失又是怎样，前者有现成的数据可供分析，后者则需要相当的想象、推理能力。

当人类开始思考“反事实”

反事实思考是一种非常高级的思维方法。

“公鸡打鸣，太阳升起”，这两者到底有没有因果关系？我们只是根据常识判断“没有”，但有没有什么更严密的推理呢？

因果关系的层次分析，是英国哲学家休谟率先进行的。他认为，现象A之后，一定会出现B现象，是因果关系的第一层；但因果关系还需要第二层：如果没有A（公鸡打鸣），那么B（太阳升起）也不会出现。

休谟的理论把因果关系的探究推进了一大步。

因果关系既非完全主观，也非完全客观，一个新发现往往先提出一个看似合理的假设，再寻找相关数据的支持，再进行“反事实”的验证，最后对你的想法进行修正与限制，再重复一遍上述过程。

医学，人命关天，一种药物到底对治疗疾病有没有用？这个因果关系就不仅仅是一个理论问题了，而药物临床实验中的“安慰剂组”和“常规治疗组”，作用就相当于“反事实思考”。

“安慰剂组”提供的反事实是，如果什么药都不吃，病自然消失的概率；“常规治疗组”提供的反事实是，如果用现在已知最好效果的药，病好的概率。

如果新药的疗效好于这两组，那就是有用的；如果低于这两组，那就是无效；如果高于“安慰剂组”低于“常规治疗组”，那就需要看具体区别。

很多人都觉得西医比中医正确，因为中医理论无法证伪，而西医的理论有严密的因果关系。但事实是，西医理论同样来源于对实践中相关性的总结，只是有大量类似“反事实”的双盲试验去验证，而中药的“千人千方，同病异治”导致没有科学方法证明自己有效。

从人类开始思考“反事实”时，事实上，人类已经改变了这个世界。