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?
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。
《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?
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?
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。
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。