2.2 如何做決策：數據型決策 VS 意見型決策

一句話

很多組織不是不重視數據，而是把所有問題都假裝成可以用數據解掉，最後把真正需要判斷的問題拖成分析癱瘓。

先分兩種決策

數據型決策

• 你需要的事實是可取得的。
• 團隊可以研究、比較、討論。
• 這類決策比較容易形成共識，也比較容易被捍衛。

意見型決策

• 關鍵資訊本來就不存在，或還不夠完整。
• 你只能結合洞見、經驗、直覺與對市場的理解往前走。
• 這類決策一定會被質疑，也通常不可能讓每個人都滿意。

作者的重點不是叫你忽略數據，而是先辨認眼前這一題屬於哪一種。

數據的角色：有幫助，但不是方向本身

• 顧客訪談、測試、A/B test 都有用。
• 它們可以幫你排除明顯不行的東西。
• 但它們不會自動長出產品願景。

如果你在測的是產品核心，而不是局部細節，卻想靠測試結果直接決定產品往哪走，通常代表產品本身還沒有真正的核心。

作者踩過的坑

在 General Magic 失敗之後，作者和團隊一度在飛利浦過度依賴顧客小組與外部顧問，希望用更多數據避免重蹈覆轍。結果是：

• 測得越多，團隊越不敢下判斷。
• 每個人都想讓數據替自己承擔責任。
• 討論變成反覆驗證，而不是推進。

最後真正讓事情往前走的，不是再收更多資料，而是有人承認：「這裡必須由人做決定。」

怎麼做比較好

1. 先把問題定義清楚

• 這是可驗證的局部問題，還是高不確定的方向問題？
• 這題需要的是更多資料，還是需要有人承擔判斷責任？

2. 該收資料就收，但不要假裝資料會自己講話

• 所有測試都帶著假設。
• A、B 兩個選項本身就是設計選擇。
• 你測什麼，就已經透露你相信什麼。

3. 該做意見型決策時，要把推理說清楚

• 你看到哪些數據。
• 你從哪些洞見形成判斷。
• 你為什麼覺得現在該這樣做。
• 風險是什麼，你打算怎麼承擔。

這不是獨裁，而是透明地做出無法靠共識自動得出的判斷。

為什麼故事很重要

當數據不足以收斂時，你最後要做的是讓團隊和管理層願意跟你往前走。這時候需要的是一個可信的敘述：

• 你理解顧客要解的問題。
• 你不是閉著眼睛亂衝。
• 你知道風險，也知道為什麼值得試。

換句話說，說故事不是包裝，而是把判斷轉成可以共享的理解。

這章最值得帶走的東西

• 不是每個重要決策都能等到完美數據。
• 數據和直覺不是互斥，而是順序與權重問題。
• 真正糟糕的情況不是做錯決策，而是一直不敢承認現在需要有人下決定。