今天和大家分享的文章標(biāo)題是《噪音：如何克服決策不一致所帶來的高額隱性成本》（《Noise: How to Overcome the High, Hidden Cost of Inconsistent Decision Making》）迁客。
這篇文章由四位作者共同完成人灼，首先簡單介紹下作者：
Daniel Kahneman，是普林斯頓大學(xué)榮休的心理學(xué)教授佛寿。2002年，他因在認知偏差方面的工作（與阿莫斯·特沃斯基合作）獲得了諾貝爾經(jīng)濟科學(xué)獎宵溅。
Andrew M. Rosenfield熊杨，是咨詢公司TGG集團的首席執(zhí)行官和管理合伙人
Linnea Gandhi，是芝加哥布斯大學(xué)行為科學(xué)副教授茧球，經(jīng)營著一家致力于將學(xué)術(shù)研究應(yīng)用于商業(yè)的公司BehavioralSight。
Tom Blaser星持，是咨詢公司TGG集團的常務(wù)董事抢埋。
文章主要介紹了在專業(yè)人員在判斷中受到噪音的影響而產(chǎn)生決策的不一致問題，接著解釋了噪聲和偏差之間的區(qū)別督暂，說明如何審計組織中的噪聲水平和影響羹令。然后，向我們描述了一種低成本且有效的方法來構(gòu)建修正噪聲的算法损痰，并概述了當(dāng)算法不可行時福侈，可以提高判斷一致性的步驟。
首先什么是噪音呢卢未？
作者向我們舉了一個例子肪凛，在他們所服務(wù)的一家金融服務(wù)公司堰汉，對于相同的金融服務(wù)申請資料，審核人員給出了完全不同的報價伟墙。許多組織的專業(yè)人員翘鸭，例如信用評級機構(gòu)的評估人員、急診室的醫(yī)生戳葵、貸款和保險的保險商等就乓，他們的判斷受到不相關(guān)因素的強烈影響，例如他們當(dāng)前的情緒拱烁、距離上一頓飯后的時間和天氣生蚁。這種決策的隨機變異被稱為噪音。噪音不僅廣泛存在戏自，而且往往是隱蔽的邦投。即使是成功的公司在沒有意識到的情況下都會由于噪音損失大量的金錢。
噪音和偏見有什么區(qū)別呢擅笔？
作者用四幅圖為我們做出了直觀的解答：
A組是準(zhǔn)確的：射擊是正中靶心的志衣，而且相互靠近。
B組是噪音：以靶心為中心猛们，但分散得很廣念脯。
C組是偏見：都沒射中靶心，但都聚集在一起弯淘。
D組既有噪音和二，也有偏見。
另外耳胎，與偏見不同，噪聲可以在不知道正確響應(yīng)的情況下測量惕它。B組和D組的分散的射擊是有問題的：不管靶心在哪里怕午，他們都沒有向集中的方向射擊。所以可以通過設(shè)計實驗淹魄，即使在不知道正確答案的情況下郁惜，可以觀察到判斷的分散。這種實驗稱為噪聲審計甲锡。噪聲審計的重點不是要出具報告兆蕉。最終目標(biāo)是提高決策質(zhì)量，并且需要得到高層的支持缤沦，噪音審計才能得以成功實施虎韵。
而如何能降低噪音呢？
對噪音問題最根本的解決辦法是用被稱為算法的正式規(guī)則來代替人類的判斷缸废。不需要特別復(fù)雜精細的計算包蓝，只要在條件允許的情況下驶社，我們可以基于常識推理選擇一些（可能是6到8個）明確與結(jié)果相關(guān)的變量，通過簡單的加減運算來構(gòu)建算法测萎。并且這種方法和精細構(gòu)建的算法有同等的作用亡电。
而在許多情況下，運行算法是不實用的或者是不被公眾接受的硅瞧。那么我們需要為判斷提供一套程序（流程和工具）份乒，加強流程規(guī)范的培訓(xùn)，提供檢查清單腕唧，問題列表等工具或辖。
下面是全文，有興趣的同學(xué)可以繼續(xù)閱讀：
在我們合作的一家全球金融服務(wù)公司四苇，一位長期客戶意外地向兩個辦事處提交了同一份申請文件孝凌。雖然審查該文件的員工應(yīng)該遵循相同的指導(dǎo)方針，從而得出類似的結(jié)果月腋，但不同的辦公室返回的報價卻截然不同蟀架。后來客戶就把業(yè)務(wù)交給了公司的一個競爭對手。從公司的角度來看榆骚，同一角色的員工應(yīng)該是可以互換的片拍，但在這個案例中，他們不是妓肢。不幸的是捌省，這是一個常見的問題。
許多組織的專業(yè)人員碉钠，信用評級機構(gòu)的評估人員纲缓、急診室的醫(yī)生、貸款和保險的保險商等喊废，被隨意分配到案例中祝高。組織期望這些專業(yè)人員的一致性：相同的案例應(yīng)該被同樣地對待。問題是污筷，人類是不可靠的決策者工闺；他們的判斷受到不相關(guān)因素的強烈影響，例如他們當(dāng)前的情緒瓣蛀、距離上一頓飯后的時間和天氣陆蟆。我們將決策的隨機變異稱為噪音。這是許多公司的一種無形成本惋增。
有些工作沒有噪音叠殷。銀行或郵局的職員執(zhí)行復(fù)雜的任務(wù)，但他們必須遵守經(jīng)過設(shè)計的嚴格的規(guī)則诈皿，用來限制主觀判斷和保證相同的案例將被同等對待溪猿。相比之下钩杰，醫(yī)療專業(yè)人員、貸款官員诊县、項目經(jīng)理讲弄、法官和高管都會做出判斷，這些判斷是由非標(biāo)準(zhǔn)化的經(jīng)驗和一般原則指導(dǎo)的依痊，而不是嚴格的規(guī)則避除。如果他們的回答與其他人的回答不完全一致，那是可以接受的胸嘁；這就是我們所說的決策是“判斷問題”的意思瓶摆。一個員工進行判斷的公司并不希望決策完全沒有噪音。但通常情況下性宏，噪音遠高于高管們認為可以容忍的水平群井，而且他們完全沒有意識到這一點。
噪聲的廣泛存在已經(jīng)在一些研究中得到證實毫胜。學(xué)術(shù)研究人員反復(fù)證實书斜，專業(yè)人士在不同場景下對于相同的數(shù)據(jù)，往往會做出與自己先前的判斷相矛盾的判斷酵使。例如荐吉，當(dāng)軟件開發(fā)人員被要求在分割的兩天里分別估計某個給定任務(wù)的完成時間時，他們預(yù)測的小時數(shù)平均相差71%口渔。當(dāng)病理學(xué)家對活檢結(jié)果的嚴重程度進行兩次評估時样屠，他們的評分之間的相關(guān)性僅為.61（完美的1.0），這表明他們經(jīng)常做出不一致的診斷缺脉。不同的人做出的判斷更有可能產(chǎn)生分歧痪欲。研究證實，在許多任務(wù)中攻礼，專家的決定是高度可變的：評估股票业踢、評估房地產(chǎn)、判決罪犯秘蛔、評估工作表現(xiàn)、審計財務(wù)報表等傍衡。直觀的結(jié)論是深员，專業(yè)人士的決策往往與同齡人的決策、自己先前的決策以及自己聲稱遵守的規(guī)則有很大的偏差蛙埂。
噪音往往是隱蔽的：它甚至導(dǎo)致成功的公司在沒有意識到的情況下?lián)p失了大量的金錢倦畅。有多大？為了得到一個估計值绣的，我們詢問了我們研究過的其中一個組織的高管：“假設(shè)一個案例的最佳評估值是100000美元叠赐。如果負責(zé)此案的專業(yè)人員評估了11.5萬美元的價值欲账，該組織的成本是多少？評估它的費用是多少芭概？85000美元赛不？“成本估計很高。在每年的評估中罢洲，噪音成本以數(shù)十億計踢故，即使是對于一家大型的全球公司，也是一個不可接受的數(shù)字惹苗。即使只降低幾個百分點的噪音殿较，其價值也將達到數(shù)千萬美元。值得注意的是桩蓉，在那之前淋纲，該組織完全忽略了一致性的問題。
長期以來院究，人們都知道洽瞬，簡單統(tǒng)計算法產(chǎn)生的預(yù)測和決策往往比專家作出的預(yù)測和決策更準(zhǔn)確，即使專家獲得的信息比公式使用的信息更多儡首。眾所周知片任，算法的主要優(yōu)點是無噪音：與人類不同的是，對于任何給定的輸入蔬胯，公式總是返回相同的輸出对供。卓越的一致性甚至允許簡單和不完美的算法實現(xiàn)比人類專業(yè)人員更高的精度。（當(dāng)然氛濒，有時算法在操作上或政治上是不可行的产场，正如我們將要討論的那樣。）
在本文中舞竿，我們將解釋噪聲和偏差之間的區(qū)別京景，并研究主管如何審計其組織中的噪聲水平和影響。然后骗奖，我們描述了一種低成本确徙、未被充分利用的方法來構(gòu)建修正噪聲的算法，并概述了當(dāng)算法不是一個選項時可以提高判斷一致性的步驟执桌。
噪音與偏見
當(dāng)人們考慮到判斷和決策的錯誤時鄙皇，他們很可能會想到社會偏見，如對少數(shù)群體的成見或認知偏見仰挣，如過度自信和毫無根據(jù)的樂觀主義伴逸。我們稱之為噪聲的無用的易變性是一種不同類型的錯誤。想一想你的浴室磅秤膘壶，就知道這一區(qū)別了错蝴。我們可以說洲愤，如果標(biāo)度的讀數(shù)通常過高或過低，則標(biāo)度是有偏差的顷锰。如果你的體重似乎取決于你將腳放在哪里柬赐，那么天平就會發(fā)出噪音。一直低估實際重量4磅的天平是有嚴重偏差的馍惹，但沒有噪音躺率。當(dāng)你踩兩次刻度盤時，它會給出兩個不同的 讀數(shù)万矾，這是噪音悼吱。許多測量誤差都是由偏壓和噪聲共同引起的。大多數(shù)廉價的浴室磅秤都有些偏頗和相當(dāng)?shù)脑胍簟?/p>
為了直觀地說明這一區(qū)別良狈，請考慮附圖“噪音和偏差如何影響準(zhǔn)確性”中的標(biāo)靶后添。這些標(biāo)靶顯示了四人小組的標(biāo)靶練習(xí)結(jié)果，其中每個人射擊一次薪丁。
A組是準(zhǔn)確的：射擊是正中靶心的遇西，而且相互靠近。
其他三個組不準(zhǔn)確严嗜，但有著各自的不同方式：
B組是噪音：以靶心為中心粱檀，但分散得很廣。
C組是偏見：都沒射中靶心漫玄，但都聚集在一起茄蚯。
D組既有噪音，也有偏見睦优。
正如A組和B組的比較所表明的那樣渗常，噪聲的增加總是會在沒有偏見的情況下降低準(zhǔn)確度。當(dāng)存在偏見時汗盘，不斷增加的噪音實際上可能會造成幸運的擊中皱碘，就像D組所發(fā)生的那樣。當(dāng)然隐孽，沒有任何組織會相信運氣癌椿。噪音總是不受歡迎的，有時是災(zāi)難性的菱阵。
對于一個組織來說踢俄，了解員工決策中的偏見和噪音顯然是有用的，但是收集這些信息并不簡單送粱。測量這些誤差時冒出了不同的問題褪贵。一個主要的問題是掂之，決策的結(jié)果往往直到遙遠的將來才知道抗俄，如果有的話脆丁。例如，貸款官員經(jīng)常要等上幾年才能看到他們批準(zhǔn)的貸款產(chǎn)生的結(jié)果动雹，而且他們幾乎無法知道他們拒絕的申請人會發(fā)生什么槽卫。
凡決策必有噪音——通常比你想象的要多。
與偏見不同胰蝠，噪聲可以在不知道正確響應(yīng)的情況下測量歼培。為了說明這一點，假設(shè)射擊者瞄準(zhǔn)的目標(biāo)被從展覽中抹去茸塞。你可能對整體的精準(zhǔn)度一無所知躲庄，但你可以肯定的是，B組和D組的分散的射擊是有問題的：不管靶心在哪里钾虐，他們都沒有向集中的方向射擊噪窘。測量判斷中的噪聲所需要的只是一個簡單的實驗，在這個實驗中效扫，由一些專業(yè)人員對一些實際案例進行獨立評估倔监。同樣，在不知道正確答案的情況下菌仁，可以觀察到判斷的分散浩习。我們稱這種實驗為噪聲審計。
執(zhí)行噪音審計
噪聲審計的重點不是要出具報告济丘。最終目標(biāo)是提高決策質(zhì)量谱秽，只有當(dāng)部門領(lǐng)導(dǎo)準(zhǔn)備接受不愉快的結(jié)果并采取行動時，審計才能成功闪盔。如果高管們把對于噪音的審計視為自己的創(chuàng)造弯院，那么就更容易實現(xiàn)。為此泪掀，案例應(yīng)該由受尊敬的團隊成員編寫听绳，并且應(yīng)該涵蓋通常遇到的問題范圍。為了使結(jié)果與每個人都相關(guān)异赫，所有單位成員都應(yīng)參加審核椅挣。一個有嚴格的行為實驗經(jīng)驗的社會科學(xué)家應(yīng)該監(jiān)督審計的技術(shù)方面，但審核的過程必須由專業(yè)單位完成塔拳。
最近鼠证，我們幫助兩個金融服務(wù)機構(gòu)進行噪音審計。我們所研究的兩個小組的職責(zé)和專業(yè)知識是完全不同的靠抑，但兩者都需要對中等復(fù)雜的材料進行評估量九，通常涉及數(shù)十萬美元的決策。我們在兩個組織中都遵循相同的協(xié)議。首先荠列，我們要求相關(guān)專業(yè)團隊的管理人員構(gòu)建幾個實際的案例文件進行評估类浪。為了防止實驗信息泄露，當(dāng)天進行了整個練習(xí)肌似。員工被要求花大約半天的時間分析兩到四個案例费就。按照正常的工作例程，他們?yōu)槊總€案例以美元為單位進行評估川队。為了避免合謀力细，參與者沒有被告知該研究與可靠性有關(guān)。例如固额，在一個組織中眠蚂，目標(biāo)被描述為理解員工的專業(yè)思維，提高工具的實用性斗躏，以及改善同事之間的溝通河狐。A組織約有70名專業(yè)人員參加，B組織約有50名瑟捣。
我們?yōu)槊恳粋€案例構(gòu)建了一個噪聲指數(shù)馋艺，它回答了以下問題：“兩個隨機選擇的員工的判斷有多大差異？”我們將此指數(shù)值表示為其平均值的百分比迈套。假設(shè)兩名員工對一個案例的評估是600美元和1000美元捐祠。他們評估的平均值是800美元，他們之間的差額是400美元桑李，所以這對人的噪音指數(shù)是50%踱蛀。我們對所有員工對進行了相同的計算，然后計算出每種情況下的總體平均噪聲指數(shù)贵白。
對這兩個組織的高管進行的審計前訪談表明率拒，他們預(yù)計他們的專業(yè)人員決策之間的差異在5%到10%之間——這是他們認為“判斷事項”可以接受的水平。結(jié)果令人震驚禁荒。A組6個案例的噪聲指數(shù)為34%-62%猬膨，總體平均為48%。在B組的4個案例中呛伴，噪聲指數(shù)在46%到70%之間勃痴，平均為60%。也許最令人失望的是热康，工作經(jīng)驗似乎并沒有減少噪音沛申。在工作五年或五年以上的專業(yè)人員中，A組的平均不一致率為46%姐军，B組的平均不一致率為62%铁材。
沒人預(yù)料到這樣的結(jié)果尖淘。但由于他們?nèi)虆⑴c這項研究，兩個組織的高管都接受了這樣一個結(jié)論：他們的專業(yè)人士的判斷的不可靠程度是不可容忍的著觉。所有人都很快同意必須采取措施來控制這個問題德澈。
因為這些發(fā)現(xiàn)與之前關(guān)于專業(yè)判斷可靠性低的研究是一致的，所以我們并不感到驚訝固惯。對我們來說，最大的困惑是兩個組織都沒有將可靠性視為一個問題缴守。
在商業(yè)世界中葬毫，噪音問題實際上是不可見的；我們觀察到屡穗，當(dāng)專業(yè)判斷的可靠性被作為一個問題提出時贴捡，人們會非常驚訝。是什么阻止了公司認識到員工的判斷是有噪音的呢村砂？答案在于兩種常見的現(xiàn)象：經(jīng)驗豐富的專業(yè)人士往往對自己判斷的準(zhǔn)確性有很高的信心烂斋，他們也對同事的智力有很高的評價。這種結(jié)合必然導(dǎo)致對一致性的高估础废。當(dāng)被問到同事會說什么時汛骂，專業(yè)人士預(yù)期別人的判斷比實際情況更接近自己的判斷。當(dāng)然评腺，大多數(shù)時候帘瞭，經(jīng)驗豐富的專業(yè)人士完全不關(guān)心別人的想法，只是假設(shè)他們的想法是最好的答案蒿讥。噪音問題的不可見的一個原因是蝶念，人們不會在生活中想象他們做出的每一個判斷的合理的替代品。
別人與你的預(yù)期相符有時是合理的芋绸，尤其是在判斷已熟練得用直覺就能做出的情況下媒殉。高水平的象棋和駕駛是練習(xí)到近乎完美的任務(wù)的標(biāo)準(zhǔn)示例。觀察棋盤上情況的大師級玩家對游戲狀態(tài)的評估都非常相似摔敛，比如說廷蓉，白皇后處于危險之中，或者黑國王的防守薄弱马昙。司機也是如此苦酱。如果我們不能假定我們周圍的司機在交叉口和環(huán)形交叉口共享我們對通行順序的理解，那么交通通行將極其危險给猾。在高水平的技能上很少或沒有噪音疫萤。
國際象棋和開車的技能水平在一個可預(yù)測的環(huán)境中通過多年的實踐不斷提升。在這種環(huán)境中敢伸，行動之后會立即得到明確的反饋扯饶。不幸的是，很少有專業(yè)人士處在在這樣一個的環(huán)境中。在大多數(shù)工作中尾序，人們通過聽經(jīng)理和同事的解釋和批評來學(xué)習(xí)判斷——這是一種比從錯誤中學(xué)習(xí)更不可靠的知識來源钓丰。長期的工作經(jīng)驗總是增加人們對自己判斷的信心，但在缺乏快速反饋的情況下每币，信心既不能保證準(zhǔn)確性携丁，也不能保證共識。
我們總結(jié)成一句格言：凡判斷必有噪音兰怠，通常比你想象的要多梦鉴。一般來說，我們認為揭保，無論是專業(yè)人士還是他們的管理者肥橙，都不能對他們的判斷的可靠性做出很好的猜測。獲得準(zhǔn)確評估的唯一方法是進行噪音審計秸侣。并且至少在某些情況下存筏，這個問題會嚴重到需要采取行動。
調(diào)低噪音
對噪音問題最根本的解決辦法是用被稱為算法的正式規(guī)則來代替人類的判斷味榛，這些規(guī)則使用有關(guān)案例的數(shù)據(jù)來生成預(yù)測或決策椭坚。在過去的60年里，人們在數(shù)百次精確性競賽中與算法展開了競爭搏色，從預(yù)測癌癥患者的預(yù)期壽命到預(yù)測畢業(yè)生的成功率藕溅。在大約一半的研究中，算法比人類專業(yè)人員更精確继榆，而在其他研究中巾表，算法與人類有著大致相當(dāng)?shù)木_性。這種大致相當(dāng)?shù)木_性也應(yīng)該算作算法的勝利略吨，因為它更具成本效益集币。
當(dāng)然，在許多情況下翠忠，算法是不實用的鞠苟。當(dāng)輸入具有特殊性或難以以一致格式編碼時，規(guī)則的應(yīng)用是不可行的秽之。對于涉及多個維度或依賴于與另一方談判的判斷或決策当娱，算法也不太可能有用。即使在原則上有可用的算法解決方案考榨，組織上的考慮有時也會阻止實現(xiàn)跨细。用軟件替換現(xiàn)有員工是一個痛苦的過程，除非它能讓這些員工獲得更愉快的任務(wù)河质，否則會遇到阻力冀惭。
但是如果條件是正確的震叙，那么開發(fā)和實現(xiàn)算法就非常容易。通常的假設(shè)是散休，算法需要對大量數(shù)據(jù)進行統(tǒng)計分析媒楼。例如，與我們交談的大多數(shù)人都認為戚丸，要建立一個預(yù)測商業(yè)貸款違約的方程划址，就需要數(shù)千份貸款申請及其結(jié)果的數(shù)據(jù)。很少有人知道限府，在沒有任何結(jié)果數(shù)據(jù)的情況下夺颤，僅在少數(shù)情況下輸入信息，就可以開發(fā)出適當(dāng)?shù)乃惴ㄒナ狻Ｎ覀兎Q無需結(jié)果數(shù)據(jù)的預(yù)測公式為“推理規(guī)則”，因為它們是基于常識推理牺弄。
推理規(guī)則的構(gòu)建從選擇一些（可能是6到8個）變量開始姻几，這些變量與所預(yù)測的結(jié)果是非常明確的相關(guān)。例如势告，如果結(jié)果是貸款違約蛇捌，資產(chǎn)和負債肯定會包括在清單中。下一步是在預(yù)測公式中為這些變量分配相等的權(quán)重咱台，將它們的符號設(shè)置在明顯的方向上（資產(chǎn)為正络拌，負債為負）。然后可以通過幾個簡單的計算來構(gòu)造規(guī)則回溺。
許多研究的令人驚訝的結(jié)果是，在許多情況下，推理規(guī)則與用結(jié)果數(shù)據(jù)建立的統(tǒng)計模型一樣準(zhǔn)確妖混。標(biāo)準(zhǔn)統(tǒng)計模型結(jié)合了一組預(yù)測變量境氢，這些預(yù)測變量根據(jù)它們與預(yù)測結(jié)果的關(guān)系以及彼此之間的關(guān)系來分配權(quán)重。然而车要，在許多情況下允粤，這些權(quán)重在統(tǒng)計上都不穩(wěn)定，實際上并不重要翼岁。為所選變量分配相等權(quán)重的簡單規(guī)則可能同樣有效类垫。在人員選擇、選舉預(yù)測琅坡、足球比賽預(yù)測和其他應(yīng)用中悉患，相等權(quán)重的變量和不依賴結(jié)果數(shù)據(jù)的算法已經(jīng)證明是成功的。
這里的底線是榆俺，如果您計劃使用一種算法來減少噪聲购撼，那么您不需要等待結(jié)果數(shù)據(jù)跪削。您可以通過使用常識來選擇變量和最簡單的規(guī)則來獲得大部分好處。
研究表明迂求，在決策者的角色中碾盐，算法比人類做得更好。
當(dāng)然揩局，無論采用哪種算法毫玖，人們都必須保持最終控制。必須對算法進行監(jiān)控和調(diào)整凌盯，以應(yīng)對各種案例的變化付枫。管理者還必須關(guān)注個人決策，并有權(quán)在明確的情況下推翻算法驰怎。例如阐滩，如果公司發(fā)現(xiàn)申請人已被逮捕，批準(zhǔn)貸款的決定應(yīng)暫時撤銷县忌。最重要的是掂榔，管理人員應(yīng)該決定如何將算法的輸出轉(zhuǎn)化為實際操作。該算法可以告訴您哪些預(yù)期貸款在所有貸款申請的前5%或后10%中症杏，但必須有人決定如何處理這些信息装获。
算法有時被用作專業(yè)人員做出最終決定的中間信息源。一個例子是公共安全評估厉颤，一個公式——旨在幫助美國法官決定是否可以安全釋放被告讓他等待審判穴豫。在肯塔基州使用的前六個月，被告在審前釋放中的犯罪率下降了約15%逼友，而已釋放的審前釋放的人所占比例有所上升精肃。很明顯，在這種情況下帜乞，人類法官必須保留最終決定權(quán)：公眾會震驚地看到一個公式的公正性肋杖。
盡管人們可能對這個想法感到不安，但研究表明挖函，雖然人類可以為公式提供有用的輸入状植，但算法在最終決策者的角色中做得更好。如果避免錯誤是唯一的標(biāo)準(zhǔn)怨喘，應(yīng)強烈建議管理者僅在特殊情況下否決算法津畸。
把紀(jì)律帶到判斷上來
當(dāng)專業(yè)判斷充滿噪音時，應(yīng)該考慮用算法代替人工決策必怜，但在大多數(shù)情況下肉拓，這種解決方案過于激進或根本不切實際。另一種方法是采用程序梳庆，通過確保同一職位的員工使用類似的方法來尋求信息暖途，將其納入案例的觀點卑惜，并將該觀點轉(zhuǎn)化為決策，從而促進一致性驻售。對所有需要做的事情進行全面的檢查超出了本文的范圍露久，但是我們可以提供一些基本的建議，重要的警告是欺栗，在判斷中逐漸灌輸紀(jì)律一點也不容易毫痕。
當(dāng)然，培訓(xùn)是至關(guān)重要的迟几，但即使是在一起接受培訓(xùn)的專業(yè)人員消请，也傾向于以自己的方式做事。公司有時會組織圓桌會議类腮，讓決策者聚集在圓桌會議上審查案例臊泰，以此來應(yīng)對噪音。不幸的是蚜枢，大多數(shù)圓桌會議的運行方式使得達成協(xié)議過于容易缸逃，因為參與者很快就會集中在第一個或最自信地陳述的觀點上。為防止這種不可靠的一致祟偷，圓桌會議的參與者應(yīng)獨立研究案例察滑，形成他們準(zhǔn)備為之辯護的意見打厘，并在會議前將這些意見發(fā)送給組長修肠。這樣的圓桌會議將有效地提供對噪音的審計，并增加小組討論的步驟户盯，探討意見分歧嵌施。
作為圓桌會議的替代方案或補充，應(yīng)向?qū)I(yè)人員提供用戶友好的工具莽鸭，如清單和精心制定的問題吗伤，以指導(dǎo)他們收集有關(guān)案例的信息、進行中間判斷和制定最終決定硫眨。在這些階段中的每一個階段都會發(fā)生不期望的變化足淆，公司可以并且應(yīng)該測試這些工具減少了多少不期望的變化。理想情況下礁阁，使用這些工具的人會將它們視為幫助他們有效和經(jīng)濟地完成工作的輔助工具巧号。不幸的是，我們的經(jīng)驗表明姥闭，構(gòu)建既有效又便于用戶使用的判斷工具的任務(wù)比許多高管認為的要困難得多丹鸿。控制噪音是很困難的棚品，但是我們期望一個以美元進行審計和評估噪音成本的組織會得出結(jié)論靠欢，減少隨機變化是值得的努力廊敌。
我們在本文中的主要目標(biāo)是向管理者介紹噪聲作為一個錯誤源的概念，并解釋它是如何區(qū)別于偏見的门怪÷獬海“偏見”一詞已經(jīng)進入公眾意識，以至于“錯誤”和“偏見”兩個詞經(jīng)承嚼拢可以互換使用秧廉。事實上，更好的決策不僅僅是通過減少普遍偏見（如樂觀主義）或特定的社會和認知偏見（如對婦女的歧視或錨定效應(yīng)）來實現(xiàn)的拣帽。關(guān)注準(zhǔn)確度的高管也應(yīng)該面對專業(yè)判斷中不一致的普遍存在疼电。噪音比偏見更難被意識到，但它真實存在且會帶來不小的損失减拭。
