在決策制定過程中，如何引入隨機性呢？面對日益復雜多變的環(huán)境，隨機性正成為一種重要的戰(zhàn)略資源。從納斯卡皮人依靠骨裂指引狩獵，到現(xiàn)代企業(yè)在不確定中快速試錯，隨機決策能幫助組織擺脫路徑依賴，減少偏見，加快學習速度，提升適應力。真正的競爭優(yōu)勢，或許并非來自全面掌控，而是勇于在未知中試探的那一步。擁抱隨機，并非放棄判斷，而是以靈活理性的方式應對復雜世界。

魁北克和拉布拉多的土著游牧民族納斯卡皮人，主要靠狩獵獲取食物。按常理，他們決定狩獵地點時可能會進行大量分析策劃，比如記錄獵殺數(shù)量，避免過度狩獵；制定整體計劃，探索新區(qū)域；預測不同地形找到特定獸群的可能性。

然而，和許多古代民族一樣，納斯卡皮人依靠占卜決策。他們加熱動物尸體的肩胛骨，待骨頭烤裂后，朝著裂紋所指方向去狩獵。

這種儀式在多數(shù)人看來迷信且武斷，屬于隨機決策。但關鍵就在于隨機，這種隨機性讓納斯卡皮人迅速解決選擇狩獵地點的復雜問題，不帶偏見，讓獵物難以預測。所以，他們沒花太多時間精力尋找理想狩獵地點，卻在環(huán)境嚴苛的亞北極地區(qū)生存了數(shù)百年。

納斯卡皮人的占卜與他們在惡劣環(huán)境中的生存能力，聯(lián)系看似不可思議，卻能延伸到商業(yè)領域。接下來我們會探討當下人們如何利用隨機性進行運營決策，討論將其運用到戰(zhàn)略上能讓企業(yè)如何發(fā)展，最后提供一些建議，幫助企業(yè)在戰(zhàn)略決策中引入隨機性。

當下的隨機化

隨機決策在現(xiàn)代運營管理方面已被證明是成功的。二戰(zhàn)期間，盟軍在廣闊水域尋找敵軍潛艇面臨難題，潛艇路線多，己方無足夠艦船飛機進行全面搜查。研究表明，快速隨機選點搜索，再隨機改變方向擴大半徑，比按計劃的系統(tǒng)性搜索效果好。

同一時期，曼哈頓計劃的研究人員發(fā)明了蒙特卡羅模擬法，依靠隨機抽樣估計復雜系統(tǒng)結果，如今仍廣泛用于金融和物流領域的決策。

如今，隨機化常用來提升機器學習技術的效率和準確性。比如神經(jīng)網(wǎng)絡初始參數(shù)隨機選擇，可擴大搜索空間，增加找到優(yōu)秀配置的機會。

更常見的是，快遞公司用隨機優(yōu)化技術確定穩(wěn)健路線，大型產品和社會體系設計者也會憑直覺判斷何時隨機選擇、何時優(yōu)化。

戰(zhàn)略怎么樣？

與運營管理不同，戰(zhàn)略制定仍采用確定性方法，先全面了解問題，再分析制定計劃。大數(shù)據(jù)革命讓我們相信一切可分析，能制定可靠戰(zhàn)略。

但這忽略了一個事實：同樣的數(shù)據(jù)可論證不同甚至相反的行動方案。如柯達看到數(shù)碼攝影需求上升，卻加倍投入傳統(tǒng)膠卷業(yè)務；而索尼、佳能等對手則投入研發(fā)數(shù)碼相機技術。

對大數(shù)據(jù)解決方案的信心，也讓人們忽視計算難題。組織活動相互作用且受外部力量影響，結果由眾多因果關系和因素決定。

即使是戰(zhàn)略制定中的基本問題，如選誰領導解決問題，也很復雜，因為不同人有不同權力，分配方式多樣。

如今世界變化快且不穩(wěn)定，實時收集分析信息、用確定性方法解決問題已不可行，消費者和競爭對手行為模式不斷變化，不存在確定性。在現(xiàn)實商業(yè)或政治世界，找到可靠算法預測戰(zhàn)略結果，短期內只是幻想。

這種情況下，戰(zhàn)略目標應從制定計劃轉為建立備選方案組合，但傳統(tǒng)方法建立組合效率低?；蛟S戰(zhàn)略家可借鑒納斯卡皮人的隨機選擇法，下面看看其好處。

先發(fā)優(yōu)勢

2005年，蘋果宣布在iTunes搭載在線博客平臺，Odeo面臨難題。其領導者進行為期一天的頭腦風暴，隨機尋找新方向。

會議產生了建立分享狀態(tài)在線平臺的想法，這個平臺就是后來的Twitter。

當時Odeo沒時間進行市場調研和對手分析，該領域競爭激烈。Twitter以最小可行產品推出，為Odeo創(chuàng)造了生存機會，并不斷迭代發(fā)展。

推特的例子啟示我們，很多問題的解決方案需快速實施才有意義，納斯卡皮人的儀式也有此益處，若他們全面分析，獸群可能已遷移。

許多創(chuàng)業(yè)公司受益于隨機決策和快速行動的先發(fā)優(yōu)勢。如GoPro最初只有簡單設備，通過建立客戶關系和迭代設計，在眾多巨頭進入市場時站穩(wěn)腳跟。

隨機化對在位企業(yè)更有效，阿里巴巴在網(wǎng)絡購物市場發(fā)展時，未坐等預測，而是拆分業(yè)務，建立多種解決方案，最終變得更強大。

快速學習

盡早開始，能更快學習。納斯卡皮人按占卜方向狩獵，常能發(fā)現(xiàn)新事物。

以ChatGPT為例，提高“溫度”雖降低準確性，但能增加創(chuàng)意驚喜，激發(fā)更多用戶反應，讓模型不斷改進。

企業(yè)明白實驗的價值，零售店會實驗貨架擺放，數(shù)字環(huán)境中企業(yè)常進行對照測試。但測試規(guī)模和速度常被低估，因為測試?；诜€(wěn)定環(huán)境假設。戰(zhàn)略學家在不太精確、更多樣頻繁的測試中能學到更多，如軟件開發(fā)中的隨機測試。

可預測性更低

在“石頭剪刀布”游戲中，隨機策略是最優(yōu)策略，能避免出現(xiàn)占主導的反策略。國際象棋中，棋手的隨機行動可增加復雜性和壓力。

金融機構利用隨機性掩蓋交易策略，用“無痕算法”引入隨機延遲和變化。“假門測試”向消費者展示隨機產品或促銷組合，學習消費者反應且不暴露信息。

減少偏見

管理者常傾向復制過去成功方法，不愿接受新想法。如百視達和諾基亞，在環(huán)境變化時堅持舊法，導致業(yè)績下滑。

接受隨機性可解決此問題。自然界中，進化靠隨機突變和自然選擇讓物種適應變化。進化算法設計者從中學習，生成隨機解決方案。

政治領域，古希臘通過抽簽選地方行政官，避免權力被收買。商業(yè)中，組織可用隨機化應對政治操控和預算分配談判，隨機選擇更公正。

消極環(huán)境下，人會陷入習得性無助，隨機化決策流程可抵消這種偏見。

如何在決策制定過程中引入隨機性

我們通常認為拋硬幣或骰子是隨機方法，但現(xiàn)實問題運用這類方法需先評估所有選項，近乎分析最優(yōu)策略。不過，戰(zhàn)略家仍可采用以下策略引入隨機方法。

改變起點。像機器學習算法，用隨機提示改變搜索起點。如布賴恩·艾諾和彼得·施密特制作的牌，能激發(fā)音樂家創(chuàng)造力。

改變節(jié)奏。改變搜索的反饋周期，團隊常受固定周期限制，可調整為更短周期。

改變地點。隨機跳躍到不同搜索領域，如海洋中魚類的“萊維飛行”搜索模式。

改變思路。搜索策略有多種，不存在適用于所有問題的最佳方法。

改變負責搜索的人。不同人有不同偏見和方法，隨機選擇負責人可隨機化解決方案。

過去公司希望全知全能，后來轉向無所不學?，F(xiàn)在，我們認為可進一步發(fā)展為“搜索一切”，積極探索環(huán)境，快速隨機選擇能幫助實現(xiàn)這一點。納斯卡皮人的迷信儀式，如今看來更像是應對復雜挑戰(zhàn)的明智決策方式。

本文來自微信公眾號 “哈佛商業(yè)評論”（ID：hbrchinese），作者：HBR - China，36氪經(jīng)授權發(fā)布。

本文僅代表作者觀點，版權歸原創(chuàng)者所有，如需轉載請在文中注明來源及作者名字。

免責聲明：本文系轉載編輯文章，僅作分享之用。如分享內容、圖片侵犯到您的版權或非授權發(fā)布，請及時與我們聯(lián)系進行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com