我們經(jīng)常認為，收集盡可能多的信息將有助于我們作出最好的決定,。有時這是對的,，但有時這也會阻礙我們的進步。甚至在一些時候,，這可能是危險的,。

許多最成功的人采用簡單、多樣化的決策方法論,，以消除在特定情況下進行審議的必要性,。

一種可能是默認說不，就像史蒂夫·喬布斯那樣,�,；蛘呦裎謧悺ぐ头铺啬菢樱�拒絕任何需要計算器或計算機的決定,�,；蛘呤窍癜Ｂ　ゑR斯克那樣，遵循第一性原理,。亞馬遜的創(chuàng)始人杰夫·貝佐斯的方法與上面提到的方法都不盡相同,。他會問自己，這是一個可逆的還是不可逆的決定,？

如果一個決定是可逆的,，我們可以在沒有得到充分信息的情況下，快速下決定,；如果一項決定是不可逆的,，我們最好放慢決策過程，確保我們考慮到充分的信息,，并盡可能透徹地理解所面對的問題,。

貝佐斯用這種方法論作出了建立亞馬遜的決定。他意識到,，如果亞馬遜失敗了,，他可以回到他以前的工作中，他仍然會學到很多東西,，并且不會后悔嘗試,。這個決定是可逆的，所以他冒險了,。這對他很有幫助,，在他以后作出決定的時候，依舊發(fā)揮著作用,。

在不確定中做決策

假設你在網(wǎng)上看到了一個評論后,，決定去嘗試一家新餐館。因為你從來沒去過那里,，你不知道食物會不會好吃,，或者氣氛會不會很沉悶。但是,，你會利用評論中不完整的信息來做出決定,，因為你知道，如果你不喜歡這家餐館,，并不是什么大不了的事情,。

在其他情況下，不確定性也有一點風險,。你可能會決定接受一份特定的工作,，但你不知道公司文化是什么樣的，也不知道“蜜月期”結束后,，你對工作的感覺如何,。

你可以很快地做出可逆的決策，而不需要糾結于找到完整的信息,。如果這個決策失敗了,，我們可以用很少的成本從經(jīng)驗中吸取智慧。通常,，不值得花費時間和精力去收集更多的信息,，去尋找完美無缺的答案。雖然你的研究可能會使你的決策更好一點,，但你可能會錯過一個機會,。

但是，要注意可逆的決策不是魯莽行事或不去了解情況的借口,，而是一種信念,，即我們應該使我們的決策框架適應我們正在作出的決策類型,。可逆的決策不需要像不可逆的決策那樣做出,。

快速做出決策的能力是一項競爭優(yōu)勢,。創(chuàng)業(yè)公司的一個主要優(yōu)勢是，它們可以隨著Velocity而移動,，而老牌的企業(yè)通常會隨著Speed而移動,。這兩者之間的區(qū)別是有意義的，往往意味著成功和失敗,。

Speed是以時間上的距離來測量的,。如果我們從紐約乘飛機去洛杉磯，從肯尼迪機場起飛,，在紐約轉(zhuǎn)圈3個小時,，我們的Speed很快，但我們什么都沒有,。Speed并不在乎你是否朝著目標前進,。另一方面，Velocity衡量的是隨著時間的推移而產(chǎn)生的位移,。要獲得Velocity,，你需要朝著你的目標前進。

這種決策方法論解釋了為什么創(chuàng)業(yè)公司做出快速決策的時候要比老牌的企業(yè)更有優(yōu)勢,。這一優(yōu)勢因環(huán)境因素(如變化速度)而擴大,。環(huán)境變化的速度越快，做出快速決策的人就會獲得越多的優(yōu)勢,，因為他們可以學得更快,。

決策為我們提供數(shù)據(jù)，這樣我們就可以更好地做出關于未來的決策,。我們在OODA循環(huán)中循環(huán)得越快越好,。這個框架并不是一次性地適用于某些情況；它是一種方法論,，需要成為決策工具包的一個組成部分,。

OODA循環(huán)理論的基本觀點是：武裝沖突可以看做是敵對雙方互相較量誰能更快更好地完成“觀察—調(diào)整—決策—行動”的循環(huán)程序。雙方都從觀察開始,，觀察自己,、觀察環(huán)境和敵人�,；�于觀察,，獲取相關的外部信息，根據(jù)感知到的外部威脅,，及時調(diào)整系統(tǒng),，做出應對決策,，并采取相應行動。

通過實踐,，我們也能更好地識別錯誤的決策并進行調(diào)整,，而不是因為沉沒成本謬誤，去堅持過去的選擇,。同樣重要的是，我們可以停止把錯誤或小的失敗看作是災難性的,，而把它們看作是將為未來決策提供參考的純粹信息,。

“現(xiàn)在立即執(zhí)行一個好的計劃，比下周執(zhí)行一個完美的計劃要好,�,！薄�—喬�� · 巴頓將軍

貝佐斯把決策比作門�,？赡娴臎Q策是雙向開放的門,。不可逆的決策是只允許一個方向通行的門；如果你走過去,，你就被困在那里了,。大多數(shù)決策都是前一種，可以逆轉(zhuǎn)(即使我們永遠無法收回投入的時間和資源),。通過一個可逆的門能給我們這樣的信息：我們知道另一邊是什么,。

貝佐斯在前幾年的一封股東信中寫道：

有些決策是不可逆的或幾乎不可逆的單向門，這些決策必須經(jīng)過深思熟慮和協(xié)商,，有條不紊地,、謹慎地、緩慢地做出,。如果你走過去,，不喜歡你在另一邊看到的東西，你不能回到你以前的地方,。我們可以稱之為第一類決策,。但大多數(shù)決策都不是這樣——它們是可變的、可逆的——它們是雙向的,。如果你做了一個次優(yōu)的第二類決策,，你不必忍受這么長時間的后果。你可以重新打開門,，然后回去,。第二類決策可以也應該由高判斷力的個人或小團隊迅速做出。隨著組織變得越來越大,，在大多數(shù)決策中,，包括許多第二類決策,，似乎傾向于使用重量級的第一類決策過程。這樣做的最終結果是決策緩慢,，不考慮風險規(guī)避,，未能進行充分的試驗，從而削弱了創(chuàng)新,。我們得想辦法克服這種傾向,。

貝佐斯舉了一個例子，向愿意支付額外費用的人提供一小時送達的送貨服務,。這項服務在這一想法提出后不到4個月就開始了,。在111天的時間里，該團隊“構建了面向客戶的應用程序,，確定城市倉庫的位置,，確定了要銷售的25000個項目，為這些項目儲備,、招聘和配備了新員工,，測試、迭代,、設計了新的內(nèi)部使用軟件(倉庫管理系統(tǒng)和面向驅(qū)動程序),，并在假日購物季及時推出”。

作為進一步的指導,，貝佐斯認為70 %的確定性是作出決策的適當切入點,。這意味著，一旦我們獲得了所需的70%信息,，就采取行動,，而不是等待更長時間。以70%的確定性作出決策,，然后進行路線修正,，比等待90%的確定性要有效得多。

在《眨眼：思考而不思考的力量》（ Blink: The Power of Thinking Without Thinking）中,，馬爾科姆·格拉德威爾（Malcolm Gladwell）解釋了為什么不確定性下的決策會如此有效,。我們通常認為更多的信息會導致更好的決策——如果醫(yī)生建議進行額外的測試，我們傾向于相信它們會帶來更好的結果,。格拉德威爾不同意這種說法:“事實上,，你需要知道的很少，才能找到一個復雜現(xiàn)象的根本特征,。你所需要的只是心電圖,、血壓、肺液和不穩(wěn)定心絞痛的證據(jù)。這是一個激進的說法,�,！�

在醫(yī)學領域，與許多領域一樣,，更多的信息不一定能確保改善結果,。為了說明這一點，格拉德威爾舉了一個例子,。一個人來到醫(yī)院時,，胸部會時不時地疼痛，他的生命體征沒有顯示任何危險因素,，但他的生活方式確實如此,，兩年前他接受了心臟手術。如果醫(yī)生查看了所有可用的信息,，覺得他似乎需要住院。但是除了生命體征之外的其他因素在短期內(nèi)并不重要,。從長遠來看,，他患心臟病的風險很大。格拉德威爾寫道：其他因素在決定男人現(xiàn)在的狀況方面的作用非常小,，沒有它們就可以做出準確的診斷,。事實上，這些額外的信息毫無用處,。這是有害的,。它混淆了問題。當醫(yī)生們試圖預測心臟病發(fā)作時,，他們會把太多的信息考慮在內(nèi),。

我們都可以從貝佐斯的方法中學到東西，這種方法幫助他建立了一個巨大的公司,，同時保持了創(chuàng)業(yè)的節(jié)奏,。貝佐斯用他的方法論來對抗許多大型組織內(nèi)部的停滯。重要的是效率,，而不是遵循緩慢決定的規(guī)范,。

一旦你明白可逆的決定實際上是可逆的，你就可以開始把它們看作是提高學習速度的機會,。在公司層面,，允許員工做出可逆的決策并從中學習，有助于你以創(chuàng)業(yè)的步伐前進,。畢竟,，如果有人在以Speed移動，當你以Velocity移動時，你會超過他們,。

這就是貝佐斯的決策方法論,，也直接或間接地推動著亞馬遜兩個比薩原則的形成，因為小團隊做決策更多情況下都是可逆的,。

在亞馬遜早期,，杰夫·貝佐斯制定了一個規(guī)則：每個內(nèi)部團隊都應該足夠小，兩個比薩餅就能解決伙食問題,。這并不是要削減餐飲開支,，就像亞馬遜做的幾乎所有事情一樣，它專注于兩個目標：效率和可擴展性,。前者是顯而易見的,。一個較小的團隊，花在管理和讓員工了解最新情況的時間會更少,，而花在需要做的事情上的時間就更多了,。但對亞馬遜來說，真正重要的是后者,。

擁有許多小團隊的好處是,，他們能夠一起工作，并且能夠獲得公司的公共資源,，以實現(xiàn)他們更大的目標,。

用風險投資公司（Andreessen Horowitz）合伙人本尼迪克特·埃文斯（Benedict Evans）的話來說，這將公司變成了“制造機器的機器”,。

“你可以在不添加新的內(nèi)部結構或直接報告的情況下添加新的產(chǎn)品線,，你可以在不用開會、經(jīng)歷一系列項目和流程,，就能在物流和電子商務平臺上添加它們,。”埃文斯指出,，“你不需要（從理論上說�,。╋w往西雅圖，安排一場會議,，讓人們支持你在意大利開展的項目,，或者說服任何人將新業(yè)務加入他們的路線圖�,！�

亞馬遜擅長于成為一家銷售商品的電子商務公司,，但它最擅長的是，打造新的,、銷售新產(chǎn)品的電子商務公司,。

該公司將這種方法稱為“飛輪”：它的規(guī)模足以扼殺一個典型的跨國公司，并利用它為整個業(yè)務提供日益增長的動力。飛輪越重,，旋轉(zhuǎn)得越快,，其他人就越難阻止它。

AWS（以前稱為Amazon Web Services）的誕生和發(fā)展也許是這種方法的最好的例證,。這是亞馬遜的一個部門,，為內(nèi)部和其他公司提供云計算服務——包括那些在其他領域與亞馬遜競爭的公司（例如，Netflix和Tesco都使用該平臺,，盡管亞馬遜也銷售流媒體視頻和雜貨）,。

就像亞馬遜做的很多事情一樣，這一切都是從高層發(fā)布的命令開始的,。貝佐斯下令,，每個團隊都應該以一種結構化、系統(tǒng)化的方式開始相互合作,。如果廣告團隊需要一些關于鞋類銷售的數(shù)據(jù)來決定如何最好地使用他們的資源,，他們就不能通過電子郵件進行分析和索取,；他們需要親自前往分析控制面板并獲取信息,。如果控制面板不存在，就需要創(chuàng)建它,。這種方式需要覆蓋到方方面面,。

從那里開始,，下一個步驟就非常值得采取了——讓其他人使用亞馬遜內(nèi)部提供的相同技術,。

那些不起眼的開端孕育了一頭野獸。該業(yè)務目前占亞馬遜總收入的10 %,，盈利如此之多,，以至于金融法規(guī)迫使該公司將其作為自身的一個頂級部門來報告：亞馬遜將其公司分為“美國和加拿大”“國際”和“AWS”。

AWS規(guī)模大到可以與亞馬遜在其他地區(qū)的分公司相提并論,；大到Netflix,，一家占據(jù)北美三分之一互聯(lián)網(wǎng)流量的公司，只是其另一個客戶而已,。

大到2016年該公司發(fā)布了“雪地車”,，一種用來移動數(shù)據(jù)的卡車。與AWS合作的公司提供了大量的信息,，有時互聯(lián)網(wǎng)根本無法應對,。所以現(xiàn)在，如果你想上傳大量的數(shù)據(jù)到亞馬遜的云中,，公司會開著卡車到你的辦公室,，裝滿數(shù)據(jù)，然后再把它開回去。如果你需要上傳100千兆字節(jié)的視頻,，也就是大約500萬部4k帶環(huán)繞立體聲的電影,，結果發(fā)現(xiàn)沒有比以每小時120公里的速度在高速公路上行駛更快的方法了。

當AWS看到亞馬遜向外部客戶開放其內(nèi)部技術時,，該公司的另一部分也在亞馬遜的網(wǎng)站上做著同樣的事情,。

亞馬遜Marketplace于2000年推出，允許第三方賣家在網(wǎng)站上銷售自己的產(chǎn)品,。多年來,，該功能不斷擴展，讓亞馬遜成為“百貨店”——在互聯(lián)網(wǎng)上購買現(xiàn)有產(chǎn)品唯一需要去的地方,。

Marketplace要比兩個比薩規(guī)則更好,，允許亞馬遜在不需要雇用任何額外員工的情況下擴展到新的領域。

亞馬遜上銷售的商品種類繁多,，其內(nèi)部的計算機科學家面臨著一個問題,。“亞馬遜等電子商務公司每年處理數(shù)十億份訂單,，”亞馬遜的一個研究團隊寫道,，“然而，這些訂單只占所有合理訂單的一小部分,�,！苯鉀Q辦法？訓練人工智能純粹是為了生成似是而非的假訂單,，更好地猜測如何營銷全新的產(chǎn)品,。

亞馬遜報告說，它從 Marketplace 獲得的收入約占公司總收入的20%,。但這個指標只計算了第三方賣家向公司支付的費用,，低估了業(yè)務的巨大規(guī)模�,！笆袌霈F(xiàn)在約占亞馬遜銷售總量的一半,，”Andreessen Horowitz的埃文斯估計，“換句話說,，Marketplace意味著亞馬遜處理的電子商務份額（但順便說一句,，它本身并沒有為其定價）是其報告的收入份額的兩倍�,！�

因此,，亞馬遜越來越不像 Tesco或沃爾瑪那樣的大型零售商，徘徊在城市邊緣,，扼殺當?shù)氐纳虡I(yè)街,，而更像是一家購物中心：獨立的零售商可以存在,，甚至可以維持一個整潔的生活，但前提是他們在購物中心有一席之地,，而且他們永遠記住真正的賺錢者是房東,。

自2014年以來，亞馬遜為其業(yè)務增加了第三個飛輪：人工智能,。該公司一直處于行業(yè)領先地位,，最明顯的是其基于神經(jīng)網(wǎng)絡的推薦算法。但是,，直到最近,，這種方法還是漫無目標的、分割的,、幾乎不是世界級的,。（想想你上次在亞馬遜上買的東西，幾個星期后才推薦給你：“你喜歡羽絨被嗎,？為什么不多買10個呢,？”）

當該公司決定建造將成為Echo的硬件時，情況發(fā)生了變化,。在亞馬遜的經(jīng)典模式中,，它從最后開始，然后從那里向后努力,，為未來的概念產(chǎn)品撰寫一份“新聞稿”,，然后試圖找出需要開發(fā)或收購什么樣的專業(yè)知識才能實現(xiàn)這一目標。需要私人助理嗎,？收購Cambridge-based True Knowledge,。需要遠場語音識別，讓Echo聽到房間另一邊的人的聲音,？現(xiàn)在就開始解決這個問題吧,，因為沒有人真正解決這個問題,。

從制度上講,，Alexa 人工智能團隊的大部分成員仍在AWS之下，使用其基礎設施,，并向希望在其設備中構建語音控制的第三方提供另一部分數(shù)字服務,。但人工智能的規(guī)模經(jīng)濟是獨一無二的。當然,，數(shù)據(jù)的價值在于：使用Echo的人越多,，需要訓練的語音樣本就越多，因此Echo越好,。除此之外,，機器學習技術是如此的基本和通用,，以至于亞馬遜的每一個進步都會在整個業(yè)務中產(chǎn)生反彈，提高效率,，開拓新的領域,，并提出進一步的研究方向。

但是沒有什么是永恒的,，亞馬遜也有它的弱點,。例如，兩個比薩原則可能是建立一家無限擴張的公司的一個好策略,，但它并沒有帶來一個令人愉快,、無壓力的工作環(huán)境。

長期以來,，亞馬遜在對待倉庫工人方面一直面臨著批評:與該行業(yè)的許多公司一樣,，巨大的估值和高技術抱負與低收入、低技能的工作并駕齊驅(qū),。

亞馬遜與Deliveroo,、蘋果和Facebook等公司的不同之處在于，在總部工作的高技能員工幾乎有同樣多的抱怨,。

《紐約時報》2015年的一篇報道稱,，亞馬遜的員工在辦公桌前哭泣，承受著近乎崩潰的壓力,。其員工的快速流動是傳奇式的,，內(nèi)部人士描述了這樣的一個場景：有人離開，其他人不得不重寫他們的所有代碼,，以使仍然在那里的人能夠理解——但重寫完成時,，重寫的人員也離開了，需要其他人重新開始整個過程,。

但從第一天起,，杰夫·貝佐斯就一直處于食物鏈的頂端，直接控制著7400億美元（5300億歐元）的業(yè)務,，幾乎沒有其他公司的老板能與之匹敵,。

編輯：

冰    人    [email protected]

更多資訊請關注銷售與市場微信公眾號。