思考力：如何更好地做出判断

本文将分享一下个人的判断经验，期望引起大家对判断本身的关注。此外，由于决策常常是动态的，风格和经历也各有差异，也的确只能 “仅供参考”。

我们时刻都在做着判断和选择：买哪一类水果，看哪一部电影，走哪一个车道.... 日常的选择总是如此随意，选错了也可以说句“下次注意”，且有提前终止的可能。但进入到工作中，会发现判断将变得困难。

工作中的判断，无论是技术框架的选型、工作内容的侧重、合作伙伴的选择等，都会影响到后续工作的过程与结果，最终影响：幸福感受、成长收获、物质激励。这让我们判断时慎之又慎，选择时充满踌躇。

随着年龄的增长，试错的成本将越来越高。我们渴望寻找相关经验：能够“一枪就命中十环”，通过较少的次数，获得较高的成绩。

判断信息

正如“巧妇难为无米之炊”，如果没有输入，我们很难进行判断，并产生输出。此外，从编程的角度看，“程序=数据结构+算法”，如果数据信息本身是缺失的，那么判断作为一种行为，也是难以符合预期的。

因此，需要明确的是，更好地进行判断的前提条件是：获取更多的信息。下面将列举一些常用的信息类型。

▐ 案例：寻找模版

如果能找到相似的问题和案例，那么就像拥有了“上帝视角”：能够快速了解问题的类型和常见策略，匹配后就可以快速地得出方法论。例如：

题型判断

做代码题、日常优化的时候，要先判断是什么类型，判断完之后，就能确定算法模版，很快下手：

递归问题：抽象递归方法；
排序问题：确定排序算法；
最短路径：进行路径权重定义。

性格判断

和人合作的时候，要判断伙伴的风格类型：

他是主导型的，自己就要多倾听和辅助；
他是跟随性的，自己就要多投入和横向牵头。

策略判断

新公司进入市场的时候，会研究已有公司的产品、组织、策略等，通过拷贝经营策略模式，可以避免“走弯路”

快速响应：使用扁平化的组织结构提升响应效率；
抢占市场：使用低价策略拉动规模。

要学习别人的经验，关键要找到学习的“源泉”。从影响频率来说：虽然优秀的伙伴、相关分享都可以给人力量，但是覆盖度毕竟有限，不太可能成为大多数人的力量源泉。所以，需要寻找“更为普遍”的输入：

源远流长的中华文化

中庸之道：《论语》中的“过犹不及”教会我们做事要恰到好处；

落后挨打：近代史的发展让我们领悟到要大力发展科技与经济；

功败垂成：“不可沽名的学霸王”提醒我们做事要一鼓作气。

各个国家的发展历程

劳动力向更便宜的地方转移：从之前的日本、韩国转移到中国，现在陆续开始转移到东南亚；

头部国家对后起之秀的打压：之前美国对日本的打压，现在转换到与中国的大国博弈。

上学过程的知识沉淀

关注内在价值：价格和价值的关系讨论；

寻找日常规律：圆的周长等于 2 π R；

更高理论层次：相对论和牛顿力学的关系。

这些现象我们其实很清楚，再深入抽象一下，并做好关联，就可以解决很多问题。但我们还常常为“不知道怎解决问题”而哀叹，是缺少足够的意识：要训练联想、关联的能力，做到“站在巨人的肩膀上，实践已有的结论”。

站在巨人的肩膀上

▐ 基石：自底向上

有时候要怎么做、做什么可能非常宽泛，但是正如那句话“脚踏实地，仰望星空”，想不确定的事情，可以基于确定性的基础。所以，脚下的基石也是一个输入。底下的基石是什么？这个取决于你要走向何处：

基石是代码逻辑：作为业务开发，需要承接业务需求，基石就是手中的业务代码逻辑。应该多看代码，了解更多的限制和约束，摸清可以表达的空间。
基石是基础能力：作为产品，需要进行产品方案设计，基石就是合作的团队的基础能力，应该多了解现状，知道风险和需要完善的地方。
基石是团队经历：作为团队TL，开拓新市场时，需要划分人员职责，基石就是团队人员的经历和方向，应该多观察和沟通，判断哪些地方比较适合大家发力。

但是，基础是繁杂的，怎样去了解，常常很难做好权衡：

粒度过粗，没有感觉：泛泛而过，看过即可，不求甚解，花了很多时间看，但是回过头来，感觉啥也没记住。
粒度过细，过于局部：深度遍历，每个细节都看，很久之后，可能也没看多少，且由于过于局部，很难匹配问题。

我们该如何破局，怎么了解好底下的基石，有些策略可以参考：

做好笔记

笔记是索引：好记性不如烂笔头，笔记其实是索引，我们不需要全部记住。
记住的定义：在一定的时间内（如1分钟内），能够找到具体逻辑，也可以认为是“记住了”。

做好分类

不分类的苦恼：那么多知识点，如果没有归类，将越来越混乱，难以找到，会造成越看越迷茫的尴尬局面。
可分类的类目：对开发而言，分类按照“应用”、“业务活动”、“领域”等角度进行归类，都是不错的切入点。

做好侧重

复杂的多看一点：因为简单的，到时候看也可以；
高频的多看一点：因为这个可以解决你80%的问题；
闭环的多看一点：因为这个可以给你一个完整的思考。

▐ 分解：自上而下

分解看上去容易，但实际上也非常困难。因为上层可能只给了一个战略和方向，具体怎么做？、能不能做？、是否会有好收益？大多都不太明朗。

这虽然很泛，但的确比“大海捞针”，“什么都没有” 强很多，是一个重要的输入：大方向一般也是非常慎重的，不可能完全无法落地，有潜在的指引性。

自上而下分解，做出判断的时候，也需要关注几个点：

探寻原始意图

局部难以看明白：到我们这，可能已经是好几层的分解了，如果只看一、两件事情，很难看明白。
往上层探寻意图：思考要往上走，探寻完整的战略、逻辑，尝试思考：做到什么地步、投多少人力等是合适的。

理解分解要求

初步调研：有些只是整理，了解背景，还没有到真正决策和执行的时候；
原型验证：有些要求进行一些demo验证，获得实践上的二次输入，但并没有说一定要非常完整。如果的确遇到了困难，可以再讨论。
坚决执行：有些是确定性任务，即使遇到困难也要克服，投入超出预期的时间、人力是需要咬牙坚持的。

有自己的判断

保持怀疑性：不是说自上而下的分解都是铁定正确的；
及时反馈：实践过程中发现不太适合生产规律的点，要及时向上反馈，避免大跃进投入，进入到更尴尬的地步。

很多时候，更重要的还是“察言观色”，找到重点。虽然很难像课堂上老师说的“这就是重点”那么直接，但是我们还是可以发现一些特征：反复提起的、重点对外发布的、重点关注的等等。

即使是遥远的星空，也能指向

▐ 环境：大势所趋

我们常听到要 “顺势而为、借势而进、造势而起”。

发展好的时候，都可以：企业发展好的时候，很多项目无论顺势、借势、造势，都是可以起的，因为即使价值不那么明显，在大的发展背景下，也是有的一说的。
发展难的时候，要顺势：势头放缓的时候，如果还不能顺势而为，那么造势而起可能会变成“逆势而为”，进退两难，甚至引起上层出现“快刀斩乱麻”的局面。

做好上面的判断，关键是要“审时度势”，那有哪些是势头呢：

基础建设是一种势头

提效价值明显：当基础设施还不完善的时候，提效的价值会很明显，基础设施的建设会络绎不绝。
层次不断向上：从基础的流量负载均衡，到各种消息、RPC等中间件建设，再到各种中台的建立，接着到各种行业产品沉淀等，越来越接近业务本身。

美好生活是一种势头

数量转向质量：当产品建设到一定程度时候，开发的节奏会明显放缓，大家会开始思考如何更好地改善研发环境，也会更加关注软件生命周期的总体成本，数量支撑也会慢慢转向质量建设。

大多数是一种势头

短期的头部：竞争对手减少很多之后，会期望通过头部客户，广泛赚取利润，支持方向也有所调整。
长期的多数：但后面会发现新的浪潮来自于大多数非头部客户，因为哪里代表的人群、发生改变的频率更多，从长期来说，大多数是一种势头。

降本增效是一种势头

扩张后的收缩：企业发展到一定程度，增长势头会放缓，会为之前的扩张买单，降本增效会从个别部门的大事成为企业的整体策略，而且这将是一个长期的事情。

势头大家的确也能感觉到，但是工作中去链接这些势头，一个重要的判断就是：这些势头是否已经逼近、甚至已经进入了我们的工作环境。如果还有一定的保护区，惯性上可能还是会按照之前的思路继续做事，短期内可能会被买单。但是，“日新月异”这个词应该是值得敬畏的事情，思想不往前走，当浪潮来临的时候，的确“避之不及”。

浪潮背后的自然规律

▐ 周围：他人认知

发现信息的时候，会受到视野、工作投入等约束，个体能挖掘到的信息是有限的。正如“1+1>2”所传达的概念，应该更多地交流，获取周围伙伴的信息与观点。如何更好地获取周围人的认知呢：

寻找目标人员

以终为始：如果你有明确的目标客户，那么他们的观点、看法、要求等输入，会是你产品很好的前进方向、关键约束。

善于倾听归纳

核心判断：你会听到不同的声音，要善于听清哪些是核心判断，并求同存异地进行归纳。
有容乃大：应该具有包容性，当信息、观点不一致的时候，不能强行输出。

广范围的同事

行业观点：“他人”不一定只是指工作同事，可以找到外部会议、书籍等，获取行业同事的调研与观点。

获取到各种声音后，需要进行加工处理，挖掘出更深刻的规律：

思考方向的起因

5W1H：当听说团队后面有一定方向时，不要只在意做什么，要去想为什么会在这个阶段，起这个事情，去思考背后的产技关系、发展策略等深层次的方向调整，从而更好地贴近主线。

不要只看到好的

辨证看问题：在会议、书籍中看到别人已经走过类似的路，提到了“鲜花”背后“失去”的部分，要重点去复盘这些问题，能否承受？能否避免？如果难以避免，那么长期看，是否愿意持续维护？是否真的要走这条路？

递归地去挖掘

看透问题：当别人观点中引用了其它的理论，为了更好地理解这部分，需要再去看一下其发展历程，深度地研究一下背后的规律。

善于发现和沟通、保持敏感性、具备包容性、有自己的主线，是做好与外界声音衔接的重点。

蚂蚁间传递信息，互相合作

判断模式

拥有判断的信息之后，我们将会做出判断。判断的时候，根据事情的复杂程度，需要采取不同的判断模式：

基于经验：有些比较简单明了的，可以根据“直觉”、“感觉”等快速地思考，给出答案。
尝试模型：有些有多种方案，方案都各有利弊，需要确定目标的价值公式，并计算投入产出比，选择较优的结果。
模拟仿真：有些影响的因素特别多，不是短期内、一下子能够衡量的，也缺少参案例，那么可以采取模拟仿真的方式，根据模拟结果进行后续判断。

▐ 显著因素：基于经验

面对简单的问题，一下子就能给出答案，脱口而出，当即立判，可以称之为”基于经验“。这背后的本质，是有非常显著的因素，可以达成“一票同意制”、“一票反对制”的效果：

场景1：同步调用还是异步调用

实时要有结果：消费者实时等待结果的，需要采用同步的方式。

同步扛不住：没有足够机器，不得不削峰填谷的，需要采用异步的方式。

场景2：统一集成部署的方式还是外调

耗时有要求：如果对耗时有严格要求，那么就需要尽量统一集成部署。
组织等边界：系统非常复杂，比如物流、支付系统，那么会选择外调的方式进行衔接。

场景3：业务自建还是平台介入

无法单独完成：业务没办法在扩展区域实现，需要变更平台代码，那么需要平台人员介入。
愿意为资源买单：业务方可以完成，但没有人力，表示可以出成本，平台就会愿意支撑开发。

基于经验的判断，关键是要找到核心判断点，找到了这些点，就能很快地做出判断。当难以判断的时候，寻找“老人”咨询，也是为了获取这些关键点。如何能更好、更快地找到判断点，下面有一些建议：

基于底座：要基于手中的生产资料进行思考，有这个资料之后，可以确定能做什么、做不到什么。
换位思考：看谁更适合做这个，业务能不能自己做？从长期角度看，一般看核心的逻辑归谁理解和管理。
考虑成本：判断做事的成本，如果可以做，但是成本非常大，且没有人买单，那么可以影响投入决策。

更愿意选择红色苹果，颜色是显著因素

▐ 较多因素：尝试模型

有时候，需要考虑的因素有很多，很难通过关键因素去否定或者赞成。而且多种方案也各有优缺点，此时，做出判断、选择的时候，往往会比较投入产出比（ROI）。

如何更理性地去思考这个投入产出比那，考虑较泛化的抽象：

价值 X = 比重a x 因素A的价值 + 比重b x 因素B的价值 + 额外价值 D
成本 Y = 比重c x 因素A的成本 + 比重d x 因素B的成本 + 额外成本 E
收益 Z = 价值 X - 成本 Y

当这里“比重”非常大的时候，就趋近于“基于经验”的判断：

一票赞成：价值的某个比重因素非常大的时候，收益基本就是正的，比如：就是今年重点战略。
一票否决：成本的某个比重因素非常大的时候，收益基本就是负的，比如：需要建立一个自研团队来支撑需求，且这个需求背后的市场规模很小。

当这些因素非常相近的时候，“比重”的大小决定了我们的选择，这个“大小”取决于各个团队的价值观和风格：

速度优先：业务部门中支撑业务发展的比重是非常高的，有时候技术实现稍微“定制”一点，也可以接受。
质量优先：横向部门的效能、稳定性、持续提效要求是比较高的，不是说不支持业务，是说会做得比较稳、通用一点，施工周期也就更长一点。

这样的取舍，生活中也有比较经典的场景，比如，导航：

赶时间，速度优先：有时可能会走高速，费用增加，但是开得舒服；
不着急，经济优先：不走高速，遇到拥堵的时候，慢一点也可以接受；
综合看：避开费用高、特别堵的，剩余的多种方案默认按时间优先的角度看。

这里可以看到，不同的发展阶段，不同的环境下，要求会是不一样的，这就体现在：“额外价值”、“额外成本”会动态调节，产生影响。

基于模型揭示客观规律

▐ 复杂因素：模拟仿真

当影响考虑的因素特别多，且周期较长的时候，任何一个因素的把握不对，都可能造成“蝴蝶效应”，影响整体的收益。这样的判断一般和重大方向有关，特别大的战略可能接触不到，但是团队、部门的方向选择还是和我们息息相关的。

这样的复杂决策判断该如何进行？学生阶段接触的“微观交通仿真”事情的逻辑，其实是类似的：

不确定性非常大：一辆车的交通事故，可能会导致连环的追尾，导致整个交通拥堵一下子严重起来。
无历史逻辑参考：同样的，新增加一个匝道出入口会带来什么影响？

这些都没有经验可以参考，需要基于段路的流量去做仿真验证。其它仿真的思想其实也很多：飞机阻力模型的仿真，各种活动的排练，比比皆是。

工作中，我们参与的“仿真”也不少：

局部仿真：要做系统大型重构的时候，先拿某个功能点做验证，部分重构，如果结果不错，那么再进行铺开；
灰度仿真：要采用一个新的架构体系，先拿一些业务流量进行闭环验证，看看整个研发生态中遇到的反馈；
攻防仿真：要重点演化一套产品能力：需要进行材料汇报，并经过多种日常bad case的用例走查，看能否解决问题。

做好仿真，也有几个需要注意的点：

基础数据要准确：交通仿真中，各种车辆的模型、驾驶风格的比例，需要到各个路口进行采样调研。工作中也是，不能只是自己拍脑袋，判断几个点，要能够反映普遍的民意。
评价标准要公认：交通仿真中，最终交通运行状况的好坏，会采用国家的交通拥堵指数计算方式，基于车速，并考虑大客气、小汽车、货车的速度差异，综合计算。工作中也是，上线初期可能重点投入，各种指标非常好看，但是我们应该更关注长期的、普遍的、综合的评价指标。
仿真结果不好时：虚拟的仿真过程中，可以调整变量，去试验出好的结果，但日常的工作中，每次尝试是有成本的，所以需要深刻分析问题的原因，是否前进？继续研究？及时止损？判断时需要客观公正地深入思考。

风阻仿真验证

判断策略

当进行具体判断时，其实和“做试卷”是类似的，有不同的题型。回答不同的题型时，也应该有对应的做题策略。

▐ 确定性高：选择题

选择题是在已有选项中选择正确的。日常工作中，只要善于分析各种方案的优缺点，选择一个恰当的，并和TL对焦之后，基本就能答对。

但题目到你这时，可能不会给完整的A、B、C、D选项，会和你说：“有A、B等路线，你再去看看”。当没觉得有更好的答案时，就要求我们具备补充选项的能力，增加更多有价值选项的措施有：

多关注技术博客：别人经常提的亮点，一般是比较好的答案；
多和产品沟通：了解后面要走的路，好的选项也要能够为后续工作做好铺垫，代表一种长期主义；
多和TL要输入：了解环境背景、兵力部署，要顺势、借势而为，挖掘结合点比较好的选项；
多关注大家选择：有些事情已经在日常发生和被解决了，需要做的只是抽象和定义这些解法。

做选择的时候，有一种说法是“我一直都选C，总能对一些”，背后值得思考的是：无论选什么，要建立起自己的判断原则，不然就会随波逐流，常常东施效颦，适得其反。

此外，确定性高的题目，也比较适合之前提到的“基于经验的判断”，核心是找到每个选项的明显缺陷，进行排除。

选择时的思考

▐ 确定性中：填空题

填空题是给一段上下文，输入答案，使得整体句子比较通顺。工作中，比较合适的场景是：对老板OKR的分解和对齐，老板没有明确说你要做什么，但是已经给了大方向，你的OKR应该也要主打这些点。

从输入来说，填空题具备分析价值的，是上下文。更好地理解上下文，有这些策略：

了解周围人思路：题目肯定是要求大多数人能够感知到正确答案的，也是大家能够做的，能够理解的。
多向上询问题意：和考试不一样，我们回答的这部分是“开卷”的，可以和上层反复对焦。
多回归近期重点：不同阶段的题目，都是对这个阶段知识点的考察，需要结合年度、月度等节奏进行铺开。

从输出看，填空题为了将答案范围进行缩小，会反复出现“关键表达”。这些关键表达，会对应到工作中的一些应用、能力、数据等生产要素。这也就提示我们，答案是要基于关键知识点（团队存在的职责）给出的。

填空类似完成拼图，需观察周围板块

▐ 确定性低：写作题

有时会做些自由度非常大的题目，类似作文题，只给我们限定了题意，只要观点（方向）正确，就会有基础分。能否取得高分，是看每个人的积累，也是看出大家差距的地方。

面对比较宽泛的命题（如：要做些什么提升研发效率？），要书写出满意的工作答案，是可以借鉴“写作”的一些原则的：

价值观要正确：无论要做什么事情，一定是弘扬正能量。对应到工作中，是需要符合解放生产力的发展规律的，不是为了做而做，为了包装而包装。
要有足够论据：文章中常用三个示例去做论据，证明观点是正确的。反过来看，我们要做出判断的时候，需要提前找到一些确定性的成果，来为判断和选择做背书。
创意也要点题：经常有写小说、文言文的新颖形式，能够获取较好的结果。我们可以选择创新方法，这样的方向是鼓励的，有额外的加分或者支持倾斜，但前提是需要恰到好处，不能脱离题目（目标）。

正如，一般是做完选择题、填空题再去做写作题，只有日常做好工作积累，才能在“写作题”上，进一步发挥个人的判断力、执行力。