Dưới đây là bài viết của cô Cassie Kozyrkov – trưởng khoa học gia về việc ra quyết định tại Google. Với chuyên môn về dữ liệu, thống kê và tâm lý học hành vi, cô đưa ra lời khuyên hữu ích sau cho bất cứ ai đang băn khoăn khi phải ra quyết định.
Là một nhà thống kê, tôi đánh giá cao câu nói của W. Edwards Deming, người tiên phong trong thống kê ứng dụng: “Chúng ta tin vào Thượng Đế. Tất cả những thứ còn lại đều cần có dữ liệu.” Tuy nhiên, với tư cách là nhà khoa học xã hội, tôi thấy mình cần phải cảnh báo rằng: rất nhiều nhà ra quyết định dồn hết công sức để theo đuổi các dữ liệu nhưng không thật sự biết mình đang làm gì, và chẳng bao giờ cải thiện được các quyết định.
Vậy có cách nào để đưa ra một quyết định hiệu quả? Có đấy, bạn hãy bắt đầu với một thói quen đơn giản: Nghe theo quyết định mặc định ban đầu.
Mấu chốt khi ra quyết định là bạn cần có cái nhìn tổng quan về bối cảnh của quyết định đó trước khi tìm kiếm dữ liệu. Không may thay, đây lại là kỹ năng thường bị bỏ qua trong các khóa học về khoa học dữ liệu. Để học được kỹ năng này, bạn cần tìm hiểu về khoa học xã hội và quản lý. Thật không may là chúng ta không dạy đủ về nó ở những nơi cần thiết nhất: Ví dụ như kỹ năng lãnh đạo và quản lý các dự án khoa học dữ liệu. Ngay cả với ngành thống kê, là bệ đỡ khi chúng ta phải ra quyết định dựa trên những điều không chắc chắn, hầu hết các bài tập sinh viên thực hành đều có thiết lập bối cảnh rõ ràng từ trước. Giảng viên luôn tạo ra các giả thiết cho sinh viên và/hoặc giới hạn các câu hỏi, nên chỉ có một câu trả lời đúng duy nhất.
Khi hoàn cảnh chỉ có một câu trả lời đúng, nhà ra quyết định cũng đã quá quen thuộc với vấn đề này rồi.
Nhiều nhà ra quyết định nghĩ rằng họ là người làm chủ các dữ liệu khi nhìn vào con số, hình thành các ý tưởng và biện dẫn cho quyết định của mình. Thật không may, đó chỉ là quyết định “lấy cảm hứng từ số liệu” mà thôi, tức là chúng ta “dạo chơi” quanh các con số, rồi cảm xúc thăng hoa tới một điểm nào đó, và chúng ta đưa ra quyết định.
Ở một khía cạnh nào đó, các con số dường như cũng có tác động tới quyết định, nhưng lại không phải là nhân tố tạo nên quyết định cuối cùng. Quyết định được đưa ra hoàn toàn dựa vào các yếu tố khác. Nó đã nằm chờ trong vô thức mang theo thiên kiến (bias) của người ra quyết định.
Nếu bạn không nghiêm khắc cố gắng dùng dữ liệu để đưa ra quyết định, dần dà nó sẽ dễ dàng trở thành thiên kiến trong nhận thức của bạn.
Trong các quyết định lấy cảm hứng từ số liệu, một vấn đề chính yếu là thiên kiến xác nhận (confirmation bias) – tức nhà ra quyết định sẽ chỉ tập trung vào thông tin phù hợp với niềm tin mà họ có từ trước.
Cũng giống như nếu bạn có thể di chuyển cầu môn sau khi biết quả bóng dữ liệu sẽ rơi vào đâu, bạn sẽ làm chính xác như vậy, trong vô thức. Giải pháp là bạn cần chốt cứng các cầu môn trước và chống lại cám dỗ di chuyển chúng sau này.
Đây là lý do vì sao các nhà kinh tế học hành vi được đào tạo để định ra sẵn tiêu chí quyết định trước khi xem xét thông tin. Nhiều chuyên gia chúng tôi đều đã luyện tập nhuần nhuyễn điều này như một thói quen, bởi vì đó là thuốc giải hữu hiệu nhất cho thiên kiến xác nhận. Ví dụ, trước khi đi tìm hiểu giá một tấm vé, chúng tôi luôn buộc phải tự hỏi bản thân rằng mình sẵn lòng chi mức tối đa bao nhiêu.
Nếu bỏ ngỏ tiêu chí quyết định, bạn sẽ tự ý tương tác với số liệu một cách chọn lọc để khẳng định quyết định mà bạn đã có sẵn từ sâu trong nội tâm. Dù sao đi nữa, bạn dùng dữ liệu đơn thuần chỉ để củng cố thêm cảm giác đúng đắn cho những gì bạn muốn làm. Đa phần con người luôn làm thế mà không nhận ra.
Một thói quen kì lạ khác mà con người cần tránh đó là hiệu ứng Ikea – khi bạn tự nâng giá trị của một thứ lên cao hơn so với giá trị thực chỉ vì bạn đã góp công sức trong việc tạo ra nó. Hiểu theo cách đơn giản, khi một người đầu tư thời gian của mình cho một dự án, họ dễ bị phát sinh tình cảm với dự án đó, ngay cả khi họ đang góp phần tạo nên một đống rác độc hại, và điều này sẽ làm thay đổi cách họ nhìn nhận. Họ sẽ bắt đầu tự thuyết phục mình “sản phẩm đầu tay do mình làm ra không đến nỗi quá tệ mà, mình vẫn có thể đưa ra thị trường được…” Và thế là nhiều thứ kinh khủng ra đời.
Để không rơi vào các trường hợp trên, để mình thật sự làm chủ các thông tin, bạn cần có một quy trình hành động cụ thể. Bạn nên định hình quyết định sơ bộ của mình trước. Và điều đầu tiên bạn cần làm trong quá trình này đó là xác định bạn cần làm gì nếu thiếu thông tin mở rộng. (Bạn mặc định là sẽ mua, sẽ bắt đầu, sẽ điều trị, sẽ tiếp tục hay sẽ không làm những điều trên?) Đó gọi là hành động mặc định và bạn sẽ chọn lựa bằng cách đánh giá xem hành động nào khiến bạn cảm thấy “an tâm” hơn khi thiếu thông tin.
Bạn cần tự hỏi mình “nếu mình không có thêm dữ kiện ngoài phạm vi đang có, thì mình sẽ làm gì?” Để trả lời câu hỏi này cần có sự cứng rắn nhất định, bạn không thể phó mặc tất cả cho dữ liệu quyết định được. Thật sự, bạn phải suy nghĩ thấu đáo về vấn đề bạn đang gặp và thành thật trả lời “Mình sẽ chọn cái gì nếu phải ra quyết định ngay bây giờ?”
Ví dụ, “có một phương thuốc mới hoặc hệ thống máy học mới. Mình không biết chúng có hiệu quả không. Vậy thì mặc nhiên mình sẽ quyết định ra mắt sản phẩm đó hay không?” (Có lẽ hầu hết câu trả lời sẽ là “không”, trừ những ai cảm thấy hệ thống máy học mới là một điểm cộng trong CV xin việc).
Một khi đã xác định được hành động mặc định, bạn có thể bắt đầu nghĩ đến các dữ liệu. Nhưng ngay cả khi đó, bước đầu tiên vẫn chưa phải là thu thập và phân tích dữ liệu. Sau khi lựa chọn hành động mặc định trong trường hợp thiếu thông tin mới, bạn cần nghĩ đến việc mình phản hồi thế nào khi các thông tin đến. Cách thức nào giúp bạn tránh bị trói buộc vào hành động mặc định?
Để trả lời cho câu hỏi này, bạn cần có khả năng phán đoán nhiều mặt khác nhau của vấn đề, xem xét liệu hành động mặc định có phù hợp cho từng trường hợp cụ thể không, rồi bằng óc phán đoán, xem bạn có thể sẽ rơi vào trường hợp nào. Cuối cùng, cân nhắc xem các bằng chứng cần thiết như thế nào là đủ để thuyết phục bạn làm khác với mặc định và khả năng chịu rủi ro của bạn tới đâu. Chỉ sau khi thực hiện các bước trên, bạn mới nên xem đến các con số.
Tác giả: Cassie Kozyrkov/hbr.org – Thúy Anh biên dịch
