当前位置: 涵芬教育 > 技能 > 正文

提升技能 | SOA正精算师对话《The Actuary》杂志

2019-02-22 11:06 8

本文源自《The Actuary》杂志2018年10月/11月刊

本文作者:

Kurt J. Wrobel(FSA,MAAA)

在宾夕法尼亚州丹维尔镇的盖辛格健康计划公司(Geisinger Health Plan)担任首席财务官和首席精算师。

行为经济学这个常用的术语,在被用于理解个人如何做出决策时,确实是一种相对新颖的方法。这一概念已经成功应用于广泛的领域,经济学界已颁发三个诺贝尔奖作为对其影响力的认可。

在技术初创公司中,一种对行为经济学的具体应用已经开始试水:这些公司制定相关方案以降低运营成本,从而提升整体的消费者体验。例如,Lemonade是一家初创的产险公司,公司使用行为经济学的原理来确保索赔申请的真实性。该公司没有使用更为传统的保险技术,而是要求人们签署诚信承诺书并提交一段视频来描述他们的财产损失。公司使用基于行为经济学的算法,对索赔申请进行评估,并迅即完成理赔付款,这一切只需要三秒钟!

行为经济学可以被视为对传统经济学理论和假设做出的反应。传统经济学假设人们在既定收入水平下能够理性地实现幸福最大化或者“效用函数”最大化。在做出购买或其他决定时,传统经济学假设人们能够合理地审视所有可获得的信息,并系统地做出决策以提升幸福感。按照假设,人们总是能够理性行事,因此这套理论潜在地预期人们能够整合复杂的信息和数据并做出最佳决策。美国科幻影视《星际迷航》中的人物Spock就是一个可以根据所有可获信息做出最佳决策的理性决策者实例。

与这套理性决策理论形成对比的是,行为经济学假设人们将根据生存策略做出决策。在远古时代,人们首要的需求是生存,而不是做出理性且符合统计学原理的决策。那时我们的首要目标是做出简单的阐释,促使立即采取行动以保证生存,这并非根据数据来做出理由充分且符合统计学原理的决策。Daniel Kahneman在他的著作《Thinking, Fast and Slow》中就描述了这种生物进化行为:“我们与生俱来就准备好感知周围的世界、识别物体并对蜘蛛产生恐惧。” ¹

作为精算师,认识到上述洞见很重要。大部分人并不像精算师一样倾向于用符合统计学原理的方法来回答问题。这不是一种价值陈述,而只是认清现实。在耗费数年时间学习精算科学之后,我们掌握了使用统计工具来回答重要商业问题的技能,相比于其他职业的人而言,我们更倾向于使用这样的工具。

考虑到行为经济学带来的经验教训,统计工具所给出的建议就必须为那些缺乏风险评估背景的人解释清楚“理性统计决策”和“生存策略反应”之间的鸿沟。此外,尽管我们可能在大多数情况下会使用合理的分析框架,我们仍需要了解精算师和其他技术专家可能存在的盲点,这些盲点可以通过行为经济学来预测。我们容易受到后天形成的盲点的影响,我们在做决策时需要认识到这些盲点。本文将讨论如何利用行为经济学的原理来帮助精算师改善自我实践,并帮助确保为我们的组织做出更好的决策:这包括同非技术领导人进行沟通、管理非专业技术人员之间的统计偏差,理解精算师和其他技术专家之间的偏见,并利用团队的力量来管理个人偏见。

编写最好的故事:与非技术领导人进行沟通

行为经济学的文献表明,信息需要以清晰易懂的方式呈现才能对决策者产生有效的影响。这似乎不言而喻,但研究一再强调这个关键点,并指出采用令人信服的表达方式极为重要。《Thinking, Fast and Slow》中引用的一篇文章 ——《Mind at Ease Puts a Smile on the Face》就简洁地说明了如何开展直白的演讲以获得他人的认同和共鸣。正如Kahneman所说:“当你感到紧张时,你更有可能保持警惕和怀疑。” ²

讲一个简洁易懂的好故事——它在一段清晰的分析讨论中是最重要的部分。可以将此试想为一个60秒的电梯演讲,必须能够简单说明并为他人快速理解。故事的开头应该提出疑问或是列出目标以凸显面临的问题,并使用高层次的指标作为支撑。应该将个人故事、可见行动和成果结合数据一起使用,编写具有关联性的故事。讨论还应该包括运营计划和指标,确保项目顺利进行。问题、支持数据、提议的解决方案和跟踪进度的指标——这样的结构相当简单,但真正的诀窍在于使用令人信服而简洁的叙事方式将这些部分串联起来。

有些故事会导致非最佳决策或者相互竞争,为了管理它们,就需要一个充满力量、令人信服的故事。在大型组织中,人们热衷于创造能将行动和结果清晰地联系起来的故事——这么做对他们来说是有利的。正如行为经济学文献中所提出的那样,这些故事往往过于重视个人行为和近期事件,而忽视了简单的随机性。对于分析导向型的人而言,这令人沮丧,但别无选择。故事之间存在竞争,在很多情况下,相比于周密完善的分析,一个缺乏分析却令人信服的故事可能会更有效地赢得决策者的支持。

除了编写有效的故事之外,还可以使用其他几种技巧确保别人能够轻松地认知并接受你做出的更广泛的叙述。重复,尤其是在正式演讲前的非正式讨论阶段进行重复,能够有效提升技术讨论并且防止听众对新的概念产生怀疑。这些非正式讨论还能带来的额外好处就是能够识别故事中的缺陷,这样一来,在正式演讲开始之前,你就能纠正存在问题的地方。

在开展这些非正式讨论时,尽早让最终决策者参与进来。早期参与可能会使得决策者对最终工作成果产生更强烈的认同感。行为经济学文献将此称为“宜家效应”——因为我们对自己组装的物体赋予了很高的价值。

我们容易受到后天形成的盲点的影响,我们在做决策时需要认识到这些盲点。

就实际的PPT演示稿而言,清晰易懂非常重要:使用图片或图形(称为“图优效应”),限制每页上的字数,保持演示稿的简短。这些技巧有助于提升清晰度并促成你的立场最终为他人所接受。

最后,演讲者应该以一个简单的故事开启演讲,也应该以一个简单的故事结束演讲。将截然不同的想法和事实串联起来的简单故事最有可能带来最大成功,而成功的标准就是听众能在短短几分钟内简明地陈述你的立场。

非技术管理者存在的统计盲点

虽然任何演讲的起点都应是引人入胜的故事,但我们还需要管理非技术管理者可能存在的统计盲点。这种警惕性有助于保证基于错误分析的相竞争的故事主线们不会影响决策流程。在得出结论之前,尽早讨论这些技术问题,就能在决策过程避免出现不严谨的分析。

潜在盲点的清单很长(参见下栏)。当一个人同非技术领导人沟通和共事时,就应该考虑到这些盲点,和会对对方的思维基础产生影响的其他因素。

非专业技术人员可能存在的盲点

在做出统计决策时,非专业技术领导人和管理者可能存在一些盲点。以下是我在精算职业生涯中一些体会:

混淆关联性和因果关系。一个大型数据集可以呈现出许多有趣的看似存在因果关系的结果,而实际上这些结果只是相互关联。如果说所提议的行动与另一个行动之间只存在相关性,不存在因果关系,那么混淆了因果关系和相关性就会导致决策失误。在远古时代,因为犯错的代价并不高,这种错误可以接受,如今,缺乏统计合理性的决策会导致重大经济损失,这种错误的代价会非常大。

对样本规模不敏感。许多人几乎不会对从小规模样本中得出的结论表示担心。尽管在无法获得其他数据情况下,这种方法可能是合适的,但我们的职责就是确保当结果可能存在广泛的可变性时,我们不会从少量的观察结果中得出结论。

黑天鹅问题。Nassim Taleb探讨的问题就是人们过分重视近期的历史事件,而没有考虑小概率事件的可能性,所谓的“黑天鹅事件”可能会产生重大的积极或消极影响。¹

叙述偏见。人们喜欢听那些他们所倾向的版本的故事——将成功的结果归功于自己的技能或团队行为。这样的故事充满魅力,也容易为他人所信服。当然,问题在于这个“版本”可能不准确,决策者可能会夸大他们实现成果的技巧。

结果偏见。虽然少有人会认为结果不重要,即使决策过程存在严重缺陷,结果也可能是良好的。但如果仅仅是根据结果进行判断,人们就可能无意识地认为是这种存在缺陷的流程产生的良好结果。

可获得性偏见。当一件事能被轻而易举地想起,或是其相关信息触手可及,那么人们就倾向于容易受其影响,或提高对该事件的感知程度。

对琐事过于关注(帕金森定律)。随着大数据的出现,对更多信息进行分析的机会大幅提升。随着信息量的增加,人们更可能被对决策来说无关紧要的信息蒙蔽双眼。

引用:

¹ Taleb, Nassim Nicholas. 2007. The Black Swan: The Impact of the Highly Improbable. New York: Random House.

了解技术专家存在的盲点

作为精算专业技术专家,我们认为非专业技术人员身上的盲点是一种令人懊恼的短板,必须加以克服以便改善决策。虽然我们可能认为我们不会受到统计思维问题的影响,但专业技术人员也可能存在盲点,我们需要认识到这些最常见的陷阱。

有一些偏见更容易在技术专家身上出现。就像精算专业之外的管理者会存在的偏见一样,我们在进行分析工作和做出重大决策时要牢记这些偏见。

确认偏见。为了证明以前所持观点的正确性,人们可能会梳理数据以找到支持某个立场的信息,而降低对不支持该立场信息的重视程度。虽然这种偏见可能是完全无意识的,但最终却做出了与以前所持观点相吻合的非最佳决策。

支持创新偏见。大多数人喜欢新的概念和发明。在激动人心的创新中,许多人可能会忽视创新的缺陷和创新应用的有效性。尤其是技术思维导向的人们可能会认为应用复杂的统计公式很有用,哪怕应用公式对于改善决策流程几乎没有帮助。

信息偏见。精算师和其他技术专家喜欢更多的数据。虽然这些数据有可能更好地为决策者提供信息,但在许多情况下,这些数据只会增加复杂性,而非为决策过程产生积极影响。

同理心差异。数据就是力量,我们可能会低估数据相比于其他事物的重要性。统计观察可能对个人的生活和自我价值产生影响,因此任何演讲都需要考虑到这一点。

自动化偏见。许多技术专家喜欢自动化。自动化可以使流程合理化,并减少完成任务所需的资源。然而,实现更大程度自动化的目标可能会导致出现技术人员可能无法充分考虑的重大错误。例如,相比于手工系统,自动化程度更高的系统的制衡措施可能更少,并更可能产生重大错误。

工具定律。许多分析师更喜欢使用他们各自学科领域中使用的技术。经济学家会采用线性回归。会计师需要对假设进行最终修正。营销专业人士会将一个问题与千禧一代或X世代的人群联系起来。大多数人都存在这种固有偏见,在我们选择最优技术来回答商业问题时,这是需要考虑的一点。

管理团队:创建能够避免偏见的环境

行为经济学假设人们会基于生存策略做决定,而不是基于数据做出合理且符合统计学原理的决定。

本文重点介绍了避免偏见和确保最佳决策过程的技巧。无论是技术专家还是非技术领导人,大多数人都存在需要管理的个人偏见。有些人可能容易受到易于理解的故事、确认偏见、过于复杂的模型、导致偏见结论的激励结构以及许多其他偏见的影响。

除了尽全力了解自己的偏见和他人的偏见之外,重要的是创建一个可以约束个人偏见的环境。最好的方法是建立一支可以质疑群体中任何一个人结论的团队。立场坚定的团队成员之间的竞争压力能促成改善整个团队的集体决策。

虽然有通过团队成员去减少其他任一成员偏见的可能性,但如果管理不当,他们也可能形成导致非最佳决策的社交环境。例如,如果某个特别固执己见的成员坚持认定某一立场,那么其他成员就可能因为这个成员的坚定意志而对他的立场表示赞同,而非对其论点进行了深思熟虑,这就被称作“从众效应”。同样,团队可能仅仅是出于礼貌而不愿对他人进行积极质疑(所谓的“礼貌性偏见”)。在这两种情况下,都应该管理社交环境,以确保每个人在这个过程中都能有意义地发声。

解决方案可以包括要求人们在讨论开始之前以书面形式提供意见,或严格开展一个具有包容性的讨论和决策过程。创建竞争性的团队就需要成员们采取相反的立场,哪怕是他们不认同的立场,这也是有利于讨论和决策过程的。

作为精算师,我们必须客观地看待世界,而不是按照我们的想法看待世界。尽管我们可能认为世界应该是完全理性的,不存在统计盲点,但并非如此,我们需要引导我们的工作向现实迈进,而不是向理想迈进。我们需要编写令人信服且易于理解的故事,使它们能与那些会导致次优决策且缺乏统计合理性的故事相竞争。我们需要预测和管理非技术管理人员身上存在统计盲点。与此同时,我们还需要管理我们自己的盲点,并搭建良好团队协助管理团队成员的个人偏见。这一过程远没有传统的精算分析那么具体,但我们有必要做出更好的决策,成为更高效的精算师。

全文引用

1. Kahneman, Daniel. 2011. Thinking, Fast and Slow. New York: Farrar, Straus and Giroux.

欢迎 发表评论:

Copyright © 2018 涵芬教育