人生樣本數為一：如何在無法重來的大事上做出好決定？

我們習慣用成敗論斷他人，更習慣用成敗審判自己。​

很多人身邊應該有這類朋友：在Threads上看到投資網紅推薦的股票，三天賺了30%立刻覺得自己「天縱英明」；另一種是花了幾個月設計銷售策略，卻因意外搞砸，便歸咎於運氣。前者是幸運的傻瓜，後者是聰明的輸家，但兩者都掉入了「結果論」的陷阱。

真實世界充滿了隨機性。好決策不保證好結果，壞決策也可能帶來意外之喜。如果只用結果來評斷你的人生，你不是陷入盲目自信，就是跌入無盡自疑，最終只會做出更糟的決定。

成熟的決策者希望得到好結果，但更專注於追求好決策。

如果文章就此打住，它不過是另一個了無新意的雞湯文。我這次的目標是希望拆解這套決策系統，並針對執行面回答三個核心問題：

* 這個道理為何知易行難？它的前提假設跟現實有什麼落差？

* 在樣本數極小的現實中，如何評估決策品質？

* 新方式如何幫我們解釋世界，避免過度擔憂或自滿？

▉ 理論與現實的落差：當統計學遇上現實的泥沼

在理想世界裡，決策品質的評估很簡單。

統計學告訴我們，只要我們能進行大量重複、獨立的試驗，運氣（或稱「噪音」）的影響就會被抹平，真正的決策水準會顯現。這就是「中央極限定理」與「大數法則」的美妙之處。

賭場經營者不用管某一局輸贏，只要玩上十萬次，勝率終將站在他們這邊。Google或Meta，可以透過A/B測試，對數百萬用戶進行微小的改動，從而得到極其精確的數據反饋，來判斷哪個決策更好。

這些場景有共同點：高頻次的決策 + 明確即時的回饋。因此 Annie Duke 在《Thinking in Bets》中才會強調——我們應該關注決策過程，而非結果。

然而人生最重要的決定，幾乎全是低頻次、慢反饋的事件。

我們不會結二十次婚來測哪種相處最幸福；最好也不要換三十份工作才找到合適職涯；更不可能用十種教育方針養同一個孩子。

這些「一次性」的重大抉擇，讓我們深陷統計學的泥沼。我們活在一個樣本數永遠為一的世界，不能奢望用統計學來消除遺憾。

那麼當數據有限、未來又充滿迷霧時，我們要如何判斷決策品質？

▉ 從他人歷史借鏡：建立你的「基礎比率」

既然個人樣本不足，那就擴大樣本庫，去借用別人的數據。這個方法的核心，叫做建立「基礎比率」（base rate）。

所謂基礎比率，就是讓數據為你戳破「我就是那個例外」的幻想。當你沉浸在自己的獨特情境時，它像一盆冷水，讓你瞬間清醒。

例如常有年輕人問我：「我的背景是XX，實習過OO，想進XX公司，有機會嗎？」雖然我很樂意給他建議，但畢竟我的經驗只有一個樣本，而且帶有主觀偏差。

更好的做法是：去 LinkedIn 上爬數據，蒐集該公司類似職位的職涯軌跡，整理他們來自哪些學校、參加過哪些活動，再與背景值比較，並考慮可能的倖存者偏差。這個就是從基礎比率的理性思考——找出參考群體、建立比率、與自身比較。

這個方法最大的挑戰在於「數據清理」(data cleaning)——人生案例沒有完全相同的情境，如何剔除噪音、找到真正可比的因子，本身就是一種判斷力。但即便資料不完美，至少比憑直覺來得可靠。

這個方法的本質就是學習歷史。你人生中遇到的多數難題，前人都曾遇過。從別人的經驗中學習是最便宜的成長方式。困難點在於，如何把別人的故事剔除噪音、提煉成你可以使用的結構——這種抽象化的能力，正是決策品質的關鍵。

會不會類比，決定了你決策品質的上限。

▉ 另一條路徑：從客觀數據轉向主觀價值

基礎比率很實用，但有時候人生某些決定就是專屬於你，連類似的歷史數據都找不到，這時該怎麼辦？

我會建議將指南針從數據轉向價值。原本的目標是「追求外部客觀的高品質」，改為「尋找最適合我的主觀準則」，用最小後悔框架（regret minimization framework）來定錨。

它的操作很簡單：放下對成功機率的計算，誠實地問自己，幾十年後回頭看，哪件事「沒做」會讓你更遺憾：

* 想像最壞的結果：選A的最壞情況是什麼？選B或C呢？

* 比較你的感受：哪一種「最壞」，是你更能坦然接受的？

* 選擇那個「不試會後悔」的選項，因為你已做好了「失敗也沒關係」的心理準備。

* 這種方法的奧妙，在於將原本強調「客觀理性」的模式，轉換成「主觀感性」的衡量標準。換句話說，你不再幻想能掌控一切，而是學會與未知共處。

當初我主動申請從香港調回台灣的決定，就是在這個框架下做的。短期看起來可能造成職涯倒退，但我問自己：三年後，我是會後悔錯失一個晉升機會，還是會後悔錯過陪伴家人與孩子的時光？特別是在還不確定聽損究竟會對女兒的學習和人際關係上會造成什麼樣的影響？

事實上，雖然後來職涯發展的確走向較差的情境，但時間拉長後，人生又意外迎來新的轉折。這也讓我更加明白——最好的決定，不是一開始你覺得期望值最高的那個，而是你輸得起、也敗不悔的那個。

當客觀的數據地圖不存在時，唯一能信賴的只剩下你內心的指南針。

當然這框架可能讓你過度保守，錯過高風險高回報。但這時，彈性原則就能補救。

▉ 最重要的策略：讓「彈性」站在你這邊

無論你用地圖還是指南針，都別忘了帶上最重要的裝備：彈性。

許多人做決策時，總想一步到位，將自己鎖死在一個看似最穩的選項上。然而只要你承認未來並非一條直線、充滿了各種曲折，那麼彈性和「再次選擇」就是最珍貴的資產。

彈性不只意味著「保留退路」，還意味著「創造樣本數」。很多重大抉擇看似一次性，其實可以先切割成許多可反覆的小實驗：例如就像約會與相處，雖然不能模擬婚姻，但能幫你更快發現自己在關係中真正看重什麼。

當你把低頻拆成高頻，就等於替自己製造大數法則的舞台。一次決策或許看不出真相，但一百次小測試，會讓規律逐漸浮現。

別妄想一次就預測所有未來。你需要的是，當好運來臨時，你有加碼的籌碼；當壞運降臨時，你還有轉身的餘地。

這觀念已成為許多年輕人的職涯默契，我認識了好幾位後輩利用閒暇時間進行 side project，先用小成本做出最小可行性產品（MVP）測試市場。成功就全力投入；失敗，損失也有限，並且還能從失敗中學習。這種小注換大彈性的思維非常聰明。

在教育上，我和太太選擇讓女兒念公立小學，也是出於這個考量：

* 成本極低：保留資源用在後續加碼。

* 留有轉圜空間：先收集學習反饋，幾年後再決定體制內外或混合模式。

* 尊重雙方的人生主體性：實驗教育要求極高父母參與，私立學校又全權外包給學校。而我們希望把參與度的調整權掌握在自己手上（動態調整）。

最划算的保險，是給自己更多繼續下注的機會。

▉ 拆掉光環：別再用結果膜拜成功人士

當你掌握了這套思維，你看待世界的方式也會改變。對我而言，最大的幫助來自對所有成功學故事「祛魅」。

當我看到雜誌上又報導一位輟學創業的科技新星，我會問：

* 他的成功在多大程度上歸功於他獨特的決策品質，又在多大程度上歸功於他恰好站在了一個指數級成長的產業風口上（基礎比率）？

* 在當時，有多少人和他一樣選擇了輟學創業，但最終銷聲匿跡（倖存者偏誤）？

* 這是一個經過深思熟慮、管理了最壞情況後的高品質賭注，還是一次僅憑直覺、結果運氣爆棚的魯莽行為？他的成功模式可以被複製嗎？

雜誌只會報導成功的輟學生，不會告訴你其他九千九百九十九個的故事。

這種思考不是為了否定他人，而是為了剝開運氣的糖衣，看清真正值得學習的東西。我們不該羨慕他們某個充滿偶然性的「結果」，應該學習他們可重複使用的「決策流程」——如何收集資訊、看待風險、保持彈性、從失敗中學習。

不要盲目膜拜成功者，也不要輕易否定失敗者。用這個視角，你會更接近真相，也能從嫉妒和自傲的情緒中解脫出來，做到真正的不卑不亢。

▉ 擁抱不確定性，做一個優雅的決策者

我們永遠無法完全掌控結果，試圖這麼做只會帶來無盡的焦慮。

最後讓我再整理一次這個決策框架：

* 接受現實：承認好決策不等於好結果，專注於你能控制的過程。

* 向外看：在有數據可循時，用「基礎比率」來校準自己的預期，避免過度自信。

* 向內看：在數據不足、缺少可比性例子、頻次又低的個人化決策中，用「最小後悔法」來探尋內心深處的答案。

* 永遠保留彈性：優先選擇那些能為你創造更多未來選擇的選項。

* 專注於防守：管理好最壞的狀況，確保自己永遠在牌桌上。

放棄想要掌握一切的執念。一個成熟的決策者，敢於承認自己的無知，並優雅地與不確定性共舞。這才是在複雜世界中的生存與成長指南。