伟大的企业不可能永远伟大
在商业世界中，这样的问题比比皆是。比如，20世纪90年代末期，思科系统公司（Cisco Systems，一家互联网路由器和电信交换机制造商）是硅谷的明星企业、华尔街的宠儿。它成立于互联网时代的兴起之初，刚开始时还是一家名不见经传的小公司，到2000年3月，却变身为世界上最有价值的公司，市值超过5 000亿美元。如你所料，商业媒体都为之疯狂。《财富》杂志称思科系统公司为“计算机世界的新兴巨鳄”，并盛赞其首席执行官约翰·钱伯斯（John Chambers）是“信息时代的最佳CEO”。但到2001年，思科系统公司股价暴跌。2001年4月，它的股价从一年前的峰值80美元跌至14美元。原来不遗余力地称赞思科系统公司的商业媒体，开始痛斥其战略、执行力和领导力的失败。难道思科系统公司的成功都是假象吗？不然为什么后来才发现这家如此成功的公司会有这么大的缺陷？然而，没过多久，2007年年底，思科系统公司的股价又上涨了不止一倍，超过33美元。此时还是由同一位CEO领导，公司的盈利又迅速上涨了。11
那么，思科系统公司到底是20世纪90年代末公认的成功的大公司，还是2001年不堪一击的公司呢？或者两者都是，还是两者都不是？根据股价来看，你根本无法判断。自2007年以来，它的股价一直在下降，在2009年年初金融危机最黑暗的时刻，股价再次跌至14美元。而到2010年，又回升至24美元，没人知道10多年后思科系统公司的股价会怎样。但到那时，商业媒体可能又会讲出别的故事来解释思科系统公司的起起落落，无论当前市值如何，他们总能自圆其说。不幸的是，这些解释和之前的解释存在同样的问题，即在任何时间点上，故事都没有真正“结束”。之后总会发生一些出乎预料的事情，它们很可能会改变我们对当前的结果以及已经解释过的结果的看法。我们每次都能完全颠覆之前的解释，表现得好像现在就是评估结果的最佳时间，丝毫不觉得自己的解释有任何不妥，这其实非常不可思议。但是，单从思科系统公司的例子中就可以看出，我们无法确定现在是不是评估的最佳时机，更不用说商业、政治或规划领域的其他例子了。
能讲出好故事的就是赢家
换句话说，历史解释既不是因果解释，也不是真正的描述，至少不是我们想象中的解释和描述。它们其实就是故事。历史学家约翰·刘易斯·加迪斯（John Lewis Gaddis）曾指出，历史解释是受到某些历史事实和其他可见证据限制的故事12。然而，就像好的故事一样，历史解释也会集中在有趣的事情上，对其背后的多重原因会轻描淡写，而且忽略了所有可能发生但其实没有发生的事情。像好故事一样，历史解释会把注意力集中在少数事件和人物上，以增加戏剧效果，并赋予他们特殊意义。此外，历史解释和好故事一样也是连贯的，它倾向于强调简单的线性决定论，而不是复杂、随机和模糊的东西；最重要的是，它们都有开头、中间和结尾，在任何时间节点上，每件事情，包括人物、事件发生的顺序，以及人物和事件的描述方式，都必须说得通。
好故事能够引人入胜，所以每当我们试图用科学的方法评价一个解释（基于它对数据的解释效果）时，都会忍不住用它的叙述性质去判断好坏。比如，心理学家通过一系列实验发现，比起复杂的解释，简单的解释更有可能被认为是正确的，这不是因为它解释得更全面，只是因为它简单。再比如，在一项研究中，实验对象需要为一组虚构的医学病症选出对应的解释。结果，大多数人选择了只涉及一种疾病的解释，而不是涉及两种疾病的解释，尽管两种疾病的解释在统计学上的正确率是单一疾病解释的两倍。13而且矛盾的是，人们更倾向于相信增加了细节描述的解释是正确的，哪怕这些细节无关紧要，甚至会降低解释的可信度。比如，在一项著名的实验中，研究人员向学生描述了两个虚构的人，比尔和琳达，结果学生们都喜欢背景故事更详细的人物，即使细节更少的描述在逻辑上更真实。比如“比尔既是一位会计，又是一位爵士乐手”，而不是简单的“比尔是一位爵士乐手”；又比如“琳达既是一位女权主义者，也是一位银行出纳员”，而不仅仅是“琳达是一位银行出纳员”14。除了内容之外，那些表达巧妙的解释也比糟糕的解释更可信，即使解释本身毫无差别。此外，那些在直觉上看似合理的解释比与直觉相悖的解释更可信，尽管侦探小说家阿加莎·克里斯蒂（Agatha Christie）的小说已经告诉我们，看上去越合理的解释越有可能错得离谱。我们还发现，当人们已经有了现成的解释时，会对自己的判断更加自信，尽管他们还不知道这个解释是否正确。15
自然科学的解释也经常以故事的形式开头，它们也具有和故事相同的特征。16但自然科学和故事的关键区别在于，在自然科学中，我们会进行实验以检验“故事”的正确性，一旦它们不合理，我们会对其进行修改，直到能讲通为止。即便在像天文学这样无法进行真正实验的自然科学领域，我们也会尽可能做些类似的实验，基于过去的观察数据建立理论，并在未来的观察中进行检验。然而，由于历史只有一次，我们无法有效地进行实验，这恰恰会将能够推断出真正的因果关系所必需的关键证据排除掉。因此，在没有实验的情况下，我们可以不受限制地讲故事，在这个过程中，我们会抛弃剩下的大部分证据，要么因为它们乏味无趣，要么就是它们不符合我们想讲的故事。因此，期望历史能遵循自然科学解释的标准不仅不现实，而且从根本上来说就是混乱的，正如柏林总结的那样，这是“要求历史与其本质相悖”。17
同样也是出于以上原因，专业的历史学家常常煞费苦心地强调，要全面地解释从任何一个特定环境到另一个特定环境其实都困难无比。但是，关于过去的解释一旦构建起来，就会与我们在自然科学中建立的理论有很多相似之处，所以人们很容易认为它们具有相同的概括能力，即便是最谨慎的历史学家也不例外。18换句话说，当我们试图理解为什么一本书会成为畅销书时，其实是隐含地问，一本书如何才能成为畅销书，其他作者或出版商如何才能复制它的成功经验呢？当我们研究近期的房地产泡沫或“9·11”事件发生的原因时，也会不可避免地去寻找那些能在未来应用的对策，比如能用来增强国家安全性或提高金融系统稳定性的有用信息等。当我们从伊拉克的增兵事件中得出增兵促使暴力事件减少这一结论时，总是会想着再次采用同样的策略，就像后来的美国政府在阿富汗做的那样。也就是说，无论我们说自己在做什么，每当我们试图了解过去时，总是会从中学习。哲学家乔治·桑塔耶拿（George Santayana）也曾说：“忘记过去的人注定会重蹈覆辙。”19
故事和理论的混淆触及了使用常识理解世界这一问题的核心。一方面，好像我们所做的一切就是为了去理解已经发生的事情，而另一方面，我们又把自认为学到的“经验”应用到未来的计划或政策之中。这种讲故事和构建理论之间的切换如此轻松自然，很多时候我们自己都意识不到。但这一转换忽略了两者的本质不同——它们有着不同的目标和证据标准。所以，按照好故事的标准选出高品质的解释，然后用它们来预测未来的模式或趋势，可想而知效果会有多差。但我们仍然这么做了。因此，理解我们对过去解释的局限性，有助于阐明我们对未来能做出哪些预测。由于预测对于计划、政策、战略、管理、市场营销，以及我们之后要讨论的所有问题来说都至关重要，所以接下来我们就来讨论关于预测的问题。
章末总结
不存在的因果错觉
1. 常识和历史会共同产生一种根本不存在的因果错觉。
2. 一方面，常识可以很好地做出合理解释，无论是关于特殊之人、特殊特性，还是特殊条件。
3. 另一方面，历史会有意摒弃大部分事实，只留下事情的主线来进行解释。因此，常识解释似乎告诉了我们为什么有些事情会发生，但实际上，这些解释不过是对已发生事情的描述罢了。
人们喜欢预测，无论是关于行星的运行轨迹、股市的波动幅度，还是下一季的流行色。随便翻看任意一天的报纸，你都能找到大量预测，即便你以前从未注意到它们。从《纽约时报》的头条中随便选取一则新闻，我们就可以发现这些预测的痕迹。以某年夏季出版的关于零售趋势的新闻为例，我们发现里面关于即将到来的开学季就有不下10个预测。比如，文章引用了美国零售联合会（National Retail Federation）的行业组织的预测结论——有学龄儿童的家庭“今年的花费会比去年少8%”，索博客分析公司（ShopperTrak）的预测——商店的客流量将下降10%，一家名为客户成长伙伴（Customer Growth Partners）的零售咨询公司的总裁的总结——本季“将是多年来最惨淡的开学季”1。
以上三个预测都是根据权威消息得出的结果，而且结论明确，完全可以根据实际情况预估出其准确率。但这些预测究竟有多准确呢？说实话，我也不知道。《纽约时报》并没有就预测的准确性公布任何统计数据，提供这些预测的大多数研究公司也不会。事实上，这也是关于预测的一件怪事：我们总愿意对未来做出预测，却不愿意为自己做出的预测负责。
反常识案例