数据与决策 决策篇
对于决策，FDE 给不了稳赚不赔，但可以给大赚少赔
判断是买、卖或不动。决策是买的信号、卖的信号、仓位、加减仓的规则，以及策略正常与失效的判定。稳赚不赔是对判断的要求，没有人给得了；大赚少赔是对机制的要求，它是可以设计出来的。
最近 Jev 很火。它是一个只做判断的 AI 模型：不写文章，不写代码，也不聊天。你把一段信息和几个事先定好的问题交给它，它直接回你一个选项、一个分数，或者一个是与否，每个答案后面还附着一个概率。快，而且便宜。
它的发布方把它叫做 System One 模型，也就是《思考，快与慢》里那个“快思考”。有意思的是，它的口号叫“要决策，不要文本”。按这篇文章的分法，它给出的其实是判断，而且是很好的判断。这不是挑刺，判断这件事，AI 确实已经做得又快又便宜了，它值得火。
但它火起来之后，也把一个老问题照得更清楚。我们炎煌对外一直说，自己做的是决策上下文。而在我们接触到的管理者里，把判断和决策当成一回事的，是大多数。这不奇怪，这两个词在日常里本来就混着用。
可是在公司里，它们是完全不同的两样东西。把它们分开，是这篇文章想做的事。
一、判断是一个动作，决策是一套机制
拿股票交易打比方，最容易说清楚。
判断，是买，是卖，还是保持不动。三个选项，选一个。
决策，是另一组问题。买的信号是什么？卖的信号是什么？这一笔该占多少仓位？出现什么信号该加仓，加多少；出现什么信号该减仓，减多少？什么样的走势出现，说明策略一切正常，只是正常范围内的波动？什么样的走势出现，说明策略本身可能已经失效，该整个停下来？
把两组放在一起看，判断只是决策里最小的一个零件。真正决定一个账户能活多久、能赚多少的，是后面那一整组问题。
判断回答的是“现在做什么”。决策回答的是“接下来每一步怎么做，尤其是做错了怎么办”。
所以决策从来不是一个动作，而是一篮子方案，一整套机制。“买”是一个判断；“买，然后按这套规则拿着、加、减、停”，才是一个决策。
公司里也一样。“进这个市场”“上这条产品线”“开这个获客渠道”，都是判断，和“买”一样，只是一个词。决策是跟在后面的一整套：先投多少，看到什么加投，看到什么收缩，什么情况算正常的磨合，什么情况说明方向本身错了，以及错了之后怎么退出来、退到哪里去。
很多会议室里讨论的是前面那个词，散会的时候，大家以为后面那一整套也已经定了。
二、为什么没有人能给你稳赚不赔
先把话说在前面：FDE 给不了稳赚不赔。不只是我们，任何人都给不了，任何 AI 也给不了。
原因很简单。稳赚不赔是对判断提的要求：每一次都要对。而判断这件事，从来就没有每一次都对的。Jev 给每个答案都配一个概率，恰恰是老实的做法：它说这个选项有八成把握，也就是在告诉你，有两成的时候它是错的。
我们一直说，决策不一定要对，结果里掺着运气。这一篇再往前走一步：正因为判断不可能每次都对，决策才不能只是一个判断。一个只由判断构成的决策，等于把公司押在了一个胜率上。
有经验的交易者从来不追求胜率百分之百，他们追求的是另一件事：对的时候赚得多，错的时候赔得少。胜率刚过五成的策略，靠着这一条，可以长期赚钱；胜率八成的判断，如果错的那两成赔起来没有底，一次就能把账户清零。
稳赚不赔是对判断的要求，没有人给得了。大赚少赔是对机制的要求，它是可以设计出来的。
三、大赚少赔是怎么来的
大赚少赔听起来像运气好，其实是两条规则的结果。
大赚，来自对的时候敢加仓。方向被证实的信号出现了，仓位跟着上去，而不是一直停在最初那个试探的量上。少赔，来自错的时候有信号、有退路。失效的信号事先写好了，出现就减，减到多少也事先写好了，不用等到会上再争一次“要不要再等等”。
两条规则里，最难的是把“正常”和“失效”分开。新策略的开头总是难看的：新市场头几个月不赚钱，新渠道一开始获客成本高，新产品线的退货率高过老品。这是正常的磨合，还是方向错了？没有事先写下来的判定标准，每一次都会变成一场争论，而争论的结果，往往取决于谁说得更有把握，而不是谁看得更准。
拿获客渠道举个例子。“开这个渠道”是判断。围绕它的决策大概长这样：第一个阶段投多少预算；看到什么信号说明渠道在起来，比如一线反馈的客户质量、跟进之后的成交节奏；看到什么信号说明只是磨合期，比如获客成本高，但在一周一周往下走；看到什么信号说明渠道本身不对，比如量有了，但一线反复说“这不是我们的客户”；失效之后，预算撤到哪里去。把这些写下来，渠道好，你会比对手加得更快；渠道不好，你会比对手退得更早。
大赚，来自对的时候敢加仓；少赔，来自错的时候有信号、有退路。两样都不靠运气，靠事先设计。
四、这套机制靠什么撑起来
一整套决策机制，是需要大量数据来支撑的。信号要读得到，阈值要有依据，正常和失效要分得开，每一条后面都得有数据。
最常见的误区，是把机制建在感觉上。今天刷到一篇小红书，明天听了一场分享，后天就有一出来一出。拍脑袋不是错在“拍”，很多好判断本来就是拍出来的；拍脑袋错在拍完就没有下文了：没有仓位，没有加减的规则，没有失效的判定。于是每一个新的感觉，都会推翻上一个感觉。
机制该建在什么上面？两样东西一起：管理经验，加上基层数据，合在一起推演。
管理经验负责的，是知道什么信号重要。哪些数字是真的领先指标，哪些只是热闹；一个新渠道正常的磨合期大概有多长；一线说“这不是我们的客户”，什么时候是借口，什么时候是真的。这些只有在这个行业里做过决策的人才知道，数据本身不会告诉你。
基层数据负责的，是知道信号现在的读数。这里说的基层数据，是数据系列里聊过的一线粗数据：客户的原话，跟进的节奏，退单的原因，而不是层层汇总、录入时就修过一遍的面数据。机制里的每一个信号，都要能在粗数据里找到读数；找不到读数的信号，写得再漂亮也是摆设。
推演，是在真金白银投下去之前，把这两样合在一起跑一遍。按这套信号和规则，过去一年如果这么做，会加仓几次，减仓几次，在哪个月被判定失效？跑完再定第一个阶段投多少。这一步过去很贵，要人手工翻数据；现在 AI 可以把它变成一件常规的事。
管理经验决定看什么信号，基层数据决定信号现在读多少，推演决定要不要按这套机制走。三样缺一样，机制就退回成感觉。
五、FDE 在这里做的事
我们炎煌说自己做的是决策上下文，说的就是上面这套。决策上下文，说白了，就是让机制里的每一个信号都有真实的数据可读，让每一次判断发生的时候，读数已经在桌上。
落到 FDE 的交付上，大概是这几件事。先和管理者一起，把心里那个念头翻译成一套机制：信号清单、阈值、仓位、加减规则、正常与失效的判定、退路。这一步不需要技术，需要的是管理者的经验，我们只负责把它问出来、写下来。
然后把一线的粗数据接到这些信号上。我们做交付时守的六端里，有四端正好对着这件事：涌现，是从粗数据里找出你原本不知道的信号；可度量，是正常与失效要被读出来，而不是被感觉出来；高容错，是失效的时候赔得少、退得动；可追溯，是每一次加减仓当时依据的是什么，事后能复盘，下一轮机制就能修得更好。
至于判断本身，我们不抢。Jev 这样的模型出来，我们反而高兴：一套机制跑起来，每天要做的小判断成千上万，这封邮件算不算信号，这条反馈算不算失效，这个客户该不该进潜客名单，这些正该交给又快又便宜的判断模型。判断越便宜，机制就越跑得动。
FDE 提高不了多少你的胜率，但可以改写你的盈亏比：对的判断赚得更多，错的判断赔得更少。
写在最后
判断正在变得越来越便宜。Jev 之后还会有更多这样的模型，快到感觉不到延迟，便宜到可以随手用。这对做决策的人是好消息，前提是你手里有一套机制，能把这些便宜的判断接住、用好。
没有机制的公司，判断越便宜，反而越乱：每一个新判断都直接变成一个新动作，公司在一个又一个动作之间来回。有机制的公司，判断越便宜，机制就越灵：同一套规则，读的信号更多，反应更快。
判断越便宜，决策机制就越值钱。
如果你是一位管理者，心里已经有一个念头，只是还没有一整套执行链，欢迎和我们聊一聊。不用先把念头想得多完整，机制是可以一起推出来的。
决策不是判断，而是支撑起后续行动的一整套执行链。