拖延症的思维经济学
文：王智远| ID:Z201440
用相关思维方式，有助于把时间用在正确事情上，可是，具体落地时，第一个问题就是“拖延”，我也有过这种状态，不过现在好多了。
拖延的折现率
人为什么拖延？可以找出诸多理由，如：懒、完美主义者、面对复杂任务感到不知所措、担心失败后没面子遭到指责等；若从经济学视角衡量，我认为一大原因在“现时偏好”（present bias）。
此概念是马克斯·普朗克(Max W. Pratt)在1970年提出，其认为，人们会高估当下获得的回报，低估长期目标逐渐取得的进步。
比如：
随便哪一天，你都能找出多个不去健身房的理由（没有时间、工作太累、没睡好、要追剧等等），假设经常这样做，永远无法达长大远健身的计划。
当然，我并不是说“你是一个不重视长期主义的人”，而是与当下相比，“未来”在多半人心中都会大打折扣。
比如：
现在给你1000元，一年后给你1500元，太多人愿意选择当下；可是，假定现在支付一定手续费（80元、100元）后，立马能得到一年后的1500元，你会怎么选。
你肯定会毫不犹豫支付，学过经济学的人，不这样想。
他们会把费率转化成百分比，就是所谓的利率（interest rate），你也可以把它称作“折现率”（discount rate），大白话解释即，将来的1块钱按照现在算值多少钱，中间得出的百分比。
理论上讲，折现率越高，投资项目净现值越大，说明投资风险小，相对投资获利能力越强。
跟其他利率一样，折现率可以进行复利计算，但它不是正向增加，而是逆向减少，越是遥远的未来，逆向复利折现影响就越大，因为你在很久后才能体会到。
比如：
中彩票，分5年每年得到100万和一次性结清之间，你肯定选越多越好，但由于存在复利折现，将来的钱和今天比，并不一定值钱。
以每年5%折现率算，明年100万的现金流算下来今天只有952381元（100万/1.05），两年后的100万，今天只有907029元（100万/1.0522），这种情况持续存在。
诚然，用将来所有年份折现后收益相加，就能算出净现值（netpresent value，简称NPV），从经济角度，如果不能保证高折现利率投资，最好选择一次性结清。
不过，你不会从经济角度考虑问题。
不懂只是其次。一方面，一次性结清，拿到这份奖励可以用在各种需要的地方，另一方面，大多人会给未来打很高折扣，这也称为“双曲折现”（hyperbolic discounting）。
为揭示这种情况，《错误的行为》这本书中，美国行为经济大佬查德·塞勒（Richard Thaler）教授做过一项有关“动态不一致的经验证据”。
其认为，人们对立刻获得15美金、三个月后获得30美金、一年后获得60美金、三年后获得100美金的偏好基本相同，这些数据意味着“年度折现率”不断下降。
换言之，我们对即可满足程度，远大于延迟满足，在拖延和自控相关领域，这种偏好发挥关键作用；就像节食期间，你很难抵制美味诱惑，因为节食的长期收益，在大部分人脑中几乎为零（就像未来10年公司收益）。
它说明什么？
其一，即便未来很赚钱，你也不一定能忍受长周期的坚持。
其二，等到一定年纪，你会为自己的拖延感到万分后悔，你也会感觉到，越往后选择项越少，迎来的情况像“老鼠赛跑现金流游戏”。
年轻时保障基础工作后，你不能想法设法获得资产收入，就只能努力用加班换取金钱。
所以，我们应该将前人的悔恨，视为动力，只要有碎片时间就想法投入到“可复利的事情上”，并关注长期收益，这样一来，才能慢慢克服固有的“现时偏好”导致的拖延倾向。
利益承诺效应
话虽如此，行动时还是无法克服怎么办？有一个常用思维能帮到你，即“承诺”（commitment）。
我把它和利益绑定一起，因为只要涉及利益，人们就会尽力；也就是说，你想实现某件事就必须做出积极承诺，当承诺没做到时受到惩罚，效果会更好。
比如：
想减肥，可以加入健身俱乐部、跟朋友打赌公开声明掉秤计划，两种情况下，必须做出金钱承诺，如果不遵守就会蒙受损失。
另一个案例我从保险、公积金上面吸取，两者都体现“默认效应”（default effect），众所周知两者上，钱取出来都要付出很大代价，这让你更能守住承诺。
比如：
碎片化时间，你可以用来”做副业、寻找新的可能性、做某个项目”，把它们当做默认项去做，把时间分配给自己设定的长远目标，反而会减少内心期待感，容易实现。
我会用默认效应做“阅读工作”。
那些随时随地被记录下来的思考，都成为写作的作料，正如作家周国平所述，作家是世界上最勤快的人，他总是处在工作状态，不停地做着两件事，“积累素材和锤炼文字”。
不过，利益承诺也存在缺陷：
[*]你很容易迟迟不做承诺
[*]承诺力度不大，认为违背也没关系
[*]很多方法可以达成无效的承诺（包括不切实际的承诺、如每天去健身却不制定明确时间表）
反之，明确可行的承诺应该是：“我接下来三个月里，利用每周三晚上、周日下午和朋友去健身，跑3公里做20分钟负重练习，如果没做到，我给朋友100元。
帕金森琐碎定律
你非常想达成目标，即便做出承诺，前进时，还会掉入下一个无效规划时间的陷阱；没错，就是“帕金森琐碎定律”（Parkinson's law）。
工作会无限膨胀，占满完成工作的时间和碎片化的机会，对我来说，这种情况经常出现，你遇到过吗？
假设，每天头等大事有最后截止期限，并不意味着要在”时间限制范围“内把它做完，应该尽早做完这件事，然后，做下一件领导交代今天要完成的任务。
况且做下一件时，会不会有新问题出现？好比，陷入”非常重要又紧迫的大事“时，这两个思维模式，描述人们在项目进行和结束时的感受。
其一：九九定律（ninety-ninety rule）
美国心理学家弗雷德里克·艾尔维（Frederick E. Emery）认为，学习某个技能或做新项目，人们需要花费90%的时间才达到90%的水平，而到专家级需要投入时间、精力会更多。
其二：侯世达定律（Hofstadter's law）
美国计算机科学家罗伯特·侯世达（Robert Hofstadter）觉得，任何事情，都会超出原计划的时间。
也就是，我们总会预估偏差，尤其在做PPT、老板演讲稿时，本以为认真做完能一遍过，最后可能要大幅度修改。
上述两个定律都强调一个事实，即：
即便你有时间观念，但并不擅长预估完成一件事的时间，除非为持续进行的事情，付出很多努力，否则很难意识到真正完成一个项目，需要经历多少琐事。
怎么办？
你可以选择，什么阶段下表示项目“完成”了，此完成通常指达标、可以交付给领导反馈，同时定期询问哪些部分完成了，能很好避免浪费你的精力，不那么完美的解决方案，才是前进最佳状态。
还有一种情况，有些自己的事情不需要向领导汇报，常常在快完成前觉得太难，彻底放弃。
就像，我早些年开始写作时，基本功不稳，对自己要求又高，还要查文献准确性，就逼得自己“破罐子破摔”；脑子与行动作对时，“损失规避”（loss aversion）完美解释了为什么这样。
简单讲，与获得同等收益相比，我更想避免损失。
失去50块钱造成的不愉快，要比得到50块钱带来的愉悦，要难受，由于我讨厌，又想得到，还有阻力，损失规避的做法反而会在许多情况下导致“内耗”。
这种情况有很多，持有亏损的股票，你总想把它再捞回来、明明想搬家，怕折腾还住在老房子中，同样，规避意味着此前所做的一切都白费了。
沉没成本谬误
丹尼尔·卡尼曼Daniel Kahneman）1992年在《风险与不确定性》杂志上，阐述沉没成本带来的谬误。
他指出，许多存在风险的情况，人们希望潜在收益是损失的两倍，这样，才愿意冒险参与，如果不拿50块钱冒险，你希望有一半概率得到100元。
想要规避，怎么办？
我的一切行动宗旨，站在“机会成本”出发。
长期纠结已经损失的，就是浪费，本来可以用其他时间弥补的过错，就不应该犹豫；同样，获得微不足道的必然收益，然后放弃，肯定会错过潜在机会。
比如：
一份洞察报告已经做了一半，现在放弃，已经投入很多资源在里面，假设，任由这些无法挽回的成本蒙蔽自己，就会成为“沉没成本谬误”（sunk-cost fallacy）的受害者。
换言之，决策面前，你不应该把时间放在“纠结中”，也不应该应为做好的决定，行动一半觉得太难，进行放弃。
如果这个决策本来就是错误的，导致你已经付出一半精力，那沉没成本会升级为“协和谬误”（Concorde fallacy）。
什么意思？
你不能笃定，创业这样做一定成功，团队进行半年后，发现不宜继续下去，但苦于各种投入而将错就错，最后反而贴了老本（throwing good money after bad）。
从不那么重要的决定，到更大决定，日常沉没成本谬误比比皆是，我们应该从现实角度充分审视可能性，从“机会成本”角度给出评估，可真实评估成功概率，是非常难的事。
罗伯特·诺克斯（Robert E.Knox）和詹姆斯·英克斯特（James A. Inkster）在《人格与社会心理学》杂志上，针对赛马场曾做过两项实验。
他们请尽可能多的人，评估自己选择的赛马获胜概率，有些下注前，有些下注后，结果发现，下注之后，投注者对自己的选择更有信心，他们认为获胜概率很高。
显然，实验证明，认为自己决定的事走下去能成，本身是一种认知失调，反之，坚持以“数据为本”有助于避开这种陷阱，有些经济学家认为，亏损时沉没成本可能会损失声誉。
但应该考虑，如果因为拉不下面子，错失某些事情健康发展，本身就是一种失败，对一些成功的人来说，“灵活度”与“韧性”很重要，甚至更为重要。
诚然，一切行动的前置条件就是机会成本。
行动过程中，你必须站在“沉没成本”角度考虑问题，某件事，如果继续坚持，到底会吃掉老本？还是会浪费更多时间？相比不做就是及时止损，你应该考虑，用现有的付出如何争取更大的机会。
不需要做重复无用功
如果说，优秀计划是避开拖延的“左膀”，那么，确保使用正确的工具和流程，就是“右臂”。
好比：
写一本书，第一步确定大纲，确保内容衔接流程，而非想到哪写到哪，任何事情之前，最好提醒自己“无须重复做无用功（no need toreinvent the wheel）”，因为，你不是第一个吃螃蟹的人。
自媒体专家无处不在，任何一个问题，都能找到上百种解法，许多领域，对过去成败经验已经达成共识，我们完全可以避开。
建筑工程师克里斯托佛·亚历山大(Christopher·Alexander)在著作《建筑模式语言》中提到“设计模式”（design pattern），它觉得一个问题出现，必然已经有重复可使用的解决方案存在。
比如：
为什么，所有门把手都安装在同一高度，方便大多数人使用；为什么大部分楼梯都设成同一宽度，方便大多数人行走。
之所以一致，因为它们遵循被证明管用的同一基本设计模式，某些情况下，这些模式已经成为正式标准。
想想拖延想做的事，那些阻力中，有没有设计好的模式？能不能把框架借鉴过来？
我的职业生涯中，用不到4年时间做到总监级，并非有多努力，多会社交，而是很早就发现，市场营销、品牌传播都有一套完善的底层方法和设计方式。
把它们提炼出来，我的认知得到大幅度提升、工作效率事半功倍，当然，日常工作总结、开会、制定各种计划，都有模式可遵循，你必须学会善用工具和前人的设计模式，提高办事效率。
与“设计模式”相反的“反面模式”（anti pattern），有两种意思：
[*]接受某个指令后，自我摸索，闷头干不思考，不找规律
[*]对于有更好已知解决方案的常见问题，有某种看似出于直觉，其实并不管用的“解法”，也就是，看似有方法论，但却用不上
想避免“反面模式”，可以有针对性地寻找它们，然后找出既有的设计模式，但要注意，有时完成任务的最佳方式是，迅速采取行动，而非陷入分析瘫痪。
穷举搜索或启发式
家里的四位密码锁突然忘记密码，该怎么办？有三种方案：
[*]暴力解决（brute force）
[*]穷举搜索（exhaustive search）
[*]启发式（heuristic）
你肯定不会把它砸了（暴力解决），通常找不到解决的规律，对可能解开的众多选项，按照顺序逐一会检验，从中找到那些符合要求的数字。
不过，穷举搜索（exhaustive search）只适合小规模问题，我们搜索信息时，互联网可以用给出大量信息，可也充斥着准确性。
想要找导有价值的内容，你就要把所有信息多比较；亦或基金、投资，你不知道哪只好，于是把所选项历史业绩导入表格，根据标准筛选。
然而，随着问题变大，你就需要更复杂的工具、或昂贵的方法。
比如：
想砍一颗小树，用斧头或手锯就行，要砍更大的树就需电锯，想清理一片树林，首要任务找到”伐木工人”；但有些问题，即使借助复杂的工具也相当棘手。
一个长度为8个字符的密码，存在218亿种组合方式，这不可能靠人工一个个试，用计算机都相当耗时，与随机尝试的每个组合比起来，更好的办法是“启发式”（heuristic）。
丹尼尔·卡尼曼在《思考的快与慢》中描述过该现象，我们可以把困难的问题折合成简单问题，然后反复试错，这种办法无法获得最佳或完美结果，但多数情况下很管用。
Facebook内容审核，正是如此。
该公司刚成立时，并没有针对社区内容管理的前车之鉴可参考，起初制定一套简单启发式规则（例如，图片不可以出现裸照），然后逐渐加入更多要求，公开资料显示，截止2018年，其要求已达到27页以上。
所以，看出有什么区别吗？
穷举搜索把需要解决的问题，按照所有可能项列出来，找出符合的条件；而启发式则根据问题，优先思考哪些经验能够优先解决。
分步或重新定义
另一个解决方法是使用算法（Algorithms），也就是，分步骤的过程；它在今天十分常见，但我们常常没有意识到它的存在。
比如：
以旅行为例，算法控制着交通的管理方式、路线设计、最佳座位、以及给你推荐的各种酒店类型。
算法是简单的（交通信号灯每两分钟变一次），也是复杂的（交通信号根据实时传感器动态变化），甚至可以极为复杂（人工智能控制），许多算法扮演者黑匣子角色。
这意味什么呢？
你不需要了解它的运作方式，我们应该考虑，如何使用工具更快完成任务，甚至从寻找可选项开始，都应该有自己的设计模式，按照模式找步骤。
值得注意的是，我们可能需要花一些时间，分析眼前各种选项的利弊，如果选错工具，会很容易遇到麻烦（浪费钱、工具使用不熟等），这方面也可以寻找同事给出建议。
比如：
老板让你把会议纪要做成思维导图、和项目进度图，你应该设计完成这件事的所有步骤（谁用过这种软件，哪个好用，哪些步骤，每一步分别做什么，内容和结构如何衔接等）。
计算机领域，另一种加速，处理的方法是并行处理（Parallel Processing），也就是并行解决一组问题，它属于“分而治之，逐个击破”（divide and conquer）策略。
假设，你能将一个问题分解成多个独立部分，然后将这些部分交给不同的人解决，就能更迅速地完成更多的任务。
不妨设想，一个项目分解成多个部分，委派不同人员是不是很快，即便自己做，同样也能把多个部分，放在不同时间段，要知道，任何事情并非一蹴而就。
如果还解决不了问题，怎么办？
是时候考虑重新定义问题（reframe the problem）了。大多数游乐设施座位有限的，要在同一时间内供多人乘坐，唯一方法是增加座位，但改造、增加座位相当费钱，还需要长时间关闭游乐设施。
迪士尼就曾面临“排长队”问题。
如果将“怎么才能让人们减少排队等候的时间”重新定义为“怎么才能让人们在排队等候时更开心”，会怎么样？
迪士尼的“快速通行证”（FastPass）允许每位游客有限次地跳过排队，排队区外竖立的“预计等候时间”电子公告牌，让人们不用猜要等多久，此外，排队中还安排了游戏、图片、动画给顾客解闷。
工程和科学领域，任何问题都可以被数学化，当重新定义后就变成更容易的解决形式，这是通过利用“已知算法和设计模式”实现的。
换言之，将难题转换成已有可行解法的问题。
有一位伐木工说过：“如果给我6个小时砍一棵树，我会花4个小时磨快斧子，这是为什么？拖延意味着时间合理性安排不够，“善用时间”可以归结为“明智行事”。
总结一下：
[*]现时偏好有成本，大多数人忽略折现率
[*]利用“承诺”和“默认效应”避免“现时偏好”
[*]定期评估可避免“损失规避”和“沉没成本谬误”
[*]前人已经告诉我们，问题存在即有设计模式
[*]通过既有模式、工具或分步骤寻找捷径
[*]实在太难，要不想想能否重新定义问题？
一件事，行动时非常痛苦、困难，大概率有两方面问题：其一方法不对，其二没有把正确方法形成肌肉记忆；所以，你的延迟，要么“给自己损失设计不够大”，要么是工具方法有问题。
-----------------------------
页:
[1]