帕布莉卡通常情况下，我们看到的是不真实的，哪怕“眼见为实”。因为人在看世界的时候，是带着主观滤镜在看的。没有小孩的时候，我很少注意到街上有没有小孩，有多少小孩。等有了孩子，发现全世界都可以看到小孩。还有类似的例子：怀孕的时候满街都是孕妇；买车的时候，满街都是一个牌子的车；养狗以后满街都是狗等等。滤镜帮我们过滤掉了真实的信息，找到我们期待的信息。我们注意到的都是我们期待的。
而且我们戴的滤镜不止一种，有很多种。
第一个是巴德尔-迈因霍夫现象：当你了解到一个新知识，比如新单词、新概念等，不久之后你就会有机会再一次遇到它。比如我们读书时，学到了一个生僻词，以为没机会用上，没想到很快就在文章里看到了。昨天我和我们的美国外教老师Sally（英美文学博士）探讨写作学习时聊到一本书《Writing Down theBones》，没想到今天翻阅文章时就惊奇地发现了这本书被提及，真的是太巧了。这就是巴德尔-迈因霍夫现象。（其实主要是因为这几天我在为英文写作教学做准备，大概率是会遇到信息重复出现。）
还有一种，叫幸存者偏差，Survivorship bias。（“另译为“生存者偏差”或“存活者偏差”，是一种常见的逻辑谬误（“谬误”而不是“偏差”）。指的是只能看到经过某种筛选而产生的结果，而没有意识到筛选的过程，因此忽略了被筛选掉的关键信息”）举例说明：有些人宣扬“读书无用论”，举的例子也无从反驳：比尔盖茨大学未毕业成为首富；隔壁卖煎饼的月入3万；北大毕业只能卖猪肉等等。举的都是真实的案例，但同时也掉进了幸存者偏差的陷阱。
从2016年的数据表来看：从小学到高中学历，人们的年平均收入的差别不大。但是当学历水平达到大专以上后，会比高中学历的高出2.5倍以上。这些统计数据，明显反应了中国不同受教育阶层之间的收入鸿沟。
这些心理现象经常在我们的生活里出现，并影响着我们的决策。也让我们不能很客观地看待我们的世界。
那怎么样得到比较客观的结论。
第一，做双盲实验。比如说测试是否能区别可口可乐和百事可乐，我们就做过，就用双盲实验，结果得出：区别百事和可口的概率为10%。再做一遍，部分杯子加了冰，结果得出：加冰的可乐会被认为口感更好。
双盲实验主要是为了抵抗主观偏差，或者先入为主的观念。这种方法什么情况下做呢？其实我们产品和市场一线有很多情况都需要这种方法。比如，我们经常有同事说，某某用户觉得我们的产品非常棒，这时如果我们不去做实验，是不是本能就认为产品比别人的好？用双盲实验来检测产品才对。有些情况下团队内部对一些问题的主观认知出现两派，如何找到客观反馈和影响变量时，也可以用双盲实验。它对于产品设计，制度反馈，变量探寻都是非常好的得到数据，推导结论的方法。
第二，找出全面的数据记录。数据是客观的。在没有数据的情况下，我们大部分时间都是参考经验，直接经验（个人经历）和间接经验（学习问询）。一个朋友问我：假设别人向你借一千块钱，年化率30%，你愿意借吗？我说我当然不愿意，这不是那些跑路的互联网金融干的事嘛。朋友说，是的，对你不成立，但你知道有多少人愿意吗？
这就是认知偏差造成的。如何来评判30%年化率的真实性，那就要有全面的数据记录。但这个例子有个基础的东西：法律规定，年化率超过36%的属于高利贷。
实际工作当中，我们不但要有全面的数据，而且还应该有数据来源和记录。这是对数据监控的要求。我们工作的时候，不能简单看个表，营收，现金表，还要看来源和整个记录的过程。
第三，多维度看问题。巴菲特赞美查理芒格，说芒格从很多维度思考问题，绝不单单从行业看投资。我们不能把自己限定在能力许可的那些领域，应该从多个角度来看，不要单从行业来看，可以从政治，文化，心理，历史，甚至天气来看，来思考问题。
对自己的本行，不能雾里看花水中望月；但又需要跳出本行，不能不识庐山真面目，只缘身在此山中。
个体所不知道信息永远是远大于知道的信息。认知和盲区都是无限螺旋式扩大的，但这不重要，只说明人是有无限认知潜力。
今天的信息量是不是有点大？为什么觉得信息量大？
如果你说是，那可能是提问方式让对你主观判断有影响；
如果不是，那可能是阅读环境和习惯对你判断造成影响。
因为不管怎么样都不客观。
无论怎么说，在生活和工作中，还是要时不时，摘下心理滤镜。
借我一双慧眼吧！
PATTICA
