麦克纳马拉谬误

麦克纳马拉谬误就是：做决定时只看容易测量的数字和统计，却忽略了那些无法量化但很重要的品质。比如，仅仅因为亚历克斯处理的工单数量更多就决定提拔他，却忽视了萨姆那些无法量化但至关重要的贡献——他提升了整个团队的士气，还指导初级同事。这会导致糟糕的结果，因为你对现实的认识是不完整的。一家餐厅可能过分关注翻台率，催促顾客快点吃，结果损害了顾客体验和长期忠诚度。

试试这样：有哪些重要因素是我的指标捕捉不到的？

如果对客观、清晰数据的追求导致人们过度重视量化指标、忽视复杂的定性信息，就会出现麦克纳马拉谬误。我们开始把可测量的东西误认为重要的东西。

社会学家丹尼尔·扬克洛维奇最初描述的这个思维模式分为四个阶段：

• 首先，我们测量那些容易测量的东西。这是阻力最小的路径。
• 其次，我们忽略那些不容易测量的东西，或者给它一个随意的、通常没有意义的数值。
• 第三，我们假设不容易测量的东西一定不重要。
• 最后，我们得出结论：不容易测量的东西根本不存在。

这种思维模式在很多领域都会出现。在医疗领域，一家医院可能专注于缩短患者的平均住院时间来提高效率指标。这可能给医生压力，让他们过早地让患者出院，危及患者健康并导致更高的再入院率——这种负面结果源于对单一数字的狭隘关注。

在城市规划中，官员可能仅通过车辆速度和交通流量来衡量交通系统的成功。这可能导致建造更宽的高速公路，破坏适合步行的社区并增加污染，忽略了社区福祉、可达性和生活质量等定性因素。

为了避免这个问题，关键是要有意识地寻找和重视非数字信息。主动寻找那些数字无法提供的故事、反馈和背景。这能为做出更明智、更平衡的决策创造更全面的视角。

麦克纳马拉谬误以美国国防部长罗伯特·麦克纳马拉命名。他在越南战争期间推崇一种严重依赖量化数据来衡量进展的管理风格，例如统计敌方死亡人数。批评者认为，这忽略了士气、当地政治动态和战略控制等关键但无法量化的因素，导致对战争形势产生了扭曲且过于乐观的看法。这个概念后来被正式提出，现在被广泛用于批评商业、政策和其他领域对指标的滥用。

• 哈尔伯斯坦（1972）：在其开创性著作《出类拔萃之辈》中，他记录了麦克纳马拉对统计数据的关注如何导致美国当局系统性地误解越南冲突的本质。[1]
• 穆勒（2018）：在《指标的暴政》中认为，这种谬误在现代机构中普遍存在，导致学校出现“应试教育”以及医生为计费代码而非患者健康进行优化等问题。[2]
• 格雷（2017）：回顾社会学家丹尼尔·扬克洛维奇的研究，本文概述了决策者如何从测量容易的东西，到假设无法测量的东西不重要，最终相信它不存在的四步过程。[3]
• 奥斯汀与加罗（2016）：探讨了这种动态如何在企业环境中发挥作用，设计不当的绩效指标会鼓励员工操纵系统，专注于达成目标而非实现根本的业务目标。[4]

麦克纳马拉谬误并不是反对使用数据或指标。定量分析是客观决策和绩效跟踪的有力工具。这个谬误特指完全依赖指标，导致忽视其他形式的证据。主要挑战在于，定性数据可能是主观的、轶事性的，且难以规模化，使其难以与定量模型整合。关键在于平衡，而非放弃数据。