你与你的员工就像所有人一样，都会在思维上历经严重的各种偏差的干扰，那你要如何才能获得真正的好情报呢？
但这些错误倾向是如此深植于人类的思维中，因此你可能要拥有较简易的方法去了解更多的知识，才能克服这些错误的产生。
一、第一步：要求每一项估计数字包含一“自信水准”在内
使情报收集确实系统化的第一步就是问：“这个估计数字的意义何在？”除非你确切知道估计数字的意义所在，否则你很难下手去改进它。
假设你的销售经理宣布说，他“有理由肯定”他能在下一年度卖出20万个华德牌小圈。你了解他的意思，不是说他不多不少就刚好卖出20万个小圈。制造部门是否该规划刚好生产20万个？当然不是这样子。然而他的估计数字又告诉你什么了？在事实上，这位销售经理他本人确切地知道他在表示些什么吗？
为了要真正地创造出有用的估计数字，你必须将它们套入一种使其意义被确切了解的形式中——一种可让你评估某位预测者记录究竟是好是坏的形式。最佳的方式是列明某一范围或自信水准：“我估计我们在下半年度将销售 180000—200000个华德牌小圈。我有80％的把握”。这种形态的估计数字将远比一个数字上斩钉截铁的预测有效得多。它让你的机构能以目前既存的现有知识来规划未来，或是不够确定时，能下功夫以取得更佳的资讯。而且它能使预测者更容易由经验中吸取教训。
这位销售经理如果不说一个范围与自信水准，而只讲他“有理由肯定”他能在下一年度卖出20万个华德牌小圈时，那他是以个人信誉赌注做预测。假设连续三年来他都说，他有理由肯定他将卖出20万个小圈。而实际上第一年卖17.5万个，第二年卖14万个，第三年卖23万个。如果他只说一个单独数字的预测，你的员工可能会无休无止地争议说他的错误是否合理。
但如果他预测了一个范围，每年180000～200000个，配上80％的自信水准条件，那你就能十分肯定有什么地方出了差错：因为三年来一系列的销售数字业已不在预测的范围内，所以那位销售经理该会感觉尴尬下不了台。如果你是他的老板，那你将了解不是他需要更佳的预测训练，就是公司该集中力量在较短期间的预测，这样对他来说比较容易些。
当然，错误的预测不仅会伤害你销售经理的信誉，同时也会伤害你公司的全盘作业。为了保障他本身的信誉起见，你公司的销售经理应学习做更精确的自信范围预估才行。过一阵子后，你可能会发现当他说“80％肯定”某事的时候，是真有80％的机会发生。在理想上该销售经理可运用我们介绍的线性模式的方法来制造其估计数字。
现在这位销售经理的预估数字将可使制造部门能务实地与供应商打交道，及财务部门可规划出务实的现金流量。但若缺乏自信范围的估计数字，妥善的风险评估是真的不可能办到。
有时你是不必以范围的方式来说明你的预测。举例说，如果你推荐挑选某一位承包商，而你又正想表示你有信心，那位老兄将在某一特定日期会来公司，那你可以很简单地说，你有95％的把握该厂家一定会来，而且其工作的表现尚可。
二、第二步：提供回馈与训练使员工精准
一旦你将范围与自信水准引入估计数字之后，你必须要能肯定的是，做预估的员工能及时地收到精确的回馈，他们已在训练中进行改善工作，他们要负责追求卓越的成果。
举例说，荷兰皇家/壳牌公司就通过预测技巧的训练，改善油田钻井分析的精确度节省了好几百万美金的成本。在壳牌公司开始规定雇用的地质学家要在他的预测中列出他们的自信水准之后，发现新雇用的地质学家在列出的自信水准上犯错较多。年轻的地质学家说有50％发现油田的几率，而油田的开采成功率少至每次是30％而已。结果使壳牌公司花了几十亿美金的冤枉钱在钻井上。
这些年轻的地质学家都拥有权威的文凭与证照。但他们所拥有的基本知识大大超过他们所具备的次级知识——他们高估了其已知的部分。在他们摸熟上路，了解油井实际上是如何找到之后，这些年轻的地质学家学习到使其预测“精准”之道。等到地质学家有多年经验时，壳牌公司就可放胆信任他们，如果他们说有12个工地的油井每处都有50％的成功几率的话，那其中约半数的油井是成功的。但是“在职训练”方式造成的干井将远比精准调适过的预测高多了。(www.xing528.com)
因此壳牌公司开办一种新型的训练课程。向无经验的地质学家展示过去实例的汇总资料，其中包含琳琅满目的各种可预测出油田的因素。对每一个案，他们都必须应对一数字化的自信水准。然后，他们会接到回馈——他们被告知是否真的在每个工地发现了石油。
这个训练出奇管用。目前即使是年轻资浅的壳牌公司的地质学家，预测在工地有50％产油机会时，公司也能在每10次的预测中有近5次的收获。
三、第三步：问不附和的问题
“附和偏差”能使睿智的人们令人惊异地远离实际状况。一旦你重新导正你的预估过程，提出正确的范围与自信水准，而非仅以带危险性的单个数字做预测之后，接下来你该做的是定期自问一些适当数目的不附和问题。
不附和思考倾向是经营管理的良师益友。
例如，在一家小型金属制品公司里，一位存货审核员发现他们厂里原料的实际数量与账面所示的应有数量间有差异。工厂经理猜测有小偷在偷这些金属原料，因为近来偷窃问题一直困扰着工厂，经理们要安全警卫提高警觉。他们盘问可疑的员工，甚至还花了一个周末的时间在厂房中找线索，大家绞尽脑汁在这些金属原料是如何被偷的点子上打转。而在存货系统上则显示出被偷的原料数量相当于工厂的一年盈余数字，他们被惊呆了，不知该如何向老板报告这件事，但也找不到小偷的踪影。
到星期一，他们沮丧地向总经理报告这个问题。老板只问了一个问题——但它是一个不附和的问题：“假设是被偷，要偷走多少数量的金属原料才能与差异的数字相等呢？”
这个问题令经理们吃了一惊。他们未曾计算过其数量的多少，因为它与谁可能是小偷的问题无关。在经几分钟的计算后，他们回答说：“要像座小山那么高”。存货系统报告的是一个不可能遗失的金属原料数量。
经理们一个劲地卖力死钻其“小偷理论”，因此未曾自问几个可检视其假设前提的基本问题，“不翼而飞” 的金属原料究竟是多少呢？是否有其他解释差异的理由会比归之于偷窃更合理的呢？老板所问轻轻一击就消除了偷窃的可能性：没有人能神不知鬼不觉地移走这么多吨金属原料。在几个小时后，他们发现因为会计人员的变动，错误地运用了一随时更新存货纪录的程序，造成一次会计上的重大失误。
我们相信总经理的一针见血的能力并不是单纯靠运气。他了解不附和问题的艺术——找寻资讯问题，以显示我们原先的判断发生错误。特别是当有无数的可能性存在时，它是有效消除我们深陷诸多死巷困境的一种紧要的技巧。
我们必须审慎下功夫在问不附和的问题上。写下一些潜在的不附和问题，用以诘问你所做的资讯，收集每一个重大的问题下功夫的着眼点。
你应该自问一些不附和的问题，不仅涵盖你的问题，还要包括你的资料来源在内。通常因为资料的来源持续性的提供错误的资讯，所以造成估计数字或预测有所偏差。
举例说，如果你依赖所雇的电脑程式设计师以其本身的资料来查询电脑，那你可能就要面对那些擅长自我吹嘘远胜于程式功夫的电脑程式设计师们的影响。解决问题是订出一套外界资料诸如介绍人与以前雇主的查核雇用政策。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
