Anda di halaman 1dari 13

Pada titik ini dalam buku ini, Anda mungkin bertanya-tanya mengapa

penilaian manusia begitu sistematis cacat. Bahkan, situasinya tidak seburuk


kelihatannya. Setelah semua, kita dapat melakukan mujizat komputasi dengan tiga
pon materi abu-abu antara telinga kita. Untuk memilih hanya dua contoh,
kemampuan kita untuk memahami bahasa verbal dan mengenali wajah manusia
jauh melampaui bahwa bahkan yang tercepat dan paling kuat komputer. Para
peneliti yang mempelajari penilaian dan pengambilan keputusan memfokuskan
pekerjaan mereka pada kelemahan dan kekurangan dari penilaian manusia karena
pemeriksaan tersebut memberikan peluang terbaik untuk memahami pikiran
manusia. Kita belajar paling banyak tentang bagaimana kita mencapai tujuan kita
tidak dengan mengamati keberhasilan, tetapi dengan mempertimbangkan
kegagalan. Ketika kita bingung satu wajah dengan yang lain? Ketika kita bingung
satu kata dengan yang lain? Jawaban untuk pertanyaan ini telah membantu kita
memahami bagaimana pikiran kita memproses informasi visual dan auditori (Holt &
Lotto, 2008; Yovel & Kanwisher, 2005). Demikian pula, studi tentang bias
penghakiman telah mengungkapkan banyak tentang bagaimana orang membuat
keputusan.
Studi tentang bias juga dari nilai praktis yang sangat besar. Banyak bukti
menunjukkan bahwa keputusan manajer yang cerdas secara rutin terganggu oleh
bias. Mempelajari bagaimana organisasi gagal dapat memberikan pelajaran yang
berguna tentang apa yang membantu mereka berhasil (Perrow, 1984; Ross & Staw,
1986; Sitkin, 1992; Weick, 1993). Kabar baiknya adalah bahwa banyak teori
menyarankan intervensi untuk meningkatkan pengambilan keputusan telah muncul
dalam literatur penelitian keputusan perilaku, dan banyak dari intervensi ini telah
dikembangkan dan berhasil di dunia nyata.
Satu cerita dari proses berubah keputusan yang efektif muncul pada tahun
2003 buku Michael Lewis Moneyball. Lewis bercerita tentang bagaimana Billy
Beane, general manager dari Oakland Athletics, mengubah sebuah tim bisbol
dengan mempertanyakan intuisi profesional bisbol. Dari tahun 1999, ketika Beane
mengambil alih sebagai manajer umum dari Oakland Athletics, melalui 2002, tim
mencapai rekor benar-benar menakjubkan. Tahun Beane mengambil alih, tim
peringkat kesebelas dari empat belas di Liga Amerika dalam hal penggajian, namun
ditempatkan kelima dari empat belas di menang. Dalam kedua musim 2000 dan
2001, Atletik peringkat kedua belas di gaji dan kedua di menang di Liga Amerika.
Pada tahun 2002, mereka kedua belas di gaji dan pertama di menang di liga.
Selama periode empat tahun ini, tim memiliki rekor terbaik kedua di Major League
Baseball dan salah satu dari dua gaji terkecil di seluruh Liga Amerika. Para pemain
yang diterima kurang dari sepertiga dari jumlah yang diterima oleh New York
Yankees, namun mereka memenangi lebih banyak pertandingan daripada Yankees.
Bagaimana Atletik mencapai keberhasilan ini? Jawaban yang sederhana
adalah bahwa manajer umum Billy Beane, dengan bantuan Paul DePodesta, lulusan
Harvard ekonomi baru-baru ini, menyadari bahwa intuisi eksekutif bisbol terbatas
dan sistematis bias, dan bahwa mereka dianggap '' kebijaksanaan '' tetap telah
dimasukkan ke dalam manajemen personalia dalam cara-cara yang menciptakan
inefisiensi yang sangat besar. Lewis (2003) berpendapat bahwa eksekutif bisbol
secara konsisten bersalah tiga kesalahan. Pertama, mereka overgeneralized dari
pengalaman pribadi mereka. Kedua, mereka terlalu dipengaruhi oleh penampilan
baru-baru ini pemain. Ketiga, mereka terlalu dipengaruhi oleh apa yang mereka lihat
dengan mata mereka sendiri, meskipun catatan multiyear pemain memberikan data
yang jauh lebih baik.
Lebih luas, Beane dan DePodesta menemukan bahwa intuisi ahli dalam
bisbol sistematis overweighted beberapa variabel dan underweighted variabel
lainnya. Hasil membuat jelas bahwa, dalam bisbol, statistik telah mengungguli para
ahli. Setelah memungkinkan intuisi untuk memerintah pengambilan keputusan dalam
bisbol selama lebih dari seratus tahun, tim akhirnya mengganti mereka '' ahli ''
dengan kutu buku yang tahu bagaimana untuk menjalankan persamaan regresi.
Dalam (2003) kata-kata Lewis, '' pasar untuk pemain bisbol sangat tidak
efisien, dan pemahaman umum dari strategi bisbol suara begitu lemah, bahwa
manajemen unggul bisa menjalankan lingkaran di sekitar tumpukan tinggi dari kas. ''
Setelah sukses Beane, banyak tim mencoba untuk menyewa DePodesta sebagai
manajer umum mereka dan sebagian besar tim belajar untuk lebih mengandalkan
analisis statistik untuk memprediksi kinerja masa depan pemain (Schwarz, 2005).
Kisah sukses Atletik menimbulkan beberapa pertanyaan menarik. Mengapa
begitu lama waktu yang untuk rasionalitas untuk masuk ke dalam pengambilan
keputusan dalam bisbol? Sejauh mana manajer di industri lain masih mengandalkan
keahlian palsu ketika strategi yang lebih baik ada? Sebagai Thaler dan Sunstein
(2003) catatan dalam tinjauan mendalam mereka Moneyball, bisbol profesional tidak
bodoh, tetapi mereka adalah manusia. Seperti kita semua, mereka cenderung
mengandalkan heuristik sederhana, tradisi, dan kebiasaan, yang pada gilirannya
menciptakan kebijaksanaan konvensional yang diatur bisbol selama lebih dari satu
abad. Dibutuhkan waktu, usaha, dan keberanian untuk sebuah organisasi untuk
bergerak dari mengandalkan intuisi rusak untuk hati-hati menilai data dan
menggunakan teknik statistik yang sesuai.
Lewis (2003) berpendapat bahwa kesalahan didokumentasikan dalam Major
League Baseball mungkin lebih parah di industri lain. Setelah semua, olahraga
bisbol penuh, data yang dapat dipercaya sangat baik. Thaler dan Sunstein (2003)
membandingkan kecenderungan eksekutif bisbol untuk mengabaikan kekayaan
statistik untuk kecenderungan manajer personil untuk mendasarkan keputusan
perekrutan pada mereka '' usus '' reaksi terhadap wawancara kerja bukan pada data
hard tersedia di pelamar. Eksekutif cenderung mempercayai reaksi intuitif mereka
untuk wawancara, meskipun penelitian yang luas menunjukkan bahwa wawancara
memberikan sedikit kepastian tentang kinerja masa depan. Thaler dan Sunstein
berdebat untuk seleksi personil berdasarkan prediksi kinerja nyata (nilai, skor tes,
masa lalu kinerja perusahaan, dll) bukan pada intuisi dikumpulkan dari wawancara.
Dalam bab ini, kami berpendapat bahwa sebagian besar organisasi memiliki
kesempatan untuk secara signifikan meningkatkan efektivitas proses pengambilan
keputusan mereka. Kami tidak akan berpendapat bahwa eksekutif kurang dalam
kecerdasan. Sebaliknya, seperti eksekutif bisbol, sebagian besar profesional
membuat keputusan yang jatuh pendek dari perilaku obyektif rasional dan
melakukannya dengan cara yang spesifik dan sistematis. Pertanyaan kritis adalah:
Apa yang bisa kita lakukan untuk memperbaiki kekurangan ini? Bab penutup ini
membahas enam strategi konkret dan saling melengkapi untuk membuat keputusan
yang lebih baik: (1) menggunakan alat pengambilan analisis, (2) keahlian
memperoleh, (3) debias penilaian Anda, (4) alasan analogis, (5) mengambil
pandangan orang luar, dan (6) memahami bias pada orang lain.
STRATEGI 1: PENGGUNAAN KEPUTUSAN-ALAT ANALISIS
Karena kita tidak membuat keputusan yang optimal secara intuitif atau secara
otomatis, ketika keputusan kualitas benar-benar penting, masuk akal untuk
mengandalkan prosedur yang dapat membantu mengarahkan kita ke arah
keputusan yang lebih optimal. Bidang studi yang mengkhususkan diri dalam
memberikan semacam ini saran keputusan preskriptif umumnya disebut analisis
keputusan, dan sejumlah buku telah disuling kebijaksanaan bidang ini dan
memberikan panduan yang berguna untuk membuat keputusan (misalnya, lihat
Goodwin, 1999; Hammond, Keeney, & Raiffa, 1999). Pendekatan ini biasanya
mengharuskan Anda untuk mengukur baik preferensi Anda dan nilai Anda
menempatkan pada setiap dari berbagai pilihan keputusan. Rasional strategi
pengambilan keputusan juga mengharuskan Anda untuk lebih spesifik tentang
probabilitas yang terkait dengan hasil masa depan yang tidak pasti.
Analisis keputusan biasanya memandu pengambilan keputusan
menggunakan logika nilai yang diharapkan. Untuk menghitung nilai yang diharapkan
opsi ini, Anda harus kalikan nilainya dengan probabilitas.
Jadi, misalnya, untuk menghitung nilai dolar dari tiket lotere, Anda akan perlu untuk
melipatgandakan nilai dolar dari pembayaran dengan probabilitas menerima
pembayaran itu. Karena nilai yang diharapkan dari tiket lotere hampir selalu kurang
dari biaya untuk membeli mereka, membeli tiket lotre biasanya tidak baik
penggunaan uang Anda. Ketika keputusan memiliki beberapa dimensi-seperti pilihan
antara dua rumah, satu yang mahal dan
baru saja direnovasi dan lain yang harganya lebih masuk akal tapi itu membutuhkan
lebih banyak
pekerjaan-keputusan biasanya memerlukan beberapa jenis multi-atribut perhitungan
utilitas. Perhitungan ini akan memaksa pembuat keputusan untuk menimbang
kesediaannya untuk menghabiskan uang
terhadap kesediaannya untuk melakukan pekerjaan perbaikan rumah.
Seringkali, bagaimanapun, bisnis perlu membuat serangkaian keputusan
yang sama berulang-ulang. Misalnya, perusahaan perlu menentukan pelamar untuk
menyewa. Eksekutif harus memutuskan mana karyawan untuk mempromosikan dan
seberapa besar bonus masing-masing karyawan harus. Petugas pinjaman bank
perlu memutuskan apakah akan memberikan kredit kepada pemohon pinjaman.
Venture kapitalis perlu memutuskan apakah untuk mendanai usaha baru seorang
pengusaha.
Apa Itu Model Linear?
Salah satu alat yang sangat baik untuk membuat hal-keputusan adalah model-linear
formula yang berat dan menambahkan sampai variabel prediktor yang relevan untuk
membuat prediksi kuantitatif. Sebagai contoh, Don baru-baru ini meminta dokter
anak-anaknya untuk memprediksi seberapa tinggi anak lima tahun lamanya, Josh,
akan tumbuh menjadi. Dokter anak menawarkan model linier sederhana dalam
respon. Dia mengatakan bahwa tinggi dewasa anak paling diprediksi dengan
perhitungan sebagai berikut: Pertama, rata-rata ketinggian orang tua. Kedua, jika
anak laki-laki, menambahkan dua inci dengan rata-rata orang tua. Jika anak
perempuan, mengurangi dua inci dari rata-rata orang tua. Model linear tak terhitung
ada untuk membantu kami melakukan prediksi informasi.
Sebuah model linier disebut PECOTA, misalnya, membantu tim bisbol
memprediksi pertunjukan players'future menggunakan data seperti usia mereka,
ketinggian, bobot, dan pertunjukan sebelumnya (Schwarz, 2005). Bahkan ada
perusahaan yang menggunakan model linier rahasia untuk membantu studio film
memprediksi berapa banyak uang film mereka akan mendapatkan (Gladwell, 2006).
Mengapa Model Linear Bisa Menyebabkan Keputusan unggul
Para peneliti telah menemukan bahwa model linear menghasilkan prediksi yang
lebih unggul dengan yang ahli di jajaran domain. Selain itu, penelitian telah
menemukan bahwa lebih model yang kompleks hanya menghasilkan perbaikan
marjinal lebih kerangka linear sederhana. Dawes (1979) berpendapat bahwa model
linear lebih unggul karena orang-orang yang jauh lebih baik di memilih dan
pengkodean informasi (seperti variabel apa yang akan dimasukkan dalam model)
daripada mereka mengintegrasikan informasi (menggunakan data untuk membuat
prediksi).
Einhorn (1972) menggambarkan hal ini dalam sebuah studi dari dokter yang berkode
biopsi dari pasien dengan penyakit Hodgkin dan kemudian membuat rating
keseluruhan keparahan penyakit. Peringkat individual tidak memiliki daya prediksi
waktu kelangsungan hidup pasien, semuanya meninggal karena penyakit ini.
Namun, variabel bahwa dokter yang dipilih untuk kode melakukan memprediksi
waktu kelangsungan hidup ketika bobot optimal ditentukan dengan model regresi
berganda. Para dokter tahu informasi apa yang harus dipertimbangkan, tetapi
mereka tidak tahu bagaimana mengintegrasikan informasi ini secara konsisten
menjadi prediksi yang valid.
Selain memiliki informasi kesulitan mengintegrasikan, kami juga tidak
konsisten.
Mengingat data yang sama, kita tidak akan selalu membuat keputusan yang sama.
Penilaian kami dipengaruhi oleh mood, interpretasi subjektif, lingkungan, tenggat
waktu, fluktuasi acak, dan banyak lainnya karakteristik nonstable. Sebaliknya, model
linear akan selalu membuat keputusan yang sama dengan input yang sama. Dengan
demikian, model menangkap kebijakan yang mendasari yang ahli menggunakan
sambil menghindari kesalahan acak ahli. Selain itu, para ahli mungkin akan
terpengaruh oleh bias tertentu dipicu oleh kasus-kasus tertentu. Sebaliknya, model
hanya mencakup data aktual yang secara empiris dikenal memiliki daya prediksi,
bukan arti-penting atau keterwakilan yang atau data lain yang tersedia. Singkatnya,
model linear dapat diprogram untuk menghindari bias yang diketahui merusak
penilaian manusia.
Bias tersebut adalah umum dalam keputusan keuangan, keputusan
personalia perusahaan, keputusan pinjaman bank, dan keputusan pembelian rutin.
Dalam masing-masing domain, pengambil keputusan harus membuat beberapa
keputusan rutin berdasarkan set yang sama variabel-tugas cocok untuk model
linear. Model tersebut memungkinkan organisasi untuk mengidentifikasi faktor-faktor
yang penting dalam keputusan-keputusan para ahlinya. Dengan demikian, terlepas
dari kekuatan prediksi mereka unggul, umpan balik dan pelatihan peluang yang
disediakan oleh model linear membuat mereka alat manajerial yang berharga.
Mengapa Kita Resist Model Linear
Sementara bukti cukup mendukung kekuatan model linear, model tersebut belum
banyak digunakan. Kenapa tidak? Resistensi terhadap mereka yang kuat. Beberapa
telah menyuarakan keprihatinan etika, seperti yang satu ini dijelaskan oleh Dawes
(1979):
Ketika saya berada di Los Angeles Renaissance adil musim panas lalu, saya
mendengar seorang wanita muda mengeluh bahwa itu adalah '' mengerikan yang
tidak adil '' bahwa dia telah ditolak oleh Departemen Psikologi di University of
California, Santa Barbara, atas dasar nomor belaka, bahkan tanpa sebuah
wawancara. Bagaimana mungkin mereka tahu apa aku seperti?' Jawabannya
adalah mereka tidak bisa. Juga tidak bisa mereka dengan sebuah wawancara.
Dawes berpendapat bahwa pengambil keputusan menunjukkan
kesombongan tidak etis dalam mempercayai bahwa wawancara setengah jam
mengarah ke prediksi yang lebih baik daripada informasi yang terdapat dalam
transkrip meliputi tiga-dan-a-setengah tahun kerja dan penilaian bakat hati-hati
dirancang ujian papan pascasarjana.
Sekarang mempertimbangkan respon yang Max menerima ketika ia bertanya
kepada seorang arbiter terkenal untuk membuat sejumlah keputusan sebagai bagian
dari studi arbiter proses pengambilan keputusan:
Anda berada di suatu pencarian ilusi! Arbiter lain mungkin menanggapi kuesioner
Anda; tetapi pada akhirnya Anda akan memiliki apa-apa selain menyolok tapi tdk
dan pengumpulan tanggapan yang akan meninggalkan Anda masih bertanya
bagaimana arbiter memutuskan kasus. Memberitahu Anda bagaimana saya akan
memutuskan dalam skenario yang disediakan benar-benar akan memberitahu Anda
apa-apa dari nilai apapun dalam hal apa yang bergerak arbiter untuk memutuskan
seperti yang mereka lakukan. Serta meminta seorang pemuda mengapa dia tergila-
gila dengan gadis tertentu ketika kebajikan sterling nya tidak begitu jelas. Serta
meminta nenek saya bagaimana dan mengapa ia memilih tertentu '' mushmelon ''
dari kios '' mushmelons. '' Kiamat, rasa, pengalaman, dan banyak hal lainnya terlalu
banyak untuk disebutkan adalah faktor dalam keputusan. (Bazerman, 1985)
Berbeda dengan penolakan ini arbiter dari kemungkinan sistematis
mempelajari proses pengambilan keputusan, penelitian di bidang ini benar-benar
menunjukkan bahwa model linier yang mampu menangkap pengambilan keputusan
Model (atau pilihan neneknya dari mushmelon). Argumen lain yang umum dilakukan
terhadap alat pengambilan analisis seperti model linear adalah bahwa mereka
mengesampingkan masuknya intuisi atau perasaan usus. Dalam sebuah cerita
apokrif, Howard Raiffa berada di fakultas di Columbia dan menerima tawaran dari
Harvard. Menurut cerita, ia mengunjungi dekan di Columbia, yang juga temannya,
dan meminta bantuan dengan keputusannya. Sinis, dekan, meminjam dari tulisan-
tulisan Raiffa pada analisis keputusan, mengatakan Raiffa untuk mengidentifikasi
kriteria yang relevan, berat masing-masing kriteria, tingkat masing-masing sekolah
pada masing-masing kriteria, melakukan aritmatika, lihat yang sekolah memiliki skor
keseluruhan terbaik, dan pergi ke sana. Seharusnya, Raiffa protes, '' Tidak, ini
adalah keputusan yang serius! '' Sementara ia menikmati cerita ini, Raiffa
mengatakan itu hanya tidak benar. Yang lebih penting keputusan itu, ia tetap
percaya, yang lebih penting adalah untuk berpikir sistematis tentang hal itu.
Akhirnya, orang kadang-kadang berpendapat bahwa penggunaan model
linear akan memerlukan perubahan sulit dalam organisasi. Apa yang akan petugas
pinjaman bank atau penerimaan perguruan tinggi petugas lakukan ketika komputer
membuat keputusan? Kekhawatiran tersebut mengungkapkan rasa takut bahwa
orang-orang tidak diperlukan untuk model linear untuk membuat keputusan. Bahkan,
orang memainkan peran penting dalam model. Orang memutuskan variabel yang
dimasukkan ke dalam model dan bagaimana berat badan mereka. Orang juga
memantau kinerja model dan menentukan kapan itu perlu diperbarui. Namun
demikian, resistensi terhadap perubahan adalah alami, dan ketahanan terhadap
penggunaan model keputusan linear jelas tidak terkecuali. Mengatasi bias terhadap,
penilaian berbasis ahli komputer-dirumuskan adalah langkah lain yang dapat Anda
lakukan untuk meningkatkan kemampuan pengambilan keputusan Anda. Sekarang
kita akan melihat lebih dekat dua domain di mana bukti menunjukkan bahwa model
linear dapat menyebabkan hasil organisasi yang lebih baik: keputusan penerimaan
lulusan sekolah dan keputusan perekrutan.
Meningkatkan Penerimaan Keputusan
Nilai menggunakan model linear dalam perekrutan, penerimaan, dan keputusan
seleksi disorot oleh karya Moore dan rekan-rekannya melakukan interpretasi nilai
(Moore, Swift, Sharek, & Gino, 2007). Mereka menemukan perbedaan substansial
dalam praktek gradasi dari perguruan tinggi, bahkan antara lembaga-lembaga
kualitas yang sama dan selektivitas. Hasil penelitian menunjukkan bahwa
mahasiswa dari perguruan tinggi dengan lebih gradasi ringan lebih mungkin untuk
masuk ke sekolah pascasarjana, bahkan setelah mengendalikan kualitas lembaga
dan kualitas mahasiswa. Karena varian dari heuristik keterwakilan disebut bias
korespondensi (Gilbert & Malone, 1995), sekolah pascasarjana salah menafsirkan
IPK tinggi alumni dari lembaga ringan-gradasi sebagai menunjukkan kinerja tinggi.
Korespondensi Bias menggambarkan kecenderungan untuk mengambil orang lain
pada nilai nominal, dengan asumsi bahwa perilaku mereka (atau IPK mereka) sesuai
dengan sifat-sifat bawaan mereka. Bias ini tetap ada bahkan ketika mereka
membuat keputusan penerimaan memiliki informasi lengkap tentang praktik gradasi
lembaga yang berbeda. Tampaknya bahwa orang memiliki kesulitan cukup
mendiskontokan nilai tinggi yang disebabkan gradasi lunak.
Sebaliknya, itu akan mudah untuk membuat sebuah program linier untuk
menghindari kesalahan ini. Memang, Dawes (1971) tidak hanya itu dalam karyanya
pada keputusan penerimaan lulusan sekolah. Dawes menggunakan metode umum
untuk mengembangkan model linier nya: ia pertama kali dimodelkan keputusan
penerimaan dari komite empat orang. Dengan kata lain, ia secara sistematis
menganalisis bagaimana panitia membuat keputusan penerimaan yang
mengandalkan pada tiga faktor: (1) Graduate Record Examination skor, (2) titik rata-
rata kelas sarjana, dan (3) kualitas sekolah sarjana. Dawes kemudian menggunakan
bobot variabel ia diperoleh dari pemodelan para ahli dalam model linear untuk
memprediksi nilai rata-rata dari 384 pelamar lainnya. Ia menemukan bahwa model
dapat digunakan untuk menyingkirkan 55 persen dari pemohon kolam renang tanpa
pernah menolak pemohon bahwa panitia seleksi telah sebenarnya diterima. Selain
itu, model linear lebih baik dari komite itu sendiri dalam memprediksi peringkat masa
depan pelamar diterima dan diterima sebagai mahasiswa oleh dosen! Pada tahun
1971, Dawes memperkirakan bahwa penggunaan model linear sebagai perangkat
screening oleh sekolah pascasarjana bangsa (belum lagi dengan domain yang lebih
besar dari penerimaan sarjana, merekrut perusahaan, dan sebagainya) bisa
menghasilkan penghematan tahunan sekitar $ 18 juta dalam waktu profesional.
Disesuaikan dengan dolar hari ini dan saat ini jumlah aplikasi sekolah pascasarjana,
jumlah itu akan dengan mudah melebihi $ 500 juta.
Meningkatkan Keputusan Mempekerjakan
Mempekerjakan keputusan adalah salah satu keputusan yang paling penting suatu
organisasi dapat membuat. Hampir setiap perusahaan di dunia bergantung pada
tidak terstruktur, wawancara kerja tatap muka sebagai alat yang paling penting untuk
memilih karyawan yang telah melewati proses penyaringan awal. Efektivitas
wawancara kerja untuk memprediksi kinerja pekerjaan masa depan telah menjadi
subyek dari studi ekstensif oleh psikolog industri. Penelitian ini menunjukkan bahwa
wawancara kerja tidak bekerja dengan baik. Secara khusus, wawancara kerja
memprediksi hanya sekitar 14 persen dari variabilitas dalam kinerja karyawan
(Schmidt & Hunter, 1998). Pada bagian, angka ini sangat rendah karena
memprediksi kinerja pekerjaan sulit dan beberapa alat melakukannya dengan baik.
Namun beberapa alat penilaian yang memprediksi kinerja jauh lebih baik
dibandingkan wawancara terstruktur, dan dengan biaya yang jauh lebih rendah.
Jadi, mengapa orang terus percaya begitu kuat dalam wawancara kerja? Manajer
iman yang kuat dalam nilai wawancara adalah hasil dari '' badai sempurna '' bias
kognitif:
Ketersediaan: Pewawancara mungkin berpikir mereka tahu apa yang merupakan
kinerja karyawan yang unggul, tetapi informasi mereka sangat tidak sempurna.
Beberapa perusahaan repot-repot untuk mengumpulkan data yang berguna pada
atribut yang karyawan butuhkan untuk berhasil dalam posisi tertentu atau dalam
organisasi yang lebih luas. Akibatnya, manajer harus mengandalkan intuisi mereka
untuk menentukan apakah atau tidak calon pekerjaan memiliki kualitas yang
diperlukan untuk sukses.
_ Mempengaruhi heuristik: Orang-orang membuat evaluasi sangat cepat dari
apakah mereka suka orang lain atau tidak, berdasarkan fitur dangkal orang seperti
daya tarik fisik, tingkah laku, atau kesamaan diri (Ambady, Krabbenoft, & Hogan,
2006; Ambady & Rosenthal, 1993 ). Manajer jarang merevisi ini kesan pertama
dalam perjalanan dari wawancara kerja (Dougherty, Turban, & Callender, 1994).
Manajer kadang-kadang mengklaim bahwa wawancara memungkinkan mereka
untuk menilai potensi kandidat '' cocok '' dengan perusahaan, tetapi penilaian ini
biasanya tidak didasarkan pada pengukuran yang sistematis dari kualitas kandidat,
dan sedikit lebih dari respon afektif intuitif pewawancara.
_ Keterwakilan: Intuisi juga menyebabkan manajer untuk percaya bahwa jika
seseorang dapat berbicara koheren tentang tujuan dia, organisasi, atau pekerjaan,
maka dia akan tampil baik di pekerjaan. Untuk sebagian besar pekerjaan,
bagaimanapun, kinerja wawancara lemah terkait dengan kinerja pekerjaan yang
sebenarnya. Orang ekstrover, mudah bergaul, tinggi, menarik, dan manis sering
membuat tayangan wawancara lebih positif daripada yang lain. Namun, sifat-sifat ini
sering kurang penting untuk kinerja pekerjaan daripada yang lain, sifat-sifat yang
kurang segera diamati, seperti kesadaran dan kecerdasan.
_ Konfirmasi heuristik: Setelah mewawancarai sejumlah orang untuk posisi dan
mempekerjakan salah satu dari mereka, manajer belajar hanya tentang kinerja
orang yang dipilih (Einhorn & Hogarth, 1978). Tanpa mengetahui apakah seseorang
yang melakukan lebih baik dari pelamar ditolak akan memiliki, manajer tidak memiliki
data yang mereka akan perlu untuk menilai apakah mekanisme pemilihan mereka
efektif.
Apa alternatif yang lebih baik untuk tatap muka, wawancara kerja terstruktur?
Sejumlah alat seleksi lainnya yang tersedia, sebagian besar yang lebih murah untuk
diterapkan daripada wawancara, termasuk tes kecerdasan sederhana. Tetapi jika
organisasi bersikeras melakukan wawancara, mereka harus menggunakan
wawancara terstruktur di mana semua calon karyawan ditinjau oleh set yang sama
pewawancara dan di mana setiap pewawancara menanyakan pertanyaan yang
sama dari masing-masing calon (Schmidt & Hunter, 1998). Selain itu, penilaian
kuantitatif pewawancara seharusnya hanya satu komponen dimasukkan ke dalam
model linier, bersama dengan kecerdasan, tahun pengalaman kerja yang relevan,
dan sebagainya.

STRATEGI 2: memperoleh keahlian


Banyak bias kami telah diperiksa dalam buku ini diidentifikasi dalam percobaan
dengan peserta siswa yang tidak dihargai untuk kinerja yang akurat dan yang
membuat keputusan dalam domain tugas asing bagi mereka. Dengan demikian, satu
kemungkinan optimis adalah bahwa para ahli atau pengambil keputusan mengalami
menghadapi keputusan dunia nyata penting mungkin jauh lebih sedikit dipengaruhi
oleh bias dari sebagian besar peserta penelitian. Apakah buku ini tidak adil
membesar-besarkan prevalensi bias penghakiman? Hal ini tentunya sebuah
pertanyaan penting, karena pengalaman dan keahlian mungkin menjadi alat yang
berguna untuk meningkatkan pengambilan keputusan.
Beberapa peneliti percaya bahwa proses peningkatan penghakiman akan
terjadi secara alami sebagai individu menerima umpan balik tentang keputusan
masa lalu mereka. Pandangan ini diwakili oleh Kagel dan Levin (1986, p 917.)
Dalam analisis mereka dari kutukan pemenang dalam penawaran kompetitif dibahas
dalam Bab 3:
Mengingat pengalaman yang cukup dan umpan balik mengenai hasil dari keputusan
mereka, kami tidak ragu bahwa peserta eksperimental kami , serta sebagian besar
penawar di '' dunia nyata '' pengaturan, akhirnya akan belajar untuk menghindari
kutukan pemenang dalam setiap set keadaan tertentu. Kutukan pemenang adalah
fenomena ketidakseimbangan yang akan memperbaiki sendiri diberikan waktu yang
cukup dan tepat umpan balik informasi.
Bahkan, Kagel dan Levin (1986) yang menunjukkan penurunan kutukan
pemenang dalam konteks lelang karena pasar (tapi pemain tidak perlu spesifik) ''
dari waktu ke waktu 'belajar'. Namun, banyak pembelajaran ini dapat dikaitkan
dengan fenomena di mana penawar yang paling agresif bangkrut dan keluar dari
pasar. Belajar tambahan terjadi dengan mengamati kerugian yang konsisten yang
diderita oleh '' pemenang '' dalam lelang.
Jelas, pengalaman hidup membantu kita untuk meningkatkan berbagai
keterampilan dan meninggalkan banyak kebiasaan buruk. Sayangnya, distorsi
menghakimi kami mungkin tidak berada di antara mereka. Tversky dan Kahneman
(1986) berpendapat bahwa bias menghakimi dasar tidak mungkin untuk
memperbaiki diri dari waktu ke waktu. Belajar responsif membutuhkan umpan balik
yang akurat dan segera, yang jarang tersedia di dunia nyata karena
(i) hasil biasanya tertunda dan tidak mudah disebabkan tindakan tertentu; (ii)
variabilitas di lingkungan degradasi keandalan umpan balik. . . ; (iii) seringkali tidak
ada informasi tentang apa hasilnya seandainya keputusan lain telah diambil; dan (iv)
keputusan yang paling penting adalah unik dan karena itu memberikan sedikit
kesempatan untuk belajar (lihat Einhorn dan Hogarth, 1978). . . klaim bahwa
kesalahan tertentu akan dihilangkan oleh pengalaman harus didukung dengan
menunjukkan bahwa kondisi pembelajaran yang efektif puas. (pp. s274-s275)
Menggunakan '' Mengakuisisi Perusahaan 'masalah yang dijelaskan pada
Bab 3, Ball, Bazerman, dan Carroll (1991) menguji kemampuan individu untuk
belajar untuk menghindari kutukan pemenang dengan memasukkan keputusan
orang lain ke dalam pengambilan keputusan mereka. Peserta dalam percobaan ini
bermain untuk uang riil, bermain di dua puluh uji coba, dan diberi umpan balik penuh
segera setelah setiap percobaan berdasarkan pada penentuan acak dari nilai
perusahaan; di samping itu, mereka bisa mengamati perubahan dalam
keseimbangan aset mereka (yang hampir selalu turun). Dengan demikian, jika
dibandingkan dengan keterbatasan yang dikutip oleh Tversky dan Kahneman
(1986), kondisi ideal ada untuk belajar dari kesalahan masa lalu. Satu-satunya
batasan yang tidak dihilangkan, yaitu, variabilitas lingkungan (ii di atas), adalah
bagian alami dari fenomena kutukan pemenang. Dengan demikian, para peneliti
mampu untuk melihat apakah atau tidak kemampuan untuk mempertimbangkan
kognisi dari pihak lain dalam masalah negosiasi bilateral dapat dipelajari dalam
lingkungan yang sangat menguntungkan.
Mengingat bahwa $ 0 adalah jawaban yang benar dan yang $ 50 sampai $ 75
adalah jawaban biasanya diperoleh ketika pengambil keputusan mengabaikan
kognisi orang lain, memeriksa tawaran rata di dua puluh uji coba pada Gambar 11.1.
Di seberang dua puluh uji coba, tidak ada tren yang jelas menunjukkan bahwa
peserta belajar respon yang benar. Bahkan, hanya lima dari tujuh puluh dua peserta
dari program MBA terkemuka belajar selama persidangan. Kesimpulan umum kita?
Individu tidak mungkin untuk mengatasi kutukan pemenang hanya dengan
pengalaman atau umpan balik.
Bukti ini melukiskan gambaran pesimis gagasan bahwa pengalaman akan
menyembuhkan bias keputusan diidentifikasi dalam buku ini. Bahkan, Bereby-Meyer
dan Grosskopf (2008) mencatat bahwa bahkan ratusan percobaan tidak mengarah
sebagian besar peserta penelitian untuk memecahkan Mendapatkan masalah
Perusahaan. Bukti ini konsisten dengan dokumentasi bias yang luas dalam
pengambilan keputusan oleh investor yang sebenarnya, agen real-estate, dokter,
dan banyak lainnya '' pakar '' kelompok. Neale dan Northcraft (1989) mengusulkan
bahwa bias pengambilan keputusan hasil bisa dihilangkan atau diperbaiki melalui
pengembangan keahlian. Sementara kita sering berpikir dari pengalaman dan
keahlian sebagai erat terkait, Neale dan Northcraft didefinisikan pengalaman hanya
sebagai umpan balik berulang. Sebaliknya, mereka menegaskan bahwa hasil
keahlian ketika individu mengembangkan '' konseptualisasi strategis '' dari apa yang
merupakan proses pengambilan keputusan yang rasional dan belajar untuk
mengenali bias yang membatasi rasionalitas.
Neale dan Northcraft ini pengalaman / keahlian perbedaan sangat relevan
dengan pertanyaan apakah atau tidak pengambil keputusan yang berpengalaman
bisa mendapatkan keuntungan dari studi tentang pengambilan keputusan. Northcraft
dan Neale (1987) studi penahan dan penyesuaian antara agen real-estate
menunjukkan bahwa pengambil keputusan yang berpengalaman bisa sangat bias.
Selain itu, sementara sebagian besar '' pembuat keputusan yang efektif '' berhasil
dalam domain tertentu, pengalaman tanpa keahlian bisa sangat berbahaya ketika
ditransfer ke konteks yang berbeda atau ketika perubahan lingkungan. Bukti dari
Bab 2 menunjukkan bahwa sebagai jumlah ketidaktahuan mereka meningkat,
individu menjadi lebih percaya diri mengenai penilaian keliru mereka.
Jika Anda berpikir pengalaman yang akan membantu negosiator melakukan
pekerjaan yang lebih baik memahami harga reservasi sisi lain, pikirkan lagi. Larrick
dan Wu (2007) menemukan bahwa, ketika datang ke memperkirakan ukuran zona
tawar, pengalaman akan membantu kami benar hanya satu jenis kesalahan: terlalu
tinggi dari ukuran zona tawar ini. Ketika Anda berpikir zona tawar jauh lebih besar
dari itu, rekan negosiasi Anda akan membantu Anda mengidentifikasi dan
memperbaiki kesalahan Anda dengan menolak untuk menyetujui menangani pada
harga yang Anda usulkan. Ketika, di sisi lain, Anda meremehkan ukuran zona tawar,
Anda akan berakhir menawarkan sisi lain lebih dari yang diperlukan. Meskipun dia
mungkin akan ingin menerima tawaran Anda, ia mungkin mencoba untuk
mendapatkan Anda untuk mengakui sedikit lebih pertama, sehingga Anda akan
berpikir bahwa tawaran Anda dekat dengan harga reservasi nya. Jenis pengalaman
biasanya akan memimpin negosiator untuk percaya bahwa zona tawar lebih kecil
dari mereka dan bahwa mereka perlu untuk membuat penawaran lebih murah hati
kepada lawan negosiasi mereka.
Menekankan kelemahan dari mengandalkan pengalaman untuk pengetahuan,
Dawes (1988) mencatat bahwa kutipan terkenal Benjamin Franklin '' pengalaman
adalah guru sayang '' sering disalahartikan berarti '' pengalaman adalah guru terbaik,
'' padahal sebenarnya Franklin menggunakan '' sayang '' sebagai sinonim untuk ''
mahal. '' Setelah semua, kutipan terus, '' namun bodoh akan belajar tidak [sekolah]
lainnya. '' Dawes menulis,
belajar dari pengalaman kegagalan. . . memang '' Sayang, '' dan bahkan bisa
berakibat fatal. . . . apalagi, pengalaman keberhasilan mungkin memiliki hasil negatif
serta positif ketika orang-orang tanpa berpikir belajar dari mereka. . . . Orang yang
sukses luar biasa-atau beruntung-pada umumnya dapat menyimpulkan dari mereka
'' pengalaman '' bahwa mereka kebal dan akibatnya bencana pengadilan karena
gagal untuk memantau perilaku mereka dan implikasinya.
Pandangan pengalaman menegaskan kembali nilai komparatif mendapatkan
pemahaman konseptual tentang bagaimana untuk membuat keputusan yang
rasional, bukan hanya tergantung pada relatif tak ada artinya, pembelajaran pasif
diperoleh melalui pengalaman. Keahlian membutuhkan lebih dari umpan balik yang
tidak jelas tidak pasti, tak terkendali, dan sering tertunda hasil. Sebaliknya, itu
memerlukan pemantauan konstan dan kesadaran proses pengambilan keputusan
kami. Manfaat final mengembangkan konseptualisasi strategis pengambilan
keputusan kekhawatiran pengalihan. Jika Anda bertanya pengambil keputusan yang
berpengalaman untuk rahasia sukses mereka, mereka secara rutin bersikeras
bahwa keterampilan mereka telah dikembangkan selama tahun pengamatan dan
pengalaman yang tidak dapat diajarkan. Hal ini jelas mengurangi kemampuan
mereka untuk menyampaikan pengetahuan mereka kepada orang lain. Dengan
demikian, pengalaman tanpa keahlian membatasi kemampuan untuk mentransfer
pengetahuan kepada generasi mendatang.
Unsur kunci dari mengembangkan konseptualisasi strategis pengambilan
keputusan adalah belajar untuk menghindari banyak bias dalam konteks individu
dan kelompok yang telah kita bahas di Bab 1 sampai 10. Namun, kesadaran
hanyalah salah satu langkah dalam proses. Strategi lain, debiasing, adalah topik
bagian berikutnya.
STRATEGI 3: DEBIAS PENGHAKIMAN ANDA
Debiasing mengacu prosedur untuk mengurangi atau menghilangkan bias
darikognitif
strategidari pembuat keputusan. Fischhoff (1982) mengusulkan empat langkah yang
pengambilan keputusan guru atau pelatih dapat mengikuti untuk mendorong siswa
mereka untuk membuat penilaian bijaksana: (1) menawarkan peringatan tentang
kemungkinan bias, (2) mendeskripsikan arah bias, (3) memberikan dosis umpan
balik, dan (4) menawarkan program diperpanjang pelatihan dengan umpan balik,
pembinaan, dan apa pun yang diperlukan untuk meningkatkan penghakiman.
Fischhoff juga berpendapat bahwa debiasing adalah proses yang sangat sulit yang
harus dimonitor dan dipandu oleh kerangka psikologis untuk perubahan. Sebagai
contoh, penelitian tentang bias belakang (Fischhoff, 1977), dijelaskan pada Bab 2,
telah menunjukkan bahwa bahkan ketika bias secara eksplisit dijelaskan kepada
peserta dan mereka diperintahkan untuk menghindarinya, bias tetap.
Sebaliknya, review oleh Larrick (2004) melukiskan gambaran Rosier dari
kemampuan kita untuk mengatasi bias yang melalui pelatihan. Namun Larrick juga
mencatat bahwa strategi debiasing paling sukses cenderung context dan bias-
spesifik; pelatihan dan pengujian harus terkait erat dan harus terjadi di dekat waktu
dekat. Sebagai contoh, penelitian tentang bias terlalu percaya telah menemukan
bahwa intensif, umpan balik pribadi ini cukup efektif dalam meningkatkan
penghakiman (Lichtenstein & Fischhoff, 1980), tetapi hanya dalam jangka pendek.
Kadang-kadang, efek yang lebih luas pelatihan telah didokumentasikan. Sebagai
contoh, hanya mendorong orang untuk '' mempertimbangkan berlawanan '' dari apa
pun yang mereka memutuskan mengurangi terlalu percaya, belakang, dan efek
penahan (Larrick, 2004; Mussweiler, Strack, & Pfeiffer, 2000). Larrick (2004) juga
menyoroti keberhasilan debiasing parsial menggunakan kelompok bukan individu,
pelatihan dalam penalaran statistik, dan membuat orang bertanggung jawab untuk
keputusan mereka (Lerner & Tetlock, 1999).
Berdasarkan kerangka Lewin diuraikan dalam Bab 1, Fischhoff ini debiasing
penelitian, review Larrick baru-baru ini, dan program penilaian-pelatihan kita sendiri
dengan MBA dan mahasiswa eksekutif, bagian ini membuat saran khusus untuk
debiasing penghakiman.
Unfreezing
Bab 1 mencatat bahwa banyak perilaku pada tingkat individu, kelompok, dan tingkat
organisasi yang mendarah daging, atau bagian dari repertoar standar, dan karena
itu cukup sulit untuk berubah. Faktor-faktor yang menghambat individu mengubah
perilaku mereka termasuk kepuasan dengan status quo, penghindaran risiko, dan
preferensi untuk hasil perilaku tertentu yang dikenal dengan hasil yang tidak pasti
dari perilaku inovatif. Untuk meningkatkan pengambilan keputusan terjadi dan terus
dari waktu ke waktu, sebuah '' unfreezing '' proses eksplisit berpikir tertanam dan
perilaku harus terjadi. Untuk setidaknya tiga alasan utama, unfreezing strategi tua
sangat penting untuk mengubah proses pengambilan keputusan individu.
Pertama, individu akan biasanya mengandalkan strategi intuitif mereka saat
ini selama bertahun-tahun. Untuk ingin mengubah akan mengakui bahwa strategi
masa lalu yang cacat, dan realisasi ini mungkin secara psikologis mengganggu.
Dengan demikian, individu dapat
termotivasi untuk menghindari kebenaran membingungkan tentang kekurangan
menghakimi mereka.
Kedua, individu yang telah mencapai tingkat tertentu keberhasilan profesional
(seperti mahasiswa MBA dan program pendidikan eksekutif) cenderung menerima
penguatan positif bagi banyak dari keputusan masa lalu mereka. Menurut dasar-
dasar teori penguatan, individu cenderung untuk terus perilaku yang dihargai secara
positif. Misalnya, karena banyak eksekutif sukses naik ke atas menggunakan
strategi intuitif, mereka cenderung menolak informasi yang menunjukkan bahwa
penilaian mereka secara sistematis kekurangan dalam beberapa cara dibuktikan.
Sepertiga, titik terkait hubungannya dengan teori keseimbangan (Heider,
1958), yang menunjukkan bahwa individu mencoba untuk mengelola kognisi mereka
ke urutan konsisten. Untuk manajer yang sukses, gagasan bahwa '' ada sesuatu
yang secara fundamental salah dengan pengambilan keputusan proses saya ''
bentrokan dengan kesadaran mereka dari kesuksesan mereka. Kognisi '' Saat ini
saya seorang pembuat keputusan yang sangat baik '' jauh lebih harmonis dengan
gagasan keberhasilan; Oleh karena itu, menurut menyeimbangkan teori, bahwa
kognisi lebih mungkin untuk mendominasi.
Secara keseluruhan, sebuah pola muncul dari manajer cerdas yang memiliki
beberapa alasan untuk percaya pada kualitas tinggi nya proses pengambilan
keputusan dan menolak setiap perubahan dalam strategi intuitif nya. Kebanyakan
orang sukses akan termotivasi untuk melihat intuisi mereka sebagai bakat daripada
cacat. Bahkan, buku ini telah memberikan bukti substansial bahwa ada ruang untuk
perbaikan dalam strategi intuitif bahkan terang, manajer paling sukses. Dengan
demikian, kami menyimpulkan bahwa meningkatkan intuisi merupakan kegiatan
penting bagi manajer yang sukses untuk mencoba, tetapi bahwa perlawanan kognitif
terhadap perubahan adalah pola diprediksi.
Buku ini telah berusaha untuk membuat perubahan dalam penilaian Anda
dengan mengekspos Anda untuk bukti konkret yang akan membawa Anda
mempertanyakan strategi Anda saat ini. Kuis-dan umpan balik format yang
dirancang khusus untuk mencairkan proses pengambilan keputusan Anda. Sebagian
besar pembaca membuat sejumlah besar kesalahan pada item ini dan kemudian
siap untuk belajar di mana mereka pergi salah dan bagaimana mereka bisa tampil
lebih baik. Format ini unfreezes gagasan bahwa proses pengambilan keputusan
Anda tidak memerlukan perbaikan. Ketika Anda mulai mempertanyakan strategi
Anda saat ini, Anda menjadi reseptif terhadap alternatif. Dalam kasus lain (seperti
lelang dolar), contoh nyata yang intendedto mencairkan pemikiran Anda dengan
memimpin Anda untuk mengidentifikasi dengan individu yang menjadi korban
kekurangan menghakimi.
Mengubah
Setelah seseorang telah dicairkan perilaku masa lalu, ia menjadi bersedia untuk
mempertimbangkan alternatif. Tahap berikutnya terdiri dari membuat perubahan itu
sendiri. Namun, perubahan adalah jauh dari dijamin; resistansi internal
kemungkinan, menyebabkan individu untuk terus menilai kembali keinginan
perubahan. Ada tiga langkah penting untuk mengubah proses pengambilan
keputusan seseorang: (1) klarifikasi keberadaan kekurangan menghakimi tertentu,
(2) penjelasan tentang akar kekurangan-kekurangan ini, dan (3) kepastian bahwa
kekurangan-kekurangan ini tidak harus diambil sebagai ancaman untuk harga diri
individu.
Langkah pertama terdiri dari abstrak dari contoh konkret yang digunakan
untuk unfreezing untuk mengidentifikasi bias yang lebih umum yang ada. Selain itu,
untuk bias memiliki validitas muka dengan individu, penjelasan mengapa bias ada
perlu; ini sering terdiri dari klarifikasi heuristik atau fenomena yang mendasari bias.
Akhirnya, informasi ini dapat mengancam cukup untuk meningkatkan ketahanan
yang sebagian diatasi dalam tahap unfreezing. Dengan demikian, sangat penting
bahwa individu memahami bahwa hampir semua orang tunduk pada bias penilaian
dan bahwa memiliki mereka tidak berarti satu yang adalah pembuat keputusan yang
buruk, tetapi hanya satu yang manusia.
Mungkin strategi debiasing paling tujuan umum adalah apa yang Tuhan,
Lepper, dan Preston (1984) panggilan '' menganggap sebaliknya. '' Mereka
menyarankan kita untuk bermain pengacara setan dengan diri kita sendiri, berpikir
tentang alasan mengapa kesimpulan sementara kami bisa salah. Strategi ini jelas
paling berguna untuk menangkal konfirmasi perangkap-kecenderungan untuk
mencari informasi yang mendukung titik yang dipilih pandang kita sambil
menghadap bukti. Baron (1994) telah memberikan saran yang lebih spesifik. Dia
menunjukkan bahwa, ketika menilai setiap bagian dari data, Anda harus melakukan
dua hal. Pertama, tanyakan pada diri sendiri: ''? Berapa besar kemungkinan jawaban
ya, jika saya berasumsi bahwa hipotesis saya adalah palsu '' Misalnya, bayangkan
Anda sedang mempertimbangkan investasi uang dalam ide bisnis baru teman Anda,
dan Anda menganggapnya sebagai pertanda baik bahwa ia memiliki rencana bisnis
yang proyek-proyek menghasilkan keuntungan dalam satu tahun. Hipotesis Anda
telah menghibur adalah bahwa ini adalah investasi yang baik untuk uang Anda.
Bagaimana jika Anda menganggap bahwa hipotesis adalah palsu, dan bahwa
investasi ini adalah ide yang buruk, mungkin karena menempatkan baik uang Anda
dan persahabatan Anda dalam bahaya? Seberapa besar kemungkinan akan bahwa
teman Anda bisa datang dengan rencana bisnis yang masuk akal bahkan jika
peluang keberhasilannya tidak terlalu besar?
Kedua, cobalah untuk memikirkan hipotesis alternatif, kemudian pilih tes yang
paling mungkin untuk membedakan mereka. Bisakah Anda menyusun sebuah tes
yang bisa mengatakan apakah rencana teman Anda sebenarnya salah satu yang
layak? Mungkin fakta bahwa ia telah memiliki kesulitan mendapatkan pendanaan
startup dari bank atau pemodal ventura adalah tanda bahwa rencana bisnisnya tidak
menumpuk yang baik terhadap orang-orang dari calon pengusaha lainnya. Diakui,
itu tidak selalu menyenangkan untuk mempertimbangkan cara-cara di mana kita
mungkin salah, tapi ini adalah langkah penting ketika keputusan suara dan penilaian
yang akurat lebih penting daripada pemuasan ego.
Refreezing
Bahkan setelah perubahan terjadi, sangat menggoda untuk kembali ke praktik masa
lalu dan kebiasaan buruk. Bias lama masih ada dan dapat dengan mudah dan
bahkan sengaja digunakan. Sementara itu, prosedur baru asing dan harus
berkembang menjadi strategi intuitif, sebuah proses yang berlangsung dengan
praktek dari waktu ke waktu. Seperti sadar Anda menggunakan strategi baru dalam
beberapa aplikasi, strategi ini perlahan-lahan menjadi kebiasaan, mengambil tempat
pola lama. Namun, sering aplikasi dan ikhtisar pelatihan masa lalu yang diperlukan
jika perubahan itu berlangsung.
Untuk refreezing terjadi, Anda harus terus memeriksa keputusan Anda bias
lama setelah Anda selesai buku ini. Anda harus menjadwalkan pemeriksaan rutin
untuk mengevaluasi keputusan penting terakhir Anda, yang dibuat secara individu
dan sebagai negosiator atau kelompok anggota, sambil tetap menyadari batas
penilaian Anda.