基本信息
阅读时间：约 14 分钟
字数：约 5524 字
摘要：为什么开会讨论后的共识，反而比每个人独立写下的答案更不准？本文拆解群体判断误差的两块来源，给出独立估计与汇总聚合的机制、三种聚合算法与一份可直接照做的流程清单。
全文语音
中文
English
日本語
한국어
周会上的那张空白便签：把答案先写下来
周三上午九点四十，上海张江一间十二人的会议室。空调出风口嗡嗡响，长桌上摊着三份打印出来的季度主材需求表，最上面那份的边角被人反复折过。我在白板前站了两秒，没有开口，而是给每人发了一张便签。我是陈黎，34 岁，在一家做家居供应链的公司管计划，这类会我主持过不下两百场。
「我那时候最怕会上没人说话，」陈黎说，「后来才发现，更可怕的是十二个人都在说同一句话。」
那天的任务只有一个：估下季度某种主材的到货周期，单位是自然日。十二个人，从业年限从三年到十七年。第一轮写在便签上，收上来一看，数字从 21 天横跨到 46 天，最离谱的两个相差一倍还多。第二轮公开讨论，九个人把自己的数往第一个开口的那位身上靠。
我们把两轮数字都留了下来。独立那一轮的算术平均是 29.4 天，中位数 28 天；讨论后统一口径的那个数是 33 天。六周后真值落地：30.1 天。独立均值偏离 0.7 天，讨论共识偏离 2.9 天，误差被这场会议放大了四倍。
第一次发便签的时候，会议室里安静了大概二十秒。有人笑，有人问能不能先听别人说完再写。我没有解释任何原理，只说了一条规则：写完之前，谁都别开口。后来我才明白，这二十秒的沉默是整套方法里最难买到的东西——它买的就是独立性。
那之后我在团队里推了九个月的便签先行：先匿名写、去掉首尾各一个、再取平均，然后才允许讨论。九个月里，到货周期估计的平均绝对偏差从 3.8 天降到 1.6 天。这组数字来自团队内部记录，属单一组织的示意量级，不是大样本结论。
一起讨论为什么反而更糟：三条放大误差的链路
第一条链路叫信息级联。Bikhchandani、Hirshleifer 与 Welch 在 1992 年给出的模型把机制说得很清楚：当一个人看到前面几个人做出同样的选择，他会理性地放弃自己的私有信息，跟着走。这不是盲从，是每个人都在局部最优。
第二条是隐藏剖面。Stasser 与 Titus 的一系列小组实验显示，成员倾向于反复讨论所有人都掌握的信息，而少数人独有的那条信息往往整场一次都没被提到。共享信息的权重被放大，独特信息被稀释，小组拿到的拼图是不完整的。
第三条是锚定与不足调整。第一个被说出口的数字成为锚，后来者的调整幅度普遍不够——这是 Tversky 与 Kahneman 在 1974 年描述的锚定效应在小组里的版本。三条链路的共同点只有一句：讨论在削掉多样性。
还有一个更隐蔽的机制，共享信息偏差。成员在讨论中会默认别人已经想过自己想到的那部分，于是把注意力压到大家都听过的论据上。结果是一场会开完，小组掌握的信息总量并没有增加，每个人的信心却都上升了。信心涨了而准确度没涨，这是最危险的一种组合。
「我们不是变笨了，是变得太像了。」陈黎说。而多样性恰恰是独立估计能压低误差的原料，一旦被磨平，聚合就退化成同一个人猜了十二次。
任务的性质决定顺序。需要估计数值的任务，先讨论后表态通常更差；需要列举方案、寻找遗漏的任务，讨论依然明显更好——后者要的是覆盖面，前者要的是独立性。别把一种顺序套在所有的会上。
有必要澄清：讨论本身不是坏事，位置错了才是。讨论放在汇总之后，价值远高于放在汇总之前——先有各自独立的答案，讨论才有东西可以辩。
误差的两块拼图：偏差与方差
任何一个估计都能拆成两块：系统性的偏离，我们叫偏差；随机的抖动，我们叫方差。两块的处理方式完全不同，混在一起谈，就容易得出「多找几个人总没错」这种半对半错的结论。
写成式子更清楚。设真值是 θ，第 i 个人的答案 xi = θ + b + ei。b 是所有人的共同偏差，ei 是这个人的个体噪声，平均为 0、标准差为 σ。
把 N 个人的答案取算术平均，噪声项的标准差从 σ 变成 σ 除以根号 N。从 1 个人到 16 个人，抖动被压到四分之一。这就是「独立」两个字能兑现的全部红利，也是多数人谈论群体智慧时提到的唯一一条。
但 b 不会被平均掉。如果所有人共用一个错误的假设，人越多，答案越自信地错。根号 N 只削方差，不削偏差。这是第一条见顶曲线。
更麻烦的是相关。若任意两人的噪声相关系数是 ρ，平均之后的噪声方差就是 ρσ² 加上 (1−ρ)σ²/N。当 ρ 等于 0.5，从 1 人到 16 人只能把抖动降到约 1.35 分之一，而不是 4 分之一；而且 N 再往上加也降不动了，剩下的 ρσ² 是一块硬地板。这是第二条见顶曲线。
把数字摆出来更直观。假设个体噪声的标准差是 10 天。一个人估，抖动就是 10 天；四个互不相关的人平均，抖动降到 5 天；十六个人平均，降到 2.5 天。但如果这十六个人看的是同一份供应商周报，相关系数哪怕只有 0.4，抖动也只降到约 6.6 天——加人带来的好处被吃掉了七成。
于是压低群体误差其实是三件事：加人削方差、去相关削 ρ、纠偏差做校准。只做第一件，收益很快见顶，然后你会误以为这套方法不管用。
专业分析：群体误差分解与聚合模型的对比
先看一个把分歧写进公式的模型：多样性预测定理（Diversity Prediction Theorem），Scott Page 在 2007 年的《The Difference》里给出。它的形式是：群体的平方误差等于个体平方误差的平均值减去预测多样性，其中预测多样性就是各答案相对群体均值的方差。
这个式子的含义很硬：只要成员之间存在分歧，群体的平方误差就一定小于个体的平均平方误差，而且分歧越大，优势越大。分歧不是噪音，是资产。它也顺带解释了为什么上一节那三条链路那么致命——它们砍的都是这一项。
数据锚点一，来源类型是 1907 年 Nature 通信《Vox Populi》：1906 年英格兰普利茅斯的一场牲畜展上，约 800 名观众估一头公牛的净重。真实净重 1198 磅，众人估计的中位数是 1207 磅，偏离 9 磅，不到 1%。Galton 翻看这批数据时本想论证普通人的判断很差，算完中位数改了口。
数据锚点二，来源类型是二手转述的课堂实验、量级可信：Treynor 在课堂上让 56 名学生估一个罐子里的软心豆粒糖，罐中实为 850 粒，全班平均估计 871 粒，偏离约 2.5%；单看个人，只有极少数人比全班平均更接近。
再看两个聚合模型的对比。线性意见池把各人的概率直接加权求平均，宽容、稳健，一个极端值掀不翻全局；对数意见池先取对数再加权、最后归一化，更锐利、更贴近群体的共识方向，但对 0 和 1 极度敏感——只要有一个人说出绝对不可能，整个乘积就被抹成零，这叫零吞噬。
由此得到选择规则：估计连续量，比如周期、成本、时长，用线性意见池配截尾；估计离散事件，比如会不会延期、能不能过审，在成员校准良好时用对数意见池，但必须先给概率加上下限约束，例如压到 0.02 到 0.98 的区间内。
第二组对比在流程层面：德尔菲法多轮匿名作答、每轮只反馈汇总统计量，把独立性做成了结构；圆桌讨论信息量大但相关性强。实践中两者串行而非二选一——先用德尔菲收独立答案，再用圆桌辩差异，最后再匿名投一轮。度量上按季度滚动记录四条：群体绝对误差、离散度、校准度、Brier 评分，只看一条会误判。
汇总的三种算法：均值、中位数、加权
均值用满了每个人携带的信息。在噪声近似正态且彼此独立时，算术平均是最有效的线性估计。代价只有一个：一个离谱的答案能拖走全局。
中位数只看排序的中间位置，抗离群，代价是丢掉了分布尾部的信息量。样本很小的时候，比如八人以内，中位数通常比均值更稳。
加权把权重给到历史上更准的人。最简单的权重来自过往记录：上一季谁的平均绝对误差小，这一季谁的权重高。权重用误差倒数做归一化，不要用名次——名次会把偶然性放大成结构性优势。
权重必须封顶。经验做法是单人权重不超过 40%，也不低于 5%。权重失衡之后，加权平均会悄悄退化成听一个人的。
「我现在开会只做两件事：收数字，算数字。」陈黎说。他的团队用三级权重：历史最准的三个人合计占 20%，中间梯队占 30%，其余人摊平占 50%。
三种算法要同时算，然后看它们是否收敛。均值与中位数相差 15% 以上，说明分布有条长尾，正确的动作是去查那个长尾的信息源，而不是在三个数里挑一个顺眼的。
还有一个折中做法值得记：先温莎化再加权。它把两件事分开处理，极端值用温莎化压住，能力差异用权重体现。很多人把两者混在一起，用截尾去解决能力差异，结果是把最懂行的那个人当成离群值扔掉了。
点估计之外的第二层：把区间也聚合起来
只聚合点估计，等于只用了一半信息。每个人给出的 90% 区间里藏着他对自身不确定性的判断，把区间也聚合起来，群体对尾部风险的表达会诚实得多。
聚合分位数是最简单的做法：把所有人的 5% 分位数取平均当群体下限，95% 分位数取平均当群体上限。它不做分布假设，也不要求成员之间的校准一致，八个人以内也能用。
更讲究一点是分位聚合加收缩：先把每个人的区间向群体中位数收缩三分之一，再取分位平均。收缩的目的是压掉过度自信带来的过窄区间，让群体区间回到能被真值覆盖的宽度。
一条可操作的判据：如果群体区间的宽度比最窄的那三个人的区间还窄，说明聚合过程出了问题——平均不会让不确定性凭空消失，只会让它变得更可见。
「我们后来不只收一个数，还收一段。」陈黎说。改完之后，团队对延期风险的提前预警从提前 3 天变成提前 11 天，因为尾部的声音第一次被算进了结论里。
区间还有个副作用值得记：它让讨论更聚焦。两个人的点估计相同、区间宽度却差三倍时，值得聊的不再是数字本身，而是他们对这件事的把握程度差在哪一步。
区间聚合还有一个容易被忽略的用法：拿它当权重的输入。历史上覆盖率高、又不靠盲目加宽区间来刷分的人，在点估计上通常也更准。这类人值得在下一轮拿到更高的权重——这不是奖励，是把已经验证过的判断力用起来。
极端值与离群答案：截尾与温莎化
截尾均值是最省事的稳健化：排序后去掉首尾各 10%，剩下的取平均。二十人的样本里，等于扔掉两个最高和两个最低。
温莎化更温和：不扔，只把首尾的值替换成第 10 百分位与第 90 百分位的值，再取平均。样本少于十二人时用温莎化，信息损失更少。
关键一点：去掉不等于忽略。被截掉的答案要单独登记，回看它背后的信息源。很多时候那个最离谱的数字，来自唯一一个知道某条产线下周要停机检修的人。
陈黎给极端值配了一句话：「如果这个数字是对的，那么什么必须是真的？」这一句把离群答案变成一个待验证的假设，而不是待清理的噪音。
阈值别设太狠。截尾比例一旦超过 20%，你就是在系统性地砍掉多样性，误差会顺着多样性预测定理往回走。
什么时候不该聚合：独立性失效的四种情形
情形一，共同信息源。所有人读的是同一份报告、同一个模型的输出。这时相关系数接近 1，公式里那块硬地板就是误差的全部。
情形二，顺序暴露。只要一个人的答案在另一个人作答之前被看到，独立性就没了。匿名提交是唯一可靠的解法，靠自觉没有用。
判断相关系数有个土办法：会后问一句，你的数字里有多少成分来自会上听到的。如果多数人承认超过一半，那么这次的聚合其实是二次加工，不是独立判断，台账上要标一个记号，别拿它去更新权重。
情形三，能力分布极不均匀。当群体里只有一个真正掌握内情的人，聚合会把他的答案稀释掉。这时该做的是识别专家并提高他的权重，不是平均。
情形四，真值本身是共识的产物。估下季度用户会不会喜欢这个配色，答案依赖群体自己的行为，聚合没有外部锚可以参照。
判据很简单：让两个人背对背作答，如果答案高度重合，聚合的红利就已经用完了。
「有次十二个人估一个数，八个答案一模一样。那一刻我就知道，这次的平均数等于一个人的答案。」陈黎说。
还有一条容易漏掉的检查：问一问有没有人因为怕说错而故意往中间靠。中庸不是独立判断，是被压过的判断。匿名之外，还要让填窄区间的人不吃亏，这才能让分布保持它原本的形状。
严格说还有第五种，不是失效而是误用：把聚合当成免责。当团队习惯用这是群体算出来的来替代责任归属，方法就从工具退化成了挡箭牌。聚合不产生责任，决策文档上仍然要写清楚是谁拍的板。
德尔菲法与意见池：把机制装进流程
流程分三段：独立段、聚合段、辩证段。顺序不能换，换了就退化成一场普通会议。
汇总人的角色要单独设。这个人不能是职级最高的那位，也不能是议题的提出者——前者会让匿名形同虚设，后者会让答案朝他的预期靠。陈黎团队把这个角色固定交给一位不参与业务的数据同事，每季度轮换一次。
独立段在会前 24 小时。书面下发问题、单位、口径、截止时点，要求同时给出点估计与 90% 置信区间，匿名提交给一位不参与讨论的汇总人。
聚合段占五分钟。算出均值、中位数、10% 截尾均值、加权均值这四个数，连同答案分布一起投屏。这一步只报数，不解释，不辩护。
辩证段占二十分钟，只讨论分布上的分歧。让最高与最低的两个人各自讲信息源，其余人听完再匿名投一次。第二轮通常把离散度压低 20% 到 40%。
对照一下多数团队的做法：把这三段倒置成先聊后统一。倒置的代价不是小数目，第二节里那三条链路会被一次性全部激活。
收尾规则：如果第二轮仍有超过三分之一的人坚持极端答案，不要强行统一，把它记为已知分歧写进决策文档，交给后续的实际数据去裁决。
度量你的判断：Brier 评分与校准曲线
只有回填真值，机制才闭环。不回填的独立估计，做上三个月就会变成走过场。
Brier 评分适用于一批二元事件：把每个事件的预测概率与实际结果之差的平方取出来，再求平均，结果取 0 或 1。分数越低越准，0.25 相当于抛硬币，0.10 以内算相当好。
校准曲线这样画：把预测按 50% 到 60%、60% 到 70% 分箱，看每箱里事件实际发生的比例。理想状态是对角线。多数人偏高自信——声称有九成把握的事情，实际往往只发生七成。
分辨度与校准度要分开看。分辨度问的是你能不能把会发生和不会发生的区分开，校准度问的是你说出的概率和真实频率对不对得上。一个人可以分辨得很好，同时校准得很差。
台账长什么样，说具体一点：一行一次估计，字段依次是问题、单位、提交人、点估计、区间下限、区间上限、权重、真值、绝对误差、是否被覆盖。十四个字段，五分钟能填完。填满三个季度之后，你手上就有了一份关于自己团队判断力的档案。
团队级记三个数：季度群体 Brier、季度离散度、覆盖率。覆盖率是 90% 区间真正盖住真值的比例，目标定在 80% 以上。覆盖率长期低于 70%，说明区间定窄了。
记录还有一个讲究：既分人记，也分题记。同一个人在不同题型上的校准可能差很多——估周期很准，估需求量的区间却常年偏窄。分题统计之后你会发现，真正需要训练往往不是某个人，而是某一类题。
「我们第一次统计覆盖率，只有 52%。」陈黎说，「不是我们不准，是我们太自信。」他们只改了一件事：把区间下限往上抬。三个季度之后，覆盖率回到 81%。
独立—汇总—复盘：一份可直接照做的执行清单
会前 24 小时：写清问题、单位、参照期、截止时点，四条缺一不可。单位没写清是最常见的口径污染源，也是最容易让聚合失效的一处。
会前 10 分钟：匿名作答，一个点估计加一个 90% 区间。不许看别人的，不许当场问人。
会上第一个五分钟：投屏四个汇总量与答案分布，不解释、不辩护。
会上接下来二十分钟：只辩差异，让分布两端的两个人各讲信息源。
会末五分钟：匿名投第二轮，取第二轮的聚合值作为结论，并把没能收敛的分歧登记进文档。
事后：真值出来 48 小时内回填，算出群体误差、离散度、覆盖率，进台账；每季度按历史误差更新一次权重。
一句话收尾：群体不会比它的成员更聪明，只会比它的成员更不像——先把答案分开写下来，才有资格把它们合到一起。
常见问题
1.问：独立估计会不会把会议拖长？
答：通常更短。独立段放在会前用书面完成，会上省掉的是反复表态的时间。陈黎团队的周会从平均 55 分钟降到 38 分钟，省下的是第二轮的拉锯。
2.问：只有三个人也能用吗？
答：能用，但要换算法。三人样本取中位数比取均值更稳，截尾会砍掉太多信息，改用温莎化。同时不要加权，三人之下权重没有统计意义。
3.问：匿名提交会不会让人不负责？
答：把答案署名但不公开数字，两者分开。汇总人看得到谁填了什么，会上只看分布。责任留在台账里，独立性留在会议室里。
4.问：一定要用工具收答案吗？
答：三个人以内，口头加书面都行；超过六人建议用表单，理由是留痕和口径统一。工具的作用不是计算，是防止答案在提交前被别人看到。
5.问：成员水平差距很大时怎么办？
答：先做一轮校准记录。连续三个周期记下每个人的误差，再按误差倒数分配权重，单人权重封顶 40%。没有历史记录时先等权平均，别凭印象给权重。
图片来源：图1 blandineschillinger / Pixabay (CC0) · 图2 maneph9 / Pixabay (CC0) · 图3 FilipFilipovic / Pixabay (CC0) · 图4 JillWellington / Pixabay (CC0) · 图5 cegoh / Pixabay (CC0) · 图6 solenedesjardins / Pixabay (CC0) · 图7 652234 / Pixabay (CC0) · 图8 BMeyendriesch / Pixabay (CC0) · 图9 Kanenori / Pixabay (CC0) · 图10 berkemeyer / Pixabay (CC0) · 图11 adege / Pixabay (CC0) · 图12 ds_30 / Pixabay (CC0) · 图13 Kost9n4 / Pixabay (CC0) · 图14 jarmoluk / Pixabay (CC0) · 图15 adege / Pixabay (CC0) · 图16 MonicaVolpin / Pixabay (CC0) · 图17 3345557 / Pixabay (CC0) · 图18 3345557 / Pixabay (CC0) · 图19 3345557 / Pixabay (CC0) · 图20 3345557 / Pixabay (CC0) · 图21 pcdazero / Pixabay (CC0) · 图22 ka52ah64d / Pixabay (CC0) · 图23 daschorsch / Pixabay (CC0) · 图24 The_Northern_Photographer / Pixabay (CC0) · 图25 divotomezove / Pixabay (CC0) · 图26 MaxxGirr / Pixabay (CC0) · 图27 ds_30 / Pixabay (CC0) · 图28 Derks24 / Pixabay (CC0) · 图29 lin2015 / Pixabay (CC0) · 图30 zivica / Pixabay (CC0) · 图31 6437364 / Pixabay (CC0) · 图32 truthseeker08 / Pixabay (CC0) · 图33 zizimao / Pixabay (CC0) · 图34 WilliamCho / Pixabay (CC0) · 图35 mirkostoedter / Pixabay (CC0) · 图36 Alexas_Fotos / Pixabay (CC0) · 图37 byrev / Pixabay (CC0) · 图38 magyi / Pixabay (CC0) · 图39 LiMa74 / Pixabay (CC0) · 图40 magyi / Pixabay (CC0) · 图41 LAWJR / Pixabay (CC0) · 图42 bayarts7 / Pixabay (CC0) · 图43 hsariman / Pixabay (CC0) · 图44 allybally4b / Pixabay (CC0) · 图45 MiraCosic / Pixabay (CC0) · 图46 Dimhou / Pixabay (CC0) · 图47 MiraCosic / Pixabay (CC0) · 图48 focusonpc / Pixabay (CC0)
本文为认知与方法论科普，不构成任何证券、期货或投资咨询建议，亦不构成个性化投资建议。
本文由 AI 生成，经人类主编终审。
文中数据已标注来源类型与量级，团队内部记录属单一组织示意，不代表普遍结论。
评论(0)