一家便利商店要不要進駐新商圈，老闆腦中到底在算什麼？

一家便利商店要不要進駐新商圈，老闆腦中到底在算什麼？

想像你經營一個小型連鎖品牌，手上有一筆剛好夠開「一家」新店的資金。同一時間，三個地點向你招手：A 是租金昂貴但人潮洶湧的捷運站出口，B 是租金中等、客群穩定的大學城，C 是租金便宜但發展潛力未明的新興重劃區。你只能選一個。選錯了，這筆錢可能就回不來。

這個再尋常不過的場景，其實濃縮了管理學裡兩個彼此緊扣的核心活動：規劃（planning）與決策（decision making）。規劃，是先想清楚「我們到底要去哪裡、為什麼去、怎麼去」；決策，則是在規劃的每一個岔路口，從多個可行方案中「選一個」並承擔後果。沒有規劃，決策只是憑感覺亂猜；沒有決策，再漂亮的規劃也只是停留在紙上的願望。

很多人誤以為，這兩件事是「老闆或高層的專利」。事實恰好相反：從執行長決定要不要併購一家公司，到第一線店員決定此刻該先補貨還是先結帳，組織裡的每個人，每天都在不同尺度上進行規劃與決策。差別只在於——有些人是有方法、有依據地做，有些人是靠直覺、賭運氣地做。這篇文章要談的，正是「如何更有系統地」想清楚目標、並做出更好的選擇。

規劃是什麼？為什麼它是管理的起點

在管理四大功能（規劃、組織、領導、控制）中，規劃被放在第一位，這並非偶然。規劃是決定「組織要達成什麼目標」以及「如何達成」的過程，它為後續的組織、領導、控制提供了方向與標準。沒有目標，你無從判斷該如何分工（組織）、該激勵大家朝哪裡努力（領導），更無從衡量做得好不好（控制）。

規劃通常包含兩個層面：目標（goals／objectives，我們想達到的結果）與計畫（plans，達成目標的路徑與資源安排）。學界常引用的好處有四：

• 提供方向：讓組織成員知道力氣該往哪裡使，減少各做各的內耗。
• 降低不確定性：迫使管理者預先思考環境變化、設想對策，而非被動挨打。
• 減少重複與浪費：先協調好誰做什麼，避免資源重疊空轉。
• 建立控制標準：先有目標當「尺」，事後才量得出實際表現的落差。

值得一提的是，規劃不保證成功，環境隨時可能打亂計畫。但研究與實務的共識是：規劃的價值往往不在那份計畫書本身，而在「規劃的過程」——它強迫團隊把模糊的想法攤開、對齊、辯論清楚。正如名言所說：「計畫沒有用，但規劃不可或缺」（Plans are nothing; planning is everything）。

好目標長什麼樣？從 SMART 到目標管理

既然規劃從目標開始，那「好的目標」該怎麼訂？最廣為流傳的工具是 SMART 原則——一個檢核目標品質的記憶法：

• S（Specific，具體）：目標明確，而非含糊。「提升業績」不夠好，「Q3 線上通路營收成長」才具體。
• M（Measurable，可衡量）：有可量化的指標。「成長 15%」勝過「成長很多」。
• A（Achievable，可達成）：具挑戰性但並非不切實際，否則只會打擊士氣。
• R（Relevant，相關）：與組織整體策略一致，而非零散無關的數字遊戲。
• T（Time-bound，有時限）：設定明確期限，「到 9 月底前」讓目標有急迫感與終點。

SMART 之外，管理學還有一個影響深遠的制度設計——彼得·杜拉克（Peter Drucker）於 1954 年提出的目標管理（Management by Objectives, MBO）。MBO 的精神是：主管與部屬共同協商設定具體目標，而非由上而下硬性指派；目標明確後，賦予部屬一定的自主空間去達成，並定期檢視進度、依結果回饋。MBO 的價值在於把「組織的大目標」層層拆解、對齊到每個人的「個人目標」，讓員工因為「參與了目標的訂定」而更有承諾感（commitment）。

不過 MBO 也有其侷限：過度強調可量化目標，可能讓人只追逐「容易量的數字」而忽略難以量化卻重要的事（如顧客信任、團隊文化）；在快速變動的環境中，年初訂的目標到年中可能已不合時宜。這也是為何近年許多科技公司改採更具彈性的 OKR（Objectives and Key Results，目標與關鍵結果）——保留「目標對齊」的精神，但拉高目標的企圖心、縮短檢視週期、並刻意把目標與績效考核脫鉤，鼓勵員工大膽設定「就算只達成 70% 也很了不起」的延展性目標。

決策是什麼？理性決策的六個步驟

如果說規劃回答「要去哪裡」，那麼決策就是在路途中每個交叉口「選擇走哪條路」。管理學定義決策為：從兩個以上的替代方案中，做出選擇的過程。

教科書描繪的理性決策模型（rational decision-making model）通常包含六到八個步驟，核心可濃縮為：

1. 辨識問題（identify the problem）：察覺「現況」與「期望」之間出現了落差。注意——把問題定義對，往往比解決它更難。
2. 確認決策準則（identify decision criteria）：列出做這個選擇時，哪些因素是重要的（如成本、風險、時效、品牌契合度）。
3. 為準則賦予權重（allocate weights）：各準則重要性不同，要分配比重，避免每項等量齊觀。
4. 發展替代方案（develop alternatives）：盡可能列出可行的選項，而非只想到一兩個就急著決定。
5. 分析並評估方案（analyze & evaluate）：依準則與權重，逐一評比每個方案的優劣。
6. 選擇並執行最佳方案（select & implement），最後評估決策成效，形成回饋。

回到開頭便利商店選址的例子：辨識問題（要展店但只能開一家）→ 確認準則（人潮、租金、客群穩定度、成長潛力）→ 賦予權重（若策略重視長期，潛力權重就高）→ 列出 A／B／C 三方案 → 逐項評分加總 → 選出總分最高者執行 → 開店半年後檢視實際營收，回饋下一次選址。這套流程的價值，在於把「拍腦袋決定」轉化為「可被檢視、可被討論」的明確推理。

為什麼現實中我們很難「完全理性」？

理性決策模型很漂亮，但它建立在幾個嚴苛的假設上：決策者目標明確、知道所有替代方案、能正確評估所有後果、且永遠選擇報酬最大化的選項。問題是——真實世界裡，這些假設幾乎都不成立。

諾貝爾經濟學獎得主赫伯特·賽門（Herbert Simon）為此提出了影響深遠的有限理性（bounded rationality）概念：人的認知能力、時間與資訊都是有限的，我們不可能窮盡所有方案、也算不清所有後果。因此，管理者實際上是在「能力與資訊的限制之內」尋求理性。其結果是，人們往往不追求「最佳解」（optimizing），而是接受「夠好解」（satisficing）——找到第一個「夠滿意、過得去」的方案就停手，而非繼續搜尋那個理論上的最優選項。

除了有限理性，決策還常被各種認知偏誤（cognitive biases）扭曲，這是行為決策研究（如 Kahneman 與 Tversky 的成果）的重要發現。幾個管理者最該警覺的偏誤：

• 錨定效應（anchoring）：過度依賴最先得到的資訊（如對方開出的第一個價碼），後續判斷都繞著它打轉。
• 確認偏誤（confirmation bias）：只蒐集支持自己既有想法的資訊，自動忽略反證。
• 沉沒成本謬誤（sunk cost fallacy）：因為「已經投入很多」而不願喊停，繼續把好錢丟進壞案子。一個失敗的專案，過去花了多少，與「未來該不該繼續」在理性上其實無關。
• 過度自信（overconfidence）：高估自己判斷的準確度，低估風險。
• 可得性偏誤（availability bias）：依賴「最近、最鮮明、最容易想起」的事件來估計機率，例如剛看到一則空難新聞就高估搭飛機的危險。

認識這些偏誤的意義，不在於「消滅」它們（它們是人腦運作的常態），而在於設計流程去制衡它們——例如刻意指派一位「魔鬼代言人」（devil's advocate）專門唱反調，或在重大決策前強制問一句：「如果這個決定一年後失敗了，最可能的原因是什麼？」

決策的類型與工具：別用大砲打蚊子

不是所有決策都該用同一套力氣。管理學區分兩類決策：

• 程序化決策（programmed decisions）：面對重複、結構良好的例行問題，可用既定的規則、程序或政策（policy）來處理。例如「庫存低於 10 件就自動補貨」「請假三天以上需主管簽核」。這類決策不該每次都重新苦思，建立好 SOP 讓它「自動跑」即可。
• 非程序化決策（non-programmed decisions）：面對新奇、模糊、後果重大的問題，沒有現成答案可循，需要量身打造的判斷。例如「要不要進軍海外市場」「該不該收購競爭對手」。管理者的高階價值，正在於處理這類問題。

實務上也發展出大量輔助工具，幫助決策更有條理：

• 決策樹（decision tree）：把連續的決策節點與機率事件畫成樹狀圖，計算各路徑的期望值，適合分析「先做 A 再視結果做 B」的序列決策。
• SWOT 分析：盤點內部優勢（Strengths）、劣勢（Weaknesses）與外部機會（Opportunities）、威脅（Threats），常用於策略層級的方向決策。
• 成本效益分析（cost-benefit analysis）：量化各方案的成本與效益並比較淨值。
• 加權評分矩陣（weighted scoring matrix）：即前述「準則 × 權重」的表格化呈現，把多準則決策變得透明可比。

選對工具的關鍵，在於匹配問題的性質與重要性。雞毛蒜皮的小事用直覺快速決定就好；攸關存亡的大事，才值得動用嚴謹的分析框架與群體討論。把力氣花在刀口上，本身就是一種重要的管理智慧。

看一個例子：Netflix 從寄 DVD 到串流的關鍵抉擇

2007 年前後，Netflix 的核心業務是「郵寄 DVD 出租」，當時生意正好、用戶持續成長。然而創辦人里德·哈斯廷斯（Reed Hastings）做了一個事後看來改變產業的決策：投入資源發展線上串流（streaming），即便這意味著要親手革掉自己當時最賺錢的 DVD 業務的命。

用本文的框架來拆解，這是一個典型的非程序化、策略層級決策：

• 辨識問題：頻寬與網路速度正快速提升，「實體寄送」的物流成本與時間劣勢，遲早會被「即時線上觀看」取代。問題不是「現在賺不賺錢」，而是「五年後顧客還會想等 DVD 寄到家嗎」。
• 確認準則與權重：長期顧客體驗、技術趨勢契合度、與既有業務的自我蠶食（cannibalization）風險。哈斯廷斯刻意把「順應長期趨勢」的權重，放在「保護短期 DVD 營收」之上。
• 抵抗沉沒成本與確認偏誤：DVD 業務累積了龐大的物流投資與顧客基礎，最容易讓管理者陷入「我們已經投入這麼多」的沉沒成本陷阱，並只看到支持「維持現狀」的資訊。Netflix 選擇主動跳出舒適圈。
• 承擔不確定性：當時串流的內容版權、技術穩定度都未知，這是在資訊不完整下、憑對趨勢的判斷所下的賭注——典型的有限理性下的「下注」，而非全知全能的最佳化。

當然，並非每個大膽決策都會成功（Netflix 自己也有 2011 年拆分 DVD 業務、引發用戶反彈的失誤）。這個案例的啟示不是「要賭得夠大」，而是：好的決策應由「決策當下的過程與依據」來評斷，而非只看事後結果。在資訊有限時，依循嚴謹的規劃與準則做出的判斷，即使結果不如預期，仍是「好決策」；反之，靠運氣矇對的「壞決策」，也不值得學習。

規劃與決策，如何回到組織的日常

談了這麼多框架，最後要強調一個容易被忽略的整合觀點：規劃與決策不是「想完就結束」的一次性活動，而是嵌在管理循環裡、不斷反覆的過程。

規劃訂出目標與計畫，計畫在執行中必然遇到岔路，於是需要一連串決策；決策的結果透過「控制」功能被衡量、與目標比對，產生的回饋又回頭修正下一輪的規劃。這正是為什麼成熟的組織會建立 PDCA 循環（Plan-Do-Check-Act）：規劃（Plan）→ 執行（Do）→ 檢核（Check）→ 修正（Act），再回到規劃，螺旋式地讓組織越來越貼近目標。

對你我而言，這套思維的價值遠超出企業經營。無論是規劃一學期的學習、決定要不要轉換跑道、或評估一個專案該不該繼續投入，「先想清楚目標、列出準則、權衡方案、警覺自己的偏誤、做出選擇、再依結果回饋」——這套有系統的思考方式，本身就是一項可以刻意練習、終身受用的能力。

重點回顧

1. 規劃是管理四大功能之首，決定「目標」與「達成路徑」，為組織、領導、控制提供方向與衡量標準；其價值常不在計畫書本身，而在「規劃的過程」迫使團隊對齊思考。
2. 好目標可用 SMART 檢核（具體、可衡量、可達成、相關、有時限）；目標管理（MBO）強調主管與部屬共同設定目標以提升承諾感，而近年 OKR 則追求更具企圖心、與考核脫鉤的彈性目標。
3. 理性決策模型包含辨識問題、確認準則、賦予權重、發展與評估方案、選擇執行等步驟，把「拍腦袋」轉化為「可檢視的推理」。
4. 現實中決策受限於有限理性（賽門）：人傾向尋求「夠好解」（satisficing）而非「最佳解」，並常受錨定、確認偏誤、沉沒成本、過度自信等認知偏誤扭曲，須以流程設計加以制衡。
5. 決策分程序化與非程序化兩類，應依問題性質與重要性匹配工具（決策樹、SWOT、加權評分矩陣等）；好決策應由「過程與依據」評斷，而非僅憑事後結果論斷。

深入探討（研究所視角）

規範性 vs. 描述性決策研究的兩條路線。 管理決策研究存在一個根本的張力：規範性（normative）模型告訴我們「理性的決策者應該怎麼選」（如期望效用理論 Expected Utility Theory），而描述性（descriptive）研究則記錄人「實際上怎麼選」。賽門（Herbert Simon, 1955）的有限理性是這場轉向的起點，他直接挑戰新古典經濟學「完全理性的經濟人」假設。其後 Kahneman 與 Tversky 的展望理論（Prospect Theory, 1979）更以系統性實證指出：人對「損失」的痛苦感受，約是同等「獲益」快樂的兩倍以上（損失趨避，loss aversion），且面對獲益時傾向風險趨避、面對損失時卻傾向風險偏好。這解釋了沉沒成本謬誤的心理根源——為了避免「認賠」的損失痛苦，人寧可冒更大的風險繼續投入。展望理論也讓 Kahneman 於 2002 年獲頒諾貝爾經濟學獎，象徵行為觀點正式進入主流。

直覺決策被「平反」：自然決策（NDM）取向。 早期研究多視直覺為偏誤的來源，但 Gary Klein 等學者開創的自然決策（Naturalistic Decision Making, NDM）研究指出，在時間壓力大、資訊不全、高風險的真實情境（如消防隊長、急診醫師、戰場指揮官），專家其實高度仰賴直覺做出優異判斷。Klein 提出的「辨識啟動決策」（Recognition-Primed Decision, RPD）模型主張：專家並非比較多個方案，而是憑藉長期經驗累積的模式辨識，「看一眼就認出」這是什麼情境、該採什麼行動。Kahneman 與 Klein 後來合作的「對抗式合作」論文（2009）達成共識：直覺的可靠程度，取決於環境是否「夠規律可學習」且決策者是否有「充分的回饋練習機會」——這為「何時該信任直覺」提供了清晰的邊界條件。

群體決策的雙面刃：綜效與病態。 組織重大決策多由群體做成，群體決策理論上能匯集更多資訊與觀點，但也潛藏陷阱。Irving Janis（1972）提出的團體迷思（groupthink）描述了高凝聚力群體為了維持和諧，壓抑異議、產生虛幻的全體一致，導致災難性決策（其經典案例為甘迺迪政府的豬玀灣事件）。此外還有群體極化（group polarization，討論後立場趨於更極端）與責任分散（diffusion of responsibility）等現象。對應的制度設計包括魔鬼代言人法、辯證探詢（dialectical inquiry）、以及亞馬遜著名的「先寫六頁敘事備忘錄、開會前靜默閱讀」文化——刻意以結構性流程，對抗群體互動的認知病態。

回到 Educational Omics 的視角。 規劃與決策的研究關懷，與資料驅動的教育科技高度契合。傳統上，教師對「要不要調整教學策略」的決策，多仰賴經驗直覺與零星觀察——這正是有限理性與可得性偏誤最易發生之處（容易被少數印象鮮明的學生左右整體判斷）。Uedu 透過 Educational Omics 多模態資料（認知歷程、互動、生理、環境），讓教學決策得以從「satisficing 的直覺判斷」邁向「有準則、有權重、有即時回饋」的證據本位決策（evidence-based decision making）：以 Bloom 認知層次趨勢檢視教學目標是否達成、以學習互動數據評估分組方案的成效、以 PDCA 循環持續修正教學規劃。但管理決策研究也提醒我們保持謙遜——資料能降低偏誤，卻不能消除不確定性；最終那個「該不該、值不值得」的價值權衡與判斷，仍須回到教育者身上。好的決策，永遠是「嚴謹的資料」與「清醒的判斷」兩者的合奏。