摊牌了,创业失败了

"以为这个网红不会塌房,结果一觉醒来,天塌了......"

------某电商供应商
"这不是禁不住网上的各种诱惑吗,9月30日纵身入局,节假日几天不能买入,8号上班第一天我还看着钱数开心呢。结果今天......"

------一位投资失利,损失惨重的投资者
"前几年的状态是,公司带我们员工出国团建,家里人都在问,飞机会不会绕道去缅甸转一圈。 那个时候还在想,他们是在担心啥?

这几年从公司出来,开始自己创业后,真正知道家里人在担心什么了,哪有那么多钱多事少离家近的工作。

自媒体我也试过了,电商也尝试了一下,现在又在研究AI赚钱的路子...... 唉,这才开始真正为生计发愁了。"

------创业者,创业资金从60W骤减至10W
"明知大环境不好,还想放手一搏, 心里想着:万一呢? 这下好了,什么都没有了,也就不想了。"

------创业者,创业11年,最终以失败告终

在这些选择中,我们遗漏了什么?


声明:本文并非宣扬"创业至上",也不鼓励大家盲目跟风创业。

如果你正处于需要做出选择的时候,或者正在创业的路上,希望本文能带给大家一些新的思考和小小的帮助。

一、认知单一,幸存者偏差在作祟

近些年来,受经济趋势所限,创业融资难度逐渐加大,各投资机构对初创企业的审核也愈发严格。

综合来看,创业难度在不断升级。

有人因此打了退堂鼓,也有人满怀信心地喊出"我想好了!""AI现在可是大势,那么多人从中获利,咱也不能错过这次机会",期待乘势而上。

然而,现实与想象的差距,是很多人不想但必须面对的真相。

"小白80万上海开面馆6天濒临倒闭""法国AI初创公司Holistic被曝联合创始人集体出走""AI搜索引擎Neeva于2023年宣布5月关停"......

这些残酷的现实告诉我们,创业的门槛,或许没有那么低。

也许那些脑袋一热,即兴而出的东西,在市场上却无法找到价值。

也许我们已经做足了准备,或者已经受身旁胜利者的成功经验感召而跃跃欲试。

请给自己泼一瓢冷水:这一切,是否已经进入了「幸存者偏差」的陷阱?

「幸存者偏差」是什么?

它属于一种逻辑错误,一般发生在人们进行研究分析或做决策时只关注通过了某种选择过程的"幸存者"或成功案例,而忽略了那些没有通过这一过程的"失败者"或未成功案例

也就是说,我们可能只看到了那些经过筛选后留下来的信息,而忽略了那些已经被筛选掉的信息。

我们在饭桌上经常被家长教育"这也不吃,那也不吃,这么挑食",是因为家长在买菜的时候已经下意识将自己不吃或不想吃的事物排除在外;

很多人觉得现在的家具质量做工真不好,哪像以前,一个沙发能用很多年,事实上以前质量不好的家具已经被淘汰、丢掉了;

大家对近视手术都抱有怀疑态度,觉得网上看到的大家手术后出现后遗症的案例很多,却忽略了那些同样做了手术且完全没有后遗症的人......

包括山东人都爱吃煎饼卷大葱,四川人都无辣不欢......这些刻板印象的背后也都有"幸存者偏差"的影响。

因此,在做出选择或决策之前,统观全局的视角与成体系化、整体的逻辑分析、思考,则是重中之重。

二、警惕"既要、又要、还要"

每一个决策的背后都有不同思考,我们也无法保证每一个决定都会走向最终成功。

马云在阿里巴巴之前,也曾创业多次,不管是海博翻译社,还是中国黄页,大都以失败告终;雷军在小米之前,也曾合伙创业,以解散告终。

失败并不可怕,但可怕的是,许多人在追求完美的过程中,反而失去了焦点。

为了达成某一目标或结果,我们需要对不同角色进行定向管理:做产品 ,要做客户预期管理,对客户希望实现的需求与功能做选择、做排序;做汇报,要做领导预期管理,对领导希望达到的目标与方向做承接、做优先级......

"既要、又要、还要"是最理想状态,却不具备太多的现实可能。那在做选择的过程中,我们应该如何判断?

也许很少有人会拍着自己的胸脯说,这项决策一定正确。但我们却可以通过不同的分析维度,做出当下最为合理的选择。人的主观思考尽管会有所偏差,我们可以借助理性工具的力量,完善决策依据和支撑。

像禅道的企业决策分析解决方案,价值点就在于将主观决策与客观的思维模型相结合,按照逻辑推导,实现合理决策,同时也避免了认知单一对选择偏差的影响。

基于内置模型,可以用SWOT做优劣势分析,用PESTEL模型做宏观环境分析,用波特五力模型做企业策略分析,用3C战略三角模型从企业自身、顾客意愿和竞争对手综合分析竞争态势等......

分步骤的问答引导方式,也能更有逻辑地扩充我们的思考维度,让决策有据可依。

换个角度讲,幸存者偏差也好,过于追求完美也罢,正视它们,我们便能在热门话题的舆论浪潮中,捕捉到那些被忽视的细节;从风口中,找到贴近实际的可行之法。

做一个选择,真的很酷。

相关推荐
果冻人工智能1 小时前
2025 年将颠覆商业的 8 大 AI 应用场景
人工智能·ai员工
代码不行的搬运工1 小时前
神经网络12-Time-Series Transformer (TST)模型
人工智能·神经网络·transformer
石小石Orz1 小时前
Three.js + AI:AI 算法生成 3D 萤火虫飞舞效果~
javascript·人工智能·算法
孤独且没人爱的纸鹤1 小时前
【深度学习】:从人工神经网络的基础原理到循环神经网络的先进技术,跨越智能算法的关键发展阶段及其未来趋势,探索技术进步与应用挑战
人工智能·python·深度学习·机器学习·ai
阿_旭1 小时前
TensorFlow构建CNN卷积神经网络模型的基本步骤:数据处理、模型构建、模型训练
人工智能·深度学习·cnn·tensorflow
羊小猪~~1 小时前
tensorflow案例7--数据增强与测试集, 训练集, 验证集的构建
人工智能·python·深度学习·机器学习·cnn·tensorflow·neo4j
极客代码1 小时前
【Python TensorFlow】进阶指南(续篇三)
开发语言·人工智能·python·深度学习·tensorflow
zhangfeng11331 小时前
pytorch 的交叉熵函数,多分类,二分类
人工智能·pytorch·分类
Seeklike1 小时前
11.22 深度学习-pytorch自动微分
人工智能·pytorch·深度学习
庞传奇1 小时前
TensorFlow 的基本概念和使用场景
人工智能·python·tensorflow