企业家创建一家企业是一个简单的命题。
但是，企业家却通常在没有市场的情况下创建公司。就是说，当公司建立时，所需的市场信息还不存在。这意味着，预测推理的逻辑前提并不存在。
为了解决这一难题，2001年，Saras D. Sarasvathy提出了她的解决思路。这就是：效果逻辑（Effectuation reasoning）。在商业世界里，通常用来进行预测的工具是因果逻辑——如果你能预测未来，你就能控制它。效果逻辑则反其道而行之，给出这样的观点：在你能够控制未来的程度上，你不需要预测它。
在预测通常站不住脚的领域，目标往往是模棱两可的——就连决策者自己也会影响环境，并以一种非随机的方式实现，决策者需要做出合理和明智的选择——在此，效果逻辑恰巧提供了一种因果推理之外的新的解决思路。
这一实现至少有以下三位思想家参与完成：
1921年，Frank Knight提出了一个不仅未知而且根本不可知的未来的问题。经由1994年提出的马奇的垃圾桶决策模型（March’s garbage can model of decision making）表明，目标模糊是组织决策的一个重要组成部分。该垃圾桶模型将问题、解决方案和参与者/决策者描述为三个独立的“流”，每个流分别生成，流彼此断开。这三个流只有在第四个选择流出现时才会相遇，就像垃圾桶一样，让这些流流入。垃圾桶模型描述了在有组织的无政府状态下组织决策的混乱现实。
然后，是1979年，Weick对制定环境的决策者的阐述——理解和解决因果理性决策之外的问题，需要一种替代推理模式。
2001年，Sarasvathy最终提出，效果逻辑这种对因果理性的替代，并没有偏离“理性”并变得“非理性”，而是基于有效推理的另一种理性选择。
想象一下一个厨师分配了做饭的任务。有两种组织方法：
第一种情况是客户预先选择了菜单。厨师需要做的就是列出所需的食材，购买它们，然后进行烹饪。这是一个因果关系的过程。它从一个给定的菜单开始，重点是在有效的烹调方法中进行选择。
第二种情况是，主人让厨师翻看厨房里的橱柜，寻找可能的配料和器具，然后做饭。在这里，厨师必须根据给定的食材和器具想象可能的菜单，选择一种，然后准备饭菜。这是一个实现的过程。它从给定的食材和器具开始，专注于用它们来准备许多可能令人满意的饭菜选择之一。
可以将这个例子拓展到企业。
在因果推理的情况下，人们预先估计了市场需求，以及可能的生产线及其成本；制造商只需采购原材料、加工并按照预定计划进行组装。
但在实现的情况下却并非如此：制造商只有一个大概的想法，并期望能够得到一个利润颇丰的产品：吉列Gillette先生一直在寻找顾客必须反复购买的东西。一天早上，当他刮胡子的时候，他突然想到一个非常适合他的剃须刀设计。随后，他立马着手开发一种廉价、有效的可移动刀片剃须刀——制定计划，创造一个足够大的初始市场，寻找资金来源，并开始制造——随着他不断获取新的知识，并承诺股东更多的回报，他的目标也在不断地发生变化。
1921年，Frank Knight将企业家牢牢地置于经济学的中心地位，他指出“利润”的存在与“不确定性”密不可分——特别是那些既不能通过经验习得或通过学习获取的，并不随着时间推移而分散或减少的不确定性。
Knight将涉及未来的决策中的知识（或无知）归为三类不确定性：
（1）风险
（2）不确定性
（3）Knight不确定性
涉及“风险”的问题类似于一个投机游戏——盒里有5个绿球和5个红球。抽中红球获得50美元的奖金。对于任何给定的抽签机会，我们都可以精确地计算得到红球的概率——因为我们知道两种球在盒里的分布。
涉及“不确定性”的问题涉及到同样的设置，唯一不同在于，这次我们不知道盒里有多少个球，什么颜色，甚至不知道里面是否有任何红球。
学术一点的话：
对于具有已知分布的第一类决策问题，我们需要经典的分析技术——从模型到数据，这是概率论研究问题的方式。
涉及第二类具有未知分布的决策，我们则需要估计技术——从数据到模型，这是统计学研究问题的方式。
一旦通过估计程序发现了潜在的分布，某个具有未知分布的盒子将可以被看作具有已知分布的盒子，并可以应用分析的技术进行处理。
此后研究人员设计的实验表明，一般来说，人类更喜欢“风险或分布已知”的盒子，而不是“不确定或分布未知”的盒子（Ellsberg，1961）。而创业研究人员则推测，由于创业者对模棱两可的容忍度很高，他们会更偏爱分布未知的盒子，即通过统计思维，而不是概率思维思考问题（Dickson&Giglierano，1986；Kamien，1994）。
下一个有趣的问题是，Knight不确定性该如何处理呢？
没错，效果逻辑就是用来处理第三种情况——Knight不确定性的，并为选择过程提出了一种与上述两种逻辑都不同的逻辑：
不管球在盒子里的初始分布如何，我都会继续获得红球并将它们放入盒子里。我会看其他人谁还拥有红球，并诱导他们成为伙伴，并把他们的球放进盒子。随着时间的推移，罐子里会有很多红球，几乎每次抽样我都会得到一个红球。
另一方面，如果我和我的熟人只有绿球，我同样也会把他们的绿球放进盒子里，当有足够的绿球时，我们就会宣称：抽中绿球算赢。
当然，这样的观点可能表达的是希望，而不是现实——现实世界中的许多企业家确实失败了。但这一事实并不否定这样一个假设——即人们往往更关心塑造，甚至创造他们所关心的世界的一部分，而不是预测并对预测作出反应。
风险——即处理“分布已知”的决策模型——我们不妨称其ANL——概率分析方法。ANL包括传统的市场调研技术，如焦点组（focus group），问卷调查和/或雇佣专业人员研究市场并提出商业方案。
不确定性——即处理“分布未知”的决策模型——不妨称其为BAN——可以借助统计学的方法——比如贝叶斯估计方法迭代获取新的发现。BAN的领域包括测试营销、“试飞气球”和其他系统化的实验和迭代学习技术，旨在发现潜在市场的结构和形式。
在Sarasvathy看来，ANL和BAN的逻辑核心都是因果关系模型。它们要求决策者从一个预先定义的潜在市场开始，并使用两种不同的方法——分析法（ANL）和估计法（BAN）来寻找有关市场的信息。
与此相反，效果逻辑Effectuation，EFF，则包含了控制的逻辑——试图塑造和创造潜在的市场，而不是通过分析或估计技术来预测它。
在这里，EFF不仅包括垃圾桶类型的启发式方法，还包括拒绝ANL和BAN技术的明确声明，以及通过对关键股东的预先承诺来塑造环境的能力的意识。
至此，第一阶段的中心假设现在可以表述为：
当面临创建一个新产品市场的公司时，企业家的想法更接近效果逻辑（EFF），而不是传统的另外两种市场研究技术：分析（ANL）和估计（BAN）。
Sarasvathy的效果逻辑观点，建议创业者在面临高不确定性和资源短缺的时候采用 5 条基本原则：
第一条是“手中鸟原则”，基于自己是谁？自己知道什么？自己认识谁？创造性地想自己能做什么？也就是依靠已有的资源，采用工具驱动，而非目标驱动。
第二条是“可承受的损失原则”，而非收益最大化。
第三条原则是“疯狂的被子原则”，广泛地建立合作伙伴关系，而非进行竞争分析。
第四条原则是“柠檬水原则”，充分地拥抱偶然性，把它们当作机会利用起来，而非当作威胁进行规避。
第五条原则，是一条总括性的核心原则，叫“飞行员原则”。强调参与和控制，而非预测——如果你控制了未来，就不需要预测未来。
你可以发现，这五大原则满怀着开放的态度拥抱不确定性，与'强调因果'（Causal reasoning）的传统管理学和商学院的更加注重愿景，目标，战略，计划，竞争分析的方法——比如商业计划书的思路截然不同。
后续研究指出，商业模式的探索阶段，效果逻辑使用得更多；而在商业模式的执行阶段，因果逻辑使用的更多。
这反衬了效果逻辑中，探索全新商业模式时，高度不确定下缺乏的目标和计划的特点。自然，效果逻辑不能说是完美的，也不是唯一可行的创业逻辑。实际上，在过去的三十年里，涌现过很多创业方法：
商业计划、 精益创业、设计思维、基于发现驱动的计划、规范性创业等等。
2019 年，Mansoori 和Lackéus在《Comparing effectuation to discovery-driven planning, prescriptive entrepreneurship, business planning, lean startup, and design thinking》。
这篇论文当中，分别从基础逻辑（Logic）、模型（Model）和工具方法（Tactics）从大到小的角度，对以上六种主流创业方法进行了比较。
为了比较，两位作者提出了9个维度：不确定性管理、资源管理、知识扩张、力量转向和调整、持续学习、迭代过程、利益相关者互动、团队合作、价值创造等。
作者们为9个维度按1-3分打分并排序，最终的排名为：
1）效果逻辑；
2）精益创业；
3）设计思维；
4）发现驱动的计划；
5）规范性创业；
6）商业计划。
其中，规范性创业，效果推理，发现驱动的计划是学者群体提出的——这里更强调不确定性；而另外三者，商业计划，精益创业，设计思维则是实践者提出的——这里淡化了不确定性的管理。
比如，精益创业认为好产品的病毒式传播是个意外，不是常规。不要因为失败而轻易放弃或转型，要洞察失败的原因。
此外，排名前三的效果推理，精益创业，设计思维更适合创业的早期阶段——强调调整和优化，更加投机和灵活；而排名后三者，发现驱动的计划，规范性创业，商业计划更适合创业的晚期阶段——忽视调整和优化的作用，更加死板和坚定。
由此可见，效果逻辑是一种更加拥抱不确定性，更适合早期创业的商业观点。特别适合高不确定性和资源有限的情境——这个理论有助于发现机会，开发机会，有助于提高创业生存的概率，适应性强。
但它也有自己的短板——更进一步的剖析还指出，效果逻辑能够正确地建议如何开发商机——至少是在简单产品和服务的开发上，但是， 它不适合复杂的大型产品（例如新冠疫苗的开发）。
值得注意的是，效果逻辑和因果逻辑往往并不是对立的——有些情况下，效果逻辑和因果逻辑经常是正相关的。在创业阶段，更理想的方式，似乎是要将效果逻辑和因果逻辑当做互补的关系，而不是简单对立起来。创业是一个复杂、动态的过程，所以，我们必须采用整合性的框架看待创业。
在众多学科当中，管理学作为社会科学的一员，很难像自然科学一样，发现普适性的规律——即便这里以'因果逻辑'命名ANL和BAN，但却是缺乏严格的因果关系的——在因果的语境下，需要探求深刻的物理机制才能建立联系：
以下两个命题，你觉得哪一种更具备因果性呢：
雨⇒云
云⇒雨
下出来的雨不可能回到天上变成云，因此雨⇒云并不是因果关系。而遗憾的是，反过来的云⇒雨，也不一定是因果关系。
因为，云层的出现与下雨之间，一系列物理机制的是否存在还存疑：有没有上升气流？水汽条件是否具备？有没有凝结核？要知道，通常的气象员往往也还要通过经验结合数据来做出合理预测，在这些物理机制确定之前，这里不会有因果，只有概率。
这个例子告诉我们：“如果A然后B”通常只表示B是A的逻辑结果，而不一定是因果关系的物理结果——事物的因果之间往往存在物理交互机制，但逻辑的相关性不一定有物理的机制存在。换句话说，谁是因，谁是果，跟逻辑推理的方向无关，而是要看具体的物理机制才能给出判定。
因此，不难理解，为什么管理学当中存在着众多不同的理论，它们之间可以是相互竞争的关系，也可以是互补的关系——因为并不存在普遍真理，不同的理论总有适合自己应用的场合。
拥抱效果逻辑，就要重视机会，适当泛化目标和战略定力，根据环境进行决策。拥抱'因果'逻辑也是类似的道理，重视经验和实证。了解理论各自的边界，就会综合运用它们，而不是陷入路线之争当中自证自己的优秀。
探求理论的边界是一个迷人的话题，E.T.Jaynes在他的《概率论沉思录》当中给出了一个有趣的例子：
爱因斯坦相对论告诉了我们牛顿定律的局限性，因而我们处理有关光速条件下的情形时将更有信心；类似的，热力学第一定律指出了热质论的局限性，并精确指出了热质论适用的范畴——热量传递但不做功的情形。
似乎，这种'边界论'看起来是一个充满吸引力的科学方法。
来看牛顿第二定律F=ma，爱因斯坦的质能方程E=mc^2，两个方程可以整合为一个公式:F=(E/c^2)*a——看到这样的表达，人们会好奇：力为什么会对一个依赖光速的能量对象产生加速度？
如果我们深入思考这一表达，不难想象，假设'基础'粒子不仅仅占据空间中理想的点，而是拓展了某种几何结构的话，那么光速就决定了这种结构的不同部分之间'传递'的速度有多快。而相对论的确也确实是这样，通过几何直觉被进行理解的。
为了验证这一命题，我们可以继续思考：当突然出现一个力，需要一个瞬态的响应时间产生牛顿加速度，这样看来，F=ma并非是一个确切的关系，而是当光跨越一个几何结构之后，最终的稳态条件而已——基于这样的看法，我们就可以设计实验来证明我们的猜想。
可见，如果我们评判牛顿力学的有效性，我们并不能保证相对论能够揭示牛顿力学的确切理论边界——因为，牛顿定律与相对论的关系，比我们此前所认为的要深刻和微妙地多。
应用动量守恒定律也是一样的——往往不是因为我们知道这个理论的边界，而是基于一个完全相反的理由：我们完全不知道理论的边界在哪里。科学家们只是单纯认为动量守恒有着真实的意义。实际的科学实践，是由尚未被充分认识到的本能所引导的，更不用说分析和论证了。
从基础科学类比到商业，我们也可以说，新的发现往往并非源自方法论，甚至哲学观点的启发，更多的时候，这只是一种直觉。因此我们看到，某些重大创新往往由具有独特洞见的创新者一次完成，并获得市场的认可。
即便在自然科学当中，边界都是如此难以被界定，在创业理论这种社会科学当中，理论的边界必变得更加模糊——与其辨别边界在哪里，不如整合不同观点的理论，综合做出行动决策。
北师大经管学院教授赵向阳曾经提出这样的思想实验：在 2000-2008 年，如果你是任正非，并奉行效果逻辑，结果会有什么不同么？那个时候，3G 牌照久等不发放，公司危在旦夕，随时面临崩溃，任感到压力巨大，甚至两次得了重度抑郁症。在这种情况下，你会不会选择进入房地产，或者选择做小灵通？如果任正非奉行效果逻辑，今天的华为可能是什么样子的？
任正非可以应用效果逻辑成为勇于转型的创业者，但最终，他坚持了自己的想法并取得了成功。但这并不意味着效果逻辑的失败——因为我们没看到那种可能性的后果。此外，我们看到的任正非成功，还有幸存者偏差的作用——在平行世界里，即便他避开'效果逻辑'并选择了'因果'逻辑，也有可能会遭遇失败——只是我们这个平行世界没有看到那一种可能。
超级畅销书《从优秀到卓越》就犯了幸存者偏差的低级错误：他们调查的对象完全是“幸存下来的公司”，并以此为基础，推演出了一系列评价成功公司的“客观标准”。
作者柯林斯声称他没有编造故事，而是根据数据进行了经验性的推断，得出了没有偏差的专业结论。但从柯林斯书本里给出的推断思路来看，他的说法非常值得怀疑：先从1435家”此前存在了40年的公司里“选出”股价表现优于平均水平“的11家，然后寻找这11家公司的共同点。
更具讽刺意味的是，《从优秀到卓越》出版之后，11家公司当中的1家（电路城）破产，1家公司跌落神坛——这就是”尽人皆知“的房利美，其余几家的股市表现则喜忧参半。落得这样的结果，真不知柯林斯该作何感想了。
不光柯林斯犯下了低级错误，就连世界顶级的咨询公司之一麦肯锡公司也有一段“不堪往事”。1982年，麦肯锡两位默默无闻咨询师突然之间写出了全世界最畅销的工商管理书籍《追求卓越》，其作者也被奉为“后现代企业之父”。
但其整本书的逻辑与柯林斯却毫无二致：列出43家拥有良好声望和雄厚资金的公司，然后，他们与这43家公司经理攀谈，并阅读杂志上的成功故事，总结出了这些企业的8个共同点，比如接近客户，偏爱行动这些相当随意的结论。
因此，什么是最佳的创业逻辑？在这样的管理问题上，永远都不会出现教课书式的标准答案。
奥地利裔管理学大师彼得·德鲁克的哲学很具代表性，他说：'一个人越好，他犯的错误就越多。因为他会努力尝试更多的新东西。我永远不会提拔一个从不犯错误，特别是从不犯大错误的人担任最高层的工作。否则，他肯定将成为一个工作平庸的管理者。'
德鲁克提出了优秀的企业管理者都要遵循的四条重要的原则：
重将来不重过去
重视机会，不能只看困难
选择自己的方向，而不是盲从
目标要高，要有新意，不能只求安全和方便
德鲁克的管理学，毫不意外地，跟商学院里的管理学是不一样的。
“在职场里谈论情商比智商更重要”——这样的说辞和看法也许是职场中最大的一个陷阱：因为情商高的人擅长遵循流程、建立关系并擅长与他人共事，从而缺少特立独行和批判思维，往往也难以驱动自身去挑战现状，因此他们的创造力会非常的低。
在人类众多的活动当中，唯一一条永恒的规律就是变化。只满足于今天的企业，不求改变，不求尝试新东西，在变换不定的明天就会难以生存。可以说，在现代社会，创业是一项比生存更具挑战的活动，'万众创业'绝不是一个能够短时间内批量复制的事物。
爱德蒙·菲尔普斯，2006年获得了诺贝尔经济学奖。他在《大众的繁荣》中提出了一个观点：经济的发展离不开创新。爱德蒙认为，观察国家的经济活力主要看两个因素，新成立公司的数量以及成长的情况。
他认为，中国和美国都存在一个相似的问题，就是年轻人缺乏创造力和创业精神，追逐安逸的生活。在中国，很多人才加入了公务员队伍，在美国，很多精英进入银行和金融行业。
创造绝不是畅想一个远景，并激励别人按照蓝图去一步步地执行。
因为创造本身更加偏爱以下事物：
放大不同和差异
带来辩论和探讨
制造多样性和冲突
要探索并不断试错，而不是只想做正确的事情，或一旦出错就要有人承担责任。
整合异见，不要让领导或专家支配决策，要有一套耐心宽容的决策流程，容忍兼容并蓄，而不光是非此即彼。
所以，你会发现，具备伟大的领导力往往无法领导伟大的创新。
为培养能够不断创新的组织，领导力的传统做法必须被努力忘却。
创业的核心是一个悖论：你要释放别人的才智和激情去经历试错和可怕的失败，然后再驾驭它们变成令人兴奋的成果。
如果“智能是一个物理过程”，那么创业过程就是拓展未来可能性的能力，是连接不同事物的能力，是无中生有的能力，是突破既有范式“自创武功”的能力。
个人创业、团队创业、公司创业、公司内创业、裂变式创业、联盟创业、平台创业、生态创业、 连环式创业、组合式创业、数智创业、社会创业、学术创业、制度创业……
创业热潮下，创业方法论，新潮的大词新概念层出不穷，好像每个人都患上了塔勒布所说的“新事物狂热症”。然而，与其孜孜不倦好像每一个新概念都想要沾一点，不如多去试错，在煎熬中锻炼头脑成长历练。创业没有捷径，也不是适合每一个人。
世界上大多数的门都是关着的，如果想进入某扇门，你敲门声音最好有趣一些。
完
▲
联系客服
