コーチングプラクティス： 間違った指標を最適化してしまう

取り組んでいることをほぼ何でも入力すると、IX Coach が現実に最も合うプラクティスを見つけます。「間違った指標を最適化してしまう」については、現在のプラクティスライブラリからの最適な一致をご覧ください。

役立つかもしれないプラクティス

1. 最適化している指標を変える
   測定するアウトカムを変えると、問題はしばしば解消するか、まったく別のものに変わる。
   問題のリフレーミング 正しい問題をまず解く
2. 精密さより選択肢の幅を優先する
   不確実な環境では、最適化された固定ポジションよりも方向転換の余地を優先する。
   ルーディック・ファラシー：現実をゲームと勘違いするとき
3. サティスファイシング:十分に良い閾値を設定し、そこに達したら探すのをやめる
   「最善の可能性」ではなく「十分に良い」を最適化する——探索コストがしばしば利益を上回る。
   シンプル・ヒューリスティクス:ゲルト・ギーゲレンツァーの「速く倹約的な思考」擁護論
4. 構造が問題であるときに数値を最適化しようとする引力に抵抗する
   数値を調整しているときに気づき、その構造が実際の問題かどうかを問う。
   レバレッジ・ポイント
5. 素晴らしさではなく愚かさを避けることを最適化する
   マンガー：「私たちのような人間が得てきた長期的な優位性の大部分は、一貫して愚かでないよう努めることから来ているというのは驚くべきことだ」。
   インバージョン：問題を逆から解く
6. あらゆる問題における最初のモデルとして逆転の発想を使う
   問題を解決する前に、何が失敗を確実にするかを問い、それらを避ける。
   メンタルモデル：チャーリー・マンガーのラティスワーク・アプローチ
7. 解決策が不十分に見えるときにマトリックスを反復する
   すべての組み合わせが平凡に見えるなら、次元が間違っているのかもしれない——さらに生成する前にそれらを再構成する。
   実践できるモルフォロジカル・アナリシス(形態分析法)
8. 重要な少数への時間とリソースの投資を増やす
   高レバレッジな20%が分かったら、そこに投資する時間とエネルギーを減らすのではなく増やす。
   パレートの法則：個人の生産性のための80/20
9. 深い不確実性下での分散に1/Nルールを使う
   各選択肢の価値を信頼性高く見積もれないとき、リソースを均等に分散する。
   シンプル・ヒューリスティクス:ゲルト・ギーゲレンツァーの「速く倹約的な思考」擁護論
10. システムが何を最適化しているかを変える
    もしシステムの目標が変えたい行動を生み出しているなら、その目標を変える。
    レバレッジ・ポイント

自分の言葉で状況を説明する でプラクティスライブラリ全体を検索できます。