综合案例：金融科技产品决策

这是 22 节课的最终案例。我们将一个完整的金融科技产品决策场景拆解为 4 个阶段——分别对应不同的模型组合使用方式。这也是给你的一道"开放考题"：你能在多深的层次上运用这些模型？

**预计时间：**40 分钟读完 + 35 分钟做练习 = 75 分钟。

阶段一：决策前——用哪些模型来”形成判断”

1.1 第一性原理（Lesson 0001）

**问根本问题：**智能投顾的本质是什么？不是”AI 帮你选基金”——而是”用系统化的方法帮用户做资产配置决策”。这个本质意味着：核心能力不是”人工智能”（AI）——而是”资产配置理论”（MPT、Black-Litterman 等）+ “用户画像的精准度”。

1.2 反转（Lesson 0002）

问失败场景：“如果我们做了智能投顾并且失败了——最可能的原因是什么？”

1. 用户的收益不如预期（市场不好 + 策略不好）→ 用户流失 → 口碑负向
2. 合规风险：投顾建议导致用户投诉 → 监管处罚
3. 无法差异化——和蚂蚁/东财的智能投顾没有本质区别 → 获客成本高
4. 技术投入太大但用户量不够 → ROI 为负

1.3 能力圈（Lesson 0007）

**诚实评估：**公司在量化投资和资产配置方面的能力非常薄弱。如果自己做核心策略——大概率做不好。但公司在”用户理解”（500 万用户的行为数据）上有优势——这是大厂不一定有的。

1.4 二阶效应（Lesson 0003）

做决策后的连锁反应：

• 做 → 投顾系统开发 → 12 个月后上线 → 可能需要 2-3 年才能盈亏平衡 → 期间主业务（基金代销）会被分走资源 → 代销收入可能下降
• 不做 → 竞争对手都做了 → 用户预期”智能投顾是标配” → 不做可能让公司被认为”技术落后” → 用户流失到有投顾的平台

阶段二：战略选择——用模型来”比较选项”

2.1 地图不是疆域（Lesson 0006）

**区分计划和现实：**市场报告上的”200 亿规模”是预测（地图）——不是实际的变现机会（疆域）。这 200 亿中，有多少是”免费/低费率”的用户？有多少是愿意付费的？市场报告不会告诉你这个。

2.2 系统思考（Lesson 0004）

**看全景：**智能投顾不是一个独立的产品——它会影响：

• 基金代销的核心业务（用户从”手动买基金”变成”自动配置”——代销手续费模式可能变化）
• 投研团队（需要增加资产配置研究的能力）
• 合规团队（投顾建议的合规审查比代销更复杂）

2.3 帕累托法则（Lesson 0009）

**最关键的 20% 是什么？**不是”把投顾系统做到完美”——而是”先验证用户是否真的需要一个智能投顾”。20% 的关键投入：做一个 MVP（最简单的资产配置问卷 + 3 个模板组合），用现有用户做 A/B 测试。

决策的锁定效应：

• 如果选”自研”→ 需要建立量化团队 → 招人难 → 之后即使发现自研成本太高也很难回头（团队建了、系统写了）
• 如果选”白标方案”（买第 3 方投顾系统）→ 快速上线 → 但长期受第 3 方限制——定制化困难
• 如果选”合作/投资”→ 投一家小的投顾公司 → 风险共担 → 但如果投错了公司损失也很大

阶段三：执行——用模型来”做对”

3.1 奥卡姆剃刀（Lesson 0010）

**最简单的路径：**不上”完美的智能投顾系统”——先上”一个简单的资产配置工具”。这个工具不需要 AI——只需要问卷 + 规则引擎 + 3 个配置模板。目标是：在 3 个月内验证”用户是否愿意用系统化的方式做投资决策”。

3.2 康威定律（Lesson 0011）

**团队结构：**如果决定做——不要建立一个独立的”智能投顾团队”——而是把它作为”现有投研团队”的一个扩展。独立的团队容易和主业务脱节——投研团队+开发团队联合形成”产品组”更符合组织与系统的一致性。

3.3 贝叶斯思维（Lesson 0005）

**动态决策：**不要把”做/不做”当作一次性的决定——而是：

• 先验：我们进入这个市场的成功率 = 30%（基于历史数据：金融科技产品成功率 ≈ 30%）
• MVP 测试 3 个月后获得新证据 → 更新成功率
• 如果 MVP 的转化率 > 5% → 上调到 50%
• 如果 MVP 的转化率 < 1% → 下调到 10% → 考虑放弃
• 每个季度重新评估一次——不做”one-time bet”

3.4 根本原因分析（Lesson 0008）

**在 MVP 阶段持续做 RCA：**如果用户转化率低——不要停留在表面原因（“产品不好用”）——做 5 Whys 找到真正的障碍。可能是因为：用户不信任机器的投资建议、或者问卷太长用户不愿意填、或者是用户根本不理解”智能投顾”是什么。

阶段四：风险防控——用模型来”不犯错”

4.1 事前验尸与预检清单（Lesson 0020）

上线前：

• 事前验尸：如果智能投顾上线 3 个月后用户大量投诉——最可能的原因是什么？
• 预检清单：合规审查通过？策略回测数据完整？用户协议已更新？客服团队已培训？

4.2 反脆弱（Lesson 0014）

极端场景下的生存能力：

• 如果市场暴跌 30% → 智能投顾建议”加仓”还是”减仓”？→ 如果错了用户会怎么反应？
• 策略设计中包含”市场极端情况”的处理规则——而不是只针对”正常市场”优化
• 用”不要亏大钱”作为策略的第一原则——而不是”追求最高收益”

4.3 古德哈特定律（Lesson 0016）

选择合适的指标：

• 不要用”AUM（管理资产规模）“作为唯一的成功指标——它太容易被市场走势影响
• 更好的指标：“用户留存率”、“用户资金净流入”、“策略超额收益”——这些更反映投顾产品的真实价值

4.4 帕金森定律 + 侯世达定律 + 布鲁克斯定律（Lesson 0017-0019）

项目管理的三重挑战：

• 帕金森：12 个月开发周期 → 前 6 个月节奏慢 → 后 6 个月赶工
• 侯世达：首次做投顾系统 → 估算偏差可能 1.5-2x → 12 个月可能变成 18-20 个月
• 布鲁克斯：如果 18 个月发现延期 → 管理层想加人 → 反而更慢
• 应对：6 个月 MVP + 3 个月迭代周期 + 不做”big bang”上线——分阶段交付

最终建议（模型输出）

五、测验（8 题）

开放思考题（无标准答案，但值得花时间）

六、答题提示

展开提示

• Q1-2：第一性原理找到本质 + 反转识别失败原因—>组合使用
• Q3-4：MVP = 贝叶斯式决策 + 路径依赖的可逆选择
• Q5-6：帕累托 → 做 20% 关键验证；康威 → 团队结构匹配产品形态
• Q7-8：贝叶斯 → 动态评估；反脆弱 → 极端情况下也要生存
• R1-R2：没有标准答案——重点在于”多模型思考”的实践

七、本课行动清单——也是整个课程的最终行动清单

1. 立刻做一次”反转”：想象你当前最重要的项目在 6 个月后失败——写下 3 个最可能的原因。
2. 建立你的”思维工具箱”：从 22 个模型中选择 5 个最贴合你工作的——把它们写在一张卡片上——贴在你的工位/显示器上——每周至少使用它们一次。
3. 教别人：教是最好的学习方式——选一个模型，用 15 分钟讲给你的同事听。芒格自己也说：“最好的思考方式就是把它说出来。”
4. 做一次”多模型”决策：下一次遇到重要决策时——不要凭直觉——拿出本课的”模型清单”，在每个模型的视角看看你的决策。
5. 把这个课程的知识变成习惯：课程最大的危险是”读完了就忘了”。真正有效的方法是：选一个模型 → 每天用它分析一个决策 → 持续 21 天 → 变成习惯 → 选下一个模型。

---

八、完整的 22 节课索引

#	课程	部分
0001	第一性原理	Part 1 · 基础认知
0002	反转	Part 1 · 基础认知
0003	二阶效应	Part 1 · 基础认知
0004	系统思考	Part 1 · 基础认知
0005	贝叶斯思维	Part 1 · 基础认知
0006	地图不是疆域	Part 2 · 认知与现实
0007	能力圈	Part 2 · 认知与现实
0008	根本原因分析	Part 2 · 认知与现实
0009	帕累托法则	Part 2 · 认知与现实
0010	奥卡姆剃刀	Part 2 · 认知与现实
0011	康威定律	Part 3 · 组织与演化
0012	路径依赖	Part 3 · 组织与演化
0013	网络效应	Part 3 · 组织与演化
0014	反脆弱	Part 3 · 组织与演化
0015	邓巴数	Part 3 · 组织与演化
0016	古德哈特定律	Part 4 · 组织与项目管理
0017	帕金森定律	Part 4 · 组织与项目管理
0018	布鲁克斯定律	Part 4 · 组织与项目管理
0019	侯世达定律	Part 4 · 组织与项目管理
0020	事前验尸与预检	Part 4 · 组织与项目管理
0021	综合案例：OTC 衍生品交易	Part 5 · 综合应用
0022	综合案例：金融科技产品决策	Part 5 · 综合应用（最终课）