研究者曾请一群正在写毕业论文的学生估算，从现在开始，自己还需要多少天才能交稿。

学生给出的最佳估计，平均是33.9天。

研究者又让他们设想一次最糟的进展。生病会打断进度，拖延也会消耗时间。返工或资料卡住，同样算进估计。把这些意外都加上，最晚需要多久？

这一次，平均答案放宽到了48.6天。

正常情况算了一遍，最坏情况又算了一遍。学生已经主动给意外留出了时间，48.6天听起来相当谨慎。

真正交稿时，完成论文的学生平均用了55.5天，比他们预想的最坏情况还多了近一周。即使采用最悲观的期限，按时完成的比例也停在48.7%。研究记录结束时，仍有4名学生的论文处在撰写中，平均完成时间的统计对象限于已经交稿的人。

最悲观的估计，为什么仍然比现实乐观？

因为这些学生虽然增加了坏情况，思路仍然困在自己的计划里。

他们想的是，写论文时可能遇到哪些麻烦。想到一个，就多加几天。这个办法覆盖的是自己想得到的意外。陌生的问题和计划表之外的变量，仍然留在估算之外。

他们一直在问：

参考类预测法会把问题换成：

两句话只差一个视角，答案可能相差很远。

前一个问题让你留在自己的故事里，继续扮演主角。后一个问题把你放进一群已经交卷的人当中，先看看自己大概率落在哪个位置。

这个模型最重要的动作，可以压缩成一句话：

20世纪70年代，丹尼尔·卡尼曼带领一个团队，为以色列高中编写一套教授判断与决策的课程和教材。

项目已经推进了一年左右。课程大纲列好了，部分章节写完了，团队还做过几次试讲。卡尼曼请每位成员分别估算，从现在开始，还需要多长时间才能向教育部提交完整教材。

大家的答案集中在一年半到两年半，中心位置大约是两年。

这个判断有完整的推算过程。团队知道还剩多少章节，每一部分由谁负责，接下来还要经过哪些环节。把任务逐项拆开，再把时间加起来，两年左右显得合情合理。

团队里有一位课程开发专家，名叫西摩·福克斯。卡尼曼把他从眼前的计划里拉了出来，问了一个新的问题：

福克斯回忆后给出答案：大约40%的团队最终放弃；顺利完成的项目，工期落在七到十年之间。

卡尼曼继续追问，眼前这支团队的能力和资源，在那些项目中大概排在什么位置？

福克斯的判断是，略低于平均水平，仍处在接近的位置。

如果参照同类项目的历史结果，这支团队面对的是七到十年的工期，以及大约40%的放弃概率。

卡尼曼承认，这个答案很有道理。项目仍然沿着原计划向前推进。

教材最终用了八年才完成。等到交付那一天，教育部最初的热情已经消退，后来将这套教材搁置。

同一个项目，两年和七到十年，差别究竟从哪里来？

两年来自内部视角。团队盯着眼前的任务，分析已经完成了什么，接下来准备做什么，每一步大概需要多久。

七到十年来自外部视角。福克斯暂时离开当前项目，把它放进一组同类项目中，查看这些项目过去的真实工期。

内部视角负责拆任务、排人员、定节点，执行靠它展开。外部视角负责校准工期、预算和成功率，作承诺之前需要它。

风险出现在两种视角混为一谈的时候。执行计划写得越细，未来越容易显得清晰。每一步都有负责人，每个节点都有日期，一张表格便会带来一种确定感。

可过去那些延期甚至放弃的团队，也曾认真写过计划。

理解参考类预测法，需要先把四个概念放回各自的位置。

规划谬误描述的是结果。我们估算时间、成本和收益时，答案经常偏向乐观。

内部视角解释了这种偏差怎样发生。人们沿着当前计划向后推演，注意力集中在自己准备怎么做，同类项目过去做成什么样，很少进入计算。

外部视角提供了纠偏方向。它让人暂时退出当前故事，把手里的项目当作同类案例中的一个样本。

参考类预测法把这个方向变成可执行的方法。你要找到一组可比案例，查看完整结果分布，再根据当前项目的真实差异作有限调整。

四个概念连起来，就是一条清楚的路径：

卡尼曼与阿莫斯·特沃斯基提出了外部视角的理论基础。后来，丹·洛瓦洛和卡尼曼将这套思路引入管理决策。大型项目研究者本特·傅以斌及其合作团队，又把它进一步操作化，用来预测项目的成本、工期和收益。

项目能否按期交付，最终成本落在哪个区间，三个月能新增多少用户，一年后还能留下多少活跃用户，这类问题都适合使用参考类预测法。

它带来的变化很朴素。预测开始少听一点自己的故事，多看一点别人已经交出的结果。

动手寻找参考类之前，先把问题说准。

"这个项目能否成功"过于宽泛。成功可能指按时上线，也可能指控制住预算，还可能指达成用户目标。预测对象一旦模糊，挑选历史案例时就会随意，最后得到的数字也很难指导决策。

更有效的问法是：产品能否在10月1日前上线？最终成本大概率落在哪个区间？三个月新增用户最可能达到多少？一年后还能保留多少活跃用户？

指标与截止时间清楚以后，参考类预测法可以压缩成三个动作。

参考类是一群已经交卷的人。一个广为流传的成功故事，适合提供灵感；概率判断需要一组完整样本。

判断两个项目能否放在一起比较，项目名称的用处很小，真正有用的是那些会改变结果的条件。

先看任务类型和项目规模，再检查技术成熟度与组织协作难度。团队能力、预算状态、流量来源和市场环境，也会把结果推向不同位置。

两个项目都叫"小程序增长项目"，结果形成机制可能相差很远。

一个项目已有成熟产品，预算按期到账，流量入口也很稳定；另一个项目从零开发产品，渠道需要临时协调。名称相同，关键条件仍将它们分在两个参考类里。

所谓"结果形成机制相似"，说得再直白一点，就是决定项目会否延期、超支或者失败的关键条件大体相近。

参考类收得太窄，最后只剩一个最像自己的成功案例；参考类放得太宽，又会把规模和难度完全不同的项目混在一起。两种做法都会把预测带偏。

好的参考类，需要在相似性和样本量之间找到平衡。

找到同类项目以后，先把平均数放到一边。

参考类真正提供的是一张结果分布。它会告诉你，中间位置在哪里，多数项目集中在哪个区间；延期、超支和中途退出分别占多少，两端的结果又能延伸到什么程度。

假设一个团队提出"三个月新增30万用户"的计划。

过去12次条件相近的增长活动中，新增用户的中位数是8万。10次活动停在15万以内，超过20万的仅有1次，最高值也停在30万以下。

看到这组数据，30万依然可以留在目标栏里。把它写进预测栏，则需要更强的证据。

目标可以激进，预测必须诚实。

历史分布给出预测起点，当前项目的差异决定调整方向。

先看一个条件相近的普通项目通常落在哪里，再检查自己手里有哪些证据，足以把结果推向更好或更差的位置。

新渠道经过小规模测试，已经跑出稳定转化率，这是一份证据。预算按节点到账，也会改变项目的交付能力。产品若已通过真实用户验证，团队又在可比项目中留下可靠记录，预测就有理由调整。

"领导很重视""大家有信心""这次准备得更充分"，这类表态可以鼓舞团队。领导重视一旦落实成真实资源和更快的决策，才会改变预测；停留在表态层面，证据强度仍为零。

每个项目都能讲出自己的特殊之处。真正稀缺的，是一份经过验证的不同。

参考类预测听起来容易让人联想到经验不足的个人和小团队。专业团队通常拥有充足的数据和经验丰富的人员，计划也写得很细，判断似乎理应更加可靠。

大型项目的历史记录给出了另一幅图景。

据傅以斌及其团队的报告，牛津全球项目数据库2022年的资料包括16357个项目。其中，47.9%的项目守住了预算，8.5%同时守住预算和工期，最终还能实现预期效益的项目只占0.5%。

换句话说，平均每200个大型项目，1个能够同时兑现成本、时间和效益三项承诺。其余199个，至少有一项打了折扣。

这组数据描述的是总体分布，落到某个具体项目时，仍然需要重新选择参考类。它提醒决策者，只看项目团队自己提交的计划和承诺，很容易高估全部兑现的机会。

另一项覆盖20个国家、258个大型交通项目的研究发现，铁路项目平均超支约45%，桥梁和隧道平均超支约34%，公路项目平均超支约20%。

悉尼歌剧院最初计划花费约700万澳元，用4年建成。最后的成本达到1.02亿澳元，约为原预算的14.6倍，竣工时间也比原计划晚了十年。

这些项目集中了大量专业人员。聪明可以把计划写得更周密，项目仍然留在历史分布之中。

项目越大，资源通常越多，协作链条也会拉得更长。前者提升执行能力，后者引入更多难以提前列出的变量。两股力量会同时作用于结果。

真正需要警惕的是，团队把计划中那条顺利展开的路径，当成了未来最可能走过的路径。

一份计划描述我们准备怎样走，历史分布记录同类项目最后走到了哪里。预测需要同时看见两边。

参考类预测法进入真实项目后，会把预算和工期改成什么样？

2012年，香港特区政府发展局委托开展了一项可行性研究。研究者收集了25个已经完成的香港大型道路项目，比较它们在不同规划阶段的成本、工期估算和最终结果，同时引入863个国际道路项目作为基准。

研究发现，在项目刚进入早期规划阶段、许多细节仍待确定时，如果决策者最多接受20%的超支风险，相对于当时的基准估算，成本需要上调44%，工期需要上调75%。

这两个数字看起来相当悲观。它们来自同类道路项目的历史结果，代表的风险水平是P80。

P80可以这样理解：按照历史分布作出调整后，成本估算来到这一档，大约80%的同类项目能够守住预算；工期估算来到相应位置，大约80%的同类项目能够按期完成。每一项仍然保留约20%的突破概率。

44%和75%有清楚的适用边界。

它们对应特定地区、特定项目类型和特定规划阶段。地区、类型或阶段发生变化，参考类也要跟着重选。

这两个比例表达的是特定风险水平下的估算调整。落实到单个项目，实际增幅可能低于或高于这两个数字。

成本P80和工期P80分别计算。两项同时守住的概率，需要根据二者的联合分布另行判断，直接写成80%会高估把握。

数字看起来更保守，常常只是因为历史终于进入了计算。

参考类预测法可以压缩为三个动作。真正用起来，偏差经常藏在选样本和读数据的过程中。

某个小程序半年新增100万用户，于是团队把它当成自己的参考。

这个案例可以告诉你，最好的结果有多高，也能提供一些方法启发。概率判断需要另一组信息：增长缓慢的项目有多少，长期延期的项目有多少，最终停止运营的项目又有多少。

成功者最容易被看见，失败者最容易退出记录。只盯着前者，历史分布从一开始就被抬高了。

有些人把范围收得很窄，最后留下几个与当前项目最相似的成功案例。另一些人追求样本量，把规模、难度和资源条件相差很大的项目全部装进来。

前一种选择让样本偏向成功，后一种选择让可比性迅速下降。

参考类要同时守住两条线：样本量足以形成分布，关键条件足以支持比较。

假设历史上的铁路项目平均超支45%，把新项目预算直接增加45%，是否足够？

这个数字只呈现所有项目的平均结果。中位数的位置与尾部超支幅度，仍然藏在分布里。

风险承受水平还会改变答案。一个项目把可接受的超支概率设为10%，另一个设为40%，两者需要准备的预算和工期自然不同。

平均数适合描述总体，具体承诺还要回到分布中的位置。

个人和小团队可能只能找到5个或10个同类案例。这些案例依然有价值，适合提供方向和大致区间。

样本越少，偶然性占比越高，预测区间就该放宽，措辞也该保留余地。用5个案例算出"按时完成概率73.6%"，小数点制造了确定感，证据仍然停在原来的强度。

历史记录的完整程度同样重要。延期、放弃和失败项目一旦从数据库中消失，留下来的分布自然显得乐观。

有些项目面对的难题来自激励。成本一旦报高，工期一旦报长，预期收益一旦调低，立项就可能受阻。

项目推动者于是倾向于压低成本、缩短工期、抬高收益。傅以斌把这类行为称为"战略性误述"。

参考类预测法能够让数字与历史记录正面碰撞，使异常乐观的承诺更容易暴露。要处理故意筛选数据、回避负面结果的问题，审计要负责复核数字，监督与利益披露让选择过程可见，问责机制再处理故意偏离。

方法可以提高诚实预测的质量，组织规则决定诚实预测能否留在会议桌上。

普通团队很少拥有上万个项目组成的数据库。真正的起点，可以是一份持续更新的项目记录。

下一次项目结束后，打开备忘录，花五分钟记下几组对照。先写最初预计何时完成，以及实际交付落在哪一天。预算起点和最后支出放在一起，预期结果也要对照真实结果。再补上当时的团队规模、资源条件和主要阻碍。

几次项目之后，这份记录就会比记忆可靠。人的记忆喜欢保留解释，记录会留下当时写过的数字。

寻找参考案例时，可以先翻自己的历史任务，再查看团队和公司的旧项目。行业公开数据排在后面，关键条件相似的其他领域案例也能提供补充。

记录时，失败项目尤其重要。它们容易在复盘中被一笔带过，却直接决定你看到的是完整分布，还是一份经过筛选的成功名单。

即使只有少量案例，也可以作出有边界的判断。比如：

这样的表达看起来朴素，却准确交代了证据强度。

可靠的参考类暂时缺席时，预测就先保留区间。项目可以从小规模试验开始，资源分阶段投入，再用真实反馈更新判断。继续投入需要什么证据，出现什么结果就该停止，也要提前写清楚。

历史样本空缺时，先创造一个成本可控的新样本。

参考类预测法给雄心加上的，是证据要求。

目标可以高于历史平均水平，行动也可以冲着极少数的优秀结果去。预测承担着另一项责任，它要告诉决策者，按照目前掌握的信息，结果最可能落在哪里，需要为多大的风险准备资源。

你当然可以努力创造一个偏离历史的结果。把"我想做到"直接写成"我大概率会做到"，中间还差一段证据。

内部视角负责组织行动，外部视角负责校准承诺。两种视角一起工作，计划才既能推动团队，也经得起结果检验。

下次写计划、报预算或作出承诺之前，先问五个问题：

一，我要预测的究竟是哪一个指标，截止时间落在哪一天？

二，哪些历史项目在任务、规模、复杂度和资源条件上与当前项目接近？

三，这些项目最后分别做成了什么样，延期、失败和中途退出的案例是否进入统计？

四，如果希望提高守住工期和预算的把握，还要预留多少时间与资源？

五，我手里有哪些已经验证的证据，足以支持当前项目偏离历史分布？

这五个问题如果暂时空着，当前数字仍然可以作为目标，也可以作为团队争取的方向。把它当成可靠预测，还需要补上参考类和证据。

写毕业论文的学生已经主动想过最坏情况，结果仍然低估了时间。问题出在他们只给自己的故事增加了几个意外，视线始终停在故事内部。同类论文过去究竟写了多久，始终留在计算之外。

执行需要信心，承诺需要校准。