商业的实践与研究都隐含着这样一种观念：管理是一门科学，商业决策必须以严格的数据分析为主导。大数据的迅速发展更是强化了这种观念。最近安永一项调查显示，81%的高管认为“数据应当是一切决策的中心”，于是安永热忱地宣布，“大数据能够使决策不再依赖直觉”。
这种论调备受管理者青睐。许多管理者有应用科学学科背景，或者是读过MBA——这个学位出现于20世纪早期，当时弗雷德里克·泰勒（Frederick Winslow Taylor）提出“科学管理”（scientificmanagement）这一理念。
MBA项目毕业生大量涌入商业世界，仅美国一年便有15万人拿到MBA学位。过去60年来，这类项目始终尝试将管理变成一门客观的科学。导致此种倾向的一大原因是，1959年福特和卡内基两个基金会针对美国商科教育现状发表了措辞严厉的报告。撰写报告的经济学家认为，商科项目培养的学生水平不够高，教师拒绝接受其他社会科学采用的科学方法论。简言之，商科教育不科学。福特基金会出资赞助哈佛商学院、卡内基理工学院（Carnegie Institute of Technology，位于哥伦比亚，是卡内基梅隆大学前身）和芝加哥大学创办学术期刊、设立博士项目，部分原因正是要弥补这个不足。
可是，管理真的是一门科学吗？理性严谨真的能跟数据分析划等号吗？如果这两个问题的答案都是否定的（本文作者持这种观点），那么，管理者又当如何决策？我们为战略和创新制定了另一种方案，不那么依赖数据分析，而是更注重想象、实验和沟通。
不过首先，我们要回顾一下何谓科学。
商学是科学吗？
我们所知的科学定义始自亚里士多德，他跟随柏拉图学习时就提出了因果关系及其论证方法，使得“论证”成为科学的目的以及衡量“真实”的最终标准。由此，亚里士多德开创了科学探究的途径，两千年后的伽利略、培根、笛卡尔和牛顿称之为“科学的方法”（the Scientific Method）。
科学对社会产生的巨大影响难以全面估计。亚里士多德的方法论催生了启蒙时代的科学发现，引领了工业革命和其后的全球经济发展。科学能够解决问题，让世界变得更好。伟大的科学家如爱因斯坦被尊为现代圣人，很少有人会提出质疑。甚至也很少有人质疑，我们将科学方法当作其他学科的模板，用“社会科学”指代“社会研究”。
但亚里士多德也许会质疑，我们是否将科学方法滥用了。他为自己提出的方法划定了适用范围，即用于理解不会改变的自然现象，比如，为什么太阳每天升起，为什么会发生月食，为什么物体会落在地上。这些现象并非由人类控制，科学正是研究其成因。
但亚里士多德并未声称所有现象都是必然的。相反，他相信自由意志和人类的能动性可以彻底改变局面。换言之，如果人类做出选择，世界上许多事物都会改变。他写道：“多数与我们的决定相关、因此也是我们所探查的事物，向我们呈现多种可能性……我们的所有行为都具有偶然性，几乎都不由必然性决定。”他认为，产生这类可能性的不是科学分析，而是人类的发明和劝导。
我们认为，商业战略和创新方面的决定尤其如此。你无法只靠着分析历史来制定未来方向或推动变革，比如说，分析过去的消费者行为，根据分析结果设计产品，不可能改变未来的消费者行为。
而卓越的商业创新可以改变顾客习惯和体验。史蒂夫·乔布斯、史蒂夫·沃兹尼亚克（Steve Wozniak）等计算科学先锋创造了全新的设备，使人们互动和交易的方式发生了革命性变化。铁路、汽车和电话都为人们的行为和社会带来了历史数据无法预测的巨大变化。
诚然，创新者常常运用科学发现进行创造，但他们真正的创新才能在于想象出此前不存在的产品或流程。
现实世界不只是不变的科学定律形成的结果，不会摒除创新的可能性。运用科学做商业决策有局限，管理者必须了解局限所在。
能还是不能？
多数情况都包含一些能改变和不能改变的因素，要学会辨别这两种因素。你必须发问：主导局面的是可能性（可以改变的因素）还是必然性（无法改变的因素）？
假设你打算建立一条灌装矿泉水的流水线，标准方法是加热已经成型的塑料容器，利用气压将容器吹成水瓶，冷却硬化，最后灌水。全世界几千条灌装流水线都是这样。
在此过程中，一些因素是不可改变的：成型所需的温度和气压，水瓶冷却的速度，灌水的速度。这些因素由热力学和重力法则决定，无法通过管理改变。
此外还有很多因素可以改变。虽然每一步中的主导是科学定律，但步骤本身不必遵循沿用了几十年的顺序。一家名叫LiquiForm的公司提出，可以利用需要灌装的液体水压将瓶子吹成型，把两个步骤合成一个。事实证明这个想法完全可行。
管理者要把每个决策场景分解成可以改变和不能改变的因素，然后检验自己的判断。判定某个因素无法改变，管理者要弄清楚这个因素由哪些自然定律决定。如果能找到充分的原因证明它无法改变，那么就运用现实中适用的最佳方式，遵守科学定律，用数据和分析引导决定。
判定为可以改变的因素也需要检验。有什么证据可以证明相应的行为或结果会与以往不同？如果论据充分，那就以设计和想象为主导，分析作为辅助手段。
要注意，数据并不足以证明结果不会改变。数据不是逻辑。许多利润丰厚的商业活动都是反实证而行的结果。乐高董事长约恩·克努德斯道普（Jørgen Vig Knudstorp）就是一个很好的例子。2008年他担任乐高CEO时，数据显示女孩对乐高积木的兴趣不如男孩：乐高玩家85%是男孩，乐高每次尝试吸引女孩的努力都失败了。于是公司许多管理者认为女孩天性不喜欢玩积木，认为这种局面是不可改变的。但克努德斯道普不这样想。他认为，问题在于乐高尚未找到吸引女孩玩建筑玩具的方法。2012年，乐高女孩（Lego Friends）系列大获成功，证实了他的想法。
乐高的例子说明，数据只是一种证据，而且数据证明的有时候并不是人们直接想到的结论。此外，没有数据并不意味着没有可能性。新的成果和行为当然没有以前的数据来证明。因此，真正严谨的思考者不止考虑数据说明什么，还考虑在可能的范围内会发生什么。这就需要运用想象力，这与分析截然不同。
另外，能与不能的分野远比人们所想的模糊。创新者会将不可能变为可能。
突破框架
想象新的可能性，首先要跳出旧有框架。现状往往显得像是唯一的可能性，既有认知难以撼动。
最近，我们为一家面向非营利组织的咨询公司提供咨询，发现了很好的例子。这家公司客户的问题是“匮乏循环”（starvation cycle），特定项目能够得到丰厚的资金支持，项目间接成本却无法得到赞助。例如，慈善团体在拉丁美洲成功开展了针对女孩的教育项目，而后向撒哈拉以南非洲扩展，会得到某大型私人基金会赞助，但项目前期发展和相关运营成本，基金会只承担一小部分。因为捐赠者通常会给间接成本划定很低的比例，一般只允许捐款中10%到15%流向这部分成本，但大部分项目的间接成本占40%到60%。
咨询公司接受了这个问题框架，认为战略挑战是说服捐赠者提升分配给间接成本的比例。他们预设了这样一个事实：捐赠者认为间接成本是“必要之恶”，导致终端受益者无法得到资源。
我们让公司合伙人验证这个假设，让他们听捐赠者谈成本，不要向捐赠者阐述提高赞助比例的需求。捐赠者的话令合伙人吃惊。捐赠者不仅能看到匮乏循环，而且对这种现象非常反感，也明白正是自己造成了这个循环。问题在于，他们不信任受资助者管理间接成本的能力。合伙人跳出错误的预设，迅速制定出各种针对流程的解决方案，帮助非营利组织增强成本管理能力，为捐赠者增加信心。
倾听利益相关者的感想，似乎不如分析正式调查得来的数据严谨全面，但以这种方式收集观点行之有效，人类学、人种学、社会学、心理学等社会学科的研究人员对此都不陌生。许多商业领导者，特别是运用设计思维及其他以用户为中心的方式实现创新的领导者，都明白定性观察研究在理解人类行为中的重要意义。比如在乐高，克努德斯道普对性别预设的质疑推动公司进行了为期4年的人种学研究，最终发现女孩对协作游戏的兴趣高于男孩，这个结论说明，带有协作性质的建筑类玩具可能会吸引她们。
人种学研究方法是一种有效的工具，但也只是新框架的起点。最终你必须找到可能性，并说服别人接受。为此，你必须开创新的叙述方式，取代限制人们的旧有框架。“讲述故事”的原则与自然科学原则截然不同。自然科学解释世界的形态，而故事可以描述尚不存在的世界。