通常情况下，你都必须在掌握的信息还不充分时就作出决定；也就是说，在对每项选择都还不十分确定的情况下，你就得作出抉择，采取行动。所以，你要怎样才能填补欠缺的知识呢？…尽管赢面很小，斯坦利还是赢得了比赛，胜出的原因大部分应归因于斯坦利在信息不充分条件下迅速决策的能力…斯坦利身上集合了许多厉害科技，包括三维地形图、GPS、陀螺仪、加速仪、摄像头，连车轮都安装了感应器。车载软件对采集的数据加以解析，控制车辆的行进速度和前进方向。但是斯坦利成功的关键在于，它具有在信息不充分情况下制定决策的高超性能。为了做到这点，设计者在车内植入了模仿人类学习方式的能力。车上建立了一个人类决策数据库，汽车能从中提取数据，数据经提取后进入绑定在汽车控制系统中的学习程序，辅助汽车判断下一步行动。这样，汽车在作判断时就大大减少了失误。 这个故事突出说明了一个道理：学习别人身上的经验能显著降低自己失败的概率。不必每件事都去亲自尝试，你可以像斯坦利那样，从周遭环境中收集所有信息，然后运用前人智慧，作出最有利的选择。你要做的只是打量四周，为自己要作的抉择寻找借鉴。你会发现，即使没有几千个，至少也有数百个榜样可供参考。
传统的计划方式之所以失败，是因为它基于几个假设：①我已经掌握了足够详尽、足够准确的信息；②我能根据这些信息预见未来；③我所定的计划适用于我所预见的未来；④我定能坚持到底，赢得胜利！ 很遗憾，这些假设，统统不成立。93%的成功企业曾“转换过战略”，换言之，就是“一开始的计划行不通”——这还是成功者的数据。失败者的数据不必说了，100%。
在不确定性越来越多的今天，你更可能的状况是：①掌握的信息不足或者不准确；②黑天鹅意外频出，预测的未来完全错误；③尽管正确地预见了未来，但计划却不适用；④未来全中，计划合宜，但执行崩了……成功虽在望，壮士已断腕。
当你失败的几率非常大，你就需要制定一个“受发现不断驱动的计划”（ discovery-driven plan，DDP）。 沃顿商学院的伊恩•麦克米兰（ Ian MacMillan）和哥伦比亚大学商学院的丽塔 •麦格拉思（Rita McGrath）认为，要制定出一个DDP计划，必须自问如下问题：
我这个计划背后，存在哪些假设？
我需要证实哪些假设，来说明这个计划是可能成功的？
在“代价越小越好，速度越快越好”的前提下，我能如何一一检验这些假设？
当收集到什么样的数据时，我可以对这个计划追加投入？
在收集到什么样的数据时，能说明这个计划完全失败，我必须中止计划？
他们建议，把计划定成“走一步看三步”，事先定好三个“检查点（checkpoint）”。你的资源（精力、人脉、财富）必须分批投入，一开始投入的资源只够抵达第一个“检查点”，到达后，根据收集到的反馈，修正计划，重新设定未来的三个“检查点”，然后，再投入部分资源……如此不断反复循环。
《真希望我20几岁就知道的事》蒂娜·齐莉格
《绝对会失败的人生计划，定还是不定？》游识猷
blog.sina.com.cn/s/blog_6a4dab…