遵守理性選擇理論可幫助我們做出更妥善的決策。我們也能將成本效益分析、損失趨避原則、沉沒成本等概念作為思考工具，更客觀地權衡利弊：
想做出好的決策，經濟學的兩大理論可以幫助你：賽局理論、奈許均衡。
為什麼明明沒那麼愛運動，卻花大錢買健身房會員？要減少錯誤的決策，就要小心我們的「自欺」心理。自欺往往讓我們高估了自己，判斷失誤而做出對自己不利的決定。
在全球大獲成功的賣座電影《星際大戰》系列，當年在提案階段竟然連續被多家片商拒絕？從結果來看，這些片商似乎都做出了失敗的決策，但真的是這樣嗎？
數據的假象可以很有說服力，因為大多數人看到以數字呈現的資訊，都覺得自己不夠資格去質疑。若要予以反擊，就必須學會在何時、用何種方法對這類說法提出質疑。
世界上最有影響力的公司，CEO 到底都在做什麼？更重要的是，他們為什麼這樣做？《卓越 CEO》指出重要思特質：能夠歸零思考，不把任何投入視為理所當然。
經理人無論在公司裡隸屬於哪個部門，都需要了解總體環境趨勢的發展與變化。在趨勢預測時則不脫以下四種方法論：數字推移、理論推導、典範關注、現象觀察。
如何正確判斷兩件事之間的關係？應該分清楚「因果關係」、「相關性」、以及單純巧合的偶發性。為了更進一步確認因果關係或相關性，可透過實驗設計進行檢證。
進行抽樣調查時，首先必須注意是否有「樣本偏誤」的狀況，這種數據資料的遺漏，我們稱為「暗數據」，無論是刻意遺漏或是未知遺漏，最終都會影響調查結果。
經理人大多認同「數字會說話」的概念，然而，有些時候看起來很可靠的數字，卻不見得是事實，因為人在解讀數據的過程會有偏誤：忽視其他數據，或只看到想看的部分
如何運用數據做決策？首先必須界定待解決的問題，根據問題提出假設，並根據假設的檢驗方向來蒐集數據，反覆透過數據修正假說，最後得出行動洞見，以此做出決策。
數據分析無法脫離問題意識的掌握，蒐集數據的目的在於驗證假說、產生行動，因此首先必須界定問題。問題必須具體化，才能回頭確認需要什麼數據來驗證。
數據時代最關鍵的技術，除了收集彙整數據，更強調如何解讀以獲取重要的情報，作為決策參考。Netflix 推出紙牌屋，運動家隊的魔球策略，就是最佳範例。
許多新產品、新服務推出前，都是透過企業籌組的專家小組，花費大把精神審查提案，為什麼依然難以做出回應市場需求的選擇？
國內老字號3C零售通路商良興電子，雖然總體規模不及前幾大龍頭品牌，卻靠著準確的數據管理，進而影響庫存、採購、門市銷售、電商導購，創造領先獲利率。
「在風險改變之前，還有多少時間？」關鍵在於，你必須清楚自己面對的是哪一種情況，不要執著於「一定要快速決策」或「總是慢慢做決定」。
要減少雜訊，必須要降低個人自由心證的空間，將決策拆解成幾個不同層面的元素，替行為定錨，給予足以一致解讀的具體描述，確保判斷時有共同參考框架。
避免「感覺對了」的決定，不要過度高估自己的判斷，以及認知到外在條件的複雜性可能會限制決策準確性。
雜訊可分3種類型：水準雜訊、型態雜訊、場合雜訊。要抓出干擾決策的因素，得先辨識雜訊的型態。當這3種雜訊出現，會讓許多人對同一事件出現判斷不一致的狀況。
人類在做決策時，會被更難以察覺因素影響，導致標準不一致，出現不想要的變異（unwanted variability），稱為「雜訊」（noise）。
AMD 以 500 億美元順利收購 FPGA 大廠賽靈思（Xilinx）蘇姿丰因表現獲得董事會肯定，獲選成為新任董事長。即表示將同時兼任 AMD 總裁
SWOT 主要評估公司擁有何種競爭能力能夠在市場上勝出，以及可能有哪些弱點會不利於未來競爭；所謂的機會與威脅，指外在環境可能變化對公司產生衝擊或影響。
本篇提供7種工具框架，幫助掌握組織在生產、行銷等面向是否足夠有競爭力；更能在分析的過程中，找到獨特的市場定位。
《多模型思維》指出，模型可以清楚、有邏輯地解釋現象，當數據愈來愈容易取得、資料也更精細，人們愈來愈常使用模型預測未來。
