云原生转换过程中常见的偏见和推动

常见的偏见和推动
认知偏差已经成为流行的主流话题，并且定义了很多很多例子。

该列表分为三种类型的偏见：

决策，信念，行为偏差是 影响信念的形成、商业和经济决策，以及一般的人类行为

社会偏见的一种形式归因偏差是描述了当我们试图解释我们自己或他人行为的原因时影响我们思维的错误假设（鈥凌除了作为客观感知者运作之外，人们容易出现感知错误，导致对其社会世界的偏见解释，鈥 维基百科有帮助的解释。）

存储器偏压该增强或损害一个存储器召回或改变或改变其细节

所有这些都会阻碍项目的发展、减慢进度，甚至导致项目失败。

我们已经确定了 24 种认知偏差，根据我们的经验，这些偏差在云迁移项目中最常见。大多数这些偏见都属于决策、信念和行为偏见的范畴，还有一些社会偏见。我们还包括了任何相关的推动因素，可以将偏见从问题转变为积极的力量改变。

下面的列表中列出了这些常见的偏差，从维基百科5 的每个定义开始，然后是它在云原生转换过程中如何呈现自身的描述。

歧义效应
在以避免选择倾向，其丢失的信息，使结果的概率似乎鈥涡nknown。鈥的不确定性影响的一个例子是，大多数人会选择在创业的未知回报一份固定收入。

云原生关系：这种偏差是在转型早期运行实验、了解项目范围并填补缺失的信息空白的主要原因。否则，人们倾向于做他们一直做的事情，因为他们确切地知道这是如何运作的，即使它不再适用于新的环境。

权威偏见
该趋势属性更高的精确度，以权威人物（无关的内容），并认为由该意见将更多的影响。

云原生关系：在传统的等级（瀑布）组织中，权威人物必须比等级中低于他们的其他人知道更多。在云原生中，这种偏见更加危险，因为管理人员对基于新技术的高度复杂的分布式架构中发生的事情了解较少。他们需要小心避免下达命令甚至提供意见，因为他们将被自动视为“正确”。

可用性启发式
该倾向高估更大的事件鈥渁vailability鈥在内存中，可以通过它们如何近期记忆或如何不寻常的或带有感情色彩是影响的可能性。

云原生关系：大家都在谈论Kubernetes，所以突然之间它必须是正确的做法！
潮流效应
做（或相信）事情的倾向，因为许多其他人做（或相信）同样的事情。与群体思维和从众行为有关。

云原生关系：当 Gartner 将某些技术放在他们的图表上时，每个人都决定采用它，即使不了解它与他们的用例有何关系。

旁观者效应
的倾向，以为别人会在紧急情况下采取行动。

云原生关系：这与重叠的职责非常相关。例如，在拥有众多专业团队的瀑​​布式组织中，当一项任务没有正式属于任何人时，没有人会主动去接。在云原生中，团队负责独立执行，需要进行清晰的沟通，以便涵盖所有必要的任务。

确认偏差
搜索、解释、关注和记忆信息的倾向，以确认一个人的先入之见。

云原生关系：忽略所有那些不方便的事实，并接受支持您观点的信息。总是有大量数据可供选择，因此很容易挑选。如果您有一位拥有 20 年传统 IT 经验的系统管理员，他会非常有创意地找到许多不迁移到云的非常重要的原因。如果工程师一心想使用他在会议上听说过的一些很酷的工具，他将忽略所有表明其他工具实际上可能更合适的信息。

一致性偏差
该测试趋势完全假说通过直接单测试，而不是测试多个假设可能的替代品。

云原生关系：当您进行实验以证明您的观点而不是寻找新信息时。因此，您将只运行一个概念证明 (PoC)，如果它有效，即使不评估它们，您也会自动排除所有其他替代方案。这就是为什么我们有一个 PoC 模式和一个单独的探索性实验模式。

知识诅咒
当消息灵通的人发现很难从消息灵通的人的角度思考问题时。

云原生关系：由于这种偏见，我们的客户工程师经常难以向他们的经理推销云原生想法：他们非常清楚为什么这样做是正确的，以至于他们忘记了经理没有使他们能够理解的背景知识它同样清晰。即使是我们自己的工程师和顾问，如此沉浸在云原生中，也需要注意从不熟悉云原生的客户的角度看待事物。

默认效果
什么时候 如果在多个选项之间进行选择，则倾向于选择默认选项。

云原生关系：任何问题的解决方案都必须考虑正确的默认值，因为与任何自定义选项相比，这些默认值将被更频繁地采用。换句话说，如果您设置了一个云原生平台，大多数人可能会完全按照您提供的方式使用它。对于 Amazon Web Services 或 Azure 等云平台中内置的工具以及提供给员工的内部工具来说都是如此。这就是为什么我们有 Starter Pack 图案的原因。

邓宁-克鲁格效应
钍对于不熟练的个人è倾向高估自己的知识/能力，并为专家们低估了自己的知识/能力。

云原生关系：这种偏见会导致高估您对自己不熟悉的事物的能力。我们在管理人员身上看到了这一点，他们试图决定将使用哪些工具或方法作为转型的一部分。他们没有实际的云原生经验或知识，但他们习惯于发号施令。

敌意归因偏差
该鈥渉ostile归因偏差鈥是解释人的行为鈥具有敌意，即使行为是不明确的或良性的趋势。

云原生关系：每当我们进入一个新的客户组织以及与可能遇到同样形式阻力的内部转型领导者合作时，我们都需要考虑这种偏见。在这两种情况下，我们都会遇到一些人，他们认为我们去那里是为了破坏他们的工作并破坏他们的公司。我们不应该认为这是他们的真实意见，因为这是一种正常的人类偏见，因为变化经常会在那些准备接受它的人中产生焦虑。

宜家效应
人们倾向于高度重视他们自己部分组装的物品，例如宜家的家具，而不管最终结果的质量如何。

云原生关系：这个关系可以积极地用作推动，并解释了为什么我们必须在规划和执行转型的每个阶段让客户组织中的每个人都参与进来。参与其中的任何人都倾向于喜欢和支持解决方案。

控制错觉
高估一个人对其他外部事件的影响程度的倾向。

云原生关系：这在云原生转型不确定的情况下尤为常见。工程师认为他们知道如何构建微服务，而管理人员认为他们知道进行 DevOps 需要什么。但实际上，这只是一种控制的错觉。许多复杂和紧急的过程甚至都很难控制，更不用说控制了。有时我们需要接受一些不确定性才能最终获得结果。

信息偏差
寻求信息的倾向，即使它不会影响行动。

云原生关系：分析瘫痪。在瀑布式组织中很常见——努力尝试为越来越多的问题找到越来越多的答案，而不管事实上只有两三个可能的行动可以采取，而且其中一个的好处非常明显。

非理性升级（也称为沉没成本谬误）
这 尽管新的证据表明该决定可能是错误的，但人们根据累积的先前投资证明增加投资是合理的现象。

云原生关系：如果您花了六个月的时间建立 OpenShift 集群并购买了所有许可证，那么您不太可能切换到另一个工具，即使它被证明是更好的。人们经常推进显然不会带来任何价值的项目。

仪器定律
一对熟悉的工具或方法的过度依赖，忽略或不足估价的替代方法。鈥泪你只有一把锤子，什么都像钉子。鈥

云原生关系：在使用旧技术/流程的同时迁移到云原生。这方面的例子包括使用 Scrum 进行创新；部署许多紧密耦合在一起的微服务；告诉人们在高度分布式的团队构建微服务中该做什么；或以其他方式避免改变以支持已经熟悉的事物。

鸵鸟效应
忽略明显（消极）的情况。

云原生关系：几乎不需要解释。我们知道，当我们转向云原生时，我们需要做出重大的文化转变，而不仅仅是改变技术。然而，许多公司选择要么完全忽略这一点，要么只做一些表面上的小改动，以表明他们已经改变了他们的文化，无论哪种方式，尝试使用不再适用的旧流程在新范式中工作。

帕金森琐碎定律（ikeshedding鈥 ）
这倾向于对琐碎的问题给予不成比例的重视。也称为自行车棚，这种偏见解释了为什么一个组织可能会避免专业或复杂的主题，例如核反应堆的设计，而是专注于易于掌握或对普通参与者有益的东西，例如自行车棚的设计反应堆旁边。

云原生关系：当人们聚在一起讨论三天并计划他们的云原生迁移时，然后讨论诸如 Kubernetes 将在哪台机器上运行或如何安排特定微服务等琐碎的事情。所有这一切同时避免了巨大的挑战，比如改变组织文化或整体架构。

计划谬误
低估任务完成时间的倾向。与通行良好的道路效应密切相关，或者低估穿越经常旅行的路线所花费的时间而高估穿越不太熟悉的路线所花费的时间。

云原生关系：特别适用于第一次迁移到云原生等不确定的情况。我们渴望估算所需的时间和资源，但不知道迁移到云原生实际需要什么。因此，有些人将其估计为几周的工作，最多可能是几个月。现实：通常是一年或更长时间。基本上，如果你没有从以前的经验中获得基线，任何估计都是完全没有价值的。

赞成创新偏见
对发明或创新对整个社会的有用性过于乐观，而未能认识到其局限性和弱点的倾向。

云原生关系：鈥淟et鈥檚做Kubernetes，不管它是否适合甚至必要。因为它又新又酷。

伪确定性效应
该趋势做出规避风险的选择，如果预期的结果是肯定的，但要追求风险的选择，以避免负面结果。

云原生关系：成功的团队将避免在一切顺利时投资改进。但是一旦危机爆发，他们就会跳上任何疯狂的新工具或流程来拯救自己。这对我们来说也是一个挑战：我们如何帮助成功的团队和公司克服这一点并投资于持续改进？最好的动力是认识到原地不动的存在风险。

共享信息偏差
该小组成员倾向花钱，所有成员都已经熟悉了（即共享的信息）有更多的时间和精力讨论的信息，和更少的时间和精力讨论，只有部分成员都知道的信息。

云原生关系：整个团队都参加了 Docker 培训，所以他们花了很多时间谈论 Docker，根本没有时间谈论 Kubernetes，这同样是必要的，但他们不太了解。为了减少这种情况，尤其是在新的复杂环境中，团队必须一直学习新事物。

现状偏见
喜欢事物保持相对不变的倾向。

云原生关系：由于这种偏见，整个公司和/或组织内的人员将拒绝迁移到云原生：每个人都希望舒适地保持在他们现在所处的位置，这是众所周知的和理解的。

零风险偏差
将小风险降低为零的偏好，而不是更大风险的更大降低。

云原生关系：这是低垂的果实的反面。例如，公司想要达到 99.9999% 的可用性，这是非常困难的，但他们首先没有 CI/CD 来交付更改。

要注意什么，以及如何克服
其中一些偏差对云原生转换特别有害。特别是，我们看到许多客户迁移计划中存在现状偏见，尤其是在历史悠久的公司中。在这种情况下，人们 20 年来一直在以同样的方式做同样的事情，他们根本不想改变。他们可能不会积极抗议迁移到云原生，但也不会积极帮助实现这一目标。这种惯性在整个组织中一个接一个地重复，会严重阻碍转型计划。

还有其他几个。仪器偏差定律—这里的人们往往依靠旧的技能和方法来做新的事情，往往在不知不觉中“转向更个性化的问题”。一个例子是，数字化转型公司中的项目负责人仍然条件反射地坚持批准他们的团队可能想要尝试的每一个小变化或实验。这是之前 Waterfall 层次结构中的策略，但现在应用它有效地阻止了他们的团队的自治权——正是这种独立性和迭代和实验的能力推动了云原生系统的速度和响应能力。计划谬误是另一种极其常见的危害；大多数公司都认为转型会相对快速和简单。他们只为几周或几个月的时间和资源做预算，只是发现适当的转换可能需要一年或更长时间才能成功完成。最后，鸵鸟效应解释了当一家公司试图改变其技术而忽视也改变其组织文化和流程的需要时出现的常见情况。

幸运的是，我们可以应用模式来克服这些以及其他由偏见引起的全球性功能失调行为。致力于全面改变是困难的，也会引发焦虑，这会触发我们的反射性系统 1 思维。模式通过给我们一系列要遵循的小步骤，将我们提升到理性和有意的系统 2 大脑，以便慢慢地、逐渐地转向正确的方向。

认知偏见的演变是有原因的，正如我们所见，它们仍然可以为我们服务。但我们需要认识它们并超越它们。例如，通过持续参与我们最高和最进化的思维过程，应用模式，例如，“e”可以轻松地随着云技术创造的全新“和不断变化的”环境而发展。