剃刀法则（奥卡姆的剃刀）
就是当有很多个假设可以证明一件事或者一组数据正确时，我们不妨先选择那个最简单的假设研究一下。
剃刀法则的应用可以是这样的：
当我们对一个问题有一个解释的时候，把我们的解释分成多个细小基本的假设。
然后仔细考虑这些基本假设，看看这个假设是否真的有必要存在。
有什么证据能够证明这个假设是正确的？我依赖这个假设错了吗？
把那些没有必要的假设给去掉。然后我们对一件事情的选择就更多了。我们要做的工作也会减少一些。
如果我们对一件事的条件非常的多，那适合干这件事的人就会少之又少，反过来，如果我们只卡住几个主要的必须的要素，那会找到更多符合条件的人。
比如说我们寻找员工，如果我们要求的条件非常的多，要求会c语言编程，擅长沟通，处事灵活，会唱歌，会跳舞，能够写文案，能够做产品设计等等等，列出一大堆的要求，那我们很难找到合适的人。
反之，如果我要求这个员工必须熟练掌握c语言编程，并且有一定的沟通能力，那筛选起来就容易了很多。
我们找到我们需要的工作的核心条件，比如说必须会某一项技能，或者说必须不能有某一种习惯，我们的条件少了，我们的可选择范围就会变大，就更容易找到合适的人。
再比如说一个例子，当你听见马蹄声的时候，是先想到马，而不是斑马。
很多情况下，精简我们的选择条件，把无用的附加选项都去掉，只保留必要条件，可以避免很多烦恼，也可以让我们的决策更容易生效。
