圍繞問題搜集內外圍數據資料

華為十分重視數據的完整性，無論是直接數據還是間接數據，都會詳細搜集和記錄，以支撐相關的決策。數據資料的充足程度直接關系到問題分析的準確性。完整的數據能夠讓問題分析順利進行，同時保證結果準確。

依靠數據，而不是常識

很多時候，人們在遇到問題時，會依靠常識判斷并解決問題。但在華為，更多的是依靠實實在在的數據解決問題。華為《公司數據管理總綱》指出：“數據是公司核心資產，數據準確是有效內控的基礎。數據的價值和風險應被有效管理，以支撐內部管理簡化、業務流集成、運營效率提升和經營結果的真實呈現。”只有數據才是最真實的、最可信賴的，能夠幫助企業和個人達成目標。關于這一點，豐田公司技術中心前總裁山品匡史曾這樣說過：

并不只是親自到現場查看而已，而是要問：發生了什么？你看到了什么？情況如何？問題何在？在北美地區的豐田企業里，我們仍然只是做到親自到現場查看而已。但問題是，你深入分析了嗎？你真的了解情況與問題嗎？最根本的是我們必須根據實際信息做決策。統計數字只能說明事實，我們需要知道更多。有時候我們被指責花了太多時間在所有分析工作上，有人會說：“憑常識就可以判斷，我知道問題出在哪里。”

山品匡史的話告訴我們，要抓住一切問題的根本，就必須親臨實地搜集數據，然后根據信息與數據，結合各種技術的應用，提出有針對性的解決對策。

在企業中，無論是跨部門的業務流程，還是某條作業線上的工序流程，都設計了很多環節，我們可以以流程為依據提取各種信息。例如，某產品開發流程中可提取的相關信息如圖2-1所示。

由于每個部門在該流程中所處的環節各不相同，因此每個部門都可以作為一個環節進行信息提取。

另外，不僅可以從流程運作上進行縱向信息提取，還可以從數據來源方向上進行橫向信息提取。例如，對某產品開發流程進行預測，單說銷售市場這一環節，除了可以對銷售市場分區域進行資料收集，還可以從競爭對手同類產品的銷售情況等方面獲取資料。

如果能夠使用互聯網提取信息，并保證及時共享和更新，那么會最大限度地保證解決問題的有效性。

搜集第一手數據

在問題發生后，科學合理地搜集相關的第一手內外圍數據，關系到問題分析的正確性。任正非在“藍血十杰”表彰會上說：“運用大數據分析方法，充分挖掘和分析客戶需求的大數據，加強客戶洞察，與客戶共同創造價值；分析內部運作的合同、訂單、項目、配置、庫存、物流的大數據，支持及時、準確、優質和低成本的交付；通過對人力資源的大數據分析，實現人力資源的合理配置，牽引優質資源向優質客戶的傾斜。”在他看來，數據必須真實而有效，才能精準把握問題。

員工L是2013年年底入職華為的應屆畢業生，工作刻苦，轉正時成績是A。2014年上半年和年度考評結果卻都是B。員工Z是L的思想導師，工作經驗豐富，是項目組的核心骨干。2015年3月，L突然提出辭職，這讓導師和其他人十分驚訝。L為什么選擇辭職呢？

部門經理十分重視，委派人員進行調查，發現L對項目組組長的工作安排有意見。他認為項目組組長一直給他安排一些沒有挑戰性的工作，而這是導致他績效平平的主要原因，由此他對自己未來的職業發展感到迷茫。調查人員聽取了L的訴求后，又進行了多方溝通和了解。與項目組組長溝通時，項目組組長認為L目前的能力還不足以承擔具有挑戰性的工作，擔心其做不好會影響業務。調查人員又與Z溝通了解L的情況，卻發現Z也對項目組組長的工作安排心存不滿。Z指出項目組組長給他安排了太多工作，他曾多次向項目組組長反饋，希望分派一些工作給別人，但每次都被項目組組長婉拒。

為了全面了解項目組組長工作安排方面的問題，調查人員又與項目組其他成員進行了溝通，而大家也表達了對自己績效的擔憂，認為項目組組長總是把項目組的“要事”安排給能力突出的人，其他人根本沒有機會承擔具有挑戰性的工作，大家都說：“項目組每到考評溝通階段，就可以大致猜出考評結果了。”

調查人員經過與L、Z等項目組員工的溝通，獲得了第一手資料。調查結束后，項目組組長對部門的內部管理問題做了分析，并依據調查結果進行改善。

項目組組長在工作安排上只考慮業務，給能力強的人安排重要工作，而對新人則長期安排相對簡單的任務，未能實現業務與員工“共贏”。工作安排上沒有雙向選擇機制，表現為只有自上而下的強制安排，而沒有自下而上的任務選擇機制，導致員工工作積極性和主動性不高。為了留住L這樣的優秀員工，部門進行了一系列改進。改進后，項目組組長在關注業務的同時也關注員工的成長，員工對主管和團隊的信任度也提升了。L因為競聘項目財務經理成功，打消了辭職的念頭，工作更加努力。

通過這個案例，我們可以看出第一手資料對發現問題、分析問題和解決問題的重要性。搜集第一手資料的方式有兩種：一種是人工搜集，另一種是人工智能搜集。華為是二者兼用，員工負責記錄、采集數據，人工智能負責歸類、整理數據。任正非在人工智能應用GTS研討會上曾指出：“高質量的數據是人工智能的前提和基礎，高質量數據輸出要作為作業完成的標準。人工智能就要靠幾萬名員工在做事的時候把數據有效采集回來，在歸納總結中找出規律。獲得清晰、準確的現場數據是重要的事情。”

以事實為基礎搜集數據

重視事實基礎上的數據分析是許多知名公司的傳統。假如不能做到以事實為基礎，僅僅依靠過往經驗，是根本無法徹底解決問題或提出解決方案的。華為副董事長孟晚舟說：“共同重視數據質量，從源頭抓起。財務是創造不了任何數據的，財務的數據來自業務，所以數據的準確性要從業務源頭抓起。如果業務源頭的數據創造者們不提高數據質量的話，財務基于失真數據的分析，并不能達到支撐經營和監控風險的目的。”因此，以事實為基礎搜集數據是調查問題的重要前提。

2009年，巴西OI GU項目是華為公司特級全TK（Turnkey，交鑰匙工程）項目，也是公司在拉丁美洲最大的TK項目，覆蓋了巴西最大城市圣保羅及其他的11個州。

9月底是交付的高峰期，本地員工認為采用大車裝2跳（4個站點）微波派送的方式可節省成本。采用這一建議后，成本雖然下降，但是會收到客戶對第二跳微波派送延遲的投訴。項目組副項目經理陳曉東經過一番思索，與供應鏈負責人一起啟動物流成本明細分析，確認更換為小車單車單跳成本更低。

分析發現，一般1車運輸2跳微波，4個站，每跳貨物體積為2～3立方米，2跳超過5立方米，需用中型車，單跳運輸成本為477美元。采用單車單跳方式，1車運輸1跳，2個站，可用小型車，單跳運輸成本為458美元，比前一種方式的成本有所降低。

陳曉東在已有數據的基礎上，分析出了更加合理的運輸方式——單跳運輸，既節約了成本，也保障了進度，還提升了客戶滿意度，可謂一舉多得。事實上，數據搜集有一套完整的邏輯方法。麥肯錫公司的顧問艾森·拉塞爾指出：“搜集信息和數據的工作是有順序的，順序就是一個邏輯，將順序搞清楚，就能很容易地理解問題的整體狀況了。”麥肯錫人搜集信息的方法一般遵循以下邏輯。

第一，了解搜集信息的目的和背景。麥肯錫公司的管理咨詢顧問認為，信息搜集要思考清楚四個問題。

（1）進行信息搜集和調研的目的是什么？

（2）搜集的信息要向誰匯報，是本公司的內部部門還是客戶？

（3）用什么樣的形式提交自己的調研結果，僅需數據還是數據和說明資料的結合？

（4）有多少時間可供搜集信息和數據使用？

第二，明確應該知道的事物。在明確搜集信息的目的和背景的基礎上，進一步了解關于問題的內外圍數據。

第三，明確信息來源。通常，針對一個問題搜集信息時，需要有目的性。要對信息的提供者進行必要的了解與調查，以確認信息的價值。

不論是華為人還是麥肯錫公司的顧問都十分重視搜集數據的邏輯，以保證數據的真實性。因此，任正非還特意囑咐：“站點信息搜集，要有一些標準作業表格，也可是電子表格。每個人到站點，都要填好這個表格，臨時去的也填，填得不準確也不要緊。當第二個人再去的時候，先下載前一個人填的信息，如果少一個東西，就增加一個東西，信息準確度就提升了。不斷循環，三五年就能把老賬查清楚、把新賬建完整。”當然，搜集到的數據還需要認真歸納、整理和篩選，為解決問題提供科學的依據。