MECE 原则(穷尽与互斥原则)
MECE(Mutually Exclusive Collectively Exhaustive)的简单解释就是对任何复杂事物的组合设计出一个合理的分类法，这个分类法能够穷尽所有的情况，而且各个分类之间不重叠交叉。这也是信息管理业者最常用的工作技巧之一。
它对生产力有什么贡献呢?MECE 能够帮助我们进行高质量的归因分析和项目计划。比如，你发现销售业绩不佳，团队中每个人指出了不同的原因，于是我们就需要把影响销售业绩的不同要素用 MECE 原则列举清楚(示意图如下图)，如果你遗漏了(不穷尽)，就 有可能忽视某个原因，如果你列举了两个交叉的原因(不互斥)，那么自然就无法制订有针对性的解决方案。咨询公司给你的“根本原因分析”(root cause analysis)，背后使用的原则就是 MECE 原则。
MECE 还可以帮助我们制订高质量的计划。像设计和制造一辆新车这样的复杂项目，如果没有 MECE 原则在背后指导，项目必然会漏洞百出，企业要付出高昂的代价。咨询公司一方面深谙这个原则，另一方面通过大量的咨询项目积累了这些项目计划要素，所以自然可以把咨询服务卖出大价钱。而且，他们也不吝于将这个原则方法分享给客户，因为当咨询公司和企业客户配合的时候，也希望客户能够依据这个原则来提供信息。
MECE 原则有丰富的企业应用场景，比如成本和收益分析。在成本分析中，经理人员要懂得分辨固定成本和可变成本，同时在分解成本项目时要始终贯彻 MECE 原则。举例来说，分为人员成本和项目直接成本可能就不符合 MECE 原则，因为人员成本可能同时包含项目直接人力和其他固定人力。每家公司的财务报表都应该是一个 MECE 分类序列，否则就会带来成本和收益核算的不精确。
MECE 原则还帮助我们科学地组织和呈现信息。比如建立和维护公司的知识库就需要一个符合 MECE 原则的分类体系，如果我们把 “销售资料”和“客户案例”放在同一个分类层次上，这两个分类就明显交叉了，用户就会抱怨想要找到的东西不容易找到。把没有穷尽的项目归类为“其他”也是一个糟糕的做法，用户会缺少探索的信心。还有一种情况是分类层次过于简单，导致在一个分类级别下有过多的项目，虽然各个项目之间也可能并不交叉，但会给用户定位信息带来困难。比如我们不愿意从全国 700 个城市列表中找到我所在的城市，而更愿意先从省份列表中进入，然后从 10~20 个城市列表中进行选择。
除了对数据和信息的分类，MECE 原则的黄金应用领域还有对问题的归因分析。专业咨询师就是靠这个吃饭的。比如，一家企业的利润开始下降，我们肯定需要为此找原因。有人说，利润下降无非是因为客户流失、竞争加剧、成本上升等，这些可能都对，但是如果这样列举原因，我们永远不知道怎样解决这个问题。
用 MECE 原则来分析这个问题，就会首先将利润下降的归因分为“收入下降”和“成本上升”两个可能(这两个可能是绝对符合 MECE 原则的)，然后分别在这两个项目下继续用 MECE 原则来分析进一步的原因，比如收入下降中按照产品、地区、客户类型分别分析， 在成本构成中按照人力、原材料、租金等项目穷尽完整。有了这些逻辑严谨的分解后，我们就能够了解不同原因的影响度，从而继续用 80/20 原则找到那些影响力最大的少数原因。
标准作业流程(SOP)
SOP(Standard Operating Procedure)指的是企业中将一些重要的流程标准化，并通过书面的规范固定化的。
SOP 的产生有几个主要原因。一是生产活动变得越来越复杂，企业的产出已经不可能是一个人能够从头到尾干完的了。分工专业化必然需要更高效率地把作业方法和技能传递给大量的新员工，SOP 可以被看作最核心的新人培训资料。同时，SOP 的建立也能够避免人员流动带来的知识流失。
二是因为很多生产活动的安全后果很严重，比如医疗和制药，如果没有按照标准流程来进行控制，是有可能出现人员死亡事件的。还有一些行业，例如建筑工程等行业如果不能遵循 SOP，也容易导致经济损失和工期延误。
基于这些原因，SOP 大致可以分为两类，第一类称为技术需要型，第二类称为监管需要型。前者大多出现在工矿行业，因为设备、工艺的限制，以及物理化学特性的影响，某些工作必须按照特定的次序和标准进行，否则就会有灾难性后果或者其他质量事故。监管需要型的 SOP 则着眼于合规的要求，在金融、信息等行业应用比较广泛，比如银行业处理大额汇款的标准作业流程，通常需要额外的复核和审批环 节。
在卓越的企业中，业务分析师、工程师和众多的运营专家一起合作，将复杂和高风险的流程通过 SOP 描绘出来，把分布在多个系统的复杂工作分解成为可以独立实施和检查的各个流程，降低了企业对多技能人才的依赖度，让业务能够规模化扩张，这就是 SOP 的商业价值。在很多领域内，如果缺失了这些 SOP，就完全不可能建立基础的运营，比如开办一个核电站、运行一家互联网数据中心、建造一家 汽车工厂都需要相关领域知识驱动的标准工作流程资料，所以，在咨询领域内，有很多专家和公司都是依靠自己的领域专业知识来提供服务的，比如核能顾问、IDC 顾问和汽车制造顾问。这些销售 SOP 的顾问职业无形中推动了经济全球化。
对于企业应用设计工作来说，了解 SOP 的用途和价值能够帮助我们识别出流程控制类应用的本质目标是什么，SOP 的内容起到的作用是什么，与之配套的软件流程是怎样与之协调的。在生产制造管理软件中，SOP 是一个内置模块，产线工人通过车间电脑或者移动设备可以直接调用一个既有的 SOP，来指导生产活动的每一个步骤。
PDCA 循环(戴明环)
PDCA 是 Plan-Do-Check-Act 的简称，即计划、执行、核查、行动。后来为了更好地强调迭代改善的方式，也有人把它修正为 PDSA (S 代表 Study)。这个理念可以简单概括为企业如果要提升产品的质量，就需要周而复始地执行这个循环。因为它是质量管理专家戴明提出的，所以又被称为戴明环(如下图所示)。戴明在晚年直截了当地 说“质量无须惊人之举”。当 CEO 面对低下的产品质量时，可能无比焦虑，或者暴跳如雷，但对于专业的直线管理者，耐心地按照这个方法来改善是唯一的出路。
PDCA 循环的确没有什么惊人之处，即使知道这个方法，也有很多人运用乏力，主要原因是忽略了 PDCA 循环背后的统计控制科学。 针对一个复杂和关键的质量问题，我们会展开多个 PDCA 循环，但是在每一个循环中必须只改变一个参数，同时力求把其他的变量都控制起来，这样每一轮执行(Do)之后，我们才可能知道结果的变化是因为哪一个因素的调整引起的。如果每一轮都是笼统的改进，那么结果无论是变得更好还是更差，我们都不知道缘由是什么。
比如，在 PDCA 循环常用的制造工业中，每一轮试生产都可以被看作一个 PDCA 循环，我们希望能够得到越来越高的良品率。但是良品率可能受 20 个因素的影响，我们首先必须列出这些可能的因素， 然后根据批判性思维的要求，从最有可能影响结果的因素开始测试， 调整它的参数，改变它的工艺方法，然后根据结构来研判这个调整是否是沿着正确的方向的。一旦找到针对一个因素的有效改善方法，就继续开始下一轮迭代，每轮的目标都是只改进一个参数。这样，经过 数轮的改进，我们可能就掌握了多个因素对结果的影响规律，从而得出量产制造规范。
除了制造流程，解决其他的企业问题也都有类似的要求。改进者不能急于求成，也不能在改进的过程中不进行统计分析，虽然统计控制的要求听起来非常烦琐和缓慢，但是通常前几个问题的逐个解决就 能够将产出明显提升，因为数个10%的优化积累起来的效果是 110% 的幂次改进。而且，经过统计控制分析的改进才是持续有效的改进，而不是依靠运气的改进。从漫长的人力资源招聘改进到迅捷的销售话术 改进，任何领域和工作都可以使用 PDCA 循环来获得持续的效果改善。
今天，在企业运营的很多环节，已经有了信息化辅助的 PDCA 循环。例如在营销自动化应用中，A/B 测试已经成了一个标准配置，一个 E-mail 营销活动的内容或者制作的落地页面可以有两个不同的副本，系统负责各自分发50%的流量，然后根据两个版本的效果差异选择那个更好的留下来，再与另外一个版本进行持续的A/B 测试。随着机器学习算法的普及，我们有机会在不远的将来通过自动调参改进应用。
但是今天，限制很多企业有效开展 PDCA 循环的因素依然是基础信息化。
首先，PDCA 循环既是一套方法，也是一种理念。几乎任何工作都有进行 PDCA 循环迭代的机会，包括个人的时间管理和绩效改善。在践行过程中，最重要的步骤其实是第一步的“计划”。如果缺乏计划，改进将没有明确的对象。这就是大多数人在重复做一件事情很久以后仍然找不到章法、进步不明显的原因。与技能类动作的提升不同 的是，我们无法通过实时反馈和反复训练来提升工作事务的操作熟练度，进而达到精湛的水平。工作事务的效果反馈没那么快，很多事情需要数周甚至数月才能看到结果。此类工作技能的提高依靠的不仅仅是重复，还需要有意识地进行分析对比。个人如果要想通过 PDCA 循环理念改进工作成效，首先需要养成做计划和记录的习惯，在动手做这件事情之前先列出计划的方案、期望得到的成效，在进行一段时间之后再去比较结果和期望的差距，然后根据结果决定调整计划中的某些成分，以观后效。
PDCA 循环中的计划也可能是“假设”。也就是说，我怀疑某一个因素是影响质量的主要原因，需要足够多的数据来做验证，如果还没有足够多的数据，那么就开始按照一个标准积累数据，这个积累数据的过程就是“执行”的过程。例如，某位年轻的科技企业销售主管一直怀疑销售人员的性别会大幅影响销售成果，他认为男性销售的平 均业绩要好于女性。但是，他只有十来个销售人员的六个月的历史销售数据。显然，依靠这么短时间内的数据、这么少的样本无法得出结论，于是他开始建立销售业绩跟踪表，并定期和销售人员花名册的数据进行分析比较。
做着做着，他可能又觉得销售业绩与销售人员的工作年限有关联，所以，又在花名册数据中加入了“工作年限”这列数据。一到两年后，通过持续的数据分析，他可能得出了一些结论，指出该团队的销售业绩和性别几乎无关，和工作年限有 35%的关联度，但和入职培训时长有70%的关联度。那么，接下来，我们在招聘和培训中应该着 眼于改进哪个因素就十分清楚了。当然，这位销售主管很可能早就开始改进培训流程，并且开始追寻下一个高相关度的因素了。
对于更大的团队和企业来说，PDCA 循环运用起来会更加复杂。因为 PDCA 循环的各项动作已经不可能在一个人的完全掌控之下。计划可能是经理做的，执行会涉及团队的所有成员，检查则可能是由另外一个部门来做的，改进行动又要由原有的和新近加入的团队成员来做。对于PDCA 循环周期比较长的改进项目来说，如果离开了周密的 计划、严谨的记录、数据的共享和频繁的沟通，PDCA 循环就很容易失效，最终不了了之。
在这个过程中，有几个原则值得遵守。
• 完整记录:所有的计划和执行都要留下记录，并且对要记录的内容事先做出约定，甚至要落实到设计好的文档或者信息系统。能够自动化记录的尽量实现自动化记录。
• 透明沟通:制订计划、执行、反馈结果、推导改进方案，这四个环节都要尽量全体会商，而不是管道传递。尽力扩大知会范围，而不是一味追求沟通的速度。
• 扁平协作:参与某个 PDCA 循环的团队人数越少越好，对于过于复杂的改进项目，可以按照专业领域分到更小的团队进行，例如不同团队分别负责材料、工艺和设计。这个原则也是和透明沟通原则相呼应的——因为是扁平团队，所以可以高效地进 行透明沟通。
基于以上提到的这些原则，信息化系统应该能够提供有针对性的帮助。一个便利、简明而有效的计划数据平台能够帮助我们记录改进工作的方案和实施过程;社交化的沟通和任务管理平台可以帮助团队节省大量的会商时间，又能保持透明度。如果我们意识到每一项企业任务的改进都是一个 PDCA 循环，就能知道应该怎样设计一个驱动企业质量改善的协作平台。
检查清单(Checklist)
说到检查清单，你也许想到了贴在厕所门后面的一张卡纸，上面写着很简单的检查事项，然后每隔几小时就有人来打钩。厕所保洁的检查清单创造的生产力固然有限，但是在医疗、航空、航天、建筑等高风险行业中，检查清单同样有效。只是这个清单可能变得更长，检查项目更多。
2009 年，美国医学专家阿图·葛文德的畅销书《清单革命》把这个深藏在某些行业内部的管理工具介绍给了诸多行业。它首先被用来降低困扰医疗行业多年的术后感染风险。阿图在研究了航空、建筑等行业的作业方式后，为 WHO 贡献了一张“外科手术安全检查清单” (WHO Surgical Safety Checklist，参见下图)。就这么一张纸帮助医疗行业在未来几年内大幅降低了差错率和因此带来的病人感染率、死亡率(医学行业记录为，采用外科手术安全清单使患者手术并发症的发生率从 11.0%降至 7.0%，死亡率从 1.5%降至 0.8%)。这张清单包含了在病人麻醉前、皮肤切开前和病人离开手术台前的三个关键时间点的必要检查项目，甚至包括“确认要切除的器官是左侧还是右侧的”这样的简单问题。
检查清单产生价值的核心原因是，世界上最不可靠的生产要素是 “人”。只要是人，就会犯错。在高度紧张的作业环境中，犯错的概率其实非常高。通过检查清单的交叉确认，可以大幅降低差错率，又不需要付出太高的成本。
除了医疗行业，检查清单还在航空业、建造业等高风险行业中广泛使用。在航空业中，检查清单的内容通常是直接预置在机舱系统中的。在起飞、降落等关键节点，飞行员需要通过预置的检查清单系统完成所有的操作和检查，这些动作都会被记录下来，从而保证飞行安全，如下图所示是波音 737 的起飞检查清单界面。建筑业则发展出“竣工查核事项表”这样的工具来进行关键里程碑检查，否则一旦像地基打桩这样的隐蔽工程完工后，就再也没有检查和纠正的机会了。
今天，使用检查清单的行业越来越多，包括我自己所在的软件行业，每次的产品版本发布前，工程师们都要依照检查清单逐项操作，以杜绝人为差错。比如一个软件版本的发布，除了运维相关的流程，还涉及产品、营销等团队的配合，这些都可以通过一个检查清单固定下来。即便团队已经熟练配合了很久，但是在忙碌的日常工作环境下，一个清晰的步骤指南仍然对提高工作效率和质量很关键。有了检查清单这样的工具，就可以相应降低对员工的自发性和经验的要求，经过简单培训后，依照检查清单，通过必要的互助，很快就可以让初级员工上手复杂工作。如下图所示是明道协作中的任务检查清单界面，这是一个通用的检查清单工具。
上文节选自《现代企业应用设计指南》（作者/明道创始人任向晖），点击即可购买
