上游思维：预见问题的能力，识别真假警报

有一个案例是关于领英的，话说领英推出了一项针对招聘的服务，很多公司都买了，但退订率高达 80%。这是什么原因？通过数据分析，很多公司买了后都没用。用户连续一个月都不活跃就是一个预警。

一个问题发生之前，其实会出现很多小预警。很多问题发生是因为我们忽视了这些小问题。项目延期是很多公司都会碰到的问题。但好的项目管理能够避免延期。这就是因为项目从开始到发布是一个比较长周期的事情。而延期都是一个一个小问题堆积起来的。只要我们识别了这些预警。我们是可以有办法让问题最终不发生的。

在这里我推荐大家看一部短片。《Evan》https://www.digitaling.com/projects/19780.html 只有 2 分多钟，但很好地表达了预警信息都隐藏在我们身边，只是我们没有注意到而已。

对于上游思维要解决的问题来说，如何获得预警信息是一个关键问题。这个问题解决的关键还是数据分析。

有些数据是事后总结的，也有些数据是你为了解决上游问题，而事先布置的。

病人生病需要救治，能否快速治疗是一个非常关键的因素。一家医院为了更快速地抵达求救地，基于历史数据，把救护车分配到城市的各个地方（比如开餐的时候停在养老院附近），平均救护车达到时间提高了一分半钟。

2011 年日本大地震，地震波监测给仙台市提供了 30 秒、给东京提供了 90 秒的预警。这个时间足够让火车停驶，让工厂停工，让学生钻到桌子底下，这是可以救命的预警。

现在物联网发展很快，我们可以通过物联网获取到以前我们感知不到的信息，比如电梯详细的运作信息。比如原来电梯开门是 5 秒，但可能慢慢延长到 5.1、5.2 秒。我们自己感知不到，但传感器可以。这样我们就可以提前维修，而不用等到真的发生事故把人关在里面再来维修。

现在的预警系统其实很多了，而且我们也听到过很多”误报”的现象。即故障并未发生，但系统发出了故障警报。所以在设计预警系统时，我们要牢记以下问题：预警能否给予我们充分的时间采取有效行动？（如果不能，那为什么要做这个预警？）预警的误报率是多少？我们对该误报率的接受程度，反过来又可能取决于处理误报与忽略问题相比的相对成本。

如果忽略某个问题会带来毁灭性的后果，那么我们应该接受过高的误报率。比如 Evan 里的那个枪击案的学生。有这些异常的学生不一定会执行。但如果执行了呢？可以肯定的是，每一次真实地避免了某个问题，背后一定存在很多次误报。更糟糕的是，预防让问题没有发生，我们可能永远都不知道自己何时成功过。但家长们肯定同意，针对校园枪击事件，宁可误报也不可放过。毕竟，错过预警信号的代价实在太大了。

我举一个我们身边的例子可能能更好地理解预警信息，如果我们身边有员工要离职。你可以观察他离职前的一些表现。你就会发现他可能最近一段时间的工作行为跟以前有很大的不同。比如对工作没以前负责了，具体表现在：对工作完成的质量很敷衍，工作上遇到的不顺畅的事情就抱怨，经常迟到，准点下班等等。这种现象是不是表示他想离职？可能是，也可能只是他最近心情不好或者家庭出了什么变故。但作为管理者，你应该要关注到这些预警信息，哪怕他是假的。我认为这个信息也是有价值的。