下载掌阅APP，畅读海量书库
立即打开
华为十分重视数据的完整性，无论是直接数据还是间接数据，都会详细搜集和记录，以支撑相关的决策。数据资料的充足程度直接关系到问题分析的准确性。完整的数据能够让问题分析顺利进行，同时保证结果准确。
依靠数据，而不是常识
很多时候，人们在遇到问题时，会依靠常识判断并解决问题。但在华为，更多的是依靠实实在在的数据解决问题。华为《公司数据管理总纲》指出：“数据是公司核心资产，数据准确是有效内控的基础。数据的价值和风险应被有效管理，以支撑内部管理简化、业务流集成、运营效率提升和经营结果的真实呈现。”只有数据才是最真实的、最可信赖的，能够帮助企业和个人达成目标。关于这一点，丰田公司技术中心前总裁山品匡史曾这样说过：
并不只是亲自到现场查看而已，而是要问：发生了什么？你看到了什么？情况如何？问题何在？在北美地区的丰田企业里，我们仍然只是做到亲自到现场查看而已。但问题是，你深入分析了吗？你真的了解情况与问题吗？最根本的是我们必须根据实际信息做决策。统计数字只能说明事实，我们需要知道更多。有时候我们被指责花了太多时间在所有分析工作上，有人会说：“凭常识就可以判断，我知道问题出在哪里。”
山品匡史的话告诉我们，要抓住一切问题的根本，就必须亲临实地搜集数据，然后根据信息与数据，结合各种技术的应用，提出有针对性的解决对策。
在企业中，无论是跨部门的业务流程，还是某条作业线上的工序流程，都设计了很多环节，我们可以以流程为依据提取各种信息。例如，某产品开发流程中可提取的相关信息如图2-1所示。
图2-1 某产品开发流程中可提取的相关信息
由于每个部门在该流程中所处的环节各不相同，因此每个部门都可以作为一个环节进行信息提取。
另外，不仅可以从流程运作上进行纵向信息提取，还可以从数据来源方向上进行横向信息提取。例如，对某产品开发流程进行预测，单说销售市场这一环节，除了可以对销售市场分区域进行资料收集，还可以从竞争对手同类产品的销售情况等方面获取资料。
如果能够使用互联网提取信息，并保证及时共享和更新，那么会最大限度地保证解决问题的有效性。
搜集第一手数据
在问题发生后，科学合理地搜集相关的第一手内外围数据，关系到问题分析的正确性。任正非在“蓝血十杰”表彰会上说：“运用大数据分析方法，充分挖掘和分析客户需求的大数据，加强客户洞察，与客户共同创造价值；分析内部运作的合同、订单、项目、配置、库存、物流的大数据，支持及时、准确、优质和低成本的交付；通过对人力资源的大数据分析，实现人力资源的合理配置，牵引优质资源向优质客户的倾斜。”在他看来，数据必须真实而有效，才能精准把握问题。
员工L是2013年年底入职华为的应届毕业生，工作刻苦，转正时成绩是A。2014年上半年和年度考评结果却都是B。员工Z是L的思想导师，工作经验丰富，是项目组的核心骨干。2015年3月，L突然提出辞职，这让导师和其他人十分惊讶。L为什么选择辞职呢？
部门经理十分重视，委派人员进行调查，发现L对项目组组长的工作安排有意见。他认为项目组组长一直给他安排一些没有挑战性的工作，而这是导致他绩效平平的主要原因，由此他对自己未来的职业发展感到迷茫。调查人员听取了L的诉求后，又进行了多方沟通和了解。与项目组组长沟通时，项目组组长认为L目前的能力还不足以承担具有挑战性的工作，担心其做不好会影响业务。调查人员又与Z沟通了解L的情况，却发现Z也对项目组组长的工作安排心存不满。Z指出项目组组长给他安排了太多工作，他曾多次向项目组组长反馈，希望分派一些工作给别人，但每次都被项目组组长婉拒。
为了全面了解项目组组长工作安排方面的问题，调查人员又与项目组其他成员进行了沟通，而大家也表达了对自己绩效的担忧，认为项目组组长总是把项目组的“要事”安排给能力突出的人，其他人根本没有机会承担具有挑战性的工作，大家都说：“项目组每到考评沟通阶段，就可以大致猜出考评结果了。”
调查人员经过与L、Z等项目组员工的沟通，获得了第一手资料。调查结束后，项目组组长对部门的内部管理问题做了分析，并依据调查结果进行改善。
项目组组长在工作安排上只考虑业务，给能力强的人安排重要工作，而对新人则长期安排相对简单的任务，未能实现业务与员工“共赢”。工作安排上没有双向选择机制，表现为只有自上而下的强制安排，而没有自下而上的任务选择机制，导致员工工作积极性和主动性不高。为了留住L这样的优秀员工，部门进行了一系列改进。改进后，项目组组长在关注业务的同时也关注员工的成长，员工对主管和团队的信任度也提升了。L因为竞聘项目财务经理成功，打消了辞职的念头，工作更加努力。
通过这个案例，我们可以看出第一手资料对发现问题、分析问题和解决问题的重要性。搜集第一手资料的方式有两种：一种是人工搜集，另一种是人工智能搜集。华为是二者兼用，员工负责记录、采集数据，人工智能负责归类、整理数据。任正非在人工智能应用GTS研讨会上曾指出：“高质量的数据是人工智能的前提和基础，高质量数据输出要作为作业完成的标准。人工智能就要靠几万名员工在做事的时候把数据有效采集回来，在归纳总结中找出规律。获得清晰、准确的现场数据是重要的事情。”
以事实为基础搜集数据
重视事实基础上的数据分析是许多知名公司的传统。假如不能做到以事实为基础，仅仅依靠过往经验，是根本无法彻底解决问题或提出解决方案的。华为副董事长孟晚舟说：“共同重视数据质量，从源头抓起。财务是创造不了任何数据的，财务的数据来自业务，所以数据的准确性要从业务源头抓起。如果业务源头的数据创造者们不提高数据质量的话，财务基于失真数据的分析，并不能达到支撑经营和监控风险的目的。”因此，以事实为基础搜集数据是调查问题的重要前提。
2009年，巴西OI GU项目是华为公司特级全TK（Turnkey，交钥匙工程）项目，也是公司在拉丁美洲最大的TK项目，覆盖了巴西最大城市圣保罗及其他的11个州。
9月底是交付的高峰期，本地员工认为采用大车装2跳（4个站点）微波派送的方式可节省成本。采用这一建议后，成本虽然下降，但是会收到客户对第二跳微波派送延迟的投诉。项目组副项目经理陈晓东经过一番思索，与供应链负责人一起启动物流成本明细分析，确认更换为小车单车单跳成本更低。
分析发现，一般1车运输2跳微波，4个站，每跳货物体积为2～3立方米，2跳超过5立方米，需用中型车，单跳运输成本为477美元。采用单车单跳方式，1车运输1跳，2个站，可用小型车，单跳运输成本为458美元，比前一种方式的成本有所降低。
陈晓东在已有数据的基础上，分析出了更加合理的运输方式——单跳运输，既节约了成本，也保障了进度，还提升了客户满意度，可谓一举多得。事实上，数据搜集有一套完整的逻辑方法。麦肯锡公司的顾问艾森·拉塞尔指出：“搜集信息和数据的工作是有顺序的，顺序就是一个逻辑，将顺序搞清楚，就能很容易地理解问题的整体状况了。”麦肯锡人搜集信息的方法一般遵循以下逻辑。
第一，了解搜集信息的目的和背景。 麦肯锡公司的管理咨询顾问认为，信息搜集要思考清楚四个问题。
（1）进行信息搜集和调研的目的是什么？
（2）搜集的信息要向谁汇报，是本公司的内部部门还是客户？
（3）用什么样的形式提交自己的调研结果，仅需数据还是数据和说明资料的结合？
（4）有多少时间可供搜集信息和数据使用？
第二，明确应该知道的事物。 在明确搜集信息的目的和背景的基础上，进一步了解关于问题的内外围数据。
第三，明确信息来源。 通常，针对一个问题搜集信息时，需要有目的性。要对信息的提供者进行必要的了解与调查，以确认信息的价值。
不论是华为人还是麦肯锡公司的顾问都十分重视搜集数据的逻辑，以保证数据的真实性。因此，任正非还特意嘱咐：“站点信息搜集，要有一些标准作业表格，也可是电子表格。每个人到站点，都要填好这个表格，临时去的也填，填得不准确也不要紧。当第二个人再去的时候，先下载前一个人填的信息，如果少一个东西，就增加一个东西，信息准确度就提升了。不断循环，三五年就能把老账查清楚、把新账建完整。”当然，搜集到的数据还需要认真归纳、整理和筛选，为解决问题提供科学的依据。