下载掌阅APP，畅读海量书库
立即打开
预算超支、进度超时和效益不佳，而且一次又一次重复发生。这个模式非常清晰，所以我决定称之为“大型项目铁律”（Iron Law of Megaprojects）。 [1]
这条铁律如图1-1所示。
图1-1 大型项目铁律
当然，这不是牛顿物理学中“定律”意义上的一个规律。物理学中的定律指的是某个事物经过某个过程总是会产生相同的结果。而我的研究对象是人，在社会科学中，定律是具有概率性的。当然，自然科学中其实也是如此，但是牛顿没有注意到这一点。 我说的铁律是指，任何大型项目的花费都有可能超出预算，进度也可能超时，并且产生的收益也可能令人失望，这种情况不仅出现的概率非常高，而且是确凿无疑的。
我的数据库刚启动时只有258个项目，到现在已经包含了除南极洲以外各大洲136个国家的20多个不同领域的1.6万多个项目，并且还在继续扩大。这些数据最近出现了若干有重要意义的变化，这一点我将在后面详加讨论，但是总体情况依然保持不变。总的来说， 只有8.5%的项目在成本和工期上都与当初的计划相符，而成本、工期和收益都达到预期的项目仅 占0.5%。换句话说，91.5%的项目要么预算超支，要么进度超时，或者两者兼而有之。在预算超支、进度超时和收益不佳这3个问题中，99.5%的项目至少占据其中之一。 你说过会做的事情就应该做到，这似乎是理所当然的，或者至少通常应该如此，但是实际情况几乎从来不是这样的。
毫无疑问，在预算、工期和收益这3方面都达标的那0.5%的项目，几乎可以说肉眼难觅，这个数据的糟糕程度实在是怎么说都不为过。对于任何一个正在考虑某个大型项目的人来说，这的确会令人无比沮丧。然而，尽管这些数字已经非常糟糕，却仍然没有告诉我们全部的真相，全部的真相更糟糕。
根据经验，我知道大多数人都明白预算超支和进度超时的情况经常发生，却不知道这种情况到底多么常见。当我向人们展示我得出的数据时，他们通常会非常震惊。但是他们肯定知道，如果自己领导一个大型项目，就应该考虑超支问题，并尽可能避免超支。对此，有一个应对方法是在预算中预留一笔准备金。当然，你希望自己不会用到这笔钱，但是它可以防备不时之需。那么，应该预留多少准备金呢？在通常情况下，人们会增加10%或15%的预算，并将增加的部分作为准备金。
现在，假设你是一个异常谨慎的人，你计划建造一幢大楼，并在预算中加入了20%的准备金，你以为这样就足够应对可能出现的超支问题了。但是，你看了我的研究报告后就会发现，一个大型建筑项目实际成本的平均超支率达到了62%。如此高的超支率简直令人心律失常，同时，如此高的超支率也极有可能导致项目中止。不过，现在暂且假设，你是极少数能让自己的财务支持者承担风险并继续推进项目的规划师之一。假设你在预算中设置了惊人的62%的准备金，当然，这在现实世界中几乎是不可能的。但是，这里假设你是极少数幸运儿之一。那么，你真的安全了吗？事实上，你还是严重低估了风险。
这是因为你假设自己遇到了成本超支的情况，其超支率将会在项目的平均值或62%附近上下波动。为什么你会这么想呢？因为如果成本超支服从统计学家所说的正态分布，那么事实确实如此。正态分布就是著名的钟形曲线，它在图上看起来就像一只钟。统计学在一定意义上就是建立在钟形曲线之上的，抽样、平均值、标准差、大数定律、回归均值、统计检验等概念都是如此。正态分布已经渗透进了文化和大众的想象中，似乎也与我们对风险的直观把握保持一致。在正态分布中，绝大多数结果都集中在中间，在两端则只有很少的极端观测值，有时甚至没有。曲线的两端就是通常所说的分布尾部，因此在正态分布中，尾部是很“薄”的。
例如，人类的身高就是服从正态分布的。生活在不同地方的人的身高略有不同，但成年男性的平均身高在1.75米上下，全世界最高的人的身高也只有这个高度的1.6倍左右。 [2]
但是，正态分布并不是唯一存在的一种分布类型，甚至也不是最常见的分布。从这个意义上说，正态分布并不属于常态。还有一些分布被称为“肥尾分布”，因为与正态分布相比，它们的尾部包含了更多的极端结果。
例如，财富分布就是一种肥尾分布。在我撰写本书时，全世界最富有的人所拥有的财富是普通人的3134707倍。如果人类的身高分布与财富分布相同，那么全世界最高的人的身高就不可能只是普通人的1.6倍；
相反，这个人的身高将会达到5329千米，而这就意味着他的头将会探到外太空深处，从他的头到地球表面的距离将会达到国际空间站与地球表面之间距离的13倍。
因此，至关重要的一个问题是：项目的结果服从正态分布，还是肥尾分布呢？根据我的数据库，信息技术项目确实存在肥尾现象。举例来说，有18%的信息技术项目实际成本超支率大于50%，而且这些项目实际成本的平均超支率达到了447%！注意，这还只是尾部的平均值，也就意味着许多信息技术项目的超支率还要更高。因此，信息技术项目服从真正的肥尾分布！ [3] 核废料储存项目也存在肥尾现象，奥运会也是，核电站和大型水电站也是如此。机场、国防工程、大型建筑、航空航天工程、隧道、采矿工程、高速铁路、城市铁路、常规铁路、桥梁、石油工程、天然气工程和水利工程……这些项目的结果也都遵从肥尾分布（见附录）。
事实上，大多数项目类型都存在肥尾现象。当然，它们的尾部空间有多“肥”，也就是有多少项目有极端值，这些极端值到底有多极端，确实各不相同。按照从最肥的到相对来说最不肥的顺序，我将它们列成了一张表，或者，你也可以理解为，它们的排列顺序是从风险较高的到风险较低的，不过它们的风险仍然很大。 [4]
当然，也有少数几种项目类型不存在肥尾现象，这个事实很重要。我将在本书最后一章解释其原因，以及我们怎样才能更好地利用这一点来管理项目。
就目前而言，我们得到的教训很直接、很清晰，也很可怕： 大多数大型项目都面临着无法兑现承诺的风险。 它们面临的风险也不仅仅是可能会出现严重的差错，而是可能会造成灾难性的错误后果，因为它们的风险分布是肥尾的。然而有意思的是，在这一背景下，项目管理文献却完全忽略了对项目风险分布的“肥尾性”进行系统研究。
那么，服从肥尾分布的那些项目结果究竟是什么样子的？
波士顿的中心隧道工程被戏称为“大开挖”（Big Dig），计划用隧道取代城市中的高架公路。这一项目从1991年开始施工，把这座城市折腾了16年之久，其实际成本是当初预算的3倍多。美国国家航空航天局（NASA）主持设计的詹姆斯·韦布太空望远镜，现在停在距离地球近100万千米的太空中，原本预计需要12年完工，实际上却花了整整19年。同时，它的实际成本是一个天文数字，达到了88亿美元，超出预算450%。加拿大的枪支管理登记系统是一个信息技术项目，其实际成本超出预算590%。还有2004年建成启用的苏格兰议会大楼，工期整整推迟了3年，而实际成本更是超出预算978%。
纳西姆·尼古拉斯·塔勒布把发生概率很小但后果极其严重的事件称为“黑天鹅事件”。像这样灾难性的项目结果，可能会结束一个人的职业生涯，摧毁一家企业，并造成其他重大损失，绝对有资格被称为“黑天鹅事件”。
为了说明这一点，我们不妨回顾一下“黑天鹅事件”对凯马特造成的影响。为了对抗来自沃尔玛和塔吉特的竞争压力，凯马特在2000年启动了两个庞大的信息技术项目，但是这两个项目的成本激增直接导致该公司不得不在2002年决定申请破产。
或者，我们可以再来看另一个例子，一个彻底失控的信息技术项目对传奇牛仔裤制造商李维斯的影响。这个项目最初预计只需花费500万美元，结果却迫使该公司承受了2亿美元的亏损，并导致公司的首席信息官卷铺盖走人。
许多企业高管的命运更糟糕。美国司法部在2021年发布的一份新闻稿中提到，在南卡罗来纳州，有一个陷入困境的核电站项目严重落后于计划，但是项目承建公司的首席执行官向监管机构隐瞒了这一信息，“以便让项目继续进行下去”。其结果是，这名高管被判在联邦监狱服刑两年，同时必须没收财物并支付520万美元的罚金。
由此可见，“黑天鹅事件”确实会给项目和项目负责人带来严重的后果。
如果你不是企业高管或政府官员，如果你正在雄心勃勃考虑的项目比此类大型项目的规模小得多，那么你可能会以为上面所说的这些对自己并不适用。请不要掉以轻心，我所搜集到的数据显示，即便是相当小的项目也很容易受到肥尾分布的影响。此外，在各种各样的复杂系统中，肥尾分布比正态分布更具有代表性，这一点无论是在自然界中还是在人类社会中都是一样的。复杂系统是各个组成部分相互依赖性越来越高的系统，而我们就在这样的复杂系统中生活和工作。例如，城镇是一个复杂系统，市场也是一个复杂系统；能源的生产和分配是一个复杂系统，制造业和运输业也都是复杂系统；债务是一个复杂系统，病毒也是一个复杂系统；气候变化和全球化，莫不如是。这样的例子不胜枚举。如果你对自己的项目雄心勃勃，而这个项目需要依赖其他人的工作且由很多部分组成，那么几乎可以肯定，这个项目是嵌在复杂系统中的。
上面的描述适用于所有类型和规模的项目，哪怕是像家庭房屋装修这样的小项目也同样适用。几年前，英国广播公司（BBC）播出了一档关于如何翻新英国历史建筑的节目，其中有一集讲述了一对伦敦夫妇在乡下买了一栋破旧的房子。他们请建筑商估算彻底翻新这栋房子的费用，建筑商预计大约需要26万美元。但是在18个月后，这对夫妇已经花费了130万美元，而这个项目还远远没有完成。 [5]
这种预算超支问题，正是我们在肥尾分布的项目中预料到会发生的，而这个例子也不是唯一的一个例子。在本书后面的章节中，我们还将会看到发生在布鲁克林的一次房屋装修失控事件，那些不幸的房主事先怎么也想不到会发生这样的事情，对他们来说，装修造成了具有毁灭性的损失。
这对伦敦夫妇显然很富有，有能力通过各种途径继续为装修房子支付费用。类似地，大公司可能会因为失控的项目而陷入困境，不得不通过增加借贷来维持运营。政府也会因为项目失控而累积起大量债务，可能不得不通过提高税收来筹集资金。但是，大多数普通人和小企业既没有大量的财富储备可供使用，也无法增加债务或提高税收。一旦启动的项目开始朝着分布的肥尾飞奔，他们就很可能会被彻底压垮。因此，普通人和小企业比公司高管或政府官员更应该认真对待预算超支的风险。
而要做到这一点，我们首先要搞清楚导致项目失败的原因到底是什么。
[1] Bent Flyvbjerg, “Introduction: The Iron Law of Megaproject Management,” in The Oxford Handbook of Megaproject Management , ed. Bent Flyvbjerg(Oxford, UK: Oxford University Press, 2017): 1–18.
[2] Max Roser, Cameron Appel, and Hannah Ritchie, “Human Height,” Our World in Data , May 2019.
[3] Bent Flyvbjerg et al., “The Empirical Reality of IT Project Cost Overruns:Discovering a Power - Law Distribution,” forthcoming in Journal of Management Information Systems 39, no. 3 (Fall 2022).
[4] 有些读者可能喜欢探究数学和统计学问题，在此为他们多写两句。在概率论和统计学中，峰度（kurtosis）是对实值随机变量概率分布的尾性（tailedness）的标准度量。高斯分布，即正态分布的峰度为3。峰度低于3的概率分布，其尾部比高斯分布的更薄，尽管高斯分布本身也被认为是薄尾的。峰度大于3的概率分布则被认为是肥尾分布。对于一个峰度大于3的概率分布来说，它的峰度被称为“过剩峰度”，过剩峰度越高，它就越被认为是肥尾分布。数学家伯努瓦·曼德尔布罗对1970—2001年，标准普尔500指数的每日变化进行了开创性研究，结果发现它的峰度为43.36，是高斯分布的14.5倍。他认为，就金融风险而言，这样的峰度高得惊人。请参见：Benoit B. Mandelbrot and Richard L. Hudson, The (Mis) behavior of Markets (London: Profile Books, 2008)，第96页。但是，与我在信息技术项目中发现的成本超支率峰度（642.51）相比，或者与我在水利项目中发现的成本超支率峰度（182.44）相比，曼德尔布罗特发现的峰度并不能说特别高。事实上，我的数据库中有20多种项目类型，只有少数几类项目的成本超支率峰度表明，它们是正态分布或接近正态分布的。尽管相关数据较少，但是进度超时和效益不如预期的结果也是相似的。绝大多数项目类型的峰度高于3，而且通常比3要高得多，这表明它们是肥尾分布的或严重肥尾分布的。在统计学和决策理论中，人们还会进一步讨论所谓的“峰度风险”（kurtosis risk），这是当一个统计模型假设了正态（或接近正态）分布时会出现的风险，适用于偶尔可能会出现的、偏离正态分布预期的平均值非常远（以标准差的个数衡量）的情形。项目管理的学术研究和实践在很大程度上忽略了峰度风险。考虑到上面给出的峰度风险的极端水平，这是一种非常不恰当的做法，这也是为什么这样的项目管理往往会出现系统性的重大错误。
[5] Restoration Home , season 3, episode 8, BBC.