你手上的项目通常要4周交付，老板希望压到3周。

怎么办？先催紧一点。周会开得更勤，每天盯进度，催办邮件一封接一封。有时你知道卡在哪里，只是推不动；有时你也没弄清楚，但总不能干等着。

催了一阵，效果有限。你开始查流程，列出一串问题：需求变更多、审批等待长、会议太多、工具难用、跨部门沟通慢。看起来，哪一项都值得改。

审批流程改了，快了一点。会议少开几次，又省出一些时间。可质量开始出问题，返工增多，实际交付仍要3.8周。换个工具试试，刚有点起色，需求又变了。需求刚确认，审批迟迟不回；等审批回了，需求方又有了新想法，只好重新走一遍。

三个月下来，改动做了不少，交付周期几乎没动。像打地鼠，刚按下一个，另一个又冒出来了。

原因找错了？措施没执行？还是这批项目更复杂？都有可能。还有一种情况容易漏掉：你找的因素确实有作用，却没看清它们怎样影响彼此。

需求不稳定，审批方迟迟不敢签字；审批等得久，需求方又改了主意。两件事缠在一起，只改其中一件，效果可能被另一件抵消。

原因清单已经够长了。接下来该问的是：这些因素之间，到底有什么关系？

Y=f(X)就从这里入手。先说清要研究的结果，列出可能相关的因素，再提出它们如何影响结果的假设，用证据检查。

先别被公式吓住。Y=f(X)可以当作一个填空模板：Y填结果，X填因素，f填它们之间的关系。

工程和系统科学中的输入输出模型，也有类似思路。把系统看成一个盒子，观察输入和输出；在能干预的地方改变输入，研究输出会怎样变化。你未必一开始就知道盒子内部如何运转。

X虽然只有一个字母，却可以代表多个因素。需求变更次数、审批等待天数、处理时间、返工次数，都能放进去。f也不一定要写成方程。一句"需求稳定后，审批提速才更有效"，就提出了一个关系假设。

不过，这句话还需要往下说。"需求稳定"怎么判定？审批快了多少？"更有效"是少等几天，还是少返工几次？适用于哪类项目，观察多久？

这些条件不说清楚，结果出来以后，"稳定"和"有效"就可以随时换解释。能检查的判断，要事先说清什么结果会让你承认自己想错了。

先看Y。"项目太慢"说出了不满，还没说清问题。从收到需求开始计时，和从获准启动开始计时，算进去的等待不同，最后要改的环节也可能不同。

在这个例子里，我们把Y定为"单个项目从获准启动到验收通过的自然日数"。目前平均4周，目标3周。测量什么、现在多少、希望达到多少，都写明白。

再看X。你可能列出需求变更次数、审批等待天数、实际处理时间、返工次数、会议工时、外部依赖数量、项目复杂度。

先把它们叫作候选因素。哪些是原因，哪些能干预，改了有没有用，还需要证据。

最后看f。名单列出来了，这些因素怎样影响结果？

审批每多等一天，交付就多一天吗？少开会一定能提速，还是少到某个程度，沟通不够反而增加返工？一项措施的效果，会不会取决于另一项措施是否实施？效果马上出现，还是要过一阵才能看见？

如果只说"这些因素都会影响结果"，清单依然是清单。f要再往前走一步，把你对关系的判断写出来。

翻看最近几个项目的记录，你发现了一段熟悉的往返。

需求确认，提交审批。等了一周，审批终于回来，需求方却说要改。改完再提交，又开始等。几个延期项目里，都有这样的经历。

于是你怀疑：需求变更和审批等待可能会互相拖累。只管住需求，审批照样迟迟不回；只催审批，需求却一直变，审批方也难以下判断。

这是从记录中得到的猜测，还不能直接叫"根因"。相关度高的因素未必能干预，能干预的因素也未必效果最大。公鸡打鸣常常伴着天亮，堵住公鸡的嘴，太阳照样升起来。

眼前的往返提示了一个可能的反馈过程：等审批的时间越长，期间越可能出现变更；有了变更，又要重新审批。但这还没有说明，两项措施一起做会产生多大效果。

你准备试两项措施。

A：需求变更窗口。 每周固定半天集中处理变更请求，其余时间原则上冻结，重大问题保留例外通道。必要的变更仍然可以处理，目的是减少审批方反复重来的情况。

B：审批响应与升级安排。 每个审批环节规定48小时内响应，超时自动升级到上级。升级要求有人接着处理，并不意味着到时自动批准。

假如A能缩短0.1周，B能缩短0.4周，一起实施是不是就能缩短0.5周？这种判断叫"加性假设"，即联合效果近似等于两项效果之和。

也可能没这么简单。需求稳定以后，审批方更容易判断；审批及时回来，需求也少了一轮重新讨论的机会。两项措施配合起来，可能出现单独实施时看不到的效果。

这就提出了"交互假设"：A的效果会不会因为B是否实施而不同？

同样是A和B，对关系的猜测不同，预测就不同。f在这里开始有了具体内容。

用四组数字看一遍。以下是教学设定，不是真实项目数据，不用于统计推断。

先看前三行。原来要4周，实施A后省了0.1周，实施B后省了0.4周。按相加来算，两项一起实施应当省下0.5周，交付周期是3.5周。

第四行却是3.0周，又多省了0.5周。

换个角度看更清楚。没有B时，A让周期从4.0周变成3.9周，只省0.1周。有B时，A让周期从3.6周变成3.0周，省了0.6周，是前者的6倍。

如果只看A单独实施的结果，你很容易觉得："费这么大劲，才省这么一点时间。"把不同组合放在一起比较，才会发现，A的效果可能取决于B是否实施。

美国国家标准与技术研究院（NIST）的实验设计手册也这样解释交互：一个输入的效果，可能依赖另一个输入的水平。一次只改变一个因素，可能看不到这种关系。

这里修订的是你对f的判断。原先以为两项效果可以相加，现在开始考虑交互。研究的仍是A和B，但你对它们如何配合的理解变了，下一步也就有理由考察组合方案。

不过，这几个数字只展示了交互可能是什么样，不能证明这两项管理措施确实有这样的效果。即便得到四个均值，也不能据此断言"审批方就是因为不敢签字才拖延"。内部原因还需要另外查证，真实研究也需要重复观测、更多数据和专门的比较设计。

统计学家乔治·博克斯说过："所有模型都是错的，但有些是有用的。"写下模型，至少能让我们把原先的判断与后来的结果摆在一起，看看哪里对不上。

假设你试了A和B，交付真的从4周降到了3周。总算可以松口气，但先别急着给方案记功。

先看比较对象。上个季度的项目用了多久？人员、难度、需求有没有变化？这些条件不同，历史数据就只能作为背景参考。它能提示整体趋势，却不能直接证明这次提速是措施带来的。

再看质量。周期短了，缺陷有没有增加？返工有没有变多？省掉必要检查，也能让交付看起来更快，只是问题可能留到了后面。

成本也要算。加班工时是否增加，实施费用是否超出预算，合理变更有没有被压住、积到以后再处理？只盯周期，很容易漏掉这些代价。

最后核对执行记录。变更窗口有没有被绕过？审批超时后是否真的升级？如果措施只执行了一部分，结果就要结合实际执行情况来解释。

这些最好在试之前就约定：看哪些记录，怎样算改善，出现什么问题就要停下来。等结果出来再选指标，总能挑到一两个好看的。

还要记得，能预测结果的东西，未必就是该改的东西。某类流程记录经常出现在长周期项目里，不意味着删掉记录，项目就能变快。

有人把Y=f(X)叫作"万能公式"。容易让人误会的，正是"万能"两个字。

它提供了一套整理问题的表达方式。项目、减肥、考试，内容各不相同，都可以先问：想研究什么结果，有哪些可能相关的因素，准备怎样描述它们的关系？

比如：

体重变化=f（摄入、消耗、代谢、睡眠、压力）。

考试成绩=f（学习时间、方法、专注度）。

公司利润=f（收入、成本、效率）。

牛顿第二定律F=ma，也可以写成力=f（质量、加速度）的形式。这里相同的是表达形式。写成同一种形式，并不意味着已经找到了各自领域里的答案。

只盯着"效率低""成绩差"，很难行动。把候选因素写出来，才有地方可查。客户不满意，可能涉及客服响应慢、产品故障多；你可以检查流程和产品，提出具体改动，再观察这些改动有没有带来预期效果。

复杂问题还可以继续往下拆。销售收入可以作为Y，用户数和客单价作为X；接着把用户数当成新的Y，再研究广告投放、口碑推荐等因素。

这套框架能帮你整理层次，却不会自动告诉你哪些因素重要、关系是什么、什么证据足够。这些仍要靠领域知识、观察和研究。

棒球场上就有一个例子。

如果选球员时只有一个粗略判断："买到球星，就更容易赢球。"那么名单上自然都是耀眼的名字。奥克兰运动家队总经理比利·比恩关注了另一个指标：上垒率。

击球能力、选球眼光与上垒率有关，上垒率又与得分、赢球有关。球员上垒后，后续打者就有机会帮助他回到本垒得分。这比"球星带来胜利"多看了几个中间环节。

比恩还发现，上垒能力在球员市场上被低估了。有些球员不如明星耀眼，却能以较低的价格提供出色的上垒能力。后来也有经济学研究支持上垒能力被低估这一判断。

用本文的框架看，他补充了一个值得观察的X，也重新理解了从球员能力到赢球的关系。万维钢把这称为"因果模型对直觉的降维打击"。

但上垒率不能单独决定胜负，还要考虑后续打者、对手得分等条件。这个案例也涉及价格和预算：同样的钱，能买到怎样的能力。把这些条件放进去，才能理解比恩为什么这样选人。

再看一个生活中的烦恼。

你计划3个月减重7公斤，每天少吃500大卡，每周跑三次。第一个月掉了2公斤，第二个月只掉0.5公斤，第三个月，体重秤几乎没动。

饭量控制着，跑步也没停。难道还要更狠一点？

先把问题写下来。Y是体重变化，X包括能量摄入、运动消耗、睡眠、压力、激素水平，f描述这些因素与体重变化的关系。

"摄入小于消耗，就会瘦"是常见的理解。但据此预测体重时，很容易顺手加上一个未经检查的假设：每天的消耗基本不变。

身体并不按这张固定账单运行。

北京阜外医院冯雪医生在《科学减肥16讲》中讲过，基础代谢占人体一天耗能的60%以上，有意识的运动只是消耗的一部分。体重下降后，基础代谢也会随之下降，原先通过少吃制造的能量缺口，可能缩小了。

这里需要补进模型的是身体状态。即使每天摄入的热量没变，体重和身体组成已经变化，消耗也可能跟着变。原先的模型如果把消耗当成常数，就会高估后续的减重速度。

至于"练肌肉提高基础代谢"，也要看量级。冯雪提到，每增加一公斤肌肉，每天增加的耗能大约只有十几大卡。单看这部分增量，可能没有你想的那么大。

把身体状态和适应过程纳入考虑，不等于找到了一种能绕过适应的饮食方案。间歇性能量限制的效果仍在研究，不能据此认定某种特定的周期安排就能避免适应。它提醒我们，体重停滞时，先检查原来的估计，别只剩下对意志力的怀疑。

Y也值得检查。开始减肥之前，想清楚自己关心的是体重数字，还是体脂率、腰围、体能。冯雪在课程中强调，减肥还要看体脂率、腰围和体型。尹烨在《健康参考》中也提醒，不要只盯体重秤。

如果事后才发现体重没达标、腰围却在缩，就把两件事都记下来：原来的目标没有达到，补充指标显示了另一种变化。不要拿后来的好看指标，悄悄替换掉开始时的约定。

万维钢讲过一个学习模型："（时间+注意力）→记忆编码→提取→成绩。"他谈到，有些家长只盯学习时间，因为"他们只能看懂时间"。

减肥时也容易如此。饭吃了多少，跑了几次，最容易看见；身体状态如何变化，就没那么直观了。模型的用处，是提醒你把容易漏掉的环节也放进来。

背单词也有类似的挫败。

花了两小时，第二天还记得，一周后却忘了一大半。是记忆力不行，还是时间花得不够？先别急着加时长，看看这两小时究竟怎么用、什么时候检查效果。

认知心理学家Roediger和Karpicke在2006年发表过一项研究。学生学习文章后，一组继续重读，一组做无反馈的回忆练习。5分钟后测试，重读组表现更好；2天或1周后测试，回忆组保持得更好。

如果只看5分钟后的成绩，很容易觉得重读更有效。但你真正关心的，可能是一周后还能记住多少。对学习效果的判断，需要把测试间隔也放进去。

回到背单词。可以尝试学完后合上书默写，不会的先想一会儿，再看答案，隔两天再测一次。

这里有两个变化。行动上，你换了学习方式和时间安排，X的取值变了；认识上，你开始把延迟保持纳入判断，不再只凭刚学完时的熟悉感评价方法。

这套背单词安排是作者基于研究方向的推演。原研究比较的是文章学习后的重读与回忆测试，并未直接验证"先想一会儿再看答案、隔两天再测"这套具体方案。

换到沟通场景，还要留意另一种遗漏。跨部门需求总是返工，你可能觉得是没说清楚；如果双方的目标有冲突，再改几遍措辞也未必有用。对方有自己的利益和判断。把材料写得更详细，不能保证对方更愿意配合。

讲到这里，你可能会想：道理明白了，可我只有一个正在做的项目，哪来四组条件给我比较？

仍然可以开始，只是要说清楚，这次尝试能回答什么，回答不了什么。下面用项目交付的例子走一遍。这六步是本文整理的操作思路，不是学术标准算法。

第一步：要缩短哪一段时间，缩到多少？

Y是单个项目从获准启动到验收通过的自然日数。目前平均4周，目标3周。

第二步：哪些环节可能拖慢交付，依据是什么？

列出需求变更次数、审批等待天数、处理时间、返工次数、会议工时、外部依赖数量、项目复杂度。它们目前都是候选因素，还没有干预证据。

第三步：改了一个环节，会不会被另一个拖住？

项目记录里，需求确认后等审批，审批回来又改需求。你据此猜测，两项措施的效果可能与彼此是否实施有关。把这个猜测记下来，后面还需要比较和检查。

第四步：准备怎样比较，才能判断有没有改善？

你打算同时实施A和B，观察组合效果。没有对照组，可以参考上季度项目，但不能把历史数据当作公平比较的基准。它能提供趋势信息，无法单独说明改善由谁造成。

第五步：先试哪些措施，要付出什么代价？

你估计A和B主要涉及流程规则调整，成本不高，准备先试一个月。也把可能的代价记下来，例如合理变更被推迟或拒绝。实际成本和副作用，要在试行中继续看。

第六步：试完之后，哪些判断能保留，哪些要重想？

试行一个月后，可以检查组合措施是否执行得下去，有没有值得继续观察的改善信号。但没有A、B单独实施的数据，就不能判断各自的效果，也不能识别两者是否存在交互。

"观察到改善""改善由措施造成""措施值得继续"，是三个不同的判断。

前后记录可以显示变化。要判断原因，需要更严格的比较。至于要不要继续，还可以结合成本、副作用和已有的改善信号作决定。证据有限，不妨先把结论也留得有限。

只有一个项目时，可以从一段反复卡住的流程入手，写下猜测，再试一个可行的改变。记录预期和实际结果，也记录什么情况会让你停下来、重新想。

六步不必机械地走。如果已有经过检验的领域模型，就先检查它是否适用，不必每次从零开始。

遇到下一次"怎么改都没起色"，可以拿出这五个问题：

1. 我要解释、预测还是改变什么？

2. Y的对象、单位、时间和测量规则是什么？

3. 我假设这些因素怎样影响结果，效果会不会取决于彼此？

4. 还有什么解释也能说通眼前的现象？

5. 什么结果会让我修改假设或停止措施？