|下篇：技术 Leader 的思考方式( 三 )

3) 理解/共识（对问题本质做宣讲，达成上下左右的理解与共识）
4) 目标/路径（提出目标，拆解出来可实施的路径）
5) 表格/指标（提出衡量的指标和具体的 ACTION ，最好的就是表格来跟进）
6) 小胜即庆（对于阶段性目标的达成进行庆祝，当然这也是咬合业务价值的关键点）
7) 持续跟进（小胜即庆还不能放松警惕，还需要持续推进到下一个任务）
8) 灵活应变（根据实际情况调整优先级，同样是咬合业务价值而不是固守之前的任务表格）
9) 目标完成（完成标准不是新平台/系统能力建设完成，而是完成模型统一，流量迁移完成，老代码下线等）
10) 下一个觉察 (开启下一个平台/系统的架构调优升级周期）
很多时候我们并没有真正的在闭环思考和跟进问题，如漏掉某些节点，或某些节点退出过早：
1、比如很多平台建设在第 4)步做完就任其自然发生了，缺乏表格的跟踪机制，最后效果就是拖拖拉拉、磨磨唧唧拿不到结果。
2、比如很多平台建设小胜即庆做完就交接给其他人了，持续跟进出现严重问题，会导致不能灵活调整进而出现严重的建设障碍。
缺少进阶的下一环
闭环思维某种意义上应该说环环相扣的螺旋式上升的过程，这样才是能够不断驱动开启下一轮的进化。但很多 Leader 并没有很好意识到这个问题。以上述的闭环 10 个步骤为例， Leader 应该是在小胜即庆时就开始思考下一个觉察，在抛物线的顶点之前开始下一轮的思考继续才能够确保下一个闭环能够及时开启，进入螺旋式的优化进程中。
指标量化思考这个思考方法的含义是：
没有量化就谈不上优化，所以在定义和推动解决一个命题时，要尽可能地把遇到的问题用数据指标的方式进行量化思考。同样地这个思考模式也有一些误区：
量化的维度缺失导致缺少客观性
量化的本质其实是逼迫 Leader 更全面，更客观地理解问题。但要是更加客观地通过数据出现一个问题，也还是需要一些技巧，否则就会陷入心中已有答案，只是通过数据去做证明的困境。尤其是大团队越是要注意这个问题，通常来说组织这个群体是有自己的偏好，也是有动力和意愿去促成组织所偏好的事情。比如做技术的就倾向于偏好引导往架构优化上去，做业务的就会倾向于引导往完成 KPI 上去，但事实上更客观的应该是如何高效满足客户价值。
如何突破这个误区，我得到的经验思考就是呈现的数据维度与客观世界的匹配度，越高的就越客观，越客观才越有利于解决问题。只有通过数据量化出来这个问题才有可能找到可能的解法，才有后续方案选择时的取舍，不能本末倒置为因为选定了方案然后通过数据去论证取舍的合理性。
量化的数据断层解读后的欺骗性
数据客观反映只是第一步，如何解读才是决定了数据的利用价值。不怕没看到真相，只怕看到真相的一部分，不恰当的解读方法就会让我们看到真相的部分从而得出错误的结论。比如把自己和首富的财富的平均下，给人的感觉就是全民收入都大涨。
常见的数据解读方法如下：
1、高值 VS 低值 VS 平均值 VS 分位数：可以看出来数据的实际分布情况。
2、同比环比：可以看到各个维度的下数据的发展趋势。
3、全局 VS 局部：当全局性指标看完以后，一定要注意去搭配着按照多个维度的局部数据。比如看完全国的人均收入还要看各个省份的数据，甚至还要细分到各个行业去看数据。