为什么，这可能会使您重估帕累托分析
由Mohammed Awal M. Scholastic咨询学院，NG。
我的不安…
来自工业工程，管理系统设计和咨询方面的背景，我已经学习并相信帕累托原理是我优先考虑运营设计和咨询工作的事实基础。 我已经在无数的决策和咨询中使用了它。 对我而言，这是运营，项目和生活的金标准和禅宗的最高智慧。
现在，当您在研究我的较早的解释帕累托原理及其可能应用的文章的过程中，开始遇到对帕累托原理或它的错误应用有一种或另一种抱怨的作者时，您会感到恐惧。 在我阅读的50多个文章和帖子中，我记得莎拉·摩尔（Helh Blog）上的帖子“帕累托假人法则”。 在那篇文章发表之初，我的心跳了一下（或两次！），她说：“ 流行文化对可信的消费者来说是花哨的废话，很多废话被整个世界所吞噬，反驳，并与世界其他地区共享，并且通常对所涉及的实际原理几乎没有了解。 ”
我想到的是一场即将发生的巨大灾难（对我来说，也许你，您不知道），因为我那可信赖的，良好的旧帕累托原理即将在我眼前被铁匠铺撕碎了！ 哦，我的上帝！ …。
＆她（莎拉·摩尔（Sarah Moore））这样的权威和冲劲使我更加不安。 无论如何（正如我的好美国朋友所说的），我很害怕。 但是我迟了一段时间。 您会发现，莎拉·摩尔（Sarah Moore）在她的写作中有着这种可口的风格和风格，迫使我跟随她去了解她的意思。 我继续读。 尽管有很多恐惧！ 好老帕累托p。 不好？ 不好了…！
但是我的担心是没有根据的。 当她展开自己的论述时，我开始发现，似乎她将帕累托原理视为另一种“花哨的废话”似乎并非如此。 她嘲笑那些粗鲁的小贩，使用博学的Vilfredo Pareto提供的坚固的分析工具。 实际上，我开始发现她对帕累托原理的批评及其使它“吸吮”的误用，就像对著名的Kurt Angle的WWE摔角迷们热情地歌颂一样： 你真烂！”当他进入他的入口时。 我的恐惧因此错位了。
然而，后来的20篇文章和一些书的章节又回到了我对人们不信任我如此信任的帕累托原理的担忧。 然后，我本着此博客网站（寻找和共享知识）的精神，决定调查并说服自己帕累托原理是否仍然有用。 我的搜索结果就是您要阅读的内容。 因此，请参加本次游览，以了解帕累托原理是否仍然有意义和有用。
________________________________________________________________
对帕累托皇帝公爵？
首先，提醒帕累托原则。 它说，在大多数情况下，大多数情况下：20％的关键输入（因素，原因或努力）实际上带来了80％（更大）的输出。 其余的工作或投入仅有助于实现产出的平衡。 因此，更多地关注产生更大产出的关键的少数投入； 寻找80/20的收益或比喻。 帕累托原理是对世界高度不平衡和不公平这一显而易见事实的具体化。 努力和结果往往分布不均。 在大多数情况下，某些事物或某些人在结果中所占的比例或贡献更大。
礼貌 ：www.citoolkit.com
因此，投入和产出的分配比例不是1：1：也就是说，投入的某种混合不会产生成比例的产出。 得到的结果是：混合中的一些输入贡献了输出的最大部分，而其余的基本上都是标记！
那么帕累托原理怎么了？
任何有关帕累托原理的文献的回顾都很快表明，有很多人称赞它，还有更多人“抨击”它，有时是正确的。 因为，该原理的一些兜售者给它起了一个不好的名字。 Simplicita！
帕累托原理的问题有两个原因。 它的
- 固有限制
- 误用
帕累托原理的固有局限性
尽管帕累托原理像大多数伟大的科学原理一样具有最大的简单性和解释力，但它存在一些固有的问题，限制了它的运行，如果不加以解决，则会使它的操作出错，从而导致荒谬。 这些是帕累托原理本身必不可少的弱点。 其中一些包括：
历史性
传统的帕累托分析使用过去（历史）数据。 在使用历史数据时，情况可能已经改变，并且获得的结果很多与当前情况不兼容。
正如Liana Omar（2014）所观察到的：在帕累托分析中完全依赖过去的信息可能具有欺骗性。 小企业主可能会发现过去的数据不能准确代表公司的当前状况。 例如，数据可能包括过去原材料价格的变化，但可能无法准确反映未来这些变化发生的频率和方向。
因此，在依靠过去的数据时，帕累托分析可能无法考虑到近期的政策变化，经济状况或政府法规等。这可能导致错误的决策和无效的资源分配（精力，资金或重点）。
静态性
80/20规则着眼于静态分析的主题。 它认为20％（关键的少量输入/因子）仅对目前的较大输出有所贡献。 该规则不考虑在时间和空间上发生的更改。 以客户分析为例，该规则敦促我们培养更多的当前20％的顶级客户可能会下降，而其他80％（微不足道）的其他客户可能变得至关重要。
他们现在可能不会从我们这里购买太多东西，但是可能正在使用我们的产品作为主要原料来建立工厂。 工厂一经成立，它们便立即成为关键客户，并成为20％的关键细分市场之一。 因此，过分地执行此规则可能使我们在制定过程中忽略潜在的超级客户！
对情况的静态分析使80/20规则错过了可能会很快影响我们的决策，产品或项目的初期发展。
基于定量数据
帕累托分析基于定量数据得出其结论。 但是，大多数决策，尤其是有关人类和社会活动的决策，不仅需要权衡统计数据，还需要权衡更多定性问题才能做出决策。 例如，从分析中假设，帕累托（Pareto）展示了一名员工的批评率降低了80％，但我们知道该员工与客户建立了牢固的关系，从而带来了持续不断的新业务，我们是否应该因为这个原因而处分他或她？ pareto分析说是这样？ 那太荒谬了。
统计性
当使用的数据是大量样本时，帕累托原理会更好。 如果将其应用于较少的案例，那么关键的少数/琐碎的划分可能不会那么明显。 即使在关键的少数与重要的多数之间存在明显的分界，该比例也不会接近80/20。 可能是20 / 50、30 / 70、5 / 84等。
只是一种启发式：近似
正如许多人认为的那样，帕累托原理是一个粗略的近似（Bone，Ficker＆Davis，2002; Moor，2012; City AM，Morrison，2016; Xochellis，2010，Young，2018）。 使用80和20并不是严格的数学定律。 80-20规则旨在表达有关识别输入的理念。 尽管这经常被误解，但这并不是一成不变的数学定律。
碰巧的是，在80-20条规则中，80％和20％恰好等于100％。 投入和产出代表不同的单位，因此投入和产出的百分比不必等于100％（Investopedia，2018）。
80/20规则中的80和20仅是标签，用以说明法律的含义：更大的结果仅来自少数几个来源/因素！ 因此，80/20组合不应该被说成（pi）的尊敬对待，后者总是22/7或更多。
分布并不总是80/20。 帕累托原理甚至有更多极端的变化 ，例如95/5或99/1 。 您不能期望所有事物都能以80/20的方式运行。 这是一种有趣的方法，但有时将您的时间平均分配给这个80/20，甚至分配给80/20则是不利的（Curious Manager，2012）。
凯瑟琳·C·兰扎（Kathleen C. Lanza）（2011）的示例：例如，假设您有一个客户在收入方面不在前20％之列，但排名在50％左右。 还要说，这个人认识城镇中的每个人，并且愿意并且能够成为您的人脉资源，成为网络和推荐人的宝贵资源。 现在，在您的时间和精力上，您是否负担不起排名第一的客户？ 当然不是！ 让这样的人之以鼻，真是愚蠢。
非递归
帕累托原理并不是要反复应用于您的初始分析结果。 您不能应用80/20原理来获得关键要点，然后将其再次应用到该关键要点上以不断获取关键要点中的第二个关键要点……。 这将导致荒谬。 在某些情况下，递归使用帕累托规则可能会产生荒谬的结果。 例如，假设您有20个客户。 能够产生80％收入的20％关键客户将是（20/100 x 20），即4个客户。 如果对这4个客户进行第二次Pareto传递，即此关键客户的20％，您将获得（20/100 x 4）或0.8！ 现在显然是荒谬的。 您最多只能有1位客户。 邓诺（Dunno），如果我们已经开始在客户服务方面进行分时度假（哈哈！）。
描述性而非说明性
帕累托原理并不意味着预测未来。 它仅根据过去的数据描述发生了什么。 因此，即使它提前告诉我们您可能有大约20％的客户带来了您的大部分收入，它也无法准确预测哪些个人客户将构成这一关键群体！ 帕累托不是魔术。
高级视图，非颗粒
帕累托（Pareto）原理仅提供了导致最大结果或浪费或其他结果的那些因素的总体观点。 它不能提供足够的区分，无法说出，识别造成最多生产问题的特定影响或项目。 帕累托分析并不总是能洞悉哪些具体问题正在造成浪费或需要改进。 英国特许采购与供应学会（2018）指出了这一点：“帕累托分析通常被视为一维的，因为它不考虑类别的业务影响或市场复杂性。”
即使是Pareto分析的相对更细化的版本，ABC分析也不足以区分各个影响因素。 因此，帕累托分析需要通过对贡献因素进行更精细和详细的分析来增强，以真正掌握影响因素的原因。 仅仅依靠帕累托分析会产生误导，并可能导致错误的决策。 它太高了，太笼统了，无法用于查明具体情况。 需要进行更精细的分析，以增强帕累托结果的模糊第一性原则。
80和20不是同一件事
80％与输出有关，而20％与输入有关。 它们是不同的项目，因此不必总计为100％。 按照帕累托原理， 输入和输出不必相加100％ 。 关系也可以是80 / 40、60 / 20、90 / 30或100/10。 80/20分发只是最常用的分发。
协同作用
而且，我们不要忘记协同作用。 这基本上是：输入趋于以某种方式组合的趋势，即产生的输出远远大于它们的和，即1 + 1 = 3或更大时。 事物的综合组合会形成更大的整体，而将任何一部分都拿掉会大大降低整体的功能。 例如，想象一下没有轮胎的汽车，仅仅因为轮胎（假设地）构成了汽车的20％。 这样就不会有动静了。 然后没有车！
另一个例子：简单的早餐包括立顿，糖，牛奶和面包。 假设您取出了立顿（含20％的成分），您会很快就感到烦恼，早餐不再有茶。 每种成分单独发挥作用的方式与它们一起发挥作用的方式有很大不同。
在软件开发中，尤其如此。 通常，在复杂的系统中，系统不同组件之间的各种交互会结合在一起以创建特定的性能配置文件或错误分布。 在许多情况下，寻找神奇的20％就像说鸡蛋占蛋糕“蛋糕的80％”一样徒劳无益。（Sonmez，2013年）
帕累托原理的误用。
我们在文献中看到的许多帕累托扑打都是针对规则的错误使用。 许多人根本不了解。 因此，他们滥用和滥用规则。 其他人对规则的理解不多，但在它的简要介绍之后就过分热心地应用它。 最后，这些用户使用了原本功能强大的分析工具，却无法获得高水平的“事物感觉”，因此给它起了不好的名字。
我完全同意尼尔·帕特尔（Neil Patel，2016）的话：
然而，尽管帕累托原理似乎无处不在，但这并不是魔术。 这是原理，不是宇宙不可侵犯的定律。 更准确地说，这是一种趋势- 大多数情况下都会发生。 但是，由于它是如此简单和易于理解，因此被无差别地应用于生活，商业和人类活动的广阔领域。 一些企业已经成为帕累托陷阱的牺牲品，使得主要的支点只能由脆弱的原则来支持，而不能由真实且可操作的数据来支持。
最好的业务信息应来自您自己的分析，您的测试和您的研究。 帕累托原则可以帮助您思考并提出策略建议，但不应决定您的一举一动。
其中一些误用主要是由于缺乏对80/20规则的固有局限性的理解，并且出于上下文或过分热心，无心的使用而使用了它。
适用帕累托原理的背景
帕累托原理的80/20版本仅在因子稀疏的情况下有效。 当存在利益冲突或可以将资源用于多种用途时，就会发生要素稀疏。 将资源用于所有这些用途将分散其有效性。 然后，我们被迫做出选择以找到最有效的资源部署。 就帕累托分析而言，您有几种部署资源或工作的方法，您需要从中选择一些对达到目标没有影响最大的方法。
帕累托原则由于竞争而在自然界和社会中起作用-许多产出追逐了少数可用的投入。 事物在自然界和业务中的配置方式使竞争趋向于偏向少数竞争者而不是其他竞争者。 因此，在我们的资本主义制度中，存在着一种自然的偏见，那就是将骰子与某些竞争力量（80％琐碎的竞争力量）相对，而偏向少数竞争力量（20％的关键竞争力量）。
当我们尝试使所有事物或效果适合Pareto时，就会出现应用错误的情况。 有时，无论我们多么努力，我们都无法找到影响多数的少数。 有时，如在软件开发中一样，错误实际上是在整个系统中平均分布的。 有时团队成员的贡献是相当平等的。 80％的结果并不总是由一个团队成员负责（Sonmez，2013年）。
规则的字面解释
许多人犯的一个错误是过于严格地采用80/20规则。 他们认为，影响最大的那些因素必须严格地是20％，其他因素必须是80％。 生活不是那样的。 大多数时候，影响最大的因素仅接近或趋向于20％。 例如，在制造操作中导致最多缺陷的操作条件可能总计高达12％，13.5％或18.2％或22.5％甚至30％。 它不一定是精确的。
使用它进行预测
帕累托原理是描述性的而不是描述性的。 回顾一下您的工作很容易，您会发现哪些输入占20％占输出的80％，但这并不是一件容易的事。
使用帕累托原理作为依从性/中间性的基础
80/20规则的某些用法似乎暗示：尽最大努力或原因20％之后，边际收益递减。 从这个意义上讲，只要您从工作中获得了足够的收益，80/20可能暗示“不完成工作是可以的”。 这导致我们以低于最佳的价格来解决。
荒谬的还原： 如果20％的投入是最重要的，则其他80％必须不重要。
例如，通过这种荒唐的削减，您将牺牲获得100％收入所需的其他客户。 这种想法是一个诱因，那就是不要获得100％的结果，而要获得上段中提到的80％。 因此，它将组织限制在平庸或以次优考虑。 正如Davidoff（2005）所说：“停止平庸。 如今，当客户和公司缺乏时间和精力时，如果您想成为一家快速成长的公司，或者想要加快增长速度，就无法承受80/20规则的要求。 不会因80/20规则的错误观念而生活。
该规则并不意味着我们应该忽略其余80％的原因。 这只会使我们首先关注主要问题。 80-20规则的实际隐含应用是着重于确定具有最高潜在生产力的投入，并首先寻求这些原因。 只专注于20％的内容，而努力去抓取剩余的80％的内容则鼓励平庸。
反面
虽然我们在这里观察到80/20规则的局限性和滥用之处，但Cook（2013）提出并提出了一些他认为我们没有充分使用它的原因。 听他说：
如果80/20规则如此强大，为什么我们不经常使用它呢？ 我们为什么不将精力集中在可能会看到最佳结果的地方？ 库克给出了以下四个理由：
- 我们不希望获得80/20的回报。 我们看不到80/20规则，因为我们不考虑寻找它们。
- 我们尚不清楚成功的标准。 除非清楚如何衡量回报，否则您不能将精力集中在回报最高的20％上。
- 我们尚不清楚输入与输出之间的关系。 很难预测什么将是最有生产力的活动。
- 我们比生产更多的活动享受生产较少的活动。 我们专注于有趣而不是有效的事情。 正如布赖恩·特雷西（Brian Tracy）所说：我们不愿先吃丑青蛙！
结论
当我们思考有关帕累托原理的一些问题时，我们可能会记住“ Hacker News”网站上的贡献者的建议：
“帕累托原理是一种观察 。 它没有声明所有分布都是帕累托分布。 将观测结果应用于优化本身并不是帕累托原理。”
该原则在不同程度上“起作用”。
尽管对Pareto分析提出了批评和看似有限，但麻省理工学院斯隆学院数字业务中心的研究员Michael Schrage在哈佛商业评论网站上发表的一篇令人深思的文章中指出，Pareto分析将继续具有针对性，甚至引起人们的注意。在人工智能和大数据分析日趋完善的世界中，智能，超级和超级超级用户。
因此，在未来，
“战略计划和技术路线图需要通过’帕累托途径’进行分析。 更好地预测明天的少数几个人的能力，将整个企业的KPI组合在一起的机会，将不仅成为更高效率的来源，而且还将成为破坏性价值创造的决定因素”，这是我们21世纪及以后新世界的精神。
嗨，勒·普林西比·德·帕累托！
相关文章
帕累托原理
ABC分析（基于帕累托原理）
80/20规则与关系I
参考文献
英国特许采购与供应学会（2018）。 采购词汇表。 https://www.cips.org/knowledge/procurement-glossary/p/
城市上午（nd。）。 从字面上理解帕累托的80/20法则是错误的。 http://www.cityam.com/1407373793/it-s-mistake-take-8020-law-too-literally
库克，法学博士（2013）。 我们不采用80/20规则的四个原因。 https://www.johndcook.com/blog/2009/02/03/obstacles-to-applying-pareto-rule/
大卫杜夫（2005）。 80/20规则会扼杀您的生意！ 需求创建者博客。 https://blog.imaginellc.com/the-8020-rule-can-kill-your-business
黑客新闻（2009）。 关于帕累托原理的讨论线程。 https://news.ycombinator.com/item?id=858836
凯瑟琳·C·兰扎（Kathleen C Lanza）（2011）。 80–20规则是一个很好的规则，但也有例外。 商业机会。 https://www.businessopportunity.com/Blog/80-20-rule-good-guide-but-exceptions/
Investopedia（2018）。 80–20规则。 80–20规则https://www.investopedia.com/terms/1/80-20-rule.asp#ixzz5FxEHRDDe
Liana Omar，C.（2014年）。 帕累托分析。 https://www.slideshare.net/MisLiana1/Pareto-analysis-42284667
莎拉·摩尔（2012年）。 帕累托假人定律。 螺旋。 https://helix.northwestern.edu/blog/2012/11/paretos-law-dummies
莫里森（2016）。 帕累托原则-80/20规则。 RapidBI https://rapidbi.com/paretos-principle-the-80-20-rule/
帕特尔（2016）。 9在营销中使用pareto原理的有效方法。 企业家。 https://www.entrepreneur.com/article/251822
Schrage，M.（2017年）。 人工智能将改变80/20规则。 https://hbr.org/2017/02/ai-is-going-to-change-the-8020-rule
Sonmez，J.（2013年）。 并非所有事物都是80-20，不要盲目遵循帕累托定律。 https://simpleprogrammer.com/everything-80-20-dont-blindly-follow-paretos-law/
好奇的经理（2012）。 在帕累托的最佳状态下10分钟（对此有一些批评）。 https://curiousmanager.wordpress.com/2012/02/20/10-minutes-on-paretos-optimum-and-some-criticism-on-it/
Xochellis，J.（2010年）。 帕累托原理对优化的影响。 https://www.codeproject.com/Articles/49023/The-impact-of-the-Pareto-principle-in-optimization
Young，SH（2018）。 80/20规则的前4个错误应用。 https://www.lifehack.org/articles/featured/the-top-4-misapplications-of 80/20 rule.htm
