二、根因分析用于决策分析

针对问题解决，一般都需要做深入透彻的根因分析，才有利于彻底地解决并预防问题。

那么，针对决策，是否需要做根因分析呢？也是需要的。比如说，你去某家公司应聘总经理，那家公司的董事会成员对你很满意，认为你是位不错的人选。然后要给你开年薪，应该开多少呢？假如开200万年薪，你认为很满意。这个过程看似不是根因分析，但其实背后隐藏着根因分析的逻辑。为什么这么说呢？因为给你开年薪的时候，要问的第一个问题就是应该给你开多少年薪？当经过讨论和分析认为开200万。那么这个200万是否合理呢？为什么要开200万年薪而不是100万，也不是300万？这就涉及根因分析，需要分析你的职业能力、道德、学历和素质，过去的从业经验和成功经验，市场薪酬水平，即将到新公司承担的责任，以及预期能够为新公司做出什么贡献等。综合考量各种因素，才决定给200万。因此，公司董事会成员决定你年薪的这个过程，其实也类似根因分析的过程。

针对决策做根因分析主要有两点不一样：

（1）针对决策做根因分析的目的是做出正确的决策，是要找输出和输入的“数学”关系，然后根据输出的“目标值”决定输入的“取值范围”，或者根据输入决定输出。

（2）针对问题做根因分析，要不断地在纵深方向询问为什么，直到彻底找完所有的技术原因，以及相应的管理体系原因。而针对决策做根因分析，通常分析一层输出和输入之间的“数学”关系，不必往纵深方向分析。

拿上面面试总经理岗位这个例子来说吧，用人单位的董事会成员是根据你的背景和你将要贡献的预期等各项输入条件，然后决定给你开200万年薪还是其他。因此，这个决策过程是根据输入条件Xs及不同Xs的“实际值”，决定输出Y的“值”。不是分析年薪Y出了什么问题，也不是分析导致年薪下面的那几个主要因素Xs出了什么问题。这个决策过程一般只做一层的因果关系分析，如下图所示。

上面关于确定总经理候选人的年薪的决策过程是从Xs的“实际值”决定Y的“设定值”，有的决策过程是根据Y的“目标值”去设定Xs的“理想值”。比如，统计工具中有个方法叫试验设计（Design of Experiment，DOE），就是根据输出要求，通过试验的方式找到影响Y的关键因子Xs，然后再通过优化试验对关键因子Xs摸索出最佳设定值及其范围。对关键Xs设定理想值和范围值后，没有必要再询问为什么Xs要那样设定值了。

Y=F（Xs）就是一种数学化思维的根因分析，只有找对关键的Xs，才能够建立正确的输出Y和输入Xs之间的关系。当Y=F（Xs）在不同环境时，关键的Xs可能不一样，Xs的设定值也可能不一样。拿注塑厂的塑料注塑成型来举例，虽然其注塑件尺寸主要取决于注塑模具，但其尺寸的精度却取决于诸多因子，如材料、设备、环境、压力等条件。因此，注塑件尺寸的数学关系Y=F（Xs）如下图所示。

当注塑条件X1~X4和X8s不变时，假设X5~X7是影响某款注塑产品尺寸Y的关键因子。当设定好X5~X7的最佳工作条件后，通常尺寸Y也不变。但这是做梦都想要的理想情境，在实际的工业环境下，注塑材料的特性有波动，设备性能也有波动，模具在注塑过程中会慢慢磨损，环境也在变化。因此，即使X5～X8s的设定值不变，但注塑件的实际值会有一定的波动，尺寸总有差异。当差异变大到最终导致部分产品不满足过程和产品要求时，就需要重新分析X1～X8s。一般的做法是，先调整最容易调整的X5～X8s，因为调整这些因子不仅容易，并且成本也低。不管是用经验法，还是用正交试验的DOE法。当不能够通过调整X5～X8s满足输出Y的尺寸要求时，就要分析模具是否需要维修了，或者材料是否异常等。

因此，Y=F（Xs）这个关系是一个变化的动态过程。所以，决策要因地制宜、相机而动，就像庄子在《庄子·山木》所说的那样树不材而得活、鹅不鸣而被杀。