用两条分布曲线提升研发指标的三步实践法

把[[正态分布与幂律分布：独立相加的回路，还是相乘的回路|两条分布曲线]]用于实际改进软件研发指标，可以按三步走。第一步，判断指标属于正态分布还是幂律分布——除了画图看形态，还可以用经济学的边际成本来辅助判断：需求交付周期、代码开发当量这类指标，每新增一个需求/系统都要投入类似的资源（边际成本较高），增长速度会比较缓慢，属于正态分布；用户增长率这类指标因为有网络传播效应，边际成本较低，反而容易导致强者愈强，属于幂律分布。第二步，寻找指标的影响因素——先大致判断团队目前处于什么水平（比如交付周期是正态分布，团队水平大致在平均值附近），再分析形成这个指标的具体影响因素，同时特别关注异常值：分析正态分布指标时不能只看平均值，散落两边的离群点往往隐藏着好的影响因素；分析幂律分布指标时要关注处在长尾的值，这些同样可能帮助找到有价值的负面影响因素。第三步，结合系统结构模型分析改进思路——正态分布的系统里，每个影响因素对应结构模型里一个个独立的回路；幂律分布的系统里，多个影响因素共同构成一个增强回路；找到这些回路之后，正态分布场景（比如提升代码质量）的改进思路通常是逐渐加强好的独立回路（详尽的前期设计、把代码质量纳入绩效考核）、同时削弱负面回路的影响（缺少代码评审、存量技术债务多）；幂律分布场景的改进思路通常是促进那个增强回路运转得更顺畅、同时尽可能降低调节回路的拖累作用。可迁移启发：团队制定”如何提升某项研发指标”的改进计划前，先花时间做完这三步诊断——直接跳过”这是什么分布、结构里有哪些回路”这一步、上来就列一堆改进措施，很容易把本该用”加强独立回路”思路解决的正态分布问题，错误地套用了幂律分布”死磕一个增强回路”的策略，反而事倍功半。

结构图：

flowchart TB
  S1["第一步:判断分布类型<br/>(边际成本高→正态,边际成本低→幂律)"]
  S1 --> S2["第二步:寻找影响因素<br/>(正态看两端离群点,幂律看长尾值)"]
  S2 --> S3["第三步:结合结构模型定改进思路"]
  S3 --> S3A["正态分布→加强好的独立回路,削弱坏的独立回路"]
  S3 --> S3B["幂律分布→促进唯一增强回路顺畅,降低调节回路拖累"]