数错了对象：供应紧张之年的一则抽样故事
2022年初，我们姑且称之为"辖区"的一个市政工程部门遭遇了熟悉的压力：供应商缺货积压，材料每月都在涨价，一半的维护团队在长期远程派工后正陆续回到车场。在这种压力下，现场主管提出了一个令人警觉的说法。他说水泵密封件的故障大约翻了一倍，并希望本周内就批准预算来更换供应商。
这个说法背后的数字是真实的，但收集它们的方式却让它们几乎失去了意义。这正是统计抽样的隐性陷阱：一项测量可以同时既精确、可重复，又彻底具有误导性。在辖区动用它本就没有的资金去做一个可能后悔的供应商更换之前，先弄清楚它的样本究竟代表了什么，是很值得的。
样本真正测量的是什么
主管的数字来自他的班组恰好带回车场办理保修索赔的那些密封件。这是一种便利样本，最容易收集，也最容易自欺。同时发生了两个变化。随着返岗办公，更多班组会路过车场，把过去会在现场直接丢弃的故障件交回。而随着价格上涨，团队开始为以前直接报废的零件提交保修索赔。工作台上密封件的数量上升了，而现场真实的故障率并没有。
一个可靠的样本，回答的是关于一个明确定义的总体的、明确表述的问题。这里的总体是辖区内所有在用的水泵密封件，样本却只是那些被送到工作台上的故障件子集。两者并不相同，再仔细的清点也无法弥合这一差距。
本可发现问题的抽样基础
先界定总体。 在记录任何一个数据点之前，先确定你想了解什么——所有在用密封件、本季度的安装件，还是某个生产批次。辖区从未写下这一点，因此无从得知自己的数字遗漏了什么。
让样本具有代表性。 从整个总体进行随机或系统抽样，胜过随手取来的便利样本。按固定排期每二十个已安装密封件抽检一个，就能得到一幅稳定的图景，不受谁路过车场的影响。
保持样本量的诚实。 小样本波动剧烈。从6次故障跳到12次看似翻倍，但在该数量下仍属正常波动范围。更大的样本，或随时间绘制的控制图，才能把真实信号与噪声区分开。
警惕测量的变化，而非流程的变化。 如果你的采集方法、上报激励或记录者中途发生改变，你看到的趋势反映的是计数方式的变化，而不是现实世界的变化。
最终如何收场
辖区暂停了供应商更换，进行了为期两周的结构化核查：每条线路检查固定数量的密封件，无论卡车当天在哪里收工都以相同方式记录。修正后的故障率逐年基本持平。问题不在供应商，而在数据采集的习惯。避免一次不必要合同变更所省下的成本，远远抵过了这次核查的投入。
这条更宽泛的教训适用于任何动荡之年。当投入稀缺、预算吃紧时，凭看到的第一个数字就匆忙行动的诱惑最强，而恰恰在此时那个数字最不可信。良好的抽样不是统计上的吹毛求疵，而是让你避免花真金白银去追逐幻影的方法。
如果你的团队正基于不稳的测量做出重大决策，XNM 的战略咨询 可以帮助你建立让决策扎根于真实情况的抽样纪律。