以极快的速度迅速成立格莱珉达能食品有限公司，与典型的投资决策相比，此举可谓风驰电掣。

从另一个角度来看，极高的效能也将格莱珉达能食品有限公司推进了“采用潜在的解决方案”陷阱。达能和格莱珉银行没有从“儿童营养不良”这个问题本身下手，对其进行分析，去寻找靠谱的、成本低廉的解决方案，而是以他们能提供的潜在解决方案为起点。销售渠道的选择，是建立在格莱珉银行的分销系统可以被复制到格莱珉达能食品有限公司的假设之上的。虽然在这条路上遇到了许多困难，对这一假设的合理性形成了挑战，但格莱珉达能食品有限公司从未放弃，而是一次又一次地跌倒再爬起来，沿用同一条销售理念。同样，在产品端，人们假设，解决方案就存在于达能现有的产品之中。没有人认真严肃地对这一假设提出过挑战。人们普遍认为婴儿食品风险太高，唯一可行的选择就是酸奶。事实是，其他选择也是存在的，比如即食治疗性食品（RUTF），在世界卫生组织和联合国儿童基金会的倡导下，这类食品如今正在用于帮助数百万非洲儿童提升健康水平。该产品是混合了脱脂奶粉、维生素和矿物质的花生酱，能提供充足的营养物质。这一产品能在没有冰箱冷藏的情况下在家中储存三到四个月，就算在热带气候条件下也不会变质。

在问题解决的过程中，备选的解决方案是非常重要的。将备选方案作为值得测试的假设，与简单地认定其正确性，两者间存在着很大的区别。在严格的问题解决过程中，尤努斯和里布的产品和分销方案，可以被视为有待确认和论证的假说。在这个案例中，值得赞叹的行动初始动力，再加上高层领导的支持，共同将这些假说转变为了不可挑以极快的速度迅速成立格莱珉达能食品有限公司，与典型的投资决策相比，此举可谓风驰电掣。

从另一个角度来看，极高的效能也将格莱珉达能食品有限公司推进了“采用潜在的解决方案”陷阱。达能和格莱珉银行没有从“儿童营养不良”这个问题本身下手，对其进行分析，去寻找靠谱的、成本低廉的解决方案，而是以他们能提供的潜在解决方案为起点。销售渠道的选择，是建立在格莱珉银行的分销系统可以被复制到格莱珉达能食品有限公司的假设之上的。虽然在这条路上遇到了许多困难，对这一假设的合理性形成了挑战，但格莱珉达能食品有限公司从未放弃，而是一次又一次地跌倒再爬起来，沿用同一条销售理念。同样，在产品端，人们假设，解决方案就存在于达能现有的产品之中。没有人认真严肃地对这一假设提出过挑战。人们普遍认为婴儿食品风险太高，唯一可行的选择就是酸奶。事实是，其他选择也是存在的，比如即食治疗性食品（RUTF），在世界卫生组织和联合国儿童基金会的倡导下，这类食品如今正在用于帮助数百万非洲儿童提升健康水平。该产品是混合了脱脂奶粉、维生素和矿物质的花生酱，能提供充足的营养物质。这一产品能在没有冰箱冷藏的情况下在家中储存三到四个月，就算在热带气候条件下也不会变质。

在问题解决的过程中，备选的解决方案是非常重要的。将备选方案作为值得测试的假设，与简单地认定其正确性，两者间存在着很大的区别。在严格的问题解决过程中，尤努斯和里布的产品和分销方案，可以被视为有待确认和论证的假说。在这个案例中，值得赞叹的行动初始动力，再加上高层领导的支持，共同将这些假说转变为了不可挑战的坚定信仰。而这种情况在实际工作中经常出现。在下一章，我们将介绍问题解决4S法的第二步：假说和备选方案的作用——建构问题。我们将在第4章讨论以假说为驱动的问题建构中存在的优缺点，并思考利用问题树方法来替代以假说为驱动的方法的可行性。

案例3　如何招到优秀的员工

作为代行呼叫中心运营商CallCo的人力资源总监，丽莎面临着一个棘手的问题：她想知道怎样才能招到优秀的员工。

和许多人才驱动型的公司一样，CallCo的招聘是一个艰难的过程：需要去投放广告，对简历进行分类，组织多轮测试，还要进行面试。等这一系列事情都办完，只有不到10%的申请者能收到聘用通知，而真正加入公司的人就更少了。为了跟上计划的增长速度，CallCo不断提高目标，持续扩大招聘规模和范围。

丽莎发现了几个问题。第一个让她心存顾虑的问题是招聘决策的质量。尽管经验丰富的呼叫中心主管进行了多次面试，但他们往往会对同一位候选人持不同意见，而且也没有确定的方法来验证谁的判断更准确。作为一名经验丰富的人力资源专家，丽莎知道，几十年的学术研究表明，面试并不能很好地预测一个人在实际工作中的表现，而一定有比面试更好的方法。

第二个让丽莎忧虑的问题是，她发现了公司招聘过程中可能存在偏见的一些迹象：CallCo真正聘用的少数族裔员工的比例，战的坚定信仰。而这种情况在实际工作中经常出现。在下一章，我们将介绍问题解决4S法的第二步：假说和备选方案的作用——建构问题。我们将在第4章讨论以假说为驱动的问题建构中存在的优缺点，并思考利用问题树方法来替代以假说为驱动的方法的可行性。

案例3　如何招到优秀的员工

作为代行呼叫中心运营商CallCo的人力资源总监，丽莎面临着一个棘手的问题：她想知道怎样才能招到优秀的员工。

和许多人才驱动型的公司一样，CallCo的招聘是一个艰难的过程：需要去投放广告，对简历进行分类，组织多轮测试，还要进行面试。等这一系列事情都办完，只有不到10%的申请者能收到聘用通知，而真正加入公司的人就更少了。为了跟上计划的增长速度，CallCo不断提高目标，持续扩大招聘规模和范围。

丽莎发现了几个问题。第一个让她心存顾虑的问题是招聘决策的质量。尽管经验丰富的呼叫中心主管进行了多次面试，但他们往往会对同一位候选人持不同意见，而且也没有确定的方法来验证谁的判断更准确。作为一名经验丰富的人力资源专家，丽莎知道，几十年的学术研究表明，面试并不能很好地预测一个人在实际工作中的表现，而一定有比面试更好的方法。

第二个让丽莎忧虑的问题是，她发现了公司招聘过程中可能存在偏见的一些迹象：CallCo真正聘用的少数族裔员工的比例，远低于该公司求职者中的少数族裔比例。这就造成了一种令人不安的可能性：如果CallCo对少数族裔候选人有歧视，那么不仅会失去优秀人才，还会面临声誉和法律方面的问题。

丽莎的第三个担忧也很重要，而且其紧迫性甚至更高：招聘和培训人员的成本已经失控。招聘过程本身就成本高昂，主要原因是主管要花很多时间参加面试。然后，只要员工加入公司，就必须先经过一段时间的培训和在职辅导，随后才能真正为公司创造效益。问题在于，许多新员工在公司待的时间不够长，刚完成培训就走人了，以至于CallCo根本无法收回招聘和培训成本。在员工流动率超过30%（新员工流动率更高）的现实情况下，CallCo将几乎一半的人力投资浪费在了没有留下来的员工身上。

经过研究，丽莎发现，人力资源分析解决方案提供商BigHRData为她心中的问题提供了一个很有前景的解决方案。BigHRData的模型，依赖于发送给申请人的在线性格调查问卷。CallCo的新员工和更有经验的老员工都会接受同样的性格测试。利用机器学习算法，BigHRData可以识别出与较长在职者相关的性格特征，并选择具有这些特征的申请人。随着越来越多的申请者和新员工加入这个数据库中，算法将在预测申请者未来的去留上变得越来越智能，从而帮助CallCo更好地选择合适的员工。

这一解决方案，有可能同时解决丽莎发现的三个问题。第一，通过使用BigHRData的模型作为面试开始前的第一道筛选流程，CallCo的主管只会面试那些评分较高的申请人，从而减少了对每远低于该公司求职者中的少数族裔比例。这就造成了一种令人不安的可能性：如果CallCo对少数族裔候选人有歧视，那么不仅会失去优秀人才，还会面临声誉和法律方面的问题。

丽莎的第三个担忧也很重要，而且其紧迫性甚至更高：招聘和培训人员的成本已经失控。招聘过程本身就成本高昂，主要原因是主管要花很多时间参加面试。然后，只要员工加入公司，就必须先经过一段时间的培训和在职辅导，随后才能真正为公司创造效益。问题在于，许多新员工在公司待的时间不够长，刚完成培训就走人了，以至于CallCo根本无法收回招聘和培训成本。在员工流动率超过30%（新员工流动率更高）的现实情况下，CallCo将几乎一半的人力投资浪费在了没有留下来的员工身上。

经过研究，丽莎发现，人力资源分析解决方案提供商BigHRData为她心中的问题提供了一个很有前景的解决方案。BigHRData的模型，依赖于发送给申请人的在线性格调查问卷。CallCo的新员工和更有经验的老员工都会接受同样的性格测试。利用机器学习算法，BigHRData可以识别出与较长在职者相关的性格特征，并选择具有这些特征的申请人。随着越来越多的申请者和新员工加入这个数据库中，算法将在预测申请者未来的去留上变得越来越智能，从而帮助CallCo更好地选择合适的员工。

这一解决方案，有可能同时解决丽莎发现的三个问题。第一，通过使用BigHRData的模型作为面试开始前的第一道筛选流程，CallCo的主管只会面试那些评分较高的申请人，从而减少了对每个求职者的面试次数。第二，利用数据而非人为喜好筛选简历，确保了选择的不偏不倚，而这也是一道坚实的防线，让人没法指控公司对少数族裔存在歧视。第三，BigHRData从采纳这一解决方案的公司那里已经得到了非常肯定的参考意见，这些公司的新员工的一年在职率开始显著增长。

陷阱3：套用错误的框架

丽莎反复思索是否应该像其他公司那样，成为BigHRData的客户。但她总是觉得哪里不对劲。经过一番思考，她终于想明白了。BigHRData迫使她用一种特定的方式来思考问题，从一种特定的视角来看待问题：BigHRData提供了一个用以解决人力资源问题的框架，而这个框架使用的假设陈述不清、存在争议。

第一个假设是，在线人格调查问卷可以测量“性格”这种极富主观意义的东西。并非所有的性格测试都是可靠的。一个问题是，在某些测试中，如果同一个人参加了两次，那么两次的结果可能会大不相同。另一个问题是，申请者是否会刻意表现出他们想要表达的性格特征，并由此在问卷测试中操纵性格特征。

就算性格可以通过在线测试得到快速而可靠的测量，BigHRData的方法也暗含了第二个假设，那就是，性格是CallCo公司员工高流动率的一个重要驱动因素。员工离开CallCo可能有很多原因，比如工资太低，领导太差，在其他地方找到了更好的工作等。在接受“员工的个求职者的面试次数。第二，利用数据而非人为喜好筛选简历，确保了选择的不偏不倚，而这也是一道坚实的防线，让人没法指控公司对少数族裔存在歧视。第三，BigHRData从采纳这一解决方案的公司那里已经得到了非常肯定的参考意见，这些公司的新员工的一年在职率开始显著增长。

陷阱3：套用错误的框架

丽莎反复思索是否应该像其他公司那样，成为BigHRData的客户。但她总是觉得哪里不对劲。经过一番思考，她终于想明白了。BigHRData迫使她用一种特定的方式来思考问题，从一种特定的视角来看待问题：BigHRData提供了一个用以解决人力资源问题的框架，而这个框架使用的假设陈述不清、存在争议。

第一个假设是，在线人格调查问卷可以测量“性格”这种极富主观意义的东西。并非所有的性格测试都是可靠的。一个问题是，在某些测试中，如果同一个人参加了两次，那么两次的结果可能会大不相同。另一个问题是，申请者是否会刻意表现出他们想要表达的性格特征，并由此在问卷测试中操纵性格特征。

就算性格可以通过在线测试得到快速而可靠的测量，BigHRData的方法也暗含了第二个假设，那就是，性格是CallCo公司员工高流动率的一个重要驱动因素。员工离开CallCo可能有很多原因，比如工资太低，领导太差，在其他地方找到了更好的工作等。在接受“员工的性格可以预测其任职时长”这一假设之前，丽莎是否应该找一找其他可能存在的原因？

丽莎的关注点，也就是她的问题陈述，集中在招聘流程上，而非人员流动率的降低。但如果解决方案是建立在招聘和离职率的联系之上的，那么关于这种联系的假设应该是明确的。在CallCo，某些性格特质和任职时长之间可能存在关联。BigHRData所产出的数据，可能并非完全没有意义。但是，当只专注于这一关系而无视其他因素时，BigHRData给出的解决方案，就是采用将性格与任职时长等结果相关联的框架和推理方式。选择这一框架，就意味着在分析中将其他可能更为重要的因素排除在外了。

为了找到这些因素，丽莎与准备离开CallCo的员工进行了离职面谈。她发现，由于工资低、工作环境差、管理方式粗暴，离职者一致对自己在CallCo的工作经历非常不满意。据那些离职员工说，留在CallCo的员工也有同样的悲观态度，之所以不走，是因为还没在其他地方找到更好的工作。

虽然丽莎不愿意根据区区几次采访就匆忙下结论，但她想到了BigHRData的性格模型在这种情况下会给出怎样的推荐。如果这个模型真的像广告宣传中所说的那样有效，那么，它就会识别出那些因找不到更好的工作而不得不留在CallCo的员工身上所具备的任何雇主都不喜欢的性格特征，而且还会在求职者身上去寻找相同的特征！这种做法可能的确会降低人员流动率，这也是该模式在其他公司获得成功的原因。但这会对工作业绩产生怎样的影响呢？到目前为止，所有的讨论中还没有提到这个因素。随着时间的推移，这种做法会对CallCo性格可以预测其任职时长”这一假设之前，丽莎是否应该找一找其他可能存在的原因？

丽莎的关注点，也就是她的问题陈述，集中在招聘流程上，而非人员流动率的降低。但如果解决方案是建立在招聘和离职率的联系之上的，那么关于这种联系的假设应该是明确的。在CallCo，某些性格特质和任职时长之间可能存在关联。BigHRData所产出的数据，可能并非完全没有意义。但是，当只专注于这一关系而无视其他因素时，BigHRData给出的解决方案，就是采用将性格与任职时长等结果相关联的框架和推理方式。选择这一框架，就意味着在分析中将其他可能更为重要的因素排除在外了。

为了找到这些因素，丽莎与准备离开CallCo的员工进行了离职面谈。她发现，由于工资低、工作环境差、管理方式粗暴，离职者一致对自己在CallCo的工作经历非常不满意。据那些离职员工说，留在CallCo的员工也有同样的悲观态度，之所以不走，是因为还没在其他地方找到更好的工作。

虽然丽莎不愿意根据区区几次采访就匆忙下结论，但她想到了BigHRData的性格模型在这种情况下会给出怎样的推荐。如果这个模型真的像广告宣传中所说的那样有效，那么，它就会识别出那些因找不到更好的工作而不得不留在CallCo的员工身上所具备的任何雇主都不喜欢的性格特征，而且还会在求职者身上去寻找相同的特征！这种做法可能的确会降低人员流动率，这也是该模式在其他公司获得成功的原因。但这会对工作业绩产生怎样的影响呢？到目前为止，所有的讨论中还没有提到这个因素。随着时间的推移，这种做法会对CallCo