帕累托原则

它解决什么问题

• 资源有限却平均分配给所有问题。
• 大量客户、产品、流程或错误无法排序。
• 团队忙于处理小问题，关键贡献因素无人负责。
• 需要从复杂清单中选出首批干预对象。

交付物

• 贡献／损失排序表。
• 累计贡献曲线与候选少数清单。
• 少数因素的因果核验表。
• 集中资源实验与长尾风险清单。

它不解决什么问题

• 不说明少数因素就是因果瓶颈。
• 不保证比例是 80/20，也不替代统计检验。
• 不判断目标是否值得追求，不自动生成行动方案。

适用问题对象

• 客户价值、产品组合、错误分布、销售来源、流程损耗和资源优先级。
• 需要从大量对象中选择最值得先看的少数对象。

诊断问题

• 多数结果究竟按什么指标定义？
• 少数对象贡献的是收入、利润、风险还是学习价值？
• 分布是否稳定，是否只是一次性异常？
• 少数因素是原因、代理变量，还是结果的共同表现？
• 集中资源会带来哪些被忽略的长尾风险？

关键假设与失效处理

假设结果分布存在有用的不均衡，且少数对象可被识别和干预。若要找真正限制吞吐的环节，用 S'FOCUS / TOC；若只测试一个微小动作的非线性效果，用微小改变—巨大结果模型；若数据分布变化很快，改用滚动分层和实验。

易混淆模型与可替代模型

• S'FOCUS 六步法 / TOC 瓶颈理论：TOC寻找限制系统有效产出的因果瓶颈；帕累托只提供资源聚焦的分布线索。
• 单点破局：单点破局是战略性集中资源打穿阈值；帕累托先从数据分布中找少数贡献者。
• 微小改变—巨大结果模型：微小改变关注干预大小与结果非线性；帕累托关注因素贡献分布。

正例问题

• “客户流失原因很多，怎样先找出贡献最大的一小组原因再设计验证？”
• “团队每周有上百个错误，怎样判断先修哪几类最能减少返工？”

反例问题

• “系统吞吐量被一道固定工序卡住，怎样确认并突破唯一瓶颈？”这应优先使用 S'FOCUS / TOC。

常见误用

• 看到 80/20 就不查数据。
• 把高频问题误当关键原因。
• 只服务头部客户，忽略合规、声誉和长尾风险。
• 排出少数清单后没有验证和复盘。

来源与证据边界

依据 Vilfredo Pareto 关于财富分布的不均衡观察及经营飞轮材料整理。80/20 是启发式名称，不是普遍常数；当前比例、稳定性和因果关系都需用本场景数据验证。