最后的优势

在奥托的果园里，每棵树得到同样的关注。同样多的肥料，同样的修剪时间，同样的鼓励话语。奥托认为一视同仁才专业。没人问过树的意见。

收获时，他的女儿在每个箱子上写上树的编号。奥托觉得这太夸张了。毕竟苹果就是苹果。

傍晚，箱子并排摆着。很大一部分来自阳光充足的园边那几棵树。其他树主要成功地制造了阴凉。

“那我们把其余的锯掉”，奥托说。他总喜欢立刻用重型设备迎接新认识。

他的女儿摇了摇头。有些树还年轻。有些结出的品种让店铺在冬天也有吸引力。箱子显示了不均衡的分布，却还不能完全说明他该怎么做。

第二年，奥托先照顾高产的树，再有针对性地研究弱的树。他按效果、树龄和状况分配时间。打气的话说不说随意。

帕累托原则让人关注不均衡的贡献： 往往一小部分原因产生了大部分结果。众所周知的八二比例是寻找的辅助，不是自然规律，也不是规定。

所以，检查你自己的分布。哪些产品、问题或习惯贡献特别大？哪些不起眼的部分让整体得以运转？

AI 可以把投诉分组或汇总销售数据。让它展示哪些类别解释了最大份额，并检查归类是否正确。如果你的数据只反映上周，再漂亮的分析也说不出下个冬天的情况。

你的问题： 哪些少数原因值得更多关注？如果你干脆删掉其余部分，又会草率地忽略什么？

“无所不有”餐厅供应披萨、寿司、野味、早餐，应要求还有一种非常个人化的西班牙小吃概念。老板不想把任何人拒之门外。

厨房有四个灶眼。

客人问这家店以什么出名时，他回答：多样。他的厨师说：供货问题。

某天晚上，三种食材、两台设备和员工的耐心同时告罄。一位常客点了那道这里一向做得特别好的简单炖菜。他多年来就是为这道菜而来。老板原本一直以为他不爱尝鲜。

他们审视了客人、能力和数据。之后餐厅聚焦于少数几道契合厨房和街坊的时令菜。有些客人去了别处。一些供应商不再需要。厨师又能说清第二天要准备什么了。

这家店仍叫“无所不有”。一块新灯箱招牌眼下并不是最重要的投入。

战略由相互契合的决定及其取舍构成。 当一切同时都是优先事项时，往往缺少的是关于如何使用有限资源的决定。

放弃本身不是目的。好的战略把目标群体、价值、能力和资源连在一起。当重要条件变化时，它可以被检验和调整。光靠固执产生不了清晰的定位。

AI 让人忍不住为每个新机会立刻制定计划。也用它来检查不相容之处：哪些要求相互矛盾？哪项扩展会削弱我们特别擅长的东西？我们必须有意放弃什么？

新菜单更短了。关于这家餐厅究竟想成为什么的讨论也是。

你的问题： 你必须拒绝哪个诱人的机会，才能让你选定的方向不只是幻灯片上的一句话？

“我们需要一个决定”，剧院负责人说。她指的是中场休息指示牌的颜色。剧团已经连开三次会，讨论深红色是否恰当地代表了剧目选择。

可是已经有人为拆除一面承重墙约好了日子。毕竟那面墙总不能永远挡在路上。

舞台监督在色样和施工图之间来回看。然后他问了一个问题：其中哪些下周可以轻松撤回？

指示牌先试印。它们成本低，只挂在门厅，而且可以更换。至于那面墙，先弄清结构、审批和替代方案。剧院第一次在一个撤回时需要请泥瓦匠的决定上花了更多时间。

第一个晚上过后发现，深红底上的字很难看清。于是牌子改进了。没有人需要为此解释自己的整个艺术身份为何失败。

根据决定的可逆程度和后果来调整谨慎程度。 损失有限的小实验可以很快开始。难以撤回的决定需要更多检验、参与和准备。

界限很少是非黑即白的。即使技术上可以删除的东西，也可能损害信任或传播数据。所以要问：回头到底有多贵、多慢、多彻底。

借助 AI，你可以快速试一份私人草稿。一条发给所有客户的自动消息则是另一扇门。先在小范围、可控的条件下测试，检查收件人、内容和后果，再扩大范围。

剧团照旧热烈讨论。只是现在他们知道，哪场讨论关乎一面承重墙，哪场只关乎一块牌子。

你的问题： 哪个决定你当成了改建，其实只是一块可更换的牌子——或者反过来？