从这个部分开始，为了实现Speed is Power，我们将从其他角度来做一个简单的案例研究。关键词是“应完成的工作的顺序”。这里我们从前文多次提到的ROI的角度出发进行研究。
假如你现在是销售部门的计划负责人，你的工作内容是制定销售部门的销售战略和战术，支援销售专员的工作。某一天，你收到了销售主管的工作安排，内容如下：“我们部门5月份按照销售计划，在35名销售人员的共同努力下实现了1亿500万日元的销售额目标，人均销售额达到了300万日元。同时大部分地区都达成了销售目标。我认为现在情况良好。所以接下来能否做到在不增加销售人员的情况下，提高5%的销售额？我希望你给出一个方案。”表1是各地区5月份的销售额。你得到的资料只有这张简单的表格。
作为销售部门的计划负责人，你会怎样进行分析、提案呢？这就是本次案例研究的课题，要求你迅速地做出此次工作安排的方案。
表1 每个区域、每种商品的销售业绩
首先，此次工作的要点是“这项工作是否重要”。也就是说要确认这项工作对你，或者对于公司而言，是否为应该完成的工作。
上司安排的工作内容为“保持现在销售人员的人数的同时提高5%的销售额”。有的人会认为上司安排的工作全部都是重要的，但是，是否真是如此呢？人无完人，上司也有可能安排无用的工作。
在我30年的工作经历中，也出现过这样的事情。我在退休之前的15年间一直担任公司管理层的职务。在那期间也曾给职工安排过不重要的工作。在前15年我自己还是职工的时候，也曾做过并不重要的工作。
不重要的工作，简单来说就是ROI值小的工作。在前文图3中我们可以看到，ROI（Return on Investment）的分子R所表示的是Return（成果），分母I所表示的是Investment（时间和金钱）。ROI值小指的是，这个分数的数值小。具体来说就是分子R小的工作，或者是与分子R相比分母I大的工作。
如果了解到自己要做的工作是ROI值小的工作，也就是并不重要的工作的话，该怎么做好呢？最好的办法就是向上司说明这项工作没有进行的必要，申请取消这项工作安排。
但是，即使向上司说明了这项工作没有必要进行，但上司仍然要求必须完成的话，就要尽可能地缩短在这项工作上花费的时间，也就是要缩小ROI的分母I的值，从而尽量扩大ROI。
有的人认为，即使上司安排下来的工作的重要性很低，也无法向上司申请取消这项工作安排。
但是，在销售量突破20万本的《从问题开始》一书中也写道：“在100项工作安排中，真正值得做的只有一两项。”人生实在太过短暂，所以我建议大家要认真选出值得做的工作。
虽然我认为自己是在认真挑选后再进行工作的，但是读了这本书之后，我才认识到自己还是想得太简单了。请大家一定要鼓起勇气对上司安排下来的无用工作说“不”。时间是有限的，我们没有闲暇去做无用功。
首先考虑清楚上司安排下来的工作是否值得去做，这一进行判断的步骤，是实现Speed is Power的一个有效方法。在判断“上司安排下来的工作是否重要”时，存在一个有效的技巧，那就是“费米推定”。
最近在顾问行业的公司面试中经常会问到“费米推定”，所以可能很多人已经对“费米推定”有了一定的了解。
费米推定是指，短时间内对乍一看荒唐滑稽的问题做出回答的方法论。比如在回答“琵琶湖里的水有多少滴？”“温布尔登网球场有多少个草坪？”“若用卡车移动富士山，需要多少辆载重2吨的卡车？”等问题时所采用的方法。“费米推定”的说法来源于其创造者恩里科·费米的名字。
那么接下来，让我们实际做一下费米推定的练习，请大家准备好笔纸。
题目是“请思考日本全国的电线杆数量”，时间为5分钟，计算只需要四则运算。当然请不要上网查询。
我将其中的一个例子总结为图8。这里之所以说是“一个例子”，是因为除了图8的例子外，还有很多其他的想法。我在这里所介绍的，是从“在一定面积中，存在多少根电线杆”的思考出发进行解答的方法。
第一步，先推算出日本全国的面积；第二步，可以根据日本的国土面积对日本全国电线杆的大致密度（相邻电线杆之间的距离为多少）进行推算，所以在计算时将日本分为数个区域；第三步，推算出每个区域内电线杆的密度；第四步，整合第二步和第三步的计算结果并推算出日本全国的电线杆数。
我相信读到这里的读者已经有所理解，在解答这个题目时，并不是要立刻开始计算，而是像这样将题目“因数分解”为具体的步骤之后按照顺序进行推算。这一点十分重要。接下来就让我们对这四个步骤进行具体的分析。
第一步：推算日本全国的面积。有的人可能在地理课上学过日本的国土面积大约是380 000km2，所以直接拿来用也没有关系。但是，想必也有不清楚日本国土面积的人。
因此，我们需要对日本全国的面积进行推算。假设日本国土的形状是一个长方形。对此大家可能会觉得不太精确，但是这里只需要我们把握大概的面积，所以想象成容易计算的形状比较好。
要计算长方形的面积，我们需要知道其长和宽的数值。日本这个长方形的长是从九州到北海道的长度。如果知道东京到大阪之间的距离约为500km的话，就能推算出整体长度为其4倍的日本的长度为500km×4＝2000km。宽也同理，因为宽的数值是要比500km这个长度的数值短的，所以我们推算为200km。这样一来就可以计算出日本的大概面积。也就是长2000km×宽200km=400 000km2。
第二步：推算日本全国范围内每平方千米的电线杆数。我们可以想象出，在人口密集的“都市”地区和其他地区，每平方千米的电线杆数是不同的。因此我们可以将日本整体分为“都市”和首都圈以外的“其他地区”两个部分。
我们印象中的日本都市主要是一些县厅所在地和大城市。这样我们就可以推算出都市和其他地区的面积比为20∶80左右。根据上一步推算出来的日本的总面积为400 000km2，可以推算出都市的面积为400 000km2×20%=80 000km2，其他地区的面积为400 000km2×80%=320 000km2。
第三步：推算相邻电线杆之间的距离。假设都市每隔50m会有一根电线杆，其他地区每隔200m会有一根电线杆。以此为前提可以算出都市每1km会有20根电线杆，其他地区每1km会有5根电线杆。据此可以推算出，1km2的都市中有20×20=400根电线杆。1km2的其他地区中有5×5=25根电线杆。
第四步：推算出答案（日本全国的电线杆数）。在第二步中，已经推算出都市和其他地区的面积分别是80 000km2和320 000km2。在第三步中，也已经推算出每1km2的都市和其他地区的电线杆数分别为400根和25根。于是可以计算出：
都市的电线杆数：400根/km2×80 000km2=3 200万根
其他地区的电线杆数：25根/km2×320 000km2=800万根
图8 用费米推定来计算日本全国的电线杆数（其中一例）
我们就可以推算出日本全国的电线杆总数为4 000万根。
使用费米推定，并不是为了单纯地找到答案。所以我希望大家能够从多种解决方案中找到最佳的方法。在这里我使用的方法是用费米推定推算出一定面积内的电线杆数。除此之外还有很多的推算方法。
事实上，我在“中介学校”中主讲“关于数据的读法·想法”的主题讲座时，当时的听众也找到了许多推算电线杆数的方法。比如，电线杆是给家庭和企业输送电力的装置。因此就有人想，能不能从企业数量和家庭数量的角度出发，用费米推定进行推算呢？还有人想绝大多数的电线杆都在道路上，所以可以从道路的长度入手进行费米推定。也有人从电线杆数与人口密度的关系这一角度出发进行费米推定。
比起找到稳妥的答案，费米推定不如说是在尽可能想到多种方案的情况下，短时间内从中找到准确度高，并且计算简便的方法。其实也就是某种意义上的“比赛”。
回过头来看，对于上司安排下来的工作，我们就可以通过费米推定计算出其ROI。这样一来，我们就能判断出工作的优先顺序。ROI越高，说明这项工作的优先度越高。而如果一项工作的ROI值较低的话，就最好向上司申请取消这项工作安排。
但若必须完成这项工作的话，就要尽可能地减少在这项工作上花费的时间和成本。
在这里我要向大家讲述的是距今约20年前我在RECRUIT公司工作时，调职到广告制作分公司的一段经历。在与当时的上司进行交谈时，我也感受到了费米推定的强大力量。
当时这个分公司正大量招聘兼职。而有些其他部门的工作安排在逐渐减少，所以其中很多部门都取消了兼职。这就出现了在一些部门大量招聘兼职的同时，另外一些部门取消兼职的现象。从公司的整体视角出发，这是效率极其低下的体现。
我在这个分公司的总部工作时注意到了这个现象。但是在现场工作时，因为我只了解自己所在部门的情况，所以当时我并没有注意到这个现象。
面对这种效率低下的情况，我也曾思考过自己能做什么。最终我想出的方法就是，只要把某个部门取消的兼职安排到需要招聘兼职的部门就好了。
我认为这不管是对于公司还是对于兼职者而言都是有益处的。对于公司而言，可以降低录用成本，缩减教育支出。对于兼职者而言，可以在同一家公司继续工作下去，还可以省去了解新公司的时间。
但是，稍微想一下也能知道，不同工种的兼职所需求的工作技能是不尽相同的。而且多数情况下，不同的部门招聘兼职的时机与取消兼职的时机也不是完全相同的。也就是说，剩下的问题在于能否将工作技能和招聘时机结合起来。
话虽如此，分公司在当时还是录用了大量的兼职人员。在考虑到录用成本和教育支出的同时，通过费米推定，可以推算出当时浪费了大量预算。
于是我对当时的上司，也就是分公司的董事长提出了如下方案：建立一个数据库，在数据库中登记好在职兼职人员的工作技能、经验、入职日期以及预定离职日期等信息，并实现在全公司内的共享，在各部门需要招聘新兼职的时候，就可以根据这个数据库进行确认，仅在无法找到合适兼职人员的情况下，招聘新的兼职人员。这样一来就可以减少录用成本和教育支出。
实际上，通过费米推定，公司每年也缩减了数百万日元的成本。所以当时我才胸有成竹地向上司提案。
当时上司答复如下：
很感谢你提出了这样一个优秀的方案。这个方法确实可以解决兼职招聘方面的问题。事实上，从去年的数据中也可以看出你的方案会为公司缩减数百万日元的成本。但是实际上，维护信息数据库需要的成本和劳力超乎想象。特别是如果要更新兼职人员的信息数据的话，每个月至少要多出一人份以上的成本支出（用费米推定推算出的结果）。这样一来每年就需要多花费数百万日元。特别是对在职兼职人员的信息进行数据库录入的部门并不是根据数据库信息得以削减录用成本的部门，因此这个方法并不会提高前者的工作积极性。最终结果就是产生了新的成本支出，原本预估的一切经济成果都无法实现。
不仅仅是这次的情况，很多时候解决完一个问题还会出现新的问题。这里的方案出现的新问题就是数据库的维护所花费的成本超乎想象。所以这个方案的可行性不高。
对于我的提案，上司仅用了几分钟进行费米推定之后，就得出了“PASS”的结论。上司的“解决完一个问题还会出现新的问题，必须要考虑到解决问题所花费的成本”这一话语和费米推定的强大力量给我留下了深刻印象。
那么，让我们返回主题。这次的题目是“能不能以现在的销售人员人数提高5%的销售额”。因为部门一个月的销售额是1.05亿日元，所以提高5%的销售额就是大约提高500万日元。这500万日元会带来怎样的成果（Return）呢？
销售额提高5%，会使利润增长多少？我们可以用费米推定进行大致推算。
假设此次的商品的成本率是30%，销售管理费率是60%，销售利润率就是100%－30%－60%，结果为10%。上述销售部门的销售额约为1亿日元，所以可以计算出现在的销售利润为1亿日元×10%=1 000万日元。
这里工作要求的前提是不增加销售人员人数，有的人认为在不增加销售人员人数的情况下能够顺利提高销售额，而有的人则认为是异想天开，从而双方争执不下。我们假设这里的销售管理费用不变。也就是说，在提高500万日元的销售额的情况下，因为成本率是30%，所以成本为500万日元×30%=150万日元。但是，在销售管理费用不变的情况下，销售利润就增加了500－150=350万日元。现在的销售利润为1000万日元，在这次的工作安排下销售利润变为1000万日元+350万日元=1350万日元，从而可以推算出利润增加了35%［（1350÷1000）-100%］。(www.xing528.com)
而销售管理费用不可能完全不变，所以假设这里的销售管理费用增加原来的一半，也就是在增加30%销售管理费用的情况下，我们再计算一次。
销售额增加500万日元的情况下，成本与刚才一样花费为500万日元×30%=150万日元。这里的销售管理费用占销售额的30%，所以销售管理费用增加500×30%=150万日元。最终利润增加500－150－150=200万日元。现在的销售利润为1000万日元，在这次的工作安排下销售利润变为1 000万日元+200万日元=1200万日元，从而可以推算出利润增加了20%［（1200÷1000）－100%］。
通过费米推定我们得知，如果凭借部门现有的销售能力使销售额提高5%≈销售额提高500万日元的话，销售利润就有可能实现20%到35%的大幅增长。从而可以判断出这次的工作安排极其重要。
但是有一点需要我们提前确认，那就是ROI的I（时间和金钱）。即使这项工作的回报很高，但若是前期需要投入的时间和金钱成本过大的话，就毫无意义可言了。与此相对，在前期需要投入的时间和金钱成本较少的情况下，回报越高，ROI值就会越高。请大家牢记这一点。
在前面我曾说到对工作进行“因数分解”，将其拆分为“可随身携带的行李大小”是十分重要的。在这里我们将与ROI的分子（Return）相对应的销售额进行因数分解，试着找到提高销售额的方法，从而想出具体的措施吧。我们先来了解一下对销售额进行“因数分解”时的要点。
销售额的基本计算公式为：销售额=单价（Price）×数量（Quantity）。也就是说我们要将销售额因数分解为两项内容。
在处理数量（Quantity）这项时必须要注意的是，“销售产品数”和“顾客数”这两个数量之间是有区别的。通过下面的例子，我们可以了解到“销售产品数”与“顾客数”之间的区别。
一家公司正在销售某商品A。
问题一：商品A在4月销售出10个，5月销售出10个，6月销售出20个，那么从4月到6月这三个月间的销售产品数是多少？
正确答案是，4~6月的销售产品数=10个+10个+20个=40个。这是相当简单的计算。
问题二：同样是商品A，与这家公司进行交易的公司在4月有10家，5月有10家，6月有20家，那么从4月到6月这三个月间的交易公司数是多少呢？
与问题一一样，4~6月的交易公司数=10家+10家+20家=40家。
直接计算的话，与这家公司进行交易的“总公司数”共计40家。
但是，商品A也有可能是顾客会多次购买的商品。具体来说，就是某公司在4月份购入了商品A，下个月可能会再次购入商品A。这样一来，这家公司就会在4月和5月的“交易公司数”的数据中同时出现。这家公司在计算实际的“交易公司数”时，就有可能会重复计算在4月份和5月份都出现的这家公司。这样我们就能明白仅凭现有的条件是无法回答出问题二的正确答案的。
接下来，让我们按照交易公司数从大到小的顺序来回答问题二。交易公司数最多的情况下，就是4月的10家、5月的10家和6月的20家公司没有一家是重复的情况。也就是直接将3个月的交易公司数相加得到的40家这一结果。
那么交易公司数最少的情况下，会有多少家公司呢？因为6月份这家公司与20家公司进行了交易，所以交易公司数不可能比这个数字还小。那么交易公司数最少的情况就是6月份的这20家公司分别在4月份和5月份购入了商品A。因此，交易公司数最少的情况就是20家公司。换言之，从现在问题二给出的信息中，我们可以回答出的答案为“交易公司数在20家到40家之间”。
当我们考虑销售战略和战术的时候，根据目前的交易公司数是20家还是40家会有很大不同。比如在计算每家公司的交易额时，因为与每家公司的平均交易额=“销售额÷交易公司数”，所以交易公司数分别为20家和40家时，数值就会产生2倍的差距。在考虑销售战术的时候，20家公司和40家公司的基础前提是不一样的。
也就是说在计算像问题一那样的销售产品数时，只需直接相加。但在计算顾客数量时，就需要对顾客数量的不足、减少、重复进行具体确认。
我之所以强调这件事，是因为我希望大家不要过于依赖EXCEL这样的表格计算软件。表格计算软件在进行数值合计时，即使是计算顾客数也只会像计算销售商品数时那样直接相加。我希望大家了解到这会给后续工作带来影响。
对销售额进行因数分解时，在注意到顾客数量计算的同时，为了将其拆分为“可随身携带的行李大小”，需要对构成销售额的全部内容进行因数分解。尤其是数字更容易进行因数分解。
如图9所显示的销售额=单价（Price）×数量（Quantity）=新销售额+重复销售额=新单价×新数量+重复单价×重复数量。越是进行分解，“行李”就会变得越小，在采取措施时也就会更容易想出具体方案。
图9 对销售额进行因数分解
从“能否做到在不增加销售人员的情况下，提高5%的销售额”这一案例中，我们可以学到许多关于“数据”的要点。在弄清楚“自己所属的数据类型”的同时，我们可以了解到使用数据时需要注意的事项，甚至还可以学到“Speed is Power”的经典方法。
我让听过我讲座的人看过表1后，对他们提出了一个问题，就是“能不能想出一个提高5%销售额的方法”，并根据他们的回答把他们分为了4种类型。
A.马上就开始分析的类型
B.先思考所给数据是否正确的类型
C.先思考剧本（假设）的类型
D.不知道怎么办的类型
你是哪一种呢？
很多A类型的人都认为自己比较擅长数据。看到数值和表格之后他们会立刻开始分析计算。马上就开始分析会给人一种工作进展很快的感觉。看起来这正是Speed is Power的体现，从这个角度考虑似乎并无不妥。
但是，这种做法真的没有问题吗？将A与B、C类型相比，A类型存在的问题就会显现出来。
B类型的人，最开始会先确认得到的数据是否正确。
下面是B类型的人会具体确认的要点。
数字的位数是否正确？通过表1的资料可以得知，所有部门每月的销售额在1 120万日元到3 900万日元之间。这些数字的位数是否正确？在RECRUIT中，很多情况下数据是以亿日元、万日元作为单位进行记录的。但一般情况下，是在千位、百万位加逗号的。也有实例记载，从其他公司跳槽来的职工看错了单位，从而弄错了数字位数的事。
在表1中，销售部门的月销售额以千万日元为单位，是否与实际的位数相符合呢？因此就要对其进行确认之后再进行分析。
说句题外话，比如在对日本职工平均年收入的数据进行分析时，如果收到的数据的单位是“千万日元”或者“十万日元”的话，就很容易把数字的位数搞混。顺便一提，日本职工的平均年收入为422万日元（2016年数据），也就是约等于400万日元。如果自己事先了解过这样的数据，那么在检查得到的数据的正确性时就会起到一定的辅助作用。
日本职工的平均年收入为422万日元，也就是每月的收入为30万~ 40万日元。据此，当得到的数据所显示的数值为100万日元以上或者10万日元左右的话，就能够检查出数据本身有问题，或者数据有特定的偏差。
或者，数值比例和具体数值是否互相矛盾？
数据来源是否准确？
首先要根据自己的经验和知识，确认好数据的准确性与真实性。像这样简单的事前检查至关重要。
B类型的人十分清楚分析错误的数据就是在做无用功。对不确切的数据进行分析，就等于在浪费时间。而且如果根据这样的数据得出的分析结果进行判断的话，自然会导致巨大的错误。
因此，我在“关于数据的读法·想法”的讲座一开始就给出了建议。也就是要养成在收到资料数据之后，首先对数据的正确性进行确认的习惯。
尽管“首先对数据的正确性进行确认”是十分重要的，但仍有很多人未曾做到。希望大家以此为契机养成对数据的正确性进行确认的习惯。
我们像B类型的人一样对数据的正确性进行确认后，那么接下来我们要做什么呢？答案就在C类型之中。
与A类型不同，C类型是在制成分析的“剧本”之后再进行工作的。（参考图10）
“剧本”就是指假设，也就是现阶段能够得出的较为确切的回答。即使“剧本”中存在错误也没有关系。因为之后可以对其进行验证或者反证（用错误结论进行验证）。
我在进行某些工作时，首先会设想出“最好的结果”，同时思考实现这个结果需要完成的具体工作内容。每当想到优秀的剧本（假设）时，我都会无比欢欣雀跃。我甚至感觉我取得的大多数成果很大程度上都受到了我自己设想出的剧本（假设）的影响。
图10 “直接开始工作”与“从结果思考”
在图10中我对A类型和C类型的人的工作步骤进行了比较。我将A类型称为“直接开始工作”的类型，将C类型称为“从结果思考”的类型。
比较这两种类型我们可以发现，A类型的人虽然较早开始工作，但很有可能会导致“返工”“加班”“工作白费”等情况的出现，所以很容易拉长整体工时（花费的时间），从而导致效率低下。
与此相对，C类型的人因为事先制成了剧本，所以可以按照制成的剧本有计划地进行工作，也就不容易出现返工、加班等情况。
如果是分析像表1一样简单的表格的话，可能A类型和C类型并没有什么差别。但如果是要分析稍微复杂的数据的情况下，这两种类型的差别就会立刻显现出来。
如果你是D类型的人，请继续读下去。而且请务必在“首先确认数据是否正确”的基础上，养成“思考剧本（假设）”的习惯。仅做到这两点，就可以提升工作的效率。关于制作剧本（假设）的方法，我会在下一节进行详细叙述。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
