02 PDSA 循环：从预测到研究的知识生成

TL;DR：PDSA（Plan-Do-Study-Act）是 W. Edwards Deming 提出的持续改进循环，核心不在 P 和 D，而在 Study——Deming 强调“研究”而非“检查成败”。PDSA 的独特价值是：每次行动前先写下预测，行动后对比预测与实际，从差距中提取知识。它不是“做了再看”，而是“预测了再做，研究了再学”。

概念解释

PDSA 的由来与定义

PDSA 由 W. Edwards Deming 在其质量管理理论中提出，是 PDCA（Plan-Do-Check-Act）的演进版。Deming 在晚年将 Check 改为 Study，强调不只是检查“成败”，而是研究预测与实际之间的差距，理解为什么有差距、差距意味着什么。

Study 与 Check 的区别

核心：Check 把失败归因到“执行不够坚决”，Study 把失败归因到“假设或模型需要更新”。前者不产生知识，后者才让 PDSA 成为知识生成循环。

PDSA 与 PDCA

PDCA 是原始版本（Shewhart 提出），PDSA 是 Deming 的深化版。两者流程相同，但 Study 比 Check 要求更深——PDSA 不满足于“指标变了没有”，而追问“为什么变了、变多少、模型哪里需要修正”。

目录

PDSA 四步详解

关键：Plan 和 Study 最常被跳过。跳过 Plan，Do 变成“做了再看”，无法判断结果是否如预期；跳过 Study，Act 退化为“成了就推广、败了就放弃”，不产生知识。

预测是灵魂

PDSA 区别于“试错”的核心是预测：

• 试错：做了 → 看结果 → 好了就推广、坏了就换。不产生模型更新。
• PDSA：预测了再做 → 对比预测与实际 → 从差距中理解模型哪里错 → 更新模型 → 下一轮预测更准。

为什么预测重要：不写预测，你无法区分“预测对了所以成功”和“运气好所以成功”。预测让你校准自己的判断质量——这正是 Tetlock 在《超预测》中强调的“好决策 vs 好运气”区分。详见 指标与决策复盘：避免 Goodhart 式自欺。

练习

为下一次计划的小改进写一份 PDSA：Plan 写出预测（哪个领先指标先变、变多少、何时、护栏是什么）；Do 限定范围执行；Study 对比预测与实际，记录差距原因；Act 决定标准化还是重做。交付物是一张可审阅的 PDSA 记录卡。

软件工程示例

某团队想缩短交付周期，假设“缩小变更批次能减少评审等待”。PDSA 设计：

关键：Study 发现预测与实际的差距（只降 5% 而非预期），不是判定“实验失败”，而是更新了模型——瓶颈在测试不在评审。这就是 Study 产生知识的方式。

适用边界与误用

• PDSA 不等于“快速迭代”：快速迭代可能跳过 Plan 和 Study，只做 Do 和 Act，不产生知识。
• 不适合不可逆决策：高影响决策应先做 可逆性与双向门：降低决策的不可逆成本 判断，单向门慎做实验。
• 小改进也要做 PDSA：PDSA 不要求完整流程，轻量版（写预测→做→对比→标准化）即可。
• Study 不等于看仪表盘：看指标变化不等于研究差距原因；Study 必须追问“为什么”并更新模型。

关联笔记

• 复盘与学习总览：从行动结果到能力更新（PDSA 是复盘的结构化形式）
• 指标与决策复盘：避免 Goodhart 式自欺（PDSA 的预测与复盘四要素对应）
• 杠杆点与干预设计（PDSA 验证杠杆点干预效果）
• 实验设计：AB 测试、灰度与消融实验（PDSA 的实验验证层）

参考资料

• PDSA Cycle — The W. Edwards Deming Institute
• The PDSA Cycle at Work — W. Edwards Deming
• A Brief History of the PDSA Cycle — Ronald Moen & Cliff Norman
• 《超预测》（原著 Superforecasting）— Philip E. Tetlock & Dan Gardner