38二八法则(Pareto Principle / 80/20)
费曼学习法:讲给十二岁的孩子听
你整理房间,有 100 件东西要归位。
如果告诉你:这 100 件里,有 20 件你几乎每天都要用,剩下 80 件里有一半你过去一年都没碰过——你会怎么整理?
聪明的做法不是"把 100 件都整理好",而是:
- 先给那 20 件找到最顺手的位置;
- 剩下的,随便放,或者直接处理掉。
同样的时间,效果天差地别。
这就是二八法则:少数投入产生多数结果。 它不是一个精确的比例,而是一种普遍存在的不均衡:
- 公司 20% 的客户贡献 80% 的利润;
- 软件 20% 的功能被 80% 的用户使用;
- 你 20% 的努力产生 80% 的成果;
- 20% 的代码里藏着 80% 的 bug。
注意最后两条的方向是反的——二八法则既指向"该在哪里用力",也指向"该在哪里止血"。
定义
二八法则(帕累托法则)由意大利经济学家维尔弗雷多·帕累托提出,他观察到意大利约 80% 的土地由约 20% 的人口拥有。后来人们发现这个比例关系在各处反复出现。
它更精确的形态是幂律分布的一个通俗表达:少数事件占据大部分总量。→ 见 #17 正态分布与幂律分布
三条关键性质:
- 比例不是固定的。 可能是 90/10、95/5,甚至 99/1。重点是"高度不均衡",不是"恰好 80/20"。
- 它可以嵌套。 在最重要的那 20% 里,仍然存在 20/80 结构——找出那 4%,再找出那 0.8%。 这是它最有力量的用法。
- 它常常是后发现象,而非先验规律。 你不能假设任何事都服从二八——必须先看数据,再决定在哪里集中资源。
一句话
少数投入产生多数结果,而且可以层层嵌套——先找出那 20%,再在 20% 里找出 4%;但记住它是需要验证的发现,不是可以硬套的常数,而且它同样告诉你:多数努力是无效的。
例子
软件工程里有个反复被验证的经验:大约 80% 的用户只用到 20% 的功能,而大部分缺陷集中在少数几个模块里。
这两个发现指向完全不同的行动:
- 前者说:产品该做的是把那 20% 的核心功能打磨到极致,而不是无休止地堆功能;
- 后者说:质量改进该集中在这几个模块,而不是平均用力地做全量测试。
更妙的是它们的嵌套用法:在那 20% 的高频功能里,仍然存在二八——真正决定用户去留的可能只有两三个核心路径。把资源砸在这两三条路径上,边际收益远高于铺开改进所有功能。
反面的用法同样重要:如果你发现自己的时间被 80% 的琐事占据,而这些琐事只产生 20% 的价值,那么正确的动作不是"更努力",而是砍掉或外包那 80%。
这也是二八法则最容易被误读的地方——它真正的力量在于授权你不做某些事。
常见误用
- 不要把 80/20 当成精确常数。 它可能是 70/30、90/10、99/1。把模糊的比例关系当成精确公式,会得出荒谬的结论(比如"我只需要工作 20% 的时间")。
- 别跳过验证直接套用。 有些分布其实是相当均匀的(比如流水线上的标准作业)。先问一句:这个领域到底是不是幂律? 检验方法很简单:把数据排序,看前 20% 占总量的比例。→ 见 #17 正态分布与幂律分布
- 警惕"只做 20%"的懒惰版本。 二八法则说的是"在关键处集中资源",不是"只做一点点"。很多事情有必须完成的底线(合规、安全、基础维护),忽略它们会付出不成比例的代价。
- 长尾也有价值。 在数字化时代,那 80% 的"冷门"加起来可能是一门大生意(亚马逊的图书长尾)。是否忽略长尾,取决于聚合成本——成本足够低时,长尾值得经营。
- 因果关系可能相反。 有时不是"20% 的客户贡献了 80% 的利润",而是"你把 80% 的资源投给了 20% 的客户",于是他们才产出那么多。先排除这种可能,再决定资源分配。
交叉引用
→ 见 #17 正态分布与幂律分布 · → 见 #21 肥尾风险 · → 见 #9 边际思维 · → 见 #59 瓶颈理论 · → 见 #5 机会成本