PMP职场实战108问 · 第97问

项目关了，收益就真的“收”了吗？

2019年6月，我负责的某商业银行“智能风控平台”项目正式通过验收。庆功宴上，业务方总监举着酒杯对我说：“这项目做得漂亮，比预期提前两周上线。”我笑着碰杯，心里却压着一块石头。

那块石头，来自三个月前的一次复盘会上的尴尬。当时我向分管副总汇报项目进度，PPT翻到最后一页“预期收益”时，他打断了我的话：“这些收益指标，你打算什么时候开始验证？项目结束就没人管了吗？”

会议室安静了五秒钟。我支吾着说“后续会有运维团队跟踪”，但自己都知道这是个敷衍的答案。那晚我盯着项目章程里的收益实现计划——那页纸写得漂亮，什么“上线后6个月内不良贷款识别率提升15%”，可是谁来测？用什么基准对比？业务数据权限在谁手里？这些细节，当初写计划时我一个都没落实。

收益实现计划不是写在墙上的标语

那次之后，我做了一件事：在项目进入UAT阶段时，提前拉了一个“收益追踪联席会”。参会人包括业务方数据组负责人、IT运维主管、还有风控部的模型验证员。我开门见山：“项目交付那天不是终点，你们3个月、6个月后要看的数据，今天就得把取数口径和基准定下来。”

具体怎么做的？我要求业务方提供一个“基线数据快照”——就是项目上线前系统运行的原始指标，比如当时人工审批的误判率是多少、平均审批时长是几天。这个快照必须是能在数据库里跑出SQL查证的，不能是“我记得大概怎么怎么样”。然后，我在项目管理工具Jira里单独建了一个“收益跟踪”Epic，给每个收益指标设了三个检查点：上线后1个月、3个月、6个月。每个检查点都绑定了一个具体的执行人，不是“相关部门”，而是“风控部张姐负责取数”、“IT运维李工负责导出日志”。

第一个检查点到来时，我差点被现实打脸。上线后第30天，张姐发来数据：智能风控系统的误判率不但没降，反而比基线高了2个百分点。业务方微信群立刻炸了，有人说“这系统有问题”，有人提议“回退到人工审批”。我赶紧拉上技术团队排查，发现是因为模型在生产环境里接到的数据质量远低于测试环境——很多客户的信贷记录字段是空的，模型直接乱猜。

这件事让我学到最关键的一课：收益实现管理，本质是在管理“假设条件”的崩塌。 你写收益计划时默认数据是完整的、用户会正确操作、系统运行环境稳定——但这些假设往往在上线第一天就被现实击碎。所以我们连夜调整了规则：对于数据缺失的客户，模型不做判断，直接打回人工审核通道。一个月后，误判率终于降到基准之下，达到了预期。

我亲手做的一张“灰犀牛”清单

很多PM认为收益追踪是项目后的事，所以不重视。但经历过那次教训，我在每个项目收尾时都会做一件别人不太做的事：写一份“收益实现风险清单”。

这不是什么高大上的方法论，就是一张A4纸，左边是项目的每个预期收益，右边是可能让收益落空的具体威胁。比如智能风控项目，我的清单上有一条：“业务人员可能不信任模型结果，继续沿用旧的审批习惯”。这条后来真的验证了——上线两周后，我发现有团队主管要求手下必须对模型的“通过”结果做二次人工复核，导致平均审批时间不降反升。

我当时的处理方式是：不做强制要求，而是每周出一份“人机对比报告”——用同一批申请单，分别走模型通道和纯人工通道，把误判率和效率贴在业务部门的工作群里。三周后，模型方案的误判率明显优于人工的数据自己会说话，那个团队主管悄悄删掉了口头指令。

收益实现的核心难点，从来不是技术问题，而是“人的行为惯性”。 你设计了一个完美的系统，但没人愿意改变操作习惯，收益就是零。所以我现在做项目收尾时，一定会做两件事：一是帮业务方设计“收益可视化看板”，让数据天天出现在他们眼前；二是写一份“收益维护操作手册”，不是教他们怎么用系统，而是教他们怎么判断收益是否达标、不达标去找谁、数据从哪导出。

项目结项后，我还做了一件“多余”的事

2020年底，那个智能风控项目上线满一年。我已经调去负责其他项目，但我在季度报告中专门写了一段“上一项目收益回顾”。我找到业务方要了全年的数据，做了个真实回报分析：不良贷款识别率实际提升19%，审批时效缩短了41%，但有一个收益指标——运营成本降低——只实现了预期目标的62%。原因是系统运维需要两名专职工程师，这笔人力成本当初没算进去。

我把这个偏差和原因写进报告，抄送了当时的项目发起人。他没有回复我，但后来在公司年度项目评审会上，他把这份报告作为“优秀项目复盘案例”点了名。他说：“能在一个项目结束后还敢回头算账，还敢把算错的账写出来，这种态度比项目本身更重要。”

正是这句话，让我彻底明白：收益实现管理，本质是项目经理对自己专业判断力的持续检验。 项目交付只是开始，真正的高手，敢于在项目结束后仍然把自己放在“被检验”的位置上。

现在每当我启动新项目，我会在项目章程里预留一笔“收益追踪预算”——金额不多，大概占项目总成本的1%，专门用于上线后6个月内的数据采集、分析报告和必要的调整。这笔钱在立项时经常被质疑“浪费”，但只要有一个人问“为什么”，我就把智能风控项目的故事讲给他听。听完的人，十个有九个会点头说：“那还是加上吧。”