在供应商绩效评估上，经常会有人问，这么多的指标，权重应该如何分配，这样我们好加权平均，决定选择哪个供应商？

    首先我想说的是，供应商选择是个高级决策，而人类对付高级决策的方法不是打分加权。打个比方。你感到不舒服，就去看医生。医生量你的体重、身高、血压，给你做心电图、脑电图。这些指标都出来了，他是怎么加权的？他不加权。他把那些图表扫了一眼，就拍着胸脯说，根据这些指标（“从数据开始”），以及我15年来的行医经验（“由判断结束”），你感冒了。

    当然，企业不信任员工，总是希望能够量化成一个数字，由计算机来做出客观的决策。但这不现实。企业雇我们这些五年八年十几年工龄的人，就是看重我们的经验。

完全依赖数字，有一系列挑战。

    其一，权重的分配也许永远也没有最佳值——不同行业、不同公司、不同项目，甚至同一公司的不同发展阶段，对供应商绩效的侧重点会有不同。这意味着权重得经常调整，容易被操纵、滥用，最后成了数字游戏。想必很多人有这样的经历：为了选中自己心仪的供应商，就一遍又一遍地调整权重，直到“合适”的供应商“名列前茅”为止。这就相当于等箭射出去后，再绕着命准的地方画圆圈一样。

    其二，数据经过汇总后，会丧失很多信息，可能误导。比如我做过一个案例，一个供应商是3.2分，另一个是3.3分，汇总的分数是如此接近，好像两个供应商差不多似的。但是，这是两个天壤之别的供应商：一个是有能力，但也有脾气的供应商；另一个是没脾气，但也没能力的供应商。所以我们是没法就靠这一个加权平均后的数字做决策。

    那怎么办？你得回到医生看病的方法论上来：从数据开始，由判断结束。该做的数据分析还是照做不误，在数据的基础上，采购要能说服设计、质量，由职业判断结束，选择合适的供应商。

    比如产品的技术比较成熟，但成本压力很大的话，那可以选择低成本的供应商。这个供应商是没脾气，但也没能力，潜在的风险是质量和技术。既然质量部门一起做了这样的决策，就意味着以后出了这些问题，质量部门得帮助供应商改善，而不能把皮球踢给采购，让采购启动淘汰流程，临阵换将。

    反之，如果技术、质量要求高，那就选择了技术好的供应商。这是个有能力，但也有脾气的供应商，意味着价格谈判往往困难，需要技术部门协助，更多地通过设计优化来降本，而不是逼着采购在谈判降价上一条路走到黑，从双赢到单赢到双输。这些都是“经过计算的风险”，在供应商选择的时候就得理解。

    想要补充是，数据分析是弱势职能的发言权。没有数据，丛林法则就会主导供应商选择：哪个部门强势，或者说谁的拳头大，谁就说了算。在很多公司，这往往是设计部门和技术人员。虽然设计部门跟供应商打交道很多，但他们的专职不是管理供应商，并不能全面评估供应商。他们的决策往往是基于经验，拍脑袋居多，决策质量未必最佳，往往不符合公司的整体利益。

    在这里，讲个我个人的小故事。十几年前，我刚到硅谷的时候，第一份工作就是管理供应商。有一天，一个工程师的总监抱怨我的供应商，说他给这供应商花了那么多的钱，供应商还是不重视他的项目。我就问，你花多少钱？他说，每月都有好几万美金。当然，对于设计人员来说，几万美金是不小。但我没告诉他的是，这个供应商的竞争对手中，好几个跟我们的业务每周都有成十万美元，无非那些主要是量产的业务，不经过工程师们的手罢了。

    在这里，你不能怪工程师：他们的主业不是管理供应商，不知道自己不知道的。那采购的任务了，就是把客观的数据呈现在跨职能团队的面前。大家看着同样的数据，就可以更好地避免丛林法则和单方面决策。在与高管理层沟通时也是同理。