越是复杂系统，越要谨慎行事。假设你空降到一家公司做高管，最好的方式是少说多做，先了解清楚再行动。记得网上有一个段子，说一个北大的毕业生，刚到华为没多久就写了一份万言书，对公司的经营战略问题提出了建议，结果任正非批复：“此人如果有精神病，建议送医院治疗；如果没病，建议辞退。” 为什么会这样？因为越是复杂系统变革起来越容易出问题。
经济学里有一个概念叫“非预期结果”，比如说制定最低工资，结果那些本来能找到工作的人， 现在找不到工作了。国家制定禁酒令，结果滋生出了走私酒水的产业链。书里把这种你不知道你的行为会引发什么样的结果，这就叫二级效应。
书中讲了一个案例，2009年，纽约中央公园为了省钱，砍掉了当年修剪树木的经费。结果那年google的一个程序员在公园散步的时候，被树上掉下来的枯枝砸中了头部，导致瘫痪。纽约市政府为此不得不赔偿1150万美元。本来想省钱，结果反而花了更多的钱。
事实上，没人能预先知道一个动作会造成的所有结果。所以你应该在小范围内行动，看看反馈在决定下一步怎么做。
我们做研发的经常遇到一个问题，就是项目延期问题。很多公司都存在这个问题。为什么项目这么容易延期？因为从项目研发到上线也是一个复杂系统。程序员从事的是一项创造性工作，工作中遇到的突发事件又多，各个岗位之间协作的耦合性又高。项目就很容易延期。我前一段时间就去一个公司分享了这个话题。我提出了自己的一些经验。其中有一个最重要的就是事后复盘。我们在改革的时候也不会一次性把所有想到的方案都运用上去，肯定是一个使用看反馈效果在迭代。
回到主题，上游思维要求你在推出新政策的时候，必须要去思考它可能会造成意外的二级效应。必须随时寻找各种反馈，不断改进方案，否则很大可能会导致事与愿违的结果。
希思在书中设计一些问题来辅助我们做出是否进行上游干预的决定。
第一，我们现在考虑的干预措施，以前是否实行过？它的效果如何？（以便我们了解其结果和二阶效应）？
第二，能否先进行小规模的试验？这样即便我们的想法错了，也不会造成大范围的负面影响。
第三，我们能否创建一个反馈闭环以便快速改进？如果事实证明我们无意中造成了伤害，能否轻易地逆转或者撤销这项干预措施？
如果以上任何一个问题的答案是否定的，我们都必须三思而后行。
最后，今天讲上游措施可能导致很多问题，并不是让你不要做干预，而是想说明在复杂系统做改革是危险的，如果你没想明白就不要随便提意见。我们的改革应该是建立在深刻研究的基础上的，也就是我们前面讲的一些数据。数据反馈非常重要。只要我们稳着点，哪怕错了，有了反馈，最终也是可以改革成功的。就拿保护野生动物来说，你要消除有害物种，就得先研究现有物种食物链条，想好各种可能的连锁反应，这样才能达到既清除有害物种，还能保持一个良性的生态循环。
