创业的路有无数条，但也可以说只有两条——一条通往成功，一条通往失败。下面是两个截然不同的创业故事，但很遗憾最终都以失败告终。你听过的失败的创业故事与其中哪一个更相似?
错误的创业之路
鲍勃是一家初创公司的创始人，他对某项业务有了非常棒的创意，他认为之后的创业征途一切皆有可能—这就是我们常说的“蜜月期”。他所信奉的创业方法是：先将解决方案完整地展现出来，好让其他人更清楚、更直接地看到他的愿景。结果，产品开发过半，他才发现自己低估了解决方案原本涵盖的范围，剩余资源不足以支撑完整方案的实现，他需要寻找额外的资源才能继续下去。
于是，他用几周时间写了一份长达6页的商业计划书。他很清楚这其中投机取巧的门道：从一个恰当的“退出价格”出发，然后反向推导。这个恰当的“退出价格”代表了他承诺给投资人的收益，因而这个数字需要大到能吸引投资者的饕餮之胃，同时又得在业务合理、可信的范围之内，这样才能最大限度地吸引资金。商学院里有一句广为流传的玩笑话：“谁的表格做得最好，谁就能获得投资。”所以，鲍勃夜以继日地奋战在表格数字之中，成功推导出了项目预算，终于到了撒网的时刻。在接下来几个月里，他不断地投递商业计划书，也不断地被拒绝，于是他决定降低预期—先筹措一笔种子基金让项目继续下去。
在之后的几个月里，鲍勃组建了一个团队，开始一步步执行他的计划。因为在这个阶段是没有任何收入的，所以鲍勃通过这个指标来衡量项目的进展—确保开发进度和成本符合预期。
让我们“快进”一年看看结果：鲍勃的团队加班加点，终于按照计划将产品成功地投向了市场。到该展现收益的阶段了，他发现实际情况离预期目标差了一大截。迫于投资人的压力，鲍勃不得不采取一些会计手段和短期产品策略来彰显产品乐观的收益前景，例如，接一些定制开发的活儿。这的确会暂时缓解收入问题，但是原本应该用于创建可重复、可规模化的商业模式的时间却被分散和占用了。
钱终于全部花光了，鲍勃想给投资人画一张更大的饼来说服他们：只要有更大的团队和更多的钱，产品一定会有更加广阔的前景。
故事的结局可想而知，对不对?鲍勃被炒了。
正确的开局仍不得善终
玛丽也有一个很好的商业创意，这次她选择了“精益创业”这种方法。她深知产品失败的首要原因并不是做不出产品来，而是不能成功打造出可复制且可扩张的商业模式。
首先，她打算按照《精益创业实战》里总结的三步法启动她的创业之旅。
相比于花上几周时间埋头写出一份全面、翔实的商业计划书或一个完整的解决方案，玛丽选择了利用简单的工具(例如精益画布)勾勒出一份商业模式的草图。这样她就可以快速拆解其产品愿景，同时将其商业模式清晰地呈现在一张纸上，以便未来向潜在的创业伙伴、顾问以及投资人阐述。
得益于此，她收获了不少非常有价值的建议，这些建议帮助她成功地找出了计划中风险最高的部分。随后玛丽走出办公室，用一系列小而快的实验开始测试这些风险假设。综合自己学过的所有理论知识，玛丽最终成功制订出了第一个迭代计划，也就是我们所称的MVP(即“最简可行产品”，以下简称MVP)。
与鲍勃相比，玛丽的起步快得多。有了早期用户的验证做支撑，她的步伐也会迈得更坚实。早期用户的验证结果甚至还能为将来获得更多资源这一目标铺平道路。然而，福兮祸之所伏，这也正是问题产生的地方。
项目启动之后的道路，不是变得更清晰，而是更扑朔迷离。
当玛丽轻松定位了最初的风险点，成功发布了MVP之后，方向就变得模糊了起来。现在，每天都有大量新用户进来，而能够进行的用户访谈数量远远低于预期目标。
其团队也不可能像玛丽最初所做的那样与每一位用户进行沟通和对话，于是他们想找一些衡量指标来帮助他们解释可能产生的问题。
淹没在数据的海洋中
玛丽的团队一开始选择了将一些现成工具集成到自己产品的数据仪表板中。很快他们就发现成千上万的不同数据扑面而来，直接将他们淹没了。
你并不需要海量的数据，只要有一些可行的指标足矣。
指标的问题在于，它们可以告诉你哪里不对，但是无法告诉你症结所在。
不理想的实验
玛丽的团队同时进行着各种实验。无论他们在会议中使用了多少行业术语，例如“假设检验”(Hypotheses)、“学习曲线”(Learning)、“转型”(Pivot)等，但无法改变的现实是，产品的销量曲线依旧一路下行，让人沮丧不已。
专业化的诅咒
玛丽凭直觉认为此时应该放慢脚步，重新聚焦问题。于是她将团队重组成不同的部门，给每个部门指派了不同的核心任务指标，并将其与工作表现和薪酬结构挂钩：通过已结清的账户数量来衡量销售团队，通过潜在客户的开发数量来衡量营销团队，通过产品质量的指标来衡量开发团队。
让人意想不到的是，原本是为了提升专注度和优化整个组织的产出而专门设计的各部门的关键业绩指标(KeyPerformanceIndicator，KPI)，带来的结果却完全相反。例如，销售指标在最后一周成功达成了，但是随着结单数量的上升，客户取消(流失)的数量也随之上升;营销团队大手一挥，花光了所有的预算，成功获取了几百名潜在用户，然而付费用户的转化数量却没有提升;开发团队更是前所未有地高强度工作，夜以继日地开发新功能，但是用户留存率和用户满意度反而开始下降。到底是哪里出了问题?
关于钱的对话
即便其他所有指标全都失效，我们是不是依然可以将“收入”作为衡量发展状况的指标呢?不见得。
收入的产生通常需要较长的客户生命周期，也就是说，在很长一段时间内这个指标是不具备指示意义的。玛丽的团队在产品新功能上下了重注，虽然他们称其为实验，但也需要三到六个月的开发时间，以及更长的周期生成时间。而投资人只能凭着信念全盘接受其产品策略，拭目以待，除此之外别无选择。
这时需要做的是缩短反馈环。即便这个时候已经开始产生收入，除非你可以精确地将这部分收入与过去的某项行为挂钩，否则很容易就会将相关性误认为因果关系。到底是什么原因导致了什么样的结果?玛丽及其团队对此始终是一头雾水。
当公司该季度表现良好时，每个人都拿着自己部门的KPI邀功;当公司业绩不佳时，他们也是拿着同样的KPI替自己开脱。
潮涨船高有时，墙倒众人推亦有时。
渐渐地，团队的斗志消磨殆尽，业务增长开始停滞。面对投资人对回报的质疑，玛丽越来越难以自圆其说。在董事会上，她试图在“团队任务完成量”(开发速度)和“当季收入”(账面收入)中选择表现更好的一项来作为衡量产品发展的关键指标，结果就连她自己都被数字搞昏了头。
最终，她也被炒了。
出路在哪里
鲍勃的问题在于他在一个无法实现的商业计划上花了太多时间。
玛丽的“精益创业”开局要好得多。但是无论她的初衷多么美好，在团队和产品发展壮大时，她发现自己淹没在了数据洪流之中。
她的团队追逐的是错误的指标，他们被这些靠不住的指标带向了错误的决策，最终导致公司偏离了轨道。
总体来说，这些传统的衡量发展的指标对创业企业并没有什么实际用处，原因可以归纳为以下几点。
(1)创业初期很难产生收益，这时我们倾向于用开发速度来衡量进展。但是衡量一个还没经过验证的商业计划的执行进度本身就不是什么好的选择。
(2)在量化指标上投入太多精力并不能帮助你解决问题。指标只能告诉你哪里有问题，但是无法告诉你造成问题的原因。在量化指标上投入的精力越多，越容易被淹没在数据海洋之中。
(3)即便已经产生收入，如果不能准确地识别因果关系，你还是无法有效利用给你带来收入的那些因素，反而容易因为错误的关联而走入歧途。
正如埃里克·莱斯(EricRies)在《精益创业》(TheLeanStartup)一书和阿什?莫瑞亚(AshMauyra)在《精益创业实战》一书中强调的，精益是一种科学的方法论，应该将“经过验证的学习”(或“经过证实的认知”)过程视为衡量创业企业发展状况的标准。然而，大多数利益相关者更在乎的是商业结果，所以我们需要为此准备两个不同版本的商业故事。
我们对利益相关者描述的故事并不是我们真正遵循的蓝图，初期这样做还行得通，但是随着时间的推移，两者必然大相径庭，因为这两条路线所定义的发展目标截然不同。
如何从这种分歧中走出来呢?
这就是创业者面临的终极拷问。
