GRAI 复盘法
复盘与问题分析Goal - Result - Analysis - Insight
把"经历"变成"能力"的四步法
出处：联想集团在实践中总结并推广的复盘方法论
是什么
GRAI 是结构化复盘的四步：回顾目标（Goal）、评估结果（Result）、分析原因（Analysis）、总结规律（Insight）。
复盘的目的是"学习"，不是"追责"。它把一次项目的成败转化为组织可复用的经验，核心产出是"以后怎么做得更好"的规则。
与普通总结的区别：总结是罗列做了什么，复盘必须回到目标、对比差距、找出真因、沉淀规律。
核心要素
怎么用
会前准备数据：目标文件、实际数据、关键时间线、参与者名单，提前发给参会人。
G：由目标制定者复述目标与当时背景，确认大家对齐同一版本。
R：只摆事实和数据，不做解释与辩解（这一步最容易变成互相指责，主持人必须控场）。
A：追问"为什么"到根因层：连续 5 个为什么，或用鱼骨图从人机料法环测六个方面展开。
I：产出 3~5 条可执行规律，明确"继续做/开始做/停止做"清单，指定责任人与验证时间。
跟踪：下一周期检查规律是否落地，未落地的要复盘"为什么规律也没落地"。
1ele.net 场景：一次国产品牌铺货项目的复盘
G 回顾目标：一个季度内完成先积集成（Linearin）与客益（GuestGood）两个品牌的产品线铺货，要求型号覆盖完整、分类准确、尽可能使用原厂真图、并配置阶梯价。
R 评估结果：先积从 250 个型号扩展到 1050 个、客益从 50 个扩展到 73 个，分类准确率经复核无误；但真图覆盖率 75%、阶梯价覆盖率仅约 21%，明显低于预期。
A 分析原因：① 立创商城等公开价格源对该两个品牌的收录率本身很低（878 个型号中仅少量有公开报价），导致"有价格"这一项先天受限；② 早期爬虫对官方站图片区域解析有误，把"关键参数"误当"特点"，浪费了一轮时间；③ 后台接口在批量请求下会间歇性 500，脚本未做降级处理，导致中途反复重跑。
A 成功关键动作：用品牌 ID 定向过滤 + 本地匹配替代不稳定的搜索接口；图片选择采用"封装必须匹配，宁可不配也不错配"的严格规则，保证了数据准确性。
I 总结规律：① 铺货类项目开始前必须先做"数据可得性评估"，先确认价格源与图片源的覆盖率上限，再承诺交付指标；② 第三方接口调用必须内置降级与断点续跑，不能假设稳定；③ 数据准确性优于完整度——宁可留空，也不填错。
I 产出三件事清单：继续做——严格的图片封装匹配规则；开始做——项目前数据可得性评估流程；停止做——在没有价格源的情况下手工估算价格。
常见误区
- 开成"甩锅会"：A 阶段变成互相指责，导致后续无人敢说真话。
- 只有 R 和 A，没有 I——复盘完了没有任何规则沉淀，下次照错不误。
- 目标模糊导致无法评估（"尽量做好"），复盘一开始就失去基准。
- 只复盘失败不复盘成功，错失把赢的方法复制到其他地方的机会。
- 产出"加强沟通"这类无法执行的结论。