本附錄說明本研究的方法論、選樣程序，以及各項專題分析的具體發現。
方法論#
我們選擇配對個案法（matched-pair case method）作為研究途徑。這個方法的本質，是挑選成對的可比較公司，使配對中的兩家在某個特定面向上有所差異（本研究中是長期績效）。
- 我們辨識出七家在高度不確定與混亂的產業中達成卓越長期績效的公司（稱為 10X 企業）
- 再為每家 10X 企業配上一家起點相似（同產業、年齡相近、規模相近）卻只達成平均績效的對照企業
- 最終資料集包含 14 家公司、七組對比配對
我們透過詳盡的資料蒐集建立各公司的歷史年表，再分析可能解釋長期績效差異的變項。
一、界定研究問題與分析單位#
研究問題：為什麼有些公司能在不確定、甚至混亂中壯大，有些卻不能？
我們把一個產業歸類為「高度不確定與混亂」的條件，是它經歷了相當數量同時符合以下五項標準的事件：
- 事件超出產業內公司的控制
- 事件的影響相當迅速（通常遠少於五年）
- 事件的影響可能傷害產業內的公司
- 事件的某些重要面向不可預測（例如時機、形式、樣態）
- 事件確實發生了（不只是被預測）
被選中的產業經歷了各種造成浩劫的動盪事件：解除管制、激進的技術轉移、價格戰、燃油衝擊、法規與法律變動、產業整合、產業衰退。
界定時間範圍很重要，因為我們無法評論研究期間之後這些公司會發生什麼。這個時代涵蓋公司的新創階段、轉為上市公司、成長年份，以及成為大型上市企業的成熟年份。
二、為何選擇配對法#
我們選擇的是組織行為研究中使用的多重個案研究法：一種以質性資料蒐集與歸納式分析為基礎的比較個案研究設計。這個途徑倚賴少數幾個能被深入研究的個案，以辨識出構成新發現基礎的模式。
研究者挑選那些凸顯關注變項差異的個案，藉由個案之間的對比取得最佳的新發現機會。
艾森哈特（Kathy Eisenhardt）與葛雷伯納（Melissa Graebner）在 2007 年《管理學會期刊》綜述此途徑時指出：「一種特別重要的理論抽樣方法是『極端類型』，研究者抽取極端（例如績效極高與極低）的個案，以便更容易觀察資料中的對比模式。」
使用配對法的關鍵好處，是避免「只對成功者抽樣」（sampling on success）。
如果研究者只研究成功的公司，就很難知道那些發現是否真的解釋了成功——也許輸家遵循的是和贏家一樣的管理原則。為避免這個問題，我們同時選了成功與較不成功的公司，並研究其對比。
三～五、選樣程序#
研究母體：1971 至 1990 年間在美國公開發行（IPO）的公司。它們在上市時多半年輕且／或規模小，因此對環境事件相當脆弱，不會因為單純的規模或年齡而被隔絕於動盪之外。
績效衡量：使用股票報酬，因為它能跨產業一致適用。
這個衡量排除了對員工、社群等其他利害關係人重要的績效衡量，也排除了創新與銷售成長等中介成果。不過，它或許是上市公司最重要的共同指標；而我們把創新、成長等視為可能解釋後續股市表現的投入變項。
對照公司的六項評分標準（1–4 確保起點相似，5 製造績效落差，6 為表面效度檢查）：
- 業務契合（早期）：10X 公司上市時，兩家處於相似業務
- 年齡契合：創立時間相近
- 規模契合（早期）：10X 公司上市時兩家規模相近
- 保守檢驗（早期）：10X 公司上市時，對照候選者比 10X 公司更成功（起點就強的對照是更嚴格的篩選）
- 績效落差：對照候選者的累積報酬對市場比率接近或低於 1.0
- 表面效度（2002 年）：觀察期末看兩家公司仍「說得通」，仍處於相似業務
八、限制與常見質疑#
研究方法的自我檢視
14 家公司樣本會不會太小？
不會，因為我們的目的不是在大樣本中檢驗既有假說，而是產生新發現。判準是：我們是否有信心配對數已足以偵測出跨配對的模式，以致再加一組配對也很可能學不到新東西。
這在研究方法上稱為冗餘或理論飽和：在質性個案分析中（通常在 8 到 12 個個案之後），研究者達到飽和點，單純增加個案不再帶來新知識。本研究中，我們加入的最後一組配對並未帶來進一步洞見。
這是對成功抽樣嗎？
不是。我們並非只挑成功的公司，而是在同一產業中挑選對比配對，其中一家表現極佳、另一家（對照組）沒有。
發現能否推廣？
可以，但有若干限定：
- 跨產業與公司：我們不知道發現是否適用於所有公司。但我們有信心它們很可能適用於許多公司與產業，因為發現基於涵蓋七個產業（而非一兩個）的多元資料集。此外，由於我們只研究美國公司，把發現延伸到其他國家與文化時需要謹慎
- 跨時間：雖然研究的是 1970–2002 年的公司，我們強烈相信這些發現對 2011 年以後高度相關。原因是我們刻意選擇了高度不確定與混亂的產業——只要世界持續不確定，這些產業所經歷的動盪很可能成為未來的常態
倚賴歷史資料的回憶會不會有偏誤？
這可能是個問題，但我們的做法緩解了它。我們竭力蒐集歷史紀錄，而非回頭詮釋歷史的當代書寫。
例如，使用一篇 2000 年回顧英特爾 1970 年代草創期的文章，倚賴的是歷史詮釋，而這種敘述可能被英特爾 2000 年的成功所渲染，容易產生所謂的歸因謬誤。相對地，我們回到歷史紀錄，蒐集英特爾事件在 1970 年代發生當下的資訊——在那些時點，英特爾後來的巨大成功尚未發生，因此沒有人能做出這些歸因謬誤。
能宣稱因果關係嗎？
大部分社會科學研究（包括多數管理研究與我們的研究）無法宣稱決定論式的因果關係（「x 的特定改變可靠地產生 y 的改變」）。
依循組織與策略管理研究的長久傳統，我們轉而尋求分離出「很可能導致公司間績效差異」的解釋。我們謹慎選擇語言以反映如下陳述：「x 與績效之間很可能存在關聯」「x 的增加很可能導致 y 的增加」——這些是機率性而非決定論式的陳述。
有「反向因果」的問題嗎？
反向因果指的是解釋方向與初始假說相反。例如，你原本認為創新導致了公司成功，但事實上是公司的成功導致了更好的創新（更成功的公司有更多錢投資創新）。
我們大致避開了這個潛在問題，因為我們倚賴歷史文件，得以辨識某些實務何時開始，因此知道哪些因素在先。
會不會有其他公司也遵循這些原則，卻沒有達到同等成功？
由於我們沒有研究美國所有公司，無法驗證是否如此。但以下幾點降低了這個疑慮：
- 我們涵蓋七個不同產業的多元資料集，降低了發現只是一兩家公司／產業特有現象的可能性
- 我們並未宣稱決定論式的因果鏈——不是說採用這些原則就（保證）達到卓越績效。我們陳述的是：追求這些原則提高成功的機率
- 我們的 10X 企業實踐了本書闡述的所有原則；只實踐其中一項或少數幾項的公司，多半不會達到卓越績效
難道不是產業特性解釋了結果嗎？
我們藉由在每個產業研究兩家公司（配對）來控制產業條件的影響。配對中兩家面對非常相似的產業處境，卻在實務與績效上有顯著差異。由於產業因素在每組配對中被固定，它們本身無法解釋這些差異。
10X 企業會不會只是運氣好？
管理研究的批評者有時指責運氣的角色常被排除在分析之外。我們並未忽略運氣，而是定義了這個構念、蒐集了好運與厄運事件的資料，並檢視這些運氣事件在解釋績效上的角色。第 7 章專門呈現我們關於運氣的發現。
如果某些公司在研究期間之後表現不佳呢？
若真發生，也不代表我們的發現無效。我們的宣稱是有界的：我們研究的是公司的時代，而非永續的公司績效。這些特定公司的績效可能無法永遠持續，原因可能是：
- 公司可能停止實踐那些導致其成功的因素
- 經過非常長的時間後，可能需要某些重新導向或新實務
- 競爭者可能已經追上並複製了公司的實務，使原本的成功公式效力下降
- 股市可能已充分理解公司的成功因素，並反映在股價中，使未來的超額股票報酬更難達成
卓越績效沒有永遠持續，並不會使當初創造該績效的因素失效。
10X 企業的選樣#
三項總體選樣原則：
- 它們達成驚人的成果——在觀察期內是股市與其產業中明確的贏家
- 它們處於高度不確定與混亂的產業
- 它們早期是脆弱的——1971 年或之後上市的年輕且／或小型公司
我們從芝加哥大學證券價格研究中心（CRSP）資料庫出發，經過 11 道篩選：
| 篩選 | 條件 | 剩餘公司數 |
|---|---|---|
| 起點 | 1971 年後首次出現於 CRSP，排除 1995 年後才出現者 | 15,852 |
| 2 | 2002 年 6 月後仍存續 | 3,646 |
| 3 | 至 2002 年，累積報酬對市場比率至少 3 倍 | 368 |
| 4 | 確認為 1971–90 年 IPO 的真實美國公司 | 187 |
| 5 | 排除 2001 年營收低於 5 億美元的小公司 | 124 |
| 6 | IPO 後 15 年內，累積報酬對市場比率至少 4 倍 | 50 |
| 7 | 排除績效模式不一致者（起伏劇烈） | 25 |
| 8 | 僅限不確定與混亂的產業 | 12 |
| 9 | 紅旗檢驗（重大盈餘重編或選定時體質根本虛弱） | 9 |
| 10 | 排除 IPO 時既老又大者 | 8 |
| 11 | 須超越產業指數（IPO 後 15 年累積報酬須超越產業 3 倍） | 7 |
- 月總報酬（TSR）：個別證券在某月的股東總報酬，含股利再投資
- 累積股票報酬：在 t1 到 t2 之間投入某證券的 $Y 之複利價值
- 整體股市：NYSE／AMEX／NASDAQ 市值加權報酬
- 累積報酬對市場比率：某期間結束時，投入公司的 $Y 累積報酬，除以同日投入整體股市的 $Y 累積報酬
七組配對的選樣摘要#
| 10X 企業 | 對照企業 | 考慮家數／配對年 | 契合度說明 |
|---|---|---|---|
| 安進 | 基因泰克 | 12／1983 | 保守檢驗、表面效度、業務契合、績效落差（1983–2002 比率 0.92）皆優異；年齡與規模契合較弱。基因泰克是生技早期領導者（1976 年創立），安進則是 1980 年成立的數家新生技公司之一。次選：Chiron、Genzyme |
| Biomet | Kirschner | 10／1986 | 業務契合、規模契合、績效落差（1986–94 比率 0.76）很好；保守檢驗、表面效度、年齡契合較弱。兩者都聚焦骨科植入與重建器材市場。次選：Advanced Neuromodulation Systems、Intermedics |
| 英特爾 | AMD | 16／1973 | 業務契合、年齡契合、表面效度、績效落差（1973–2002 比率 1.05）皆優異；保守檢驗與規模契合較弱。兩家都由 1960 年代末離開快捷半導體的人創立，都聚焦記憶體晶片。次選：德州儀器、國家半導體 |
| 微軟 | 蘋果 | 10／1986 | 年齡契合、表面效度、績效落差（1986–2002 比率 0.51）皆優異；業務契合、保守檢驗、規模契合較弱。在關鍵觀察年份（1970 年代末至 1990 年代中），兩者提供兩種替代性的個人電腦平台且互為競爭者。次選：Lotus、Novell |
| 前進保險 | Safeco | 16／1973 | 業務契合、保守檢驗、績效落差（1973–2002 比率 0.95）皆優異；表面效度、規模契合、年齡契合較弱。與前進一樣，Safeco 長期是具承保紀律的頂尖車險業者。次選：GEICO、Employers Casualty |
| 西南航空 | PSA | 25／1973 | 業務契合、保守檢驗、表面效度、績效落差（1973–87 比率 0.99）皆優異；規模與年齡契合較弱。西南航空直接從 PSA 複製其商業模式。次選：Braniff、Continental/Texas |
| 史賽克 | USSC | 15／1979 | 業務契合、保守檢驗、表面效度、績效落差（1979–98 比率 1.16）皆優異；年齡與規模契合較弱。1970 年代起兩者都聚焦手術器械與設備。次選：Birtcher、American Hospital Supply |
資料蒐集與分析#
歷史年表如何建立
我們有系統地回溯時間，為每家公司蒐集歷史文件。例如英特爾，我們蒐集了自 1968 年創立以來每一年的文件——1968、1969、1970、1971 年當時出現的公司報告與新聞報導，依此類推。
資料來源：
- 觀察期內（創立至 2002 年）每家公司的所有主要報導，來自《商業周刊》《經濟學人》《富比士》《財星》《哈佛商業評論》《紐約時報》《華爾街日報》《華爾街實錄》等廣泛來源，以及產業或主題特定來源
- 商學院個案研究與產業分析
- 關於每家公司及／或其領導人的書籍
- 每家公司的年報、委託書、IPO 公開說明書
- 主要分析師報告
- 商業與產業參考資料，如《美國商業領袖傳記辭典》《國際公司歷史名錄》
- 直接向公司索取的材料（公司歷史、高階主管演講、投資人關係資料、公司相關文章）
- 公司財務資料：損益與資產負債資料（來自 Compustat）
**蒐集的因素涵蓋：**領導（關鍵高管、執行長任期與接班、領導風格與行為）、創業根源、策略（產品與市場策略、商業模式、關鍵併購、策略變革）、創新、組織結構、組織文化、營運實務、人力資源管理、技術運用、銷售與利潤趨勢與財務比率、關鍵產業事件、重大運氣事件、重大風險事件、速度。
三角驗證：建立歷史年表時，我們為每項資訊尋找一個以上的來源。例如，一本關於 PSA 的書聲稱西南航空團隊在 1969 年造訪加州的 PSA，並獲准複製其營運手冊。我們對此做了三角驗證，並在西南航空執行長繆斯（他參與了那次造訪）所寫的另一本書中得到確認。
分析程序：
- 配對內分析：某組配對的歷史年表建立後，Jim 與 Morten 各自分別閱讀每一份文件，並就每家公司撰寫詳細個案報告與配對個案分析。這些配對文件平均每份 76 頁（27,600 字），個案報告總計 1,064 頁（386,400 字）
- 每組配對，兩人互讀對方的報告。經過一系列討論後，產生該配對績效差異的主要可能解釋清單。一項可能的解釋必須符合：(1) 10X 與對照公司之間有清楚差異，且有令人信服的證據支持；(2) 對「為何此差異影響了結果」有解釋，即學術研究中所稱的因果機制（差異存在還不夠，還需要對該變項如何解釋績效差異有合理說明）
- 跨配對分析：尋找在七家 10X 公司中大多存在、而在對照公司中不存在的因素
- 概念生成：從個別因素做出推論並分組，發展出更具統合性的概念
- 財務分析：從 Compustat 取得資料，建立自創立（或最早有資料的年份）至 2002 年的詳細年度損益、資產負債與現金流量表，共 300 個公司年
- 事件史分析：分析二十哩行軍事件、創新事件、砲彈事件、風險事件、時間敏感事件，以及 SMaC 配方變更事件
專題分析發現#
二十哩行軍分析（52 個產業下行事件）#
發現 1：10X 企業實踐二十哩行軍原則的程度遠高於對照企業（強證據）。
七組配對中六組有強力支持，一組（安進與基因泰克）有良好支持。
- 兩家對照公司（PSA、Safeco）起初奉行，後來逐漸忽略
- 兩家對照公司（基因泰克、蘋果）後來才採行
- 其餘對照公司（USSC、Kirschner、AMD）幾乎沒有二十哩行軍的證據
**發現 2：在特定時點實踐二十哩行軍的公司，在後續產業下行中的表現遠優於未實踐者（強證據）。**七組配對全都強力支持。
| 後續結果良好 | 後續結果不佳 | |
|---|---|---|
| 有二十哩行軍 | 29 | 0 |
| 無二十哩行軍 | 3 | 20 |
對照公司在少數幾次（4 次）實踐二十哩行軍時同樣受惠；而 10X 企業少數幾次（2 次）未能實踐時，結果都是負面的。
圖表 RF-1：產業下行期間的二十哩行軍實踐與結果（N＝52 次產業下行）
創新分析（290 個創新事件）#
我們把創新依程度分為三類：
- 重大創新：相較市場上既有產品／服務，明顯提供高度的性能或功能改善。常被稱為「先驅」「革命性」「突破性」
- 中度創新：提供紮實程度的性能或功能改善
- 漸進創新：提供某些性能或功能強化，但明顯不代表重大進展
我們採用的參照點是「相對於當時市場上既有的東西」（外部參照），而非「相對於公司先前提供的東西」（內部參照）。
同時要注意：一項非常創新的產品有可能在商業上不成功。不可把創新與市場上的財務結果混為一談。
發現 1：研究中的公司在觀察期內創造了相當數量的創新（良好證據）。總計 290 個創新事件：31 個重大、45 個中度、214 個漸進。12 家公司明顯有數項創新；兩家（Safeco、Kirschner）沒有。
發現 2：存在創新「門檻」效應（良好證據）。
| 產業門檻 | 觀察期內平均重大／中度創新數 |
|---|---|
| 高門檻（生技、半導體、個人電腦） | 7.5 |
| 中門檻（醫療器材） | 5.0 |
| 低門檻（航空、車險） | 2.8 |
發現 3：10X 企業並沒有比對照企業更創新（強證據）。
- 三家 10X 企業明顯更創新：英特爾＞ AMD、前進保險＞ Safeco、Biomet ＞ Kirschner
- 另外四組配對則相反：PSA ＞西南航空、基因泰克＞安進、USSC ＞史賽克、蘋果＞微軟
生技業可用專利佐證創新程度。據美國專利局資料，從創立到 2002 年，基因泰克獲得的專利（772 項）遠多於安進（323 項）。
此外，據 INSEAD 教授、專利資料專家辛格提供的資料，基因泰克的專利也更常被其他專利引用：平均每項專利引用數為基因泰克 7.09、安進 4.23。
因此以專利衡量，基因泰克更創新，印證了我們的創新計數。
發現 4：10X 企業追求更多漸進式創新（部分證據）。七組配對中有五組，10X 企業的漸進創新計數高於對照組。這與二十哩行軍的概念相呼應：奉行「每天踏出小步進展」的公司，很可能強調小而頻繁的創新。
圖表 RF-2：創新事件計數總表——各配對的重大／中度／漸進創新數與產業創新門檻（N＝290 個創新事件；原圖為橫向排版）
子彈—砲彈分析（62 個砲彈事件）#
- 發現 1：10X 企業比對照企業更常採用子彈途徑（良好證據）。七組中五組如此，兩組（西南／PSA、安進／基因泰克）程度相同
- **發現 2：10X 企業並沒有比對照企業發射更多砲彈（強證據）。**七組中五組是對照公司發射更多砲彈，兩組相反（英特爾＞ AMD、前進＞ Safeco）
- 發現 3：10X 企業的砲彈中經校準的比例更高（強證據）——10X 為 69%，對照組僅 22%
- 發現 4：經校準的砲彈產生更多正面結果（強證據）——經校準者 88% 有好結果，未校準者僅 23%
校準是下大注之前的活動；但校準並不保證成功。
發現 5：10X 企業的砲彈更成功，主要是因為它們發射了更多經校準的砲彈（強證據）。
| 發射砲彈數 | 其中經校準 | 經校準者成功數 | |
|---|---|---|---|
| 10X 企業 | 26 | 18 | 17 |
| 對照企業 | 36 | 8 | 6 |
對照企業砲彈成功機率低，正是因為其中太多未經校準。
圖表 RF-3：砲彈計數——各公司發射的砲彈數、經校準數、未校準數與校準率（N＝62 個砲彈事件）
圖表 RF-4：砲彈校準與結果（全部公司）——經校準砲彈 88% 得到正面結果，未校準者僅 23%
圖表 RF-5：砲彈校準與結果——依 10X 企業與對照企業分列
現金與資產負債表風險分析（300 個公司年）#
分析的財務比率（現金比率愈高愈好，負債比率愈低愈好）：
- 流動比率 ＝ 流動資產／流動負債
- 現金對總資產 ＝ 現金與約當現金／總資產
- 現金對流動負債 ＝ 現金與約當現金／流動負債
- 總負債對權益 ＝（長期負債＋流動負債）／股東權益
- 長期負債對權益 ＝ 長期負債／股東權益
- 短期負債對權益 ＝ 流動負債／股東權益
發現 1：觀察期內，10X 企業整體擁有比對照企業更保守的資產負債表（強證據）。
發現 2：在成為上市公司的頭五年，10X 企業整體也擁有更保守的資產負債表（強證據）。
發現 1 有可能只是因為 10X 企業表現較好（因而負擔得起更強健的資產負債表）。
但發現 2 顯示：在上市頭五年（以及頭十年），10X 企業的財務比率就已優於對照組。它們早期就承擔較少風險。
發現 3：在上市第一年，10X 企業的現金比率就優於對照組，並在兩項負債比率上表現較佳，長期負債比率則兩組相當（有三家對照公司——PSA、基因泰克、蘋果——在各自 IPO 年度的負債低於對應的 10X 公司）（相當好的證據）。
圖表 RF-6：財務比率比較（全部公司）——10X 企業比率優於對照企業的年份占比，分為全期／前 5 年／前 10 年／IPO 當年
風險類別分析（114 個決策事件）#
| 風險類型 | 定義 |
|---|---|
| 死亡線風險 | 可能殺死或嚴重損害企業 |
| 不對稱風險 | 潛在下檔遠大於潛在上檔 |
| 不可控風險 | 使企業暴露於自身幾乎無力管理或控制的力量與事件 |
發現 1–4（皆為強證據）：10X 企業做出的決策整體風險更低。
| 決策類型 | 10X 企業 | 對照企業 |
|---|---|---|
| 涉及死亡線風險 | 平均 0.9 次（10%） | 平均 2.9 次（36%） |
| 涉及不對稱風險 | 15% | 36% |
| 涉及不可控風險 | 42% | 73% |
| 低風險決策 | 56% | 22% |
| 高風險決策 | 22% | 43% |
圖表 RF-7：重大決策所涉風險的類型與程度（N＝114 個決策）
發現 5：10X 企業在所有風險類別中的成功率都更高（良好證據）。
| 決策風險等級 | 10X 成功率 | 對照組成功率 |
|---|---|---|
| 低風險 | 85% | 64% |
| 中風險 | 70% | 50% |
| 高風險 | 45% | 5% |
如子彈—砲彈分析所示，10X 企業在放手一搏之前，花了更多時間以經驗驗證那些賭注（藉由射子彈），因而提高了成功機率。
圖表 RF-8：決策風險與結果（僅 10X 企業，N＝59 個決策）
圖表 RF-9：決策風險與結果（僅對照企業，N＝55 個決策）
速度分析（115 個時間敏感時刻）#
我們把不等值時刻定義為：有跡象顯示條件已改變、且風險輪廓正隨時間變化的事件。
圖表 RF-10：不等值時刻的分類（全部公司）——事件節奏、時刻性質（威脅／機會）、回應的明確度與結果（N＝115 個時刻）
發現 1：早期辨識出不等值時刻與良好結果相關（強證據）。結果良好的案例中，71% 是早期辨識（結果不佳者僅 28%）。
圖表 RF-11：不等值時刻的辨識時機與結果（全部公司）
發現 2：快速決策的效益取決於事件的節奏（相當好的證據）。整體而言快速決策與良好結果相關，在快節奏事件中更為明顯。然而，當事件移動緩慢時，61% 結果良好的案例採用的是慢／中速決策。
這印證了「該快則快，能慢就慢」的途徑。
圖表 RF-12：決策速度與結果（全部公司）——依事件節奏分列（N＝98）
發現 3：深思熟慮的決策與良好結果相關（強證據）。
「深思熟慮」意指有證據顯示領導人退後一步、拉遠鏡頭，在更深層次思考事情為何發生。「反射性」則指缺乏嚴謹審議的決策——領導人不是遵循慣例，就是做出衝動決定。
- 結果良好的案例中，63% 與深思熟慮的途徑相關
- 結果不佳的案例中，高達 97% 與反射性途徑相關
圖表 RF-14：深思熟慮 vs. 反射性途徑與結果（全部公司，N＝100）
發現 4：快速執行的效益同樣取決於事件節奏（良好證據）。快節奏事件中，81% 結果良好的案例與快速執行相關；慢節奏事件則好壞參半。
圖表 RF-13：執行速度與結果（全部公司）——依事件節奏分列（N＝65）
發現 5：10X 企業遵循發現 1 至 4 的程度高於對照企業（強證據）。
| 面向 | 10X 企業 | 對照企業 |
|---|---|---|
| 早期辨識不等值時刻 | 68% | 42% |
| 整體快速決策比例 | 57% | 45% |
| ——快節奏事件時 | 71% | 52% |
| ——慢節奏事件時 | 25%（懂得放慢） | 31% |
| 深思熟慮（非反射性）決策 | 68% | 14% |
| 整體快速執行比例 | 66% | 63% |
| ——快節奏事件時 | 76% | 62% |
| ——慢節奏事件時 | 40%（懂得放慢） | 67% |
結果：10X 企業在不等值時刻取得良好結果的比例為 89%，對照企業僅 40%。
關鍵不在「整體上更快」，而在懂得依事件節奏調節速度，並始終保持深思熟慮。
圖表 RF-15：10X 與對照企業在不等值時刻所遵循的決策相關行為（N＝102 個時刻）
SMaC 配方分析（117 項配方元素）#
- 發現 1：10X 企業擁有清楚理解的 SMaC 配方（強證據）。全部七家 10X 企業在還是年輕且／或小型公司時，就已擁有完整成形的 SMaC 配方
- 發現 2：對照企業也有清楚的 SMaC 配方（相當好的證據）。五家對照公司（PSA、Safeco、蘋果、基因泰克、USSC）在年輕／小型時就已明確建立配方；AMD 的配方模糊；Kirschner 從未有過
- 發現 3：10X 企業鮮少改變配方元素（強證據）——觀察期內平均只改變 15%
- 發現 4：對照企業改變配方元素的程度遠高於 10X 企業（強證據）——平均改變 60%
- 發現 5：兩組平均都花很長時間才改變配方元素（強證據）
| 改變一項元素平均耗時 | 首次修改配方平均在幾年後 | |
|---|---|---|
| 10X 企業 | 24 年 | 20 年 |
| 對照企業 | 19 年 | 15 年 |
圖表 RF-16：SMaC 配方元素的變動（10X 企業）——元素數、變動數與比例、變動所需年數
圖表 RF-17：SMaC 配方元素的變動（對照企業）——平均變動 60%，遠高於 10X 的 15%
運氣分析（230 個運氣事件）#
運氣的操作型定義：(1) 事件的某個重要面向主要或完全獨立於企業關鍵行動者的作為而發生、(2) 事件對企業具有潛在重大後果（好或壞）、(3) 事件帶有某種不可預測性。
運氣分兩個層級：
- 純粹運氣：事件的發生完全獨立於企業關鍵行動者的作為
- 部分運氣：事件的發生主要但非完全獨立於關鍵行動者的作為。要算部分運氣，事件的某個重要面向必須是關鍵行動者無論本事多高都無法改變（阻止或造成）的
以 1977 年的基因泰克為例：該年它率先完成基因剪接。這項壯舉本身很可能來自本事而非運氣。但它很幸運沒有別人比它先做到（這是它控制之外的事件，因為它無法影響別人在做什麼）。
因此我們把「率先完成基因剪接」編碼為部分運氣（本事與運氣的結合）。
判斷一個事件屬「好運」或「厄運」，主要考量是一個理性的人在事件發生當時會如何看待它。我們依此原則編碼，而非依據後來的結果。
Jim 與 Morten 各自獨立完成一組配對後，比對筆記並討論編碼上的分歧（分歧出現在 5% 的事件上，顯示極高的評分者間信度），並在後續會議中解決。
六項發現（皆為強證據）：
- 10X 與對照企業在觀察期內都經歷了好運——平均分別為 7 次與 8 次好運事件
- 10X 企業並沒有經歷明顯更多的好運事件——沒有清楚模式：兩組配對中 10X 好運較多，三組較少，兩組相當
- 10X 企業並沒有經歷更多「高重要性且純粹」的好運事件——兩組分別為 36 與 40 次，無實質差異
- 10X 企業在早期並沒有經歷明顯更多的好運事件
- 對照企業並沒有經歷明顯更多的厄運事件——平均分別為 9.3 與 8.6 次
- 對照企業在早期也沒有經歷明顯更多的厄運事件
圖表 RF-18：好運事件——各配對的編碼年數、好運事件數與每十年好運事件數（N＝105 個好運事件）
圖表 RF-19：好運事件依類型分列——高重要性、中重要性、純粹與部分好運
圖表 RF-20：好運事件依類型分列——創立後 5 年與 10 年內
圖表 RF-21：厄運事件——各配對的編碼年數、厄運事件數與每十年厄運事件數（N＝125 個厄運事件）
圖表 RF-22：厄運事件依類型分列——創立後 5 年與 10 年內
冰球名人堂分析#
我們比較了加拿大一般人口的出生月份分布，與真正偉大的加拿大出生冰球員（入選冰球名人堂者）的分布。
方法（由研究助理林菲爾德 Lorilee Linfield 協助）：
- 先蒐集 1950 至 1966 年出生、且至少在 NHL 打過一季的加拿大出生名人堂入選者的出生月份資料
- 聚焦 1950 年後出生者，以確保資料可靠性並在最近期的時代進行分析（後續分析回溯至 1873 年、使用更大樣本，得到相同結論）
- 再蒐集 1951 至 1966 年加拿大一般人口的出生月份資料，依月、季與半年製表
若真要說，10 月至 12 月出生者可能略微偏多（比一般人口高 1.9%），不過數字太小，除了「各出生月份組之間沒有實質差異」之外無法得出任何結論。
圖表 RF-23：加拿大出生的冰球名人堂入選者與加拿大一般人口的出生月份分布對照（N＝35）
這與「NHL 球員生日向上半年傾斜」的既有發現形成有趣的反轉——詳見第 7 章的討論。