您好,登錄后才能下訂單哦!
引言:一個復雜問題進行拆分,最后會形成一個數量巨大的細分問題群。如果沒有嚴格的按照“逐層不漏不重”原則進行,細分出的問題將很難形成合力來完整有效地支撐解決原問題。本文以策劃一個會議為例,來了解結構化思維的應用。
本文選自《數源思維:業務導向的數據思維秘籍》。
在對問題進行拆分時,應該采用什么樣的邏輯或者結構呢?
當然最直接的辦法就是采用前人已經總結好的問題思考框架,比如在戰略分析領域有經典的SWOT框架、BCG矩陣或GE矩陣(圖1)等。
圖1 GE矩陣
在外部環境分析時有波特五力模型(圖2)、PEST框架等。
圖2 波特五力模型
在研究市場、用戶時有馬斯諾需求層次(圖3),營銷4P等。
圖3 馬斯洛需求層次
應該說在幾乎所有領域里,通用性的問題都有前人的研究給出的分析框架來引導我們去拆分、分析問題。
但是一方面根據上述框架拆分出的子問題仍然可能太大而不能馬上著手操作,還需要進一步細分;另一方面在大部分個性化的具體問題上,還是需要自己來找到拆分問題的框架。而這個過程中就要遵循“逐層不漏不重”原則。
“逐層”的意思是拆分問題要一步一步進行,每一步只分出同一層的子問題。比如將用戶劃分為男、女,男、女就是同一個層次的概念。如果把用戶劃分成了男、少女就錯層了。少女是從女性中分出的一個子類,處在男、女的下一層。要保證同層,就是拆分問題時一層只能使用一個維度或一個標準(圖4)。
圖4 用戶的逐層劃分示意
“不漏不重”也就是麥肯錫金字塔理論中提到的MECE(Mutually Exclusive Collectively Exhaustive,相互獨立,完全窮盡)原則(圖5)。
圖5 麥肯錫金字塔理論
這種原則從集合的概念來講,就是拆分出的所有子問題必須是父問題的一個剖分,既彼此互斥,合并起來又是全集。比如把人分成老中青就有遺漏,而把美女分成大長腿和巴掌腰,既有遺漏又可能有重疊。在多步驟、多層拆分中,每一層都要遵循“不漏不重”。比如要解決“如何開好一個會議”的問題(圖6)。
第一層,可以從產品角度切入,即從會議工作流程角度來切分問題。第一層5個子問題為:如何策劃好會議主題,如何做好時間、地點、場地等確認和嘉賓邀請,如何做好會議現場布置和設施,如何組織和管理好會議召開,如何做好會后效果評估。這5個子問題基本覆蓋一場會議工作的全流程,當然可能有些商業會議還有招商、廣告等工作。
第二層,第一個一級子問題,如何策劃好會議主題,可以分成下面4個子問題:本領域近期熱點和未來趨勢是什么,本次會議目標嘉賓和聽眾是誰,他們在本領域內當前的關注是什么,作為會議主辦單位的優勢是什么。
第三層,第一個二級子問題,本領域近期熱點和未來趨勢是什么,又可以大體分成下面4個子問題:媒體報道的熱點有哪些,研究機構關注的熱點有哪些,研究機構和專家對未來的趨勢判斷如何,自己分析的未來趨勢是怎么樣的。這其中最后一個問題如果沒有現成分析出的成果,那又是一個比較大的課題,再往下分三四層都沒問題。
圖6 開好一個會議問題的拆分示意
注:拆分形成的結構圖現在也常被稱為思維導圖。有很多軟件工具可以幫助我們去做出這樣的圖,軟件中也常會內置一些通用問題的結構供用戶直接使用。但工具本身不是學習思維的重點。
由此不難看出,一個復雜問題進行拆分,最后會形成一個數量巨大的細分問題群。如果沒有嚴格的按照“逐層不漏不重”原則進行,細分出的問題將很難形成合力來完整有效地支撐解決原問題。
個性化拆分的原則有了,可拆分的操作性方法呢?事實上我們在前面的“問”環節所談的方法就是一個分解式的框架,就可以作為對問題的第一級拆分來使用。在進行逐層拆分時,每一步其實都是一個新的問題定義,可以結合“問”的方法反復深入,問—拆,拆—問。此外,前面提到的產品思維、用戶思維也是切入、分解問題的另一種思路,就像上面的會議例子就是一種廣義的產品拆分思路,按照會議組織的流程進行了細分。用戶思路的例子我們下面再單獨談。
最后一個疑問是問題要分到第幾級結束,或者分到什么程度才算完成。拆分的層數是不一定的,問題復雜分的層級就會多,反之則少。從程度上來說,分到子問題本身已經可以確定使用哪些指標,去采集什么數據,用什么方法去操作。比如講“我今天晚上吃什么?”這個問題顯然沒指標,沒數據,沒方法,那就需要對它進行拆分。分為“我喜歡吃什么?”“我的預算是多少?”“等待時間承受是多少?”“選擇辦法是尋找上述條件的交集,如結果不止一種就抓鬮”。前三個問題都是指標化的,都可以直接用數據表示,后面的方法是直接可以操作的(按:關于操作方法,對于更復雜的問題需要放到下一個環節——解。在“問”環節只需指明一個方向)。因此“我今天晚上吃什么?”問題分到第二層就可以解決了。
本文選自《數源思維:業務導向的數據思維秘籍》點此鏈接可在博文視點官網查看此書。
想及時獲得更多精彩文章,可在微信中搜索“博文視點”或者掃描下方二維碼并關注。
免責聲明:本站發布的內容(圖片、視頻和文字)以原創、轉載和分享為主,文章觀點不代表本網站立場,如果涉及侵權請聯系站長郵箱:is@yisu.com進行舉報,并提供相關證據,一經查實,將立刻刪除涉嫌侵權內容。