问题分析框架

未经授权,不得全文转载。转载前请先阅读本站版权声明

一年前,我读了高杉尚孝著的《麦肯锡问题分析与解决技巧》,其中对于问题的清晰定义和 MECE 分析法让我印象深刻(只记得这两个了)。

我觉得清晰定义问题是什么,是决策的根基。一切决策应当从问题出发。
因此基于此书的 1~4 章节,以及个人的深度思考,我实践总结了一套思维框架,与你分享一下。这个框架的目标是清晰辨识问题,快速分析出问题的本质。

不过在谈问题分析之前,先来看看在问题的认知上,我们可能会陷入什么误区。

认知误区

问题认知不清会导致决策模糊,从而执行没有重点,无法高效解决问题,甚至解决不了问题。
在认知问题上,我总结了以下几个典型的误区:

  • X-Y 问题
    该类问题的具体说明本文不赘述,请阅读陈皓写的《X-Y PROBLEM》。避免这类问题的方法很简单:明确因果关系。

  • 以偏概全
    只看到问题的一小部分,却当做问题的本质来处理。最终只是治标不治本。

  • 小题大作
    很小的问题,却花很大的成本处理。虽然解决了问题,但付出太多容易让自己和别人身心俱疲。

  • 相关当因果
    两件事情只是有联系,并不是因果关系。处理问题必须要找到源头,旁敲侧击也只是治标不治本。
    举三个《麦肯锡问题分析与解决技巧》一书里提到的例子:

    1. 投诉增加,因此增加客服人员。但如果产品本身有问题,便只是治标不治本。
    2. 公司的营业额减少,因此打出华丽的宣传广告,但如果市场已经饱和,很难产生效果;
    3. 发烧后吃感冒药,但说不定是罹患肺炎;
  • 一个问题中混杂多个问题
    混杂多个子问题,或者混杂多个不相关的问题。这不仅容易让人分散精力,还让人抓不住重点。

  • 对现状认知模糊
    在不成立的条件上进行提问。首先要「先问是不是,再问为什么」。

  • 对期望认知模糊
    不知道想要达成什么目标状态。

  • 从结果逆推出原因
    这是一种基于经验只是的预测(猜),但缺乏严瑾的推导过程。能猜中固然好,不能猜中就会走很大的弯路。
    严谨的做法是分析初始状态到事后状态的变化过程,推导出问题原因。

  • 治标不治本

    在大多数的情况下,如果找不出发生不良状态的原因,那么任何应对策略其实都只是一种紧急处理。总之,没有正确分析出原因,问题就不能根本解决。

    没有从问题本身出发,从而导致只比较解决方案间的优劣。

  • 偏信经验,不实事求是
    依靠经验相似度来选定方案,或者靠着权威来决策。缺少严谨的从现象到问题到方案的推导过程。
    经验只是提供一个猜想方向,论证要脚踏实地,因地制宜。
    排查问题的时候注意不要轻易认同,谁都不能相信,包括自己。要做实验看数据从头分析。因为环境在变化(至少时间在变),一点细微的偏差,都可以导致结果千差万别。

  • 把话题当问题
    比如「如何评价 XXX」,这是话题不是问题,因为没有构成期望和现状的落差。什么是落差?请建看下文「问题的定义」。

为了避免以上误区,我认为关键在于理清「问题」的定义,梳理元认知。

问题的定义

首先,什么是「问题」?
对于这个问题,在生物学、心理学、数学等领域,有各种不同的解答。
在分析问题的场景里,我们需要有一个关于「问题」的定义(共识),以便接下来的探讨。

问题的本质是期望与现状的落差 [1]

这句话给我深刻的启发。基于这句话,我补充几点概念并给出一个新的定义:

问题是由当前上下文、未来上下文、当前状态、期望状态这四点确定的。

期望和现状之间的落差是发现问题的入口。当前上下文是描述问题发生的环境条件。未来上下文是解决问题时理想的环境条件。

总结成公式就是:问题 ∝ (期望与现状的落差) * (未来上下文的认知程度 + 当前上下文的认知程度)
你会发现(我特意写得)跟梯形面积计算公式很像。因此,可以画出一张图来直观地理解问题,

问题的定义.png

基于问题定义图的可视化分析

由此能展开很多分析,可视化地比较(不是计算)问题域的相对大小,投资回报率 (ROI) 等等。

问题的范围.png

我们解决问题的路径,理想的是从起点到终点是一条直线。而现实往往是曲折的线路。
因为我们能力不足以站在上帝视角纵观全局,当前状态和期望状态可能处于一个模糊的范围,起点和终点都不能确定。大多数人会边走边缩小范围,最后达到终点。

解决问题的过程.png

对于达到目标状态的路径不止是曲折的,通常还是不连贯的。对于不能一步到位的长远目标,我们会划分为几个阶段,每个阶段有各自的期望和资源投入。
在这个过程中,上下文,期望可能都会变动。

非连贯的状态迁移@2x.png

以上的可视化分析只是众多问题分析法中的一个方法,并不是框架。因为是我自创的,所以提前拿出来说下。
下面来谈谈框架。

问题分析框架

问题从发现到解决必然经过以下过程:
认知现象 => 发现落差 => 描述问题 => 判断问题有效性 => 分析问题 => 评估方案 => 方案落地 => 验证结果

在尝试解决问题的过程中,分析是首要的,执行其次。因为如果读题错误,无论解答再聪明,得到的结果必然错的。

发现问题

认知过程.png

发现问题是从认知现象开始的,先是发生了什么 (What),被现象激发兴趣,研究它是如何产生的 (How),接着是探索为什么会这样 (Why)。
当人意识到现状和目的状态的差距,就会意识到问题。

期望与现状的落差@2x.png

《麦肯锡问题分析与解决技巧》第一章将问题分为这三种类型,总结得非常好,我做了些补充修改,重新画了一张图。

描述问题

问题的表述范围.png

我们提问或者描述问题时常常会附带很多干扰项,问题的表述所带的信息量永远比问题的本质要大。
这里的重点不是如何作为提问者来描述问题,而是作为解答者的角度来看问题的描述,排除干扰项,从中发现问题的本质。

缩小范围,排除干扰项

同一个问题,可以有 N 种表述(表达方式)。那么问题的本质究竟是什么?

问题的表述.png

如图,灰蓝色是问题实际所在区域。表述 A 和表述 B 都没能准确描述问题的核心。
表述 C 的问题域包含表述 D 的问题域,C 相对模糊,D 更精准。
同时,表述 B 和表述 C 没有交集,说明是两个独立的问题。

当然这只是从结果反推原因时画的图,在不知道问题本质时应该做不到那么清晰的判断。我只是想表达一个观点:在不同的描述中寻找交集就能发现真相。

当前上下文是什么?

对于同样的问题,不同人会有不一样的看法。因为每个人的初始状态不同(当前上下文不同)。所以即使对于同样的期望状态,问题域是不一样的。从而因此解决方法也会有差异。

描述上下文的内容可以用 4W1H 方法:

  • WHO 人物
  • WHERE 地点/领域
  • WHEN 时间
  • WHAT 相关资源
  • HOW MUCH 程度

当然还可以加上更多描述信息,总之信息越详细,上下文越精准,干扰项越少,问题越清晰

当前状态是什么?

指的是问题相关的当前状态,从 WHAT 方面着手描述。遵循事物的真实与客观,不要代入自己的主观臆想。

期望状态是什么?

指的是问题相关的当前状态,从 WHAT 方面着手描述。遵循事物的真实与客观,不要代入自己的主观臆想。

未来上下文是什么?

主要比较当前上下文和未来上下文是否有变化。一般来说不会有变化。但是若不一样的地方,就要注意为什么会产生这样的不同,会产生怎样的影响?

整理描述

然后根据以上四要素画出问题定义图。

又或者写成一段话描述。参考句式:我现在是______(描述上下文),现在问题是_____,我的期望是_____(描述期望状态和未来上下文)。

判断问题有效性

这个概念我在《提问的框架》也提到过。还是那句话,「先问是不是,再问为什么」。如果问题无效,那么就不值得投入去分析问题。

分析问题

我将介绍以下几种方法:

  1. 基于问题定义图的可视化分析。这个已经在上文讲过了。
  2. 5W2H
  3. MECE 分析法
  4. 差异分析法
  5. 对话式分析法
    1. 小黄鸭分析法
    2. 向别人提问

5W2H

回答以下 7 个问题。

  • WHAT 问题是什么?
  • WHO 解决谁的问题?
  • WHERE 场景是什么?
  • WHY 为什么要解决?
  • HOW 怎么解决?
  • WHY NOW 为什么到现在才能解决?
  • HOW MUCH 投入多少?

MECE 分析法

MECE 是麦肯锡的经典分析法,尽在「相互独立,完全穷尽」一言。

  • 完整性,说的是分解工作的过程中不要漏掉某项,要保证完整性;
  • 独立性,强调了每项工作之间要独立,每项工作之间不要有交叉重叠。

篇幅问题我不赘述了,具体可以参考这篇文章
这里只提一下如何分解,基于上文提的问题定义图的概念,我归纳了两个分解子问题的方法。
根据领域经验和上下文做「垂直切分」,和根据调整期望做「水平切分」。具体看图。

问题的切分.png

差异分析法

用差异分析法找原因。将发生问题的对象与其他没发生问题的对象,做一番比较,找出彼此之间的差异。
另外,还可用控制变量法,尝试多组变量的实验。根据结果,排除干扰项,缩小问题范围,直到找到原因。

对话式分析法

小黄鸭分析法

小黄鸭调试法 其实是一种对话式的通过提问引导分析的方法 (Problematization)。非常有用!

小黄鸭.jpg

向别人提问

提问也是分析问题的一种方法。提问 (Question) 是问题 (Problem) 的表达形式。同一个问题,可以有 N 种表达方式。
因此同一个 Problem,会有多个 Question。而且这取决于提问者的上下文。由此可知提问不等价于问题。

那么如何提问?请参考《提问的框架》

补充一下,当在探讨问题的时候,首先需要建立一个认知基准(共识),比如对于上下文内容概念的认知基准,如果双方不再同一个上下文里,再怎么交流都不会达成共识。

阐明原因

当你大概心里有数后,最好找个人或者对自己阐明梳理一遍前因后果。以校验是否符合问题本质,分析是否合理。

评估解决方案

不是本文重点,略过。

执行方案,验证结果

就是这样。

总结

以上是心法,最后放一张思维框架的思维导图作为备忘。

问题分析框架.jpg

P.S. 强调一下,以上所有图片都是我自己画的,若无授权禁止转载,本人保留所有权利

参考 (Bibliographies)

引用 (References)


  1. 《麦肯锡问题分析与解决技巧》 的第 1 章。

Star Blog on GitHub