用结构化思维策划一个会议

Posted 2020-09-10 博文视点

引言：一个复杂问题进行拆分，最后会形成一个数量巨大的细分问题群。如果没有严格的按照“逐层不漏不重”原则进行，细分出的问题将很难形成合力来完整有效地支撑解决原问题。本文以策划一个会议为例，来了解结构化思维的应用。
本文选自《数源思维：业务导向的数据思维秘籍》。

　　在对问题进行拆分时，应该采用什么样的逻辑或者结构呢？
　　当然最直接的办法就是采用前人已经总结好的问题思考框架，比如在战略分析领域有经典的SWOT框架、BCG矩阵或GE矩阵（图1）等。
　　　　　　　　　　　　　
　　　　　　　　　　　　　　　　　　　　　　　　　图1 GE矩阵
　　　　　　　　　　　　　　　　　　　　　　　　　
　　在外部环境分析时有波特五力模型（图2）、PEST框架等。
　　　　　　　　　　　
　　　　　　　　　　　　　　　　　　　　　　　图2 波特五力模型
　　　　　　　　　　　　　　　　　　　　　　　
　　在研究市场、用户时有马斯诺需求层次（图3），营销4P等。
　　　　　　　　　
　　　　　　　　　　　　　　　　　　　　　　　图3 马斯洛需求层次
　　　　　　　　　　　　　　　　　　　　　　　
　　应该说在几乎所有领域里，通用性的问题都有前人的研究给出的分析框架来引导我们去拆分、分析问题。
　　但是一方面根据上述框架拆分出的子问题仍然可能太大而不能马上着手操作，还需要进一步细分；另一方面在大部分个性化的具体问题上，还是需要自己来找到拆分问题的框架。而这个过程中就要遵循“逐层不漏不重”原则。
　　“逐层”的意思是拆分问题要一步一步进行，每一步只分出同一层的子问题。比如将用户划分为男、女，男、女就是同一个层次的概念。如果把用户划分成了男、少女就错层了。少女是从女性中分出的一个子类，处在男、女的下一层。要保证同层，就是拆分问题时一层只能使用一个维度或一个标准（图4）。
　　　　　　　　　　　　　　
　　　　　　　　　　　　　　　　　　　　　图4 用户的逐层划分示意
　　　　　　　　　　　　　　　　　　　　　
　　“不漏不重”也就是麦肯锡金字塔理论中提到的MECE（Mutually Exclusive Collectively Exhaustive，相互独立，完全穷尽）原则（图5）。
　　　　　　　　　　　　
　　　　　　　　　　　　　　　　　　　　　　　　图5 麦肯锡金字塔理论
　　　　　　　　　　　　　　　　　　　　　　
　　这种原则从集合的概念来讲，就是拆分出的所有子问题必须是父问题的一个剖分，既彼此互斥，合并起来又是全集。比如把人分成老中青就有遗漏，而把美女分成大长腿和巴掌腰，既有遗漏又可能有重叠。在多步骤、多层拆分中，每一层都要遵循“不漏不重”。比如要解决“如何开好一个会议”的问题（图6）。
　　第一层，可以从产品角度切入，即从会议工作流程角度来切分问题。第一层5个子问题为：如何策划好会议主题，如何做好时间、地点、场地等确认和嘉宾邀请，如何做好会议现场布置和设施，如何组织和管理好会议召开，如何做好会后效果评估。这5个子问题基本覆盖一场会议工作的全流程，当然可能有些商业会议还有招商、广告等工作。
　　第二层，第一个一级子问题，如何策划好会议主题，可以分成下面4个子问题：本领域近期热点和未来趋势是什么，本次会议目标嘉宾和听众是谁，他们在本领域内当前的关注是什么，作为会议主办单位的优势是什么。
　　第三层，第一个二级子问题，本领域近期热点和未来趋势是什么，又可以大体分成下面4个子问题：媒体报道的热点有哪些，研究机构关注的热点有哪些，研究机构和专家对未来的趋势判断如何，自己分析的未来趋势是怎么样的。这其中最后一个问题如果没有现成分析出的成果，那又是一个比较大的课题，再往下分三四层都没问题。
　　　　　　　　　　　　　　　　
　　　　　　　　　　　　　　　　　　　　　　图6 开好一个会议问题的拆分示意
　　　　　　　　　　　　　　　　　　　　　　
　　注：拆分形成的结构图现在也常被称为思维导图。有很多软件工具可以帮助我们去做出这样的图，软件中也常会内置一些通用问题的结构供用户直接使用。但工具本身不是学习思维的重点。
　　由此不难看出，一个复杂问题进行拆分，最后会形成一个数量巨大的细分问题群。如果没有严格的按照“逐层不漏不重”原则进行，细分出的问题将很难形成合力来完整有效地支撑解决原问题。
　　个性化拆分的原则有了，可拆分的操作性方法呢？事实上我们在前面的“问”环节所谈的方法就是一个分解式的框架，就可以作为对问题的第一级拆分来使用。在进行逐层拆分时，每一步其实都是一个新的问题定义，可以结合“问”的方法反复深入，问—拆，拆—问。此外，前面提到的产品思维、用户思维也是切入、分解问题的另一种思路，就像上面的会议例子就是一种广义的产品拆分思路，按照会议组织的流程进行了细分。用户思路的例子我们下面再单独谈。
　　最后一个疑问是问题要分到第几级结束，或者分到什么程度才算完成。拆分的层数是不一定的，问题复杂分的层级就会多，反之则少。从程度上来说，分到子问题本身已经可以确定使用哪些指标，去采集什么数据，用什么方法去操作。比如讲“我今天晚上吃什么？”这个问题显然没指标，没数据，没方法，那就需要对它进行拆分。分为“我喜欢吃什么？”“我的预算是多少？”“等待时间承受是多少？”“选择办法是寻找上述条件的交集，如结果不止一种就抓阄”。前三个问题都是指标化的，都可以直接用数据表示，后面的方法是直接可以操作的（按：关于操作方法，对于更复杂的问题需要放到下一个环节——解。在“问”环节只需指明一个方向）。因此“我今天晚上吃什么？”问题分到第二层就可以解决了。
　　本文选自《数源思维：业务导向的数据思维秘籍》点此链接可在博文视点官网查看此书。
　　　　　　　　　　　　　　　　　　　　
　　想及时获得更多精彩文章，可在微信中搜索“博文视点”或者扫描下方二维码并关注。