最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
打印 上一主题 下一主题
开启左侧

咨询费1小时3千,他们的思维你学得会!

[复制链接]
跳转到指定楼层
楼主
发表于 2017-6-26 09:01:04 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
导读/ 你是否有过这样的经历:解决问题、进行决策的时候,脑子里迸发出很多信息,但却一团乱;与一些人沟通,你听得懂对方说的每一个字,但组合在一起却不知所云。遇到这些问题,该怎么办?

所在的咨询领域,一个非常成熟的项目经理,1小时咨询费接近人民币3000(这是向客户收取的服务费用,个人薪酬没这么高)。无论你认同与否,都不得不思考,他们靠什么?
很大一部分是靠思维方式,他们用更加结构化的方式解决问题。我们所熟知的麦肯锡的7S、BCG的BCG Matrix,也是一种解决问题的结构。然而大部分人觉得,这是天生的,甚少花精力提高。其实,结构化思维不仅价值度高、而且可培养度也很高,值得我们刻意训练。
如果你按照本文的方法,没能提高,放马来找我。

结构化思维比你想象得重要一万倍

下图有15个数字,我需要你在3秒钟内看完并记住它们,试试?

是不是觉得有点费力?
那么,如果我换一下,让你记下面这15个数字,试试?
是不是觉得So easy?
其实这两组数字是一样的,只是第二组数字的结构更加有规律。为什么你很难记住第一组却能够轻松记住第二组呢?因为它更符合我们大脑的使用习惯。

人类大脑在处理信息的时候,有两个规律:第一,不能一次太多,太多信息会让我们的大脑觉得负荷过大;第二,喜欢有规律的信息。

你可能有这样的经历,我们在解决问题、进行决策的时候,常常觉得脑子里一团乱,很多信息迸发出来,但你就是无法将他们变成一个完整的解决方案、一个理性的选择。这种状态持续时间一长,我们的大脑就要罢工,开始头疼,可问题并没有解决。

另外,你也可能碰到过这样的一些人,他说的每个字你都听得懂,然而组合在一起,你也不知道他想说什么,听他说话时间一长,你会头疼,变得焦躁“你TM到底想说什么”。

之所以这样,原因就在于,我们的大脑处理不了太多零散而复杂的信息。
如果我们在解决问题、面临选择以及与人沟通的时候,能够找到一个结构,将所有的碎片信息放进去,就能够大大减轻大脑的负担,更容易地解决问题。而这,就是所谓的“结构化思维”。

结构化思维应用最广泛的职业之一应该算是咨询顾问了。每小时工作向客户收取几千块的酬劳,若论对行业的理解、对公司的理解,其实并不会比客户更多,其赖以生存的基础还是解决问题的思维方式。所以,麦肯锡的7S、BCG的BCG Matrix,等等,都构成了其核心竞争力之一。

所以说,结构化思维真的是有价值的,它的作用在于:
第一、帮助我们更全面以及更系统地思考,将复杂的问题简单化。 第二、方便我们与人沟通,让他人更好地理解我们的意思。有些人常说自己沟通能力差,其实本质上不是沟通问题,而是思维问题,几乎不存在思维清晰但是沟通不清的人。 第三、互联网时代,信息都是碎片化的,如果没有结构化思维,信息只是信息,可如果有了结构化思维,就能够建立起自己的知识体系,每当接触到碎片信息的时候,把它塞到自己的知识体系中就可以了。

所以说,解决问题、沟通、学习,如果没有结构化思维,效率都不高。

结构化思维,是最值得训练的能力!

然而在现实中,很多人往往忽略结构化思维的培养,因为他们认为,这是天生的。他们要么觉得自己足够聪明所以不需要培养,要么觉得我天生不聪明,学不来,干脆放弃。

我曾经在文章中提到过能力的重要性。有人问,能力有那么多,到底培养哪一个才好呢?如果我用一个两维矩阵来分析的话,可以看到,结构化思维能力,是既能够被培养同时价值度又高的能力。



所以说,结构化思维,几乎是最值得刻意训练的思维方式!

结构化的方法是什么?

但是,当你面临一个难题的时候,该如何去寻找结构呢?这里给出两种方法:一种是自上而下地找结构,一种是自下而上地归纳提炼结构。
1自上而下找结构


我们来看一个问题:今天是周一,假设你这周需要做如下事情——做一个高管汇报,写一份项目建议书,审阅项目成员的方案初稿,写一篇行业洞察,参加公司组织的1场培训,跟国外专家团队开一次电话会议,跟团队成员吃一次饭。
请问,你会如何安排自己本周的工作计划?

这个问题对大部分人来说不难,因为我们都知道,在排任务的时候可以用紧急性和重要性的二维矩阵,来决定自己先做什么、再做什么。

再看一个问题,倘若有人问你:如何看待洋酒行业当前所处的宏观大环境?

能够思考出一个结构的人可能会比上个问题少,宏观环境分析比较常见的结构是PEST(Political政治层面, Economic经济层面, Social社会层面, Technological技术层面),你可以用这个结构把你的观点都放进去。

而如果你不用结构,可能会发现,你的回答有可能变成这样“嗯,总体环境不太好,经济都下滑了。”这种缺乏结构化、是凭第一感觉得出的结论往往不够全面、非常主观,在主导商业决策、沟通的时候就会弱势非常明显。

所以,针对一些常见问题,你可以很容易地找到一个结构,将思考结构化。可是当你脑海中缺乏现成的结构时,会变得非常困难。只是,我们每天面临的问题和挑战各种各样,当我们脑海中没有结构的时候,如何结构化思考呢?

2
自下而上归纳总结成结构


答案是,我们采用自下而上的方法。一共是四个步骤:
第一步:头脑风暴。拿一张A4纸,横过来,把你脑中关于这个问题的所有碎片想法都列出来。并且,当你觉得都列得差不多的时候,再读一遍这些碎片想法,将类似的进行连线。


(关于上图的说明:为了画图方便,图上是将想法横着排列了。实际上,你在A4纸上列碎片想法的时候,这些想法是纵向排列的,否则写不下。)
第二步,连线分组,根据连线的情况,将想法进行分组。

第三步,结构提炼。看一下这些分组,是否存在某种规律,按照这样的规律,是否需要补充或调整组。这时候需要用到MECE(Mutually Exclusive, Collectively Exhaustive,即相互独立、完全穷尽)原则,来决定分组调整。最后形成的组,其实就是你的结构;


第四步,观点补充,确定了结构之后,看每个结构之下是否还需要补充其它信息,最后完善思路。



为了更容易理解,我举个栗子来说明:
小王来向你咨询职业选择的建议:他性格外向且大条,学的是工科,他刚刚毕业,拿到两个Offer,一个是技术方面的,一个是销售方面的。从纯理性的角度,你怎么帮他分析呢?

第一步:写下所有想法,包括(注:以下只是举例,不代表我对技术和销售岗位的看法,具体情况因行业和公司而不同):1.技术岗位的基本工资更高;2.他性格外向,喜欢与人交往,做销售可能更加适合他的个性;3.销售的奖金更多;4.做销售晋升更容易,晋升会伴随加薪; 5.他学的是工科,具备做技术的基本知识;6.他没有营销的经验和知识,做销售的话,上手需要一定时间。

第二步:连线分组。我们会发现,1/3/4说的好像都是收入,5/6说的是知识和经验储备,2说的是性格,归类分组结果如下:
收入相关
性格相关
知识和经验相关
1.技术岗位的基本工资更高
2.他性格外向,喜欢与人交往,做销售可能更加适合他的个性
5.他学的是工科,具备做技术的基本知识
3.销售的奖金更多
6.他没有营销的经验和知识,做销售的话,上手需要一定时间。
4.做销售晋升更容易,晋升会伴随加薪
   
第三步:用MECE原则找出各组的规律,确定结构。


根据MECE的原则,这些分组需要相互独立、完全穷尽。收入、性格、知识——这三个要素符合相互独立吗?是的,这是三个无关的要素。但是,这三个要素完全穷尽了吗?好像没有。
考虑技术和销售两个职位选择的时候,除了性格,是不是还有能力呢?比如沟通能力、谈判能力等等。另外,是不是考虑小王自己的兴趣和爱好了呢?

所以,我们扩展一下,找出了这些组:收入、性格、能力、知识经验、爱好。
这五个要素是否符合MECE呢?好像穷尽得差不多了,但似乎不独立了,因为性格跟爱好是相关的,而能力和知识好像也很难分开。所以,我们把性格跟爱好组合在一起,将能力和知识组合在一起,变成:收入、性格&爱好、能力&知识&经验。这三组符合MECE了,但是名字怪怪的。
进一步分析,你会发现,收入是在说能否赚钱养活自己,性格爱好是在说是否感兴趣,能力知识经验是在说能否做得好,这样就清晰多了。
所以,我们最终找出的结构是赚钱、兴趣、擅长,是不是很熟悉?其实就是我之前的文章《想成为多重职业者?怎么选主业和副业》里所用的结构。

第四步:补充信息。比如,收入这块,除了考虑基本工资、奖金、加薪速度,是不是还有其它,比如福利的差异呢?等等。

用这样的思路,你帮小王做职业选择的分析,是不是清晰很多、脑子不再一团浆糊了呢?

找结构的一些技巧  

现在,你是不是会觉得,我带着你做的时候,容易找到结构,但如果自己一个人思考,还是会陷入困局?其实在我们找结构的时候,也是有些技巧的,给出两点最重要的技巧:

1.通过常见结构类型来推导结构:你会发现,很多思维结构其实都很相像。
比如,我在文章开始的时候,提到“我们应该重点提升哪些能力”的时候,用了一个二维矩阵(两个维度分别是:能力的价值度以及可培养度),这不是什么书本理论,而是我自己的分析方法。
但是,有没有发现,决定任务重要性的时候,我们用的也是一个二维矩阵呢(重要性、紧急性)呢?
如果,在你毫无头绪的时候,我告诉你,这个问题可以用一个二维矩阵的结构来分析,你会发现找结构更加容易。
所以,掌握几种常见的思维结构类型,会帮助你在解决问题的时候更加容易地找到结构。
我按照使用频率,列了一些思维结构类型,有一些是非常常见的,如果你没有听过,可以网上搜索了解一下,便于理解这些结构类型:
二维矩阵类:任务分析矩阵(紧急性、重要性)、波士顿矩阵(市占率、增长率)、安索夫矩阵(新/老产品、新/老市场)流程类:产品价值链、客户生命周期三要素类:3C战略三角(Corporation公司, Customer顾客, Competition竞争对手)、爱情三元论(我之前文章里引用过)利益相关方类:波特五力模型

2.通过学习知识来积累结构,将知识内化为能力。
我在之前的文章《你没钱,真的真的不是因为不努力》中,曾经提到我们要将知识内化成能力,很多人问:如何内化?

通过以上的举例,你会发现,我们的知识和方法论无非就是一种思维结构。所以说,我们在看书、看文章,学习新知识的时候,如果能够积累这些思维结构,并加以应用,就是知识内化成能力。
比如说,你知道马斯洛的五层次需求,这只是知识,网上到处都有,知道的人千千万万。可是,如果你在分析问题的时候(比如分析员工为什么离职),把这个知识应用为你的分析框架,让你的思维更加严谨和结构化,让你的沟通更加清晰,这就是知识内化成能力。

所以说,我们在学习知识的时候,都不应该只是满足于知道就好,而应该思考一下:哪些场合可以应用到它?这样,下次遇到相应场合的时候才能想起来,这个知识才能为你所用。
日常训练方法

最后,如果你只是看了这篇文章,知道什么叫做结构化思维,是远远不够的,要将它变成自己的思维方式,能够做到不加思考地习惯性应用,还需要刻意练习。

下面我给出的方法,如果坚持三个月,结构化思维能力一定会提升,如果坚持半年,基本上刻意训练就可以结束了,它已经变成你的习惯了。另外,如果你有同伴一起练习、互相指正,效果更佳:

1.累结构:看书的时候,看到一些有意思的理论,思考出它的三个应用,然后把它记下来,作为自己的素材,有空可以拿出来看看。同时,还可以给这些理论进行归类,比如价值链类、三要素类等等。
2.写文章:一周一篇文章,必须用结构化思维的方式写,并且,尽量使用你积累的结构素材。如果你没有时间写文章,那就只搭文章结构,写出关键点即可。
3.讲议题:每天给自己一个议题,用15-20分钟的时间,用结构化思维的方法来解决/论证这个议题,不一定要写下来,说给自己或者同伴听就行。同样,过程中尽量使用你积累的结构素材。另外,如果是你自己构思的结构,也整理到素材库去。这个训练是最关键的一点。
关于结构化思维的几点总结

最后,关于结构化思维,我总结了这篇文章的几个关键点:
1.结构化思维是可培养且价值度高的能力,几乎是最值得刻意训练的能力;
2.不存在思维清晰、沟通不清的情况,沟通不清楚就是还没思考透;
3.面对一个问题的时候,先不要马上进入细节,而要先思考框架,如果无法找到框架,列出所有信息,用自下而上提炼的方法找到框架;
4.结构要尽量符合MECE(相互独立、完全穷尽)原则,如果不能,至少也符合CE(完全穷尽);
5.大多数结构都是常见的类型,找不到结构的时候,可以往这些类型上面靠:二维矩阵、流程、三要素、利益相关方;
6.知识内化成能力的方法:将知识应用和融入自己的思维,来提高自己的沟通和思维能力;
7.训练结构化思维的方法:累结构、写文章、讲议题。坚持三个月必有提升,坚持半年基本形成习惯。有同伴一起练习,效果更佳。

作者:孙圈圈   公众号:圈外(iquanwai)

楼主热帖
分享到:  QQ好友和群QQ好友和群 QQ空间QQ空间 腾讯微博腾讯微博 腾讯朋友腾讯朋友
收藏收藏 转播转播 分享分享 分享淘帖 赞 踩

168大数据 - 论坛版权1.本主题所有言论和图片纯属网友个人见解,与本站立场无关
2.本站所有主题由网友自行投稿发布。若为首发或独家,该帖子作者与168大数据享有帖子相关版权。
3.其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和168大数据的同意,并添加本文出处。
4.本站所收集的部分公开资料来源于网络,转载目的在于传递价值及用于交流学习,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。
5.任何通过此网页连接而得到的资讯、产品及服务,本站概不负责,亦不负任何法律责任。
6.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源,若标注有误或遗漏而侵犯到任何版权问题,请尽快告知,本站将及时删除。
7.168大数据管理员和版主有权不事先通知发贴者而删除本文。

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2024-4-19 14:14

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表