人和人最大的不同,在于思維模式的不同。
編者按:人和人最大的不同在于思維模式的不同。本文作者在從事多年咨詢工作的過程中,積累了 7 個對解決問題相當(dāng)有用的思維模式。本文來自編譯,希望對您有所啟發(fā)。
“思維模式”(Thinking Models)與“心智模型”(mental models)不同,“思維模式”通常用于解決現(xiàn)實世界的業(yè)務(wù)問題。當(dāng)我在工作中需要解決業(yè)務(wù)問題時,從未發(fā)現(xiàn)“心智模型”有多大用處。“心智模型”通常用來表示事物的工作方式。而另一方面,“思維模式”在解決問題方面有很大幫助。
作為一名戰(zhàn)略顧問,我會幫助公司開發(fā)和推出在他們的小眾市場占主導(dǎo)地位的新產(chǎn)品和服務(wù)。我嘗試了很多工具,包括“設(shè)計思維”和啟動加速程序等,雖然有些相當(dāng)成功,但結(jié)果并不一致。而正是一些“思維模式”,才幫助我把成功率從 10%+ 提高到了 85%。
多年來,我收集了 7 種通用啟發(fā)式思維模式,我發(fā)現(xiàn)它們在解決我在工作中遇到的幾乎所有問題時,都是最有效的。我已將這些模型納入我們的內(nèi)部入職培訓(xùn),幫助新員工迅速上手。
在本文中,我概述了這些思維模式是如何工作的,以及如何使用它們來解決企業(yè)家、股東、領(lǐng)導(dǎo)人和業(yè)務(wù)顧問在日常工作中可能遇到的所有業(yè)務(wù)問題或挑戰(zhàn)。
1. 戰(zhàn)略思維(Strategic Thinking):從正確的問題開始
“如果給我 1 個小時解答一道決定我生死的問題,我會花 55 分鐘來弄清楚這道題到底是在問什么。一旦清楚了它到底在問什么,剩下的 5 分鐘足夠回答這個問題。”——阿爾伯特·愛因斯坦。(Albert Einstein)
許多書籍和學(xué)科都涉及到戰(zhàn)略思考這個主題。然而,這里有一條經(jīng)驗法則可以幫助你將戰(zhàn)略思維壓縮為一句話:“問正確的問題。”
愛因斯坦是否說過這些話并不重要,但這個觀點是成立的,因為戰(zhàn)略思維就是提出正確的問題。當(dāng)我們從頂級 MBA 商學(xué)院招聘戰(zhàn)略顧問時,會篩選那些具有戰(zhàn)略思考能力的候選人。我們通過檢查他們在案例面試中解決問題時,是否能提出正確的問題,來做到這一點。在咨詢行業(yè),我們可以將這個詞與“分析思維”互換使用,這也是我們首先衡量潛在候選人是否合適的方法。如果求職者在某一項面試中失敗了,他們就會自動被拒絕。
接下來你會發(fā)現(xiàn),問正確的問題對于解決問題的每一步都是至關(guān)重要的。
2. 抽象思維(Abstraction Thinking):建立層級
“人的思想自然傾向于過度簡化問題,因為只有通過抽象和概括,人們才能發(fā)揮他微弱的能力,擁抱無限廣闊宇宙中的一個微小部分。”——詹姆斯·喬治·弗雷澤(James Goerge Frazer),(The Magic Art and the Evolution of Kings)
“抽象思維”(Abstraction thinking)與“簡化思維”(abstract thinking)不同,它聽起來可能很抽象,但實際上并非如此。抽象思維可以幫助大腦建立一種“思維上可理解的”復(fù)雜問題的層次結(jié)構(gòu)。
我第一次接觸到“抽象思維”是在我作為工程師的早期,它經(jīng)常被應(yīng)用在復(fù)雜系統(tǒng)的層次表示中。例如,機(jī)器代碼或固件是比應(yīng)用軟件和算法低幾個層次的層。其他的例子還包括:
建筑:建筑的藍(lán)圖是比實際建筑更抽象的一個層次,旨在捕捉建筑的基本特征。
音樂:交響樂的音符是一個層次,樂器和管弦樂隊是另一個層次。
其理念是,每一層都可以在沒有上面的層的情況下存在,但需要下面的層發(fā)揮作用。
“抽象思維”在復(fù)雜或非線性系統(tǒng)中特別有用。正如我將在后面演示的那樣,解決真實世界的業(yè)務(wù)問題,需要深入研究相關(guān)數(shù)據(jù)以支持假設(shè)的能力。在當(dāng)今高度復(fù)雜的世界中,我們被大量數(shù)據(jù)淹沒,高效地做到這一點是一個巨大的挑戰(zhàn)。
當(dāng)我們考慮數(shù)據(jù)時,可能談?wù)摰氖菙?shù)十億個數(shù)據(jù)點。對于一個人的心智能力來說,像十億這樣的數(shù)字是一種高度抽象的東西,因為大多數(shù)人都只能在心理上處理兩位數(shù)或三位數(shù)的數(shù)字。“抽象思維”可以幫助人類理解抽象概念,理清細(xì)節(jié)層次,捕捉系統(tǒng)的相關(guān)特征。只關(guān)注對單個問題或子問題至關(guān)重要的內(nèi)容,可以降低系統(tǒng)的復(fù)雜性。
3. 結(jié)構(gòu)化思維(Structured Thinking):關(guān)注相關(guān)性和層次
“界限關(guān)乎建立結(jié)構(gòu),而結(jié)構(gòu)對于建立任何繁榮的事物都是必不可少的。”——亨利·克勞德(Henry Cloud),《邊界》(Boundaries)
我早年作為管理顧問學(xué)到的最有價值的技能之一就是:結(jié)構(gòu)化思維。“結(jié)構(gòu)化思維”的重要性可能不那么明顯,但工作和生活的每個方面都是圍繞著能夠有效地結(jié)構(gòu)化思維、計劃和數(shù)據(jù)等的。這種思維需要相當(dāng)多的經(jīng)驗來掌握。然而,有幾個啟發(fā)式和技術(shù),它們可以被我們用來提高自己的結(jié)構(gòu)化思維能力。
其中一個工具是問題圖,也稱為假設(shè)驅(qū)動方法。在問題圖中,基于由主要問題衍生出的戰(zhàn)略目標(biāo)的問題和子問題,制定了一個假設(shè)。整個思考過程將由問題和假設(shè)主導(dǎo),然后提出正確的問題,以樹狀結(jié)構(gòu)(如下所示)來幫助證明假設(shè)。
從左到右依次為:問題——子問題——假設(shè)——關(guān)鍵問題——分析——數(shù)據(jù)(Image By Sam Schreim from bmh.ai)
上圖中:源自戰(zhàn)略目標(biāo)或問題的主要問題→由主要問題衍生出來的不同次級問題→最佳猜測或假設(shè)→能為假設(shè)提供答案的問題→回答問題所需的分析→進(jìn)行分析所需要的數(shù)據(jù)和此類數(shù)據(jù)的來源
最后一步是分析。在進(jìn)行分析之前猜測假設(shè)似乎很有挑戰(zhàn)性,但事實并非如此。其理念是,在假設(shè)中做出一系列正確的猜測,即使這些猜測(后來)可能被證明是錯誤的。
因此,問題圖被稱為假設(shè)驅(qū)動方法,因為假設(shè)是分析的指導(dǎo)。這也有助于測試實際的可行性。
這里有一個經(jīng)驗法則,要驗證分析是否能證明和/或否定假設(shè),只需檢查分析的結(jié)果,問:So What?
如果你覺得有必要更深入地研究這個問題,你可以在芭芭拉·明托的國際暢銷書《金字塔原理》中讀到相關(guān)內(nèi)容?!督鹱炙怼犯钊氲靥接懥诉@個概念。麥肯錫最初嘗試將 MBA 應(yīng)屆畢業(yè)生的培訓(xùn)正規(guī)化,“結(jié)構(gòu)化思維”就是其原則,后來明托在她的書中推廣了這一做法。
4. 批判性思維(Critical Thinking):證據(jù)可靠嗎?
“幸福的秘訣是把舉證的責(zé)任推給不幸福”——羅伯特·布勞特(Robert Brault)
批判性思維是我們在高中學(xué)到的東西,一個我喜歡的話題,但我的許多同學(xué)討厭它。然而,批判性思維是解決問題的思維鏈中重要的組成部分。
我們可以把“批判性思維”類比于法庭辯論。對于每一項指控,都要像控方那樣行事。檢察官有排除合理懷疑的“舉證責(zé)任”。
因此,假設(shè)將與指控相似,而數(shù)據(jù)和分析將與法庭上的證據(jù)相似。
一般來說,反駁一項主張要比證明一項主張容易得多。所以當(dāng)分析完成后,退一步,試著反駁它。只需要一個反例就可以證明這個假設(shè)不成立。
5. 費(fèi)米思維(Fermi Thinking):建立一個基礎(chǔ)
“費(fèi)米估算法可以像熱刀切黃油一樣切掉無關(guān)信息。”——大衛(wèi)·愛潑斯坦(David Epstein),《成長的邊界》(Range: Why Generalists Triumph in a Specialized World)
我想起自己剛從大學(xué)畢業(yè)時遇到的第一個面試問題:“世界上有多少架飛機(jī)拖船?”
我當(dāng)時并不知道,這樣一個問題到底有什么用?直到我開始工作,才意識到通常被稱為“費(fèi)米思維”的這一思維的有用性。
“費(fèi)米思維”是以物理學(xué)家恩里科·費(fèi)米(Enrico Fermi)的名字命名的一種啟發(fā)式估計技術(shù)。費(fèi)米以能用很少的數(shù)據(jù)進(jìn)行精確的近似計算而聞名。比如,他 1945 年在曼哈頓計劃中對引爆的原子彈威力進(jìn)行了估計。很難想象,費(fèi)米估計的一萬噸 TNT 炸藥是根據(jù)爆炸時他從手上掉下的紙片所傳播的距離計算出來的。
費(fèi)米問題通常是極端的、無法用數(shù)學(xué)或科學(xué)方法解決的問題。如果你聽說過費(fèi)米,那你可能對費(fèi)米悖論和德雷克方程很熟悉,它估計了銀河系中智能文明的數(shù)量。
雖然費(fèi)米估計幾乎總是無法做到精確,但它能提供一個經(jīng)得起考驗的近似值。
費(fèi)米思維的有用性能延伸到多個維度,這里有幾個例子可以說明如何利用費(fèi)米思維。
在進(jìn)行數(shù)據(jù)分析之前,先驗證一個斷言或假設(shè)
評估和/或驗證潛在的錯誤估計或數(shù)據(jù)源
評估市場機(jī)會,并識別空白區(qū)域
進(jìn)行“快速且粗略”的大致估計
6. 系統(tǒng)思維(Systems Thinking):區(qū)分線性和非線性
“系統(tǒng)思維是一門看到整體的學(xué)科”——彼得·圣吉(Peter M. Senge)
系統(tǒng)思考是一個龐大的主題,其理念是確定手頭的問題是線性系統(tǒng),還是非線性系統(tǒng)。
在線性系統(tǒng)中,問題通常可以通過檢查和識別線性鏈中最薄弱的環(huán)節(jié)來解決。因此,它們可以很容易地建模、理解和診斷。
相反,一個非線性或復(fù)雜的系統(tǒng)有許多相互依賴的組件,并且經(jīng)常相互作用。這使得建模變得困難,因為這些相互作用使得部分不可能被從整體中分離出來。因此,解決問題必須采用全面的方法。非線性復(fù)雜系統(tǒng)的例子包括供應(yīng)鏈、組織結(jié)構(gòu)、團(tuán)隊互動、開發(fā)項目等。
克服這一挑戰(zhàn)的方法是,通過對復(fù)雜系統(tǒng)進(jìn)行抽象建模,來解決復(fù)雜系統(tǒng)中的問題。
這里的經(jīng)驗法則是,對于系統(tǒng)思維,永遠(yuǎn)在進(jìn)行分析之前先區(qū)分線性系統(tǒng)和非線性系統(tǒng)。
7. 涌現(xiàn)思維(Emergence Thinking):把所有東西放在一起
“越來越復(fù)雜的結(jié)構(gòu)的出現(xiàn),似乎是我們不斷進(jìn)化的宇宙的本性。——亞歷克斯·維庫洛沃(Alex M. Vikoulov),《思維進(jìn)化的五個范例》(The Syntellect Hypothesis: Five Paradigms of the Mind’s Evolution)。
為什么鳥兒結(jié)隊,魚兒成群?有幾個原因和假設(shè)。首先,有理由相信,掠食者會認(rèn)為群體或團(tuán)隊是一個單一的、可能具有威脅的大型有機(jī)體,這將阻止掠食者的攻擊。同樣很明顯的是,捕食者發(fā)現(xiàn)攻擊群體或團(tuán)隊中的個體,比攻擊單個動物要困難得多。反過來也有可能:羊群或魚群通過合作捕獵比個體單打獨(dú)斗更有效。
術(shù)語“涌現(xiàn)”(Emergence)在本質(zhì)上指的是復(fù)雜的形成,這些復(fù)雜的構(gòu)造是復(fù)雜系統(tǒng)中自組織的性質(zhì)。這個想法很簡單:“簡單的規(guī)則導(dǎo)致復(fù)雜的結(jié)果。”
在 20 世紀(jì) 80 年代,克雷格·雷諾茲(Craig Reynolds)提出了一個關(guān)于這一現(xiàn)象的非常簡單的模型,被稱為博伊德模型(Boid’s model)。他的目標(biāo)是開發(fā)出真實的群集行為的計算機(jī)圖形。因此,他寫了一篇著名的論文 Flocks, herds, and schools: A distributed behavioral model。在那篇論文中,雷諾茲提供了一個簡單的模型,在這個模型中,個體按照重要性的順序遵守三條規(guī)則。
第一條規(guī)則是避免碰撞,它只有一個目的:避免與同伴發(fā)生碰撞。
第二個規(guī)則是速度匹配,它確保個體通過相互匹配,在速度和方向上是同步的。
第三條也是最后一條規(guī)則是羊群中心,它確保個體與同伴保持接近。
很難想象,這一套簡單的規(guī)則,可以在沒有任何中央命令的情況下,創(chuàng)造出以上這些復(fù)雜的系統(tǒng)。這些復(fù)雜的系統(tǒng)之所以能夠形成,完全是因為每個人都要遵守三個簡單的規(guī)則。
康斯坦茨大學(xué)(University of Konstanz)馬克斯·普朗克研究所的研究人員對魚群進(jìn)行了研究,他們得出的結(jié)論是,“無知和信息不足”對魚群的恢復(fù)力和完整性以及魚群的生存,具有非常重要的影響。他們認(rèn)為,讓信息不足的個人參與決策,最終會使群體決策民主化,并防止極端主義個體在整體上產(chǎn)生不成比例的影響。
例如,在領(lǐng)導(dǎo)團(tuán)隊或組織集體時,可以通過去中心化和個人主義來實現(xiàn)集體智慧。這些規(guī)則將個人影響力和集體智慧之間的摩擦最小化,同時又不會扼殺創(chuàng)造性解決問題的趨勢、以及隨之而來的共同創(chuàng)造和合作等想法。
此外,它是一種“通過確定一套簡單的規(guī)則,并將其作為原則和經(jīng)驗法則,來應(yīng)對日益復(fù)雜的世界”的能力。
在解決問題的過程中,運(yùn)用上述“6種思維模式+涌現(xiàn)思維”作為處理問題的規(guī)則,可以產(chǎn)生更優(yōu)化的解決方案。
譯者:Jane