解決問題, 分析問題, Problem-solving

 
 
notion image
 

 
解決問題時心中該有的 high level 信念定義問題 (Is it true?) 是否為真?釐清現況,真的存在這個問題/現象嗎?(So what?) 所以呢?這問題會帶來什麼影響嗎? (Why so?) 為何這 問題 會產生 那個 影響? 根本原因是什麼?定義 目標找出 “達成目標的途徑方法”找出問題的 本質核心 (core reason)第一性原理 First Principle不要只治標不治本有限度挖掘問題時:先找出 問題的甜蜜點 就足夠 (sweet spot)用 impact 和 feasibility 區分 需要被解決的問題實務中的做法:80/20 法則 (先解決 最嚴重的問題就好) 解決問題時常犯的錯: 沒有找出 常見錯誤: 問題根本不存在常見錯誤: 把注意力錯放在 不重要的問題 (problem)常見錯誤: 急著想提出 solution常見錯誤: 沒有解決問題的根本原因、解決方案只治標不治本金字塔原則 - 拆解問題、寫下策略、檢查合理性金字塔結構<1> 訊息式的說明<2> 意見在上,事實在下<3> MECE (Mutually Exclusive Collectively Exhaustive)達成金字塔結構的分析問題、統整資料方法<1> 歸納法 (Induction)<2> 演繹法 (Deduction)解決問題的技術 邏輯思考 (Logical thinking)假說思考 (Hypothesis thinking)採用 假說思考 的優點什麼是「好的假說」提出解決方案 solution提前思考最壞的結果第二層思考原則(second-level thinking principle):問自己:「那接下來呢?」安全機制: 額外多找一個 solution安全機制: 想像其中之一不可行安全機制: 把多個選項結合在一起,兼顧兩者評估 solution 各種選項 時採用的標準假設 → 驗證 → 提出結論 → 做調整行動為什麼不行動?幾個原則設定安全邊際: 避開最糟糕的結果 (margin of sategy)為什麼需要安全邊際設定安全邊際技巧:設定安全邊際的範例設定失效安全: (fail-safe)設定引爆線: 事先決定好,到達一定的時間、數量或情形時,該採取哪些行動指揮官不在時,授權別人代替指揮官做決定:把手綁起來搜集資料、分析資料獲得精確的資訊: high-fidelity 原則、問對的問題獲得精確的資訊: Hi-Expertise 原則如何請教專家意見,才會讓很多人都在找的專家看到你、也樂意協助你。讓專家看到你的密切投入:請求要明確:清楚說明你需要專家為你做什麼。展示你尊重對方的時間與精力:詢問專家的理由並仔細聆聽:不要只是問專家怎麼想,而要問他們的思考方式。後續的聯絡追蹤:以假說為導向去搜集資料簡約分析 (BoE, back-of-the-envelope)步驟 1:建立模型 (Build the Model)步驟 2:蒐集數據 (Collect Data for Components)步驟 3:確認是否合理 (Sanity Check)步驟 4:導出啟示 (Evaluate Implication)<3> 量化分析從決策中學習把重點放在做決定的「流程」,而不是最後的結果。做決定當下就記錄想法、盡量讓你的決策流程透明公開,可讓別人檢視 (e.g. 公司同事)建立模型 (modeling)好的 solution/ insights / 建議突破性: 是否有說出 客戶不知道的事?針對性: 是否有 針對 客戶 獨特需求的?策略顧問的投影片 - 每頁最好要包含的元素好的 deck 的標準上台簡報的技巧策略顧問做訪談 (interview) 的技巧 參考資料
 

解決問題時心中該有的 high level 信念

 
如果眼前存在著一個問題 (problem) ,代表 :現狀 和 理想的目標 之間有差距
 
沒有無法被解決的問題
  1. 需要輪到你去解決的問題都是複雜的,不要輕言放棄
  1. 最糟的做法就是寄望奇蹟會發生,把頭埋進沙子裡,祈禱問題會自行消失
 
所有看得到的問題,都只是非常表層的症狀
  1. 要相信「可以直接觀察到的問題,都只是表層症狀,而非問題的根本原因」
  1. E.g. 客戶找顧問公司時,雖然都已列出一份問題清單,但顧問最後找出的根本原因
    ,通常不是客戶最初自己已經看到的
 
<3> 80/20 法則
  1. 集中資源,優先去解決最關鍵的問題
 

定義問題

(Is it true?) 是否為真?釐清現況,真的存在這個問題/現象嗎?

  1. 對方陳述的現象是否真實存在?
  1. 不要讓別人替我定義問題,要自己研究、了解問題
 
調查問題現況時,可能遇到的困難:
  1. 客戶老闆不知道公司的營運細節
  1. 客戶的中高階主管可能對老闆有所隱瞞
  1. 各種產業報告可能含有許多隱性假設
    1. E.g. 不同公司的報告,對同一個 “metric” 或是 “某名詞” 的定義不同
 
即便是客戶 / key stakeholder 給予的數據和資料,我們也不能直接照單全收、完全相信
  1. 要盡可能找到正確的、完整的資訊
  1. 運用手上僅有的資訊,拼湊出 現狀 的 真實樣貌 (即便資訊有瑕疵或是不完整)
 

(So what?) 所以呢?這問題會帶來什麼影響嗎?

  1. E.g. 這問題對誰會有影響? (e.g. 對我的 stakeholders 有影響嗎?)
  1. E.g. 這問題造成的影響很大嗎?
    1. (有可能:這問題真的存在,但是對我的公司的 stakeholders 影響卻不大。那麼這個問題可能就不值得繼續深究下去)
 

(Why so?) 為何這 問題 會產生 那個 影響? 根本原因是什麼?

  1. 為什麼 這個問題對我的公司 產生 那個影響
  1. 找出問題的核心本質
 

定義 目標

  1. 針對不同目標,需要運用的資源、解決方案就會不一樣
  1. 定義好目標是什麼,各個員工才能知道工作內容中各個任務的優先級高低,避免浪費時間在不重要的事情上。
  1. 範例
    1. 同產業、同樣規模的兩家公司,目標有可能不同
    2. 同一個公司裡,高階/中階/初階主管 和 IC,不同人 的工作目標可能都不同
 

找出 “達成目標的途徑方法”

  1. 為了達成目標,已知有哪些阻礙
 
參考資料
 

找出問題的 本質核心 (core reason)

第一性原理 First Principle

notion image
 
範例:當我們想要設計一個新產品時
  • 確定產品的目標和功能
  • 將產品拆分成各要素進行解構分析。
 
範例:如果我們要設計一輛新型電動汽車
  • 考慮電池、馬達、車身等各要素
  • 對每個要素進行深入分析,找到實現目標最優路徑的方法
  • 例如,在設計電池時,我們需要考慮電池的容量、充電速度、壽命等因素,並且找到實現這些目標的最優方案
 

不要只治標不治本

  1. 做法範例:
    1. 問大家「我們可以怎麼做,從一開始就不會有這個問題?」
      1. e.g. 開交通罰單 v.s. 優化道路和人行道的規劃
      2. e.g. 撲殺流浪狗 v.s. 將低飼主棄養行為
 

有限度挖掘問題時:先找出 問題的甜蜜點 就足夠 (sweet spot)

  1. 對問題追根究底,不需要無窮無盡
  1. 要確保:這個有待解決的問題
    1. 必須有足夠的 impact (不能太淺,要夠深,但也不用太深)
    2. 是我有能力解決的 (feasible)
  1. 範例:朋友 “發燒,身體很不舒服”,我需要解決這個問題
    1. 不能太淺
      1. Possible solution: 只想到 “幫朋友買感冒藥”
        1. 這無論誰來都想得到這解法、且只能解決一次問題、只能治標不能治本、不能一勞永逸
    2. 夠深
      1. 朋友習慣在客廳看電視、常看到睡著
        1. Possible solution: 調高客廳的冷氣設定溫度、在客廳沙發放一條毯子
      2. 朋友習慣夜深了還一直看電視
        1. Possible solution: 自動把電視節目錄影下來,讓朋友改天在白天看錄影檔案
    3. 不必太深
      1. 嘗試改造人類 DNA,讓朋友永遠部會再感冒
        1. 可能做得到,但是超出我的能力範圍,所以這是沒有意義的 solution

用 impact 和 feasibility 區分 需要被解決的問題

  1. 深層問題:通常 impact 較大,但是比較難解決 (可解性低)
  1. 淺層問題:通常是可以在短期內解決的
    1. notion image
 

實務中的做法:80/20 法則 (先解決 最嚴重的問題就好)

  1. 一個嚴重的症狀背後不會只有少數幾個問題
    1. 通常不是 “解決一個問題之後,症狀就解除了“
  1. 但實務中我們 可以 “先只列出最嚴重的 top 3 問題”,並且評估各自的 impact 和 feasiblity ,然後決定要先解決哪一些問題
 
參考資料
 

解決問題時常犯的錯: 沒有找出

notion image

常見錯誤: 問題根本不存在

  1. 資訊是根本錯的 or 資訊來源不夠可靠 or 資訊以偏改全 or 樣本數過少...etc
  1. [解決方法] 批判思考,質疑及驗證 資訊來源
 

常見錯誤: 把注意力錯放在 不重要的問題 (problem)

  1. 沒找到重要的問題
  1. 正在嘗試解決的問題,就算解決了也不會產生夠大的 impact
  1. 聰明的懶惰 Intellectually lazy - 沒有先思考「解決了這個問題又會如何?」
 

常見錯誤: 急著想提出 solution

  1. 大家聽到問題之後,急著下結論「這就是要解決的問題」,然後就急著「想出 solution」、急著去執行。
  1. 這可能導致
    1. 浪費時間和資源去解決「不該解決的事情」
    2. 只滅了眼前的火,但沒有解決根本問題。明天又再次起火
  1. 這也是「預設反應」在搞鬼
    1. 參考:預設反應 (default bevaior)
  1. 可行的解決方法 / 安全機制
    1. 把決策流程中的「問題定義階段」與「問題解決階段」分開來,分兩次討論
    2. 稍微慢下來,清晰思考、問更深層的問題
    3. 問大家「關於這個問題,還有什麼我們不知道的事實?」
 

常見錯誤: 沒有解決問題的根本原因、解決方案只治標不治本

    1. 可行的解決方法 / 安全機制
      1. 問大家「這個做法是否經得起時間的考驗?這個解決方案能否一勞永逸解決問題?或是問題會再發生?」
        1. 如果問題有可能重新出現,八成只是在治標。
    1. 任何用在短期方案的力氣,都會占用尋找長期解方的力氣。不過有時我們得先有短期的救急方案,為長期的解決方案爭取空間
      1. 但你要確認自己不是在救之後還會再燒起來的火。
     
    參考資料:
     

    金字塔原則 - 拆解問題、寫下策略、檢查合理性

     
    目的:
    1. 初步分析我們面對的問題 (problem)
    1. 寫下「我要提出的策略」背後的邏輯,並逐一確認正確性、合理性

    金字塔結構

    • (參考圖)
      • notion image

    <1> 訊息式的說明

    1. 陳述論點時要寫出完整的訊息。包括主詞、動詞、受詞

    <2> 意見在上,事實在下

    1. 愈往上:陳述 “那又如何 so what”,表達我的 意見
    1. 愈往下:列出已知的 事實

    <3> MECE (Mutually Exclusive Collectively Exhaustive)

    1. 每個論點之間要「相互獨立、完全窮盡」,不重複、不遺漏
    1. 每個論點之間涉及的「層次」要一致
      1. 例:把「性別」區分為:生理男、生理女
    1. 如果把不同層級的放在一起,可能導致:
      1. 顆粒度大小不一
        1. 例:把消費者分成「男性、中年女性、年輕女性」共三群
      2. 聽眾不明白為什麼那些問題要被放在一起
        1. 範例:把檢討銷售策略是否有問題時,把「產品」和「定價方式」直接放在同一層 (其實定價方式本身就有很多個可能的問題)

    達成金字塔結構的分析問題、統整資料方法

    <1> 歸納法 (Induction)

    1. 利用幾乎已經窮盡的 事實資料 or 樣本,證明自己的意見是正確的
      1. 實務上很難「收集到所有的事實資料」,所以可以「至少舉證初 最關鍵的 20% 數量樣本,去 cover 80% 的狀況」
      2. 必須培養出判斷的直覺,知道你得搜集多少資料來驗證之後,才能有自信地確定這大概就是實際會發生的情況。
    1. 建立一個框架,把議題拆成幾個面向,在各個面向中分別找出事實資料來舉證
      1. 範例 1:客戶、競爭對手、公司本身
      2. 範例 2:產品、價格、通路、促銷手段

    <2> 演繹法 (Deduction)

    1. 驗證方式:
      1. 找出大前提,以及其之下的小前提
      2. 先確認大前提是存在的 or 正確的,再確認小前提 有符合 大前提
      3. 則結論是:小前提 會依照大前提 來進行
     
    實作範例:
    [議題] 本公司是否應該立即採取行動,進入 寮國汽車市場?
    拆解問題:
    notion image
     
    [歸納法] 把這議題拆成 3 個 [子論點],然後分別舉證
    1. [子論點 1] 客戶(市場):寮國汽車市場一年後會起飛。
      1. [演繹法] 大前提:汽車市場通常在人均GDP(Gross Domestic Product,國內生產毛額)3,000美元左右的時候,會有爆發性成長。
        1. [論證方式] 可以考慮分析各國過去幾十年「汽車市場規模」與「人均GDP」之間的相關性,加上從訪談或問卷可以得知,收入是買車子的必要條件之一。
      2. [演繹法] 小前提:寮國人均GDP明年將突破3,000美元。
        1. [論證方式] 比對幾個政府與研究機構報告,應不難判斷明年人均GDP是否能突破3,000美元。
    1. [子論點 2] 競爭:相對於競爭對手,我們在低價產品區間的產品很有競爭力。
      1. [論證方式] 歸納法 去比較幾個市場低價格區間的產品市占率,再加上當地客戶的訪談或焦點座談會作為佐證
    1. [子論點 3] 公司:本公司進入新市場需要一年的準備期間。
      1. [論證方式] 可考慮用 歸納法,參考過去幾次進入新市場所花的時間
     
    接著在投影片中寫出我的 策略/結論時
    • 結構可能長這樣:
      • notion image
     

     

    解決問題的技術

     

    清晰思考、批判思考

    1. 「有好好思考的人」和「沒在思考的人」的差別, 不在於思考的量,而在於思考的「質」。
    1. 有人說「量終究會變成質」, 但可惜的是,思考並不會自動從量轉化為質。 單純地隨便想想, 永遠不會成為有「認真思考過」。 必須在某個時間點, 把一時的想法, 轉化為「優質的思維」才行。 而這個關鍵時間點, 通常是在對人「開口說話之前」
    1. 知道目标是什么,排除无关的因素,做出最好的决定
    1. 暂停「自动反应」,进入清晰思考。
      1. 绝大多数人在绝大多数情况下都是自动反应的,所以都是平庸的。
      2. 如果你能经常跳出自动模式,进入清晰思考,你就会「将平凡时刻转化为非凡成果」
      3. 看到一個新問題 (problem) 時,不能依靠直覺做判斷、急著產生結論。要經過有邏輯的論證、收集資訊、充分分析,再產生結論
    1. 不以絕對的 yes / no 判斷事情,以機率高低做為判斷事情的基礎
    1. 反向思考,把事情用「相反角度」想看看
    1. 參考不利於己的觀點、立場相反的意見
    1. 不要讓思考建立在少量 or 薄弱的資訊之上
    1. 不要只看到「自己想看到的東西」
      1. 人會傾向於相信自己的直覺是對的,因為這樣比較輕鬆。於是,大腦便會擅自蒐集直覺認為正確的資訊,對於不符合直覺的資訊則會忽略。
    1. 防止 認知偏誤
    1. 冷靜看待所見所聞,抱持懷疑態度,養成習慣「問 why?」
    1. 對於「我不知道的事情」,我必須蒐集資料、諮詢專家。但對於別人給我的資訊,我必須思考其是否合理,不能盲目相信
     

    邏輯思考 (Logical thinking)

    1. 釐清 前後 因果關係
    1. 不要誤把 相關性 (correlation) 當成 因果關聯 (causation)
      1. 我們可能會忽略了 隱藏的因素,然後就草率地判斷 某兩件事情 之間有 因果關係
    1. (參考:用金字塔原則 建立 剖析問題的思維 )
     

    假說思考 (Hypothesis thinking)

    比較不好的工作方式:大海撈針 (boil the ocean)
    1. 具體行為:先大量閱讀相關資料,然後 deadline 快到了才開始寫報告
    1. 缺點:在這過程中,缺乏中間產出
    1. 可能原因:
      1. 對自己的信心不足,誤以為「蒐集愈多資料,會對最後的決策愈有幫助」
      2. 期待自己能夠神來一筆,突然想出解決方法
     
    比較好的做法:假說思考
    實作方式:
    1. 先花一小點時間閱讀相關資料
    1. 然後 brainstorming 寫出一些「不一定正確的假說」,目的是提供專案的「初步執行方向」
    1. 證明這個假說是否是正確的,具體方法可能包括
      1. 找產業專家做 訪談,詢問細節,快速掌握狀況
        1. (參考此章節:做訪談的技巧)
      2. 做問卷調查,用大量的樣本驗證我的假說
      3. 去現場做觀察、訪問現場人員 (通常是用於牽涉到消費者、通路場所 的問題)
      4. 查更多文件、查相關數據
      5. 自己一個人用有限的資料、做邏輯思考,推論出可能的問題原因
     

    採用 假說思考 的優點

    1. 在短時間之內,找出「切中要害的資訊」,把資源集中在真正關鍵的問題點上
    1. 讓客戶 (或是 stakeholder) 知道我們已經訂定了某些切入問題的角度、研究方向,讓客戶對我們的工作進度感到安心
     

    什麼是「好的假說」

    1. 假說要具有針對性
      1. 要確保 假說「能導出的最終策略建議」不會太籠統空泛
      2. 錯誤範例:「銷售方式有問題」
      3. 正確範例:「銷售方式的計畫和具體執行之間有落差,計畫是 XXXX,執行卻是 YYYY,所以導致銷售結果不好」
    1. 假說要具有 “驅動性”、包含「有 action item 的看法」
      1. 如果假說是正確的,客戶就能清楚知道接下來該採取什麼策略行動去解決問題
      2. 例:
        1. 如果我證明了「資深銷售人員無法將有用的銷售技巧分享給新進人員,導致新進人員銷售能力不佳」這個假說是真的
        2. 則可以提供「協助資深銷售人員將銷售技巧分享給新進人員」的因應策略,例如「定期舉辦銷售技巧分享會,促進經驗交流」
    1. 假說要能被驗證
      1. 如果我提出的假說無法被驗證,那這假說就沒有實際價值
     

    提出解決方案 solution

    問題 (problem) 的 解決方案 必須包含:
    1. 釐清”現狀
    1. 定義”理想的目標” (解決這個問題之後能達到的狀態)
    1. 如何從 現狀 達到 理想的目標 途徑
      1. (i.e. 現在缺了什麼東西)
     

    提前思考最壞的結果

    1. 「事前驗屍」(premortem),來源自自斯多葛哲學。
    1. 糟糕結果原則(Bad Outcome Principle):
      1. 用「負面觀想」(premeditatio malorum,「提前思考最壞的結果」
      2. 重點不是要讓自己煩惱擔憂,而是讓自己做好面對問題的準備。
      3. 不要只想像美好的未來。想一想哪些地方可能出錯,萬一真的出錯又該如何解決。
      4. 事先思考可能出錯的地方、決定好應變措施的人,當事情不照計畫走時,這樣的人更可能成功。以下的原則能讓你聰明評估選項。
     

    第二層思考原則(second-level thinking principle):問自己:「那接下來呢?」

    1. 第一層 vs. 第二層思考
      1. 把第一層思考想成今天的自己,第二層思考則是未來的你
        • 第一層思考關注當下,解決眼前問題,忽略未來影響。
        • 第二層思考則考量長遠後果,思考「接下來會如何?」。
        • 小決策會有「複利效應」,長遠影響累積,因此需要第二層思考。
    1. 短期 vs. 長期目標
        • 解決問題時,不只看短期目標,還要考慮長期目標,避免因忽略長遠結果而做出錯誤決定。
        • 如果只想著解決眼前的問題,沒考慮過程中會衍生的問題,是在陷害未來的自己。
    1. 避免陷害未來的自己
        • 第二層思考能預防未來問題,還能幫助我們了解需要哪些未知的資訊來做更好的決策。
        • 靠運氣等待正確資訊出現是不現實的,需主動尋找所需資訊。
    1. 舉例
      1. 因為肚子餓,吃了巧克力棒,你解決了當下的飢餓,但也會帶來後果:兩小時後會出現高糖效應過後的疲勞。如果你的長期目標是下午要有生產力,那吃巧克力棒就不是最佳解方。 的確,吃一次巧克力棒不會破壞節食計畫,也不會毀了你的一整天。然而,在你的一生中重複出現這個看似微小的錯誤判斷,並不會讓你迎向成功。
     
     

    安全機制: 額外多找一個 solution

    再找出第三個選項,會強迫我們發揮創意,更深入看問題。即便最後我們沒有選擇第三個選項,逼自己想出那個選項,可以幫助我們進一步理解問題。我們會更有機會讓決定與目標一致,未來有更多的選擇,也更有可能慶幸自己的決定。
     

    安全機制: 想像其中之一不可行

    1. 看著你正在考慮的兩個選項,分別問自己:「萬一這個選項不可行,我會怎麼做?」
    1. 分別檢查兩種 solution 的優缺點
    1. 如果「選項」很好,但無法立刻執行,思考「現在能做什麼事情,讓我慢慢走向 我想要的結果」
     

    安全機制: 把多個選項結合在一起,兼顧兩者

    1. 有的決定看似只有兩種選擇,其實通常還有其他的選項
    1. 也可能是在 兩個選擇之間,選擇中間地帶
    1. 整合兩個選擇各自的「最佳部分」
    1. e.g. 對工作不滿時,即便乍看之下如此,解決方法通常不會只有「熬下去」或「離職」兩個選項。你可以一邊工作,同時開始聯絡認識的人。你可以一邊找工作,一邊上夜校學習新技能。你可以發起一項創新計畫,同時在目前的工作上發揮創意。
    1. 能利用對立的概念打造出新解決方案的人,相對於只能思考一種想法的人,擁有更多內建的優勢
     

    評估 solution 各種選項 時採用的標準

    標準應該具備哪些共通特質,包括:  
    1. 定義出「最重要的事」是什麼
    1. 明確:標準應該簡單好懂、沒有任何術語。理想上,你要能說明到讓12歲的人也聽得懂。
    1. 有助於目標:標準必須支持能達成理想目標的選項。
    1. 有助於判斷:標準必須明確指向單一選項,不會有多個選項都可以的情況。
     
    避免:
    1. 避免由個人的感官、喜好 來做判斷
     
    標準如果無法協助你減少選項,就是無用的標準。
    無助於判斷的標準,表示你還沒完全了解問題。因為擔心做錯才按照那些標準。不想為結果負責,或是不清楚自己要什麼的人,很容易掉進這種社會預設值的陷阱。
     

    假設 → 驗證 → 提出結論 → 做調整

     
    參考資料:
     

    行動

     

    為什麼不行動?

    1. 害怕面對後果
      1. 自尊心會和社會預設值、慣性預設值一起作用,動搖我們的決心,不去做該做的事
    1. 害怕犯錯。
      1. 慣性會讓我們想待在原地,我們不斷蒐集更多資訊,以為有更多資訊就能消除所有的不確定性
     

    幾個原則

    notion image
    1. ASAP原則:如果取消決定的成本很低,就盡快做決定。
    1. ALAP原則:如果取消決定的成本很高,盡可能愈晚做決定愈好。
      1. 保留「做選擇的空間」
      2. 當你心中立刻冒出一個簡單的診斷,可以完美解釋一切,你就要當心了。這時候要停下來,確認那樣想真的沒錯。」
      3. 賭注很高、無法重來時,你要思考到最後一秒鐘再做決定,盡量讓選項保持開放,持續蒐集資訊。
    1. Stop、FLOP與Know原則:
      1. 當你不再(Stop)蒐集到有用的資訊、首度失去機會(First Lose an OPportunity,簡稱FLOP)、或是得知了(Know)一個明顯選項,這種時候就該停止蒐集更多資訊,開始執行。
      2. (Stop) 當我們已經抵達有用資訊的極限,當你已經到達以下任何一個狀態,你大概已經取得你能取得的所有實用資訊。該做決定了
        1. 你能從所有角度,說出支持或反對每一個選項的理由。
        2. 你已經問遍所有人的建議,甚至開始問和問題不直接相關的人,或是沒解決過這種問題的人。
        3. 你覺得還需要再多了解一點,但你已經學不到新資訊,開始陷入無限迴圈,一直在重看同樣的資訊(或相同的主張)
      3. (FLOP)
        1. 當手中的選項開始消失時,就該趕快運用手中的資訊、開始行動
        2. e.g. 因為我太晚決定,導致交易的買家都不想買了
        3. e.g. 因為我太晚決定,導致伴侶不想結婚了
     
     

    設定安全邊際: 避開最糟糕的結果 (margin of sategy)

    為什麼需要安全邊際

    1. 如果失敗的代價很高昂,就值得投資有大量餘裕的安全邊際,是盡量讓自己在未來能有緩衝與保障,為各種可能發生的結果做好準備,避開最壞的下場。
    1. 一些側面角度的想法
      1. 當你不知道自己在做什麼,安全邊際可以讓你免於最糟的結果。即使你清楚自己在做什麼、也做了當下最佳的決定,事情還是有可能發生意外變化
      2. 當你說服自己不用再留安全邊際時,很有可能正好是你最需要安全邊際的時刻。
    1. 各種意外:
      1. 個人:親人喪生、健康突然出狀況、突然被開除
      2. 外在環境:戰爭、天災、環境變遷、經濟危機

    設定安全邊際技巧:

    1. 設定能夠承受「2倍 會造成危機的結果」
    1. 保留「 2倍的 災後重建資源」
    1. 不能把史上最糟情況當基準,因為未來可能不同於過去
    1. 先射子彈,有把握之後,再射砲彈
    1. 巴菲特不投資他不懂的產業和公司,寧可保有現金,等待別的適合的機會
    1. 做決定之後,不立刻對外宣布,但在我自己心中「假裝已經對外宣布」,然後先思考一段時間,讓自己還有機會改變心意
      1. 對外宣布之後,見光死,若到時才發現錯誤,會造成損失
      2. 於是寧可先再次 think twice,冷靜檢查、用不同角度檢查
      3. 如果你感覺到哪裡不對勁,就是有問題的徵兆。
     

    設定安全邊際的範例

    1. e.g. 橋樑安全重量,在當下每日最大通行重量是 5000噸,考量可能會有極端值、未來的車子重量可能變大,設定橋樑能承受 20000 噸
    1. e.g. 裸辭,預計 6 個月能找到新工作,則準備 12 個月的生活費
    1. e.g. 招募新人接手公司的重要職位,先讓他負責小範圍的事情,觀察一段時間之後,再讓他上位
     
     

    設定失效安全: (fail-safe)

    設定引爆線: 事先決定好,到達一定的時間、數量或情形時,該採取哪些行動

    1. e.g. 登山時,若下午幾點之前還沒到達指定位置,則立刻原路折返
     

    指揮官不在時,授權別人代替指揮官做決定:

    1. 把指揮官的意圖當成準則,授權其他人行動。就算指揮官不在,也能做決定。
    1. 需要給團隊足夠的脈絡,讓他們有辦法執行任務,也必須給予充分的彈性,才能因應情勢變化,這個概念稱為「指揮官的意圖」(commander’s intent)
    1. 指揮官的意圖有四要素:
      1. 制定:資深指揮官的責任
      2. 溝通:資深指揮官的責任
        1. 必須向團隊傳達策略,說明背後的邏輯,以及可能碰上的限制。不只是告訴團隊該做什麼,還要點出那麼做的理由,解釋你是如何做出決定,這樣一來團隊才能理解狀況,清楚有效行動的界線:哪些事絕對不可以做
      3. 解讀發生變化的情境
        1. 下一級指揮官可以使用的工具
      4. 在新情境中執行策略
        1. 下一級指揮官可以使用的工具
     

    把手綁起來

    1. 故意讓自己「不能做某些事情」,藉此「不偏離 正常航道 or 事前計劃好的行動方針」
    1. 範例
      1. 正在控制飲食,則先把家中所有的垃圾食物都丟掉
      2. 想要投資股市,先設定每月自動扣款、定期定額投入
     
     
    參考資料:
     

    搜集資料、分析資料

     
    Notes
    1. 如果你不知道自己在找什麼,就不可能找到;不知道在瞄準哪裡,也太可能正中目標。
    1. 當你不知道什麼東西重要時,你會錯過有關的重要資訊,花大量的時間在不重要、不相關的事情上。 大部分的資訊都無關緊要。
    1. 不浪費寶貴時間的關鍵,是知道哪些可以略過,從雜訊中分離出有用的訊號
     

    獲得精確的資訊: high-fidelity 原則、問對的問題

    1. 協助你在任何情境的內部找出最佳情報
    1. 決策品質與你的思考品質直接相關。你的思考品質,又與你獲得的資訊品質直接相關。許多人認為所有資訊來源都同樣可信。並非如此。你或許認為取得所有人的意見很重要,但不代表每個人說的話參考價值都相同。
    1. 過度的 抽象化(abstraction)
      1. 未經理解的資訊危險,因為只讀摘要會錯過重要細節
      2. 我們沒有真正了解問題,就對該做什麼很有信心。
      3. 高品質輸入才能帶來高品質輸出,僅靠低品質資訊無法做出好決定。
      4. 你無法依據不理想的資訊做出好的決定
      5. e.g. 你直接抄隔壁同學的答案,你得到正確答案,但不知道是怎麼算出來的。未經理解的資訊,很危險。
      6. e.g. 每天只吃垃圾食物,你不會健康;每天只吸收低品質的資訊,你無法做出好決定。高品質的輸入,才會帶來高品質的輸出。
    1. 真正的知識必須費力氣獲得,
      1. 抽象化只是借來的東西。決策者取得資訊與看法的來源,太常與問題本身隔了好幾層濾鏡。仰賴抽象化會讓自尊預設值有機可乘,引發知識的錯覺:
    1. 第一線資訊的價值
      1. 最靠近問題的人,通常也擁有最準確的相關資訊。
      2. 第一線人員缺乏的通常是更全面的視野。
      3. 分析數據的人有全局視野,但缺乏具體情境的細節
      4. 二手資訊經過篩選,常忽略對你決策關鍵的細節
      5. e.g. 相較於只是分析資料的人,在麥當勞店內工作的員工,更知道如何解決店內重複出現的問題,但他們不會清楚那些問題與整體情況有何關聯。他們不會知道是否每家店都碰到這個問題,也不知道如果全球的分店都採取他們的做法,會不會反而弊大於利,或是如何才能把方法傳達給所有人。
    1. 重點是:收集不同觀點。重點不是: 與人爭論或不同意別人的觀點。
      1. 批評別人、說別人錯了,這些舉動只會讓人不願意再與你溝通,導致資訊無法自由流通。
      2. 收集資訊時,你要做的是透過他人的眼睛看世界,嘗試理解別人的經歷,了解他們如何理解世界。即使你不同意他們的世界觀,依然能獲得寶貴的資訊。
      3. 你該做的只有開口問問題,你的想法你自己知道就好,並且保持對其他觀點的好奇心。
      4. 從別人那裡取得資訊時,要懂得問會得到細節的問題。不要問對方的想法是什麼,而是要問他們是如何得出那樣的看法。
    1. 問出對的問題 (你問的問題將決定你獲得的資訊品質)
      1. 第一類問題:如果是你遇到我目前的問題,你會依據哪些因素做決定?那些因素彼此間的關係是什麼?
      2. 第二類問題:關於這個問題,你知道哪些我(或其他人)不知道的事?你可以依據經驗,看見沒經驗的人看不見的哪些點?就你所知,大部分的人會漏掉什麼?
      3. 第三類問題:如果你是我,你的決定流程會是什麼?你會怎麼做?(或是問:你會如何教你的母親或朋友該怎麼做?)
    1. 動機與視角的影響
      1. 當無法親自驗證資訊時,需考慮他人的動機與視角,綜合多方資訊貼近真相。
      2. 當你無法親自檢驗情況時,了解別人的動機與誘因就非常重要。如果你不得不仰賴他人的資訊與意見,你就有責任思考那些人看待事情的角度
      3. 許多事實只是看法,動機影響了每個人對資訊的理解,需整合多角度觀點
        1. 要更清楚地看見具體現實,你可以想一想每個人會因為他們給你的資訊獲得什麼好處,再把那些觀點整合在一起。

    獲得精確的資訊: Hi-Expertise 原則

    1. 協助你從情境的外部找到關鍵資訊
    1. 取得HiEx(高專業度)資訊,來源有兩種,一種是在特定領域擁有大量知識或經驗的人,另一種則是多個領域的通才。
       

      如何請教專家意見,才會讓很多人都在找的專家看到你、也樂意協助你。

      讓專家看到你的密切投入:

      1. 展示投入與努力
          • 告訴專家你為了解決問題已經花了多少時間、精力與金錢。
          • 表達你已經做過功課,並說明你遇到的難題。
      1. 提出具體問題
          • 讓專家了解你需要他們如何具體幫助你,提供明確的背景資訊。
      1. 對比有效與無效的請求
          • 有深入思考且具體的請求更容易引起專家的重視與回應。
          • 簡單且缺乏細節的問題,難以激發專家的興趣。

      請求要明確:清楚說明你需要專家為你做什麼。

      你要請他們看你的計畫後提供回饋嗎?你想請他們介紹能解決問題的人嗎?不論你的需求是什麼,說清楚就對了。

      展示你尊重對方的時間與精力:

      1. 表達尊重
          • 明確表示你尊重專家的時間與精力,能提高對方的回應意願。
      1. 專業諮詢建議
          • 不應隨意請求免費時間,應詢問是否提供有償諮詢服務並了解費用。
      1. 價值與準備
          • 專家服務昂貴且合理,付費不僅體現價值,也促使你在提問前充分準備,避免浪費雙方時間。
       

      詢問專家的理由並仔細聆聽:不要只是問專家怎麼想,而要問他們的思考方式。

      1. 專家作為範本
          • 將專家的行事方式視為學習評估事物的範例。
      1. 提升思考能力
          • 目標是學習專家思考的方式,而非單純尋求解決方案。
      1. 保留自主性
          • 不必完全認同專家的意見,但要專注於提升自己的思考品質。

      後續的聯絡追蹤:

      • 持續分享進展
          1. 不論結果如何,定期向專家更新你的發展。
          1. 無論建議是否幫助,持續更新能增加專家未來幫助的意願。
      • 展現尊重與重視
          1. 專家看到你認真看待他們的建議,會更樂意再次提供協助。
      • 理解專家回應的限制
          1. 大部分專家無法回應所有求助者,需體諒他們的時間和精力有限。
       

      以假說為導向去搜集資料

      1. 寫下一些假說 (rough hypothesis)
      1. 可能需要收集的資料
        1. 要解決的問題 所屬的產業報告
          1. 快速瀏覽報告摘要、目錄、大小標題、圖表,從中找出有用的資料
        2. 市場調查報告
        3. 客戶自己提供的內部報告
          1. 藉此瞭解客戶對這問題已經理解到什麼程度
          2. 避免我提出「客戶已經知道的事情」
        4. 客戶擁有的數據
          1. 請客戶提供某些整理過後的數據,讓我在之後從中做研究
        5. 徹底利用「現成既有的資料」
          1. 如果以前已經做過相似分析,從中找出可以重複利用的資料,不要做 double work (reinvent the wheels),不要做別人已經做過的事情
      1. 記得驗證資料是否正確
        1. 技巧:在 google 搜尋時在結尾加上限定搜尋
          1. e.g. “site:gov.tw” “site: edu.tw”
      1. 取得資料的途徑是否合法、合規
       

      簡約分析 (BoE, back-of-the-envelope)

      概述:
      1. 在還沒到處蒐集資料之前,就先用已知的數字和邏輯推理 去建立假說、並測試目前假說的可靠性
      1. 白話文解釋:隨手拿一張紙 (例如信封的背面),簡單做一個粗略的分析,確認我的假說是否有問題,然後再不斷優化我的假說
       

      步驟 1:建立模型 (Build the Model)

      參考:
       
      範例
      1. E.g. 電商 GMV = 流量 * 轉換率 * 客單價
      1. E.g. 全台灣手搖飲店家 營收 = 消費者人數 * 一年每人平均買多少杯咖啡 * 每一杯咖啡平均價格

      步驟 2:蒐集數據 (Collect Data for Components)

      1. 把初步蒐集到的數字 (or 我自己假設的數字) 填入我的 模型

      步驟 3:確認是否合理 (Sanity Check)

      1. 透過別的比較基準,確認我的模型和填入模型中的數字是否有問題
        1. E.g. 我算出的 全台灣手搖飲營收 數字,不可能比整個台灣餐飲市場營收數字更大
      1. 數字精確性不是重點,而是要確認是否合理。在後續的研究中再優化數字精確度就好

      步驟 4:導出啟示 (Evaluate Implication)

      1. 我算出的數字
        1. 對客戶 (or stakeholder) 而言代表了什麼意義?
        2. 如何用這數字評估、解決客戶的問題?
       

      <3> 量化分析

      1. 先確認「我是否知道為什麼要做這一份分析?」,以免做白工
      1. 有可能「把大家都有的數據,加上我的獨特觀點」,就變成了解決問題的關鍵
        1. 不一定要「拿到別人沒有的數據」
      1. 把兩個討論對象 拿來做比較,看有什麼異同
        1. E.g. 兩個不同公司、兩間公司的兩個相似產品、同一間公司的兩個不同產品...etc
      1. 把討論對象做拆解,找出其中有哪些不同 component
        1. E.g. 整個市場的高階/中階/低階產品、高/中/低忠誠度消費者...etc
      1. 找趨勢
        1. 找歷史趨勢
        2. 預測未來趨勢
          1. 由上而下
            1. E.g. 用「市場人口成長率、GDP 成長率」做為計算依據
          2. 由下而上
            1. E.g. 透過抽樣調查,把各種資料加總起來,從中找趨勢
          3. (實務上,可以同時做由上而下、也做由下而上,確保用不同途徑做出的預測都能得到相同的結果)
      1. 分佈
        1. 拆解一份資料,「去均化」,看其中是否有「特別大 or 特別小的數值」值得深入分析
      1. 相關性 (Correlation)
        1. 把兩組不同的資料拿來比較,找其中有什麼相關性
       
      參考資料:
       

      從決策中學習

       
      Notes
      1. 決策的品質能決定可以走多快、走多遠
      1. 所以要持續學習做出好的決策、從錯誤中反省並優化
      1. 要防止各種「自利性偏誤」影響思考、決策品質、高估自己的程度、以為失敗都是外部因素導致的、導致自己無法從過去的經驗中學習教訓
        1. 參考:預設反應 (default bevaior)
        2. 參考:自利性偏誤 (Self-serving bias)
       

      把重點放在做決定的「流程」,而不是最後的結果。

      1. 傳統看法認為,好結果來自優秀的人做出好決策;不好的結果來自不優秀的人做出差勁的決策。
      1. 但其實,我們都做過不理想的決定,但不代表我們全是無能之輩。
      1. 人生充滿不確定,好決策也可能導致令人意外的壞結果。
      1. 正確的決策,不一定會帶來想要的結果,有可能完美地出牌,但照樣輸了,只能盡力就好
      1. 許多人以為好結果等於好決定,不好的結果等於不好的決定。然而,人生不是那樣。你不能從結果的好壞來斷定決策的品質
      1. 你唯一能控制的,只有你做決定的「過程」。那個流程決定了決策的好壞,至於結果如何,那是另一回事。
        1. notion image

      做決定當下就記錄想法、盡量讓你的決策流程透明公開,可讓別人檢視 (e.g. 公司同事)

      1. 人的盲點、缺點
        1. 人們難以從自己的決策中學習,因為常常看不見自己的思考與決策流程。
        2. 我們常忽略做決定前的步驟,做出決定後也不會反思。
        3. 回顧過去經驗時,自尊心會扭曲記憶,混淆當時的資訊與後來得知的事,並用結果合理化意圖。
      1. 我必須讓思考過程具象化,便於檢視,例如寫下來、
        1. 若不在當下檢視自己的思考,就無法確定決策是好是壞,也難以從中學習。
        2. 不要等事後再仰賴記憶力。試圖事後再回想自己在做決定當時知道哪些事、當時又是怎麼想的,都沒有益處。
      1. 讓別人看到
        1. 別人也能知道你是如何思考,那些思考是別人很難看見的。當別人能看見你的思考,就能幫你檢查是否有弄錯的地方,提供不同的觀點,消除你的盲點。如果你實在無法向別人(或自己)解釋你的想法,就代表你對問題本身掌握還不夠透徹,需要更深入探討、蒐集更多資訊。
       
      參考資料:
       

      建立模型 (modeling)

      建模
      • 从一堆纷繁复杂的信息里,抽象提炼出一个简单的模型,然后用这个模型来解释复杂的情况,方便理解与记忆
       
      行為建模
      • 从一個人每天偶发的、零散的行为中找出那些最值得保持的部分,用简单的逻辑整理一下,把这些行为变成一种方法论,让这些值得保持的行为能够不断被复制,被优化
       
       
      參考資料:
      • <溝通的方法 by 脫不花> 第 9 章
       

      好的 solution/ insights / 建議

      顧問提供給客戶的 建議/策略 中,必須提出有價值的 insights
       
      Insights
      =(客戶不知道的事情+符合客戶獨特需求的事情)
      = (突破性+針對性)

      突破性: 是否有說出 客戶不知道的事?

      1. 不能告訴客戶「他們自己老早就知道的事情」

      針對性: 是否有 針對 客戶 獨特需求的?

      1. 如果「提出的策略中,無論把主詞換成另外哪一家公司/客戶 都適用的話」,這個策略就沒有針對性,根本不 insightful
      1. 例:客戶不知道「賽局理論」是啥,如果顧問花一堆時間解釋「賽局」給客戶聽,不見得真的能「幫助客戶解決問題」,那這是浪費時間
       

      策略顧問的投影片 - 每頁最好要包含的元素

      1. 關鍵訊息 (key message)
      1. 內容主體 (content body)
        1. 分析圖表
        2. 資訊證明
        3. ...etc
      1. 資料來源 (data source)

      好的 deck 的標準

      先講結論 (執行摘要 executive summary)
      1. 在整份投影片一開始的第一頁就寫出:最關鍵的重點訊息 or 結論中的結論
      1. 寫執行摘要的方式:SCR+N 原則
        1. Situation 背景/情境/場景
          1. 例:這次專案的目標 or 客戶委託我解決的問題 or 客戶與我共通知道的資訊
        2. Complication 需要被解決的問題
        3. Resolution 解決方案
        4. Next Step 下一步要做什麼
       
      快速展示投影片的 ”整體架構”
      1. 可能的形式:目錄 (table of contents)
      1. 目的:讓聽眾/讀者快速掌握這整份投影片會說明哪些事情、展示哪些內容
       
      Simple (很快就能看懂這頁在說什麼)
      1. 主標題 (or 副標題) 就要傳遞「有策略意義的資訊」
      1. 一頁投影片,最好只說一個「關鍵訊息」。不要把太多資訊塞在同一頁,也不要用太多頁投影片去傳達單一一個訊息
      1. 刪掉所有不需要的「任何一個贅字」、所有模稜兩可意義不清的文字
      1. 展示清楚易懂的圖表
        1. notion image
       
      Insightful 內容簡潔、有重點
      1. (參考此章節: 好的 Insights (解決方案的 建議/策略) )
      1. 不只要陳述事實/現象,還要說明這個事實/現象帶來什麼影響 (so what?)
      1. MECE:不要在兩張投影片提到相同的重複關鍵訊息
      1. 除了關鍵的訊息和圖表以外,把其他輔助解釋的說明資料都放到投影片最尾端的附件區域
       
      包裝 (讓對方更容易吸收、接受我的觀點)
      1. 聽者是誰?讀者是誰?
        1. 他們想知道什麼事情
        2. 他們不喜歡聽到什麼?
      1. 講清楚:我想要達到的目標是什麼
      1. 針對這一次報告,我適合用哪一種風格來表達?
        1. 旁敲側擊 (先鋪陳,再說服)
        2. 單刀直入 (直接說重點,讓對方了解是太有多嚴重,然後直接提出建議策略)

      上台簡報的技巧

      1. 事前設定好這場簡報要達成的目標
      1. 除了主講者之外,安排其他參與者的分工
        1. 主持人引言人
        2. 隨時可以幫忙補充更多細節 or 資料的補給員 (back-up)
      1. 適當安排時間
        1. 對聽眾說明投影片的架構 (快速說完)
        2. 執行摘要 (快速說完)
        3. 關鍵訊息 (花最多時間)
        4. 簡單帶過的資訊 (只花少少的時間)
      1. 千萬不要像機器人一樣,照著投影片上的文字讀出來
        1. 你必須事先統整好:要為每一頁投影片說明什麼東西
      1. 對聽眾說明
        1. 我看到什麼背景、數據、參考資料
        2. 我是用什麼方法分析的
        3. 結論是什麼
      1. 可以預留時間,與聽眾雙向討論
        1. 確保聽眾可把心中疑慮說出來
        2. 確認聽眾是否有被我的觀點說服
        3. 提出幾種選項,讓聽眾進行討論、並且給予 feedback、甚至是當場做出決定
      1. 預先自己排演練習
      1. 減少不必要的口頭禪
        1. E.g. 就是、那個、這部分、這樣的一個動作....etc
      1. 盡量使用積極正向的字詞
      1. 適當停頓
      1. 與聽眾眼神交會
       
      參考資料:
       

      策略顧問做訪談 (interview) 的技巧

      訪談的目的
      1. 從受訪者取得精準的 insights,驗證、修正 我的假說
       
      步驟 1:準備 (prepare)
      1. 建立假說
        1. 不能「只拋出問題 (question)」,反而要「先做功課,預先想好這些問題的可能答案」,然後在訪談中討倫、驗證、修正
      1. 決定「要產出什麼成果」
        1. Ghost Deck:在空白的投影片中,先在每一頁寫上「標題」,這些標題「代表的主題」可能包括
          1. 假說...
          2. 經過調查之後發現的已知事實、數據...
          3. ...etc
        2. Ghost Deck 可以幫助我們
          1. 先「想像出最後要向 客戶/老闆 呈現的解決方案成果」
          2. 列出「在訪談中要測試的假說是什麼」
          3. 列出「為了證明我的假說,我需要去找出哪些資料、哪些數據」
      1. 鎖定訪談對象
        1. 「我可以透過哪些專家的 feedback 來驗證我的假說?」
        2. 範例:我需要調查戶外運動產業,我可能需要分別訪談浮潛、登山、衝浪、攀岩...等領域的專家
      1. 寫下訪談指南 (interview guide)
        1. 也就是:要詢問訪談對象 的 問題清單
        2. 預作準備,提高訪談時的效率
        3. 實務上很有可能訪談到一半,受訪者告訴我「假說有問題 or 重點根本是另一件事情 or whatever something else」,這也沒關係
       
      步驟 2:籌劃 (set up)
      1. 約時間、請求受訪者花時間接受我訪談
       
      步驟 3:訪談 (interview)
      1. 訪談前準備
        1. 複習我提出的假說
        2. 複習受訪者背景、基本資料
        3. 最後微調 訪談指南
        4. 確認當天訪談的行程細節
      1. 訪談本身
        1. 20% 時間是我提問
        2. 80% 時間讓受訪者給 feedback
          1. 但有些受訪者也希望趁這機會交換情報,不想要單方向只給資訊而已
          2. 即便受訪者是個產業專家,但他說的事情也不一定全都是對的
      1. 做結尾
        1. 在訪談的結尾快速做總結,請問受訪者是否同意我的總結 (我的看法)
        2. 問受訪者有沒有更多相關人士可以推薦給我
       
      步驟 4:收尾 (follow up)
      1. 寫感謝信給受訪者
        1. 說謝謝
        2. 寫下總結當天訪談的結論
      1. 寫訪談備忘錄
        1. 讓其他團隊成員 or 主管 也能快速得到我今天收集到的重要資訊
       
      參考資料:
       

      參考資料