问题分析解决核心逻辑-麦肯锡解决问题七步法仅是开始

问题分析解决核心逻辑-麦肯锡七步法仅是开始

大家好，我是人月聊IT，今天继续聊问题分析和解决方面的话题。

文章概要：这篇文章提供了一个关于问题分析和解决逻辑的全面概述，尤其关注区分不同类型的问题和适用方法。首先对问题进行了分类（如What, How, Which, Where类），并指出麦肯锡七步解决法主要适用于咨询公司如何提供解决方案的“How”类问题。

清晰地定义问题是解决问题的第一步，可以利用5W+1H框架来明确问题。在问题分析阶段，核心步骤是分解问题和对潜在影响因素进行排序，以找出关键原因。最后，文章解释了问题解决在于制定和执行验证方案以确认并消除问题根源，并提醒读者要避免将解决方案误认为是问题本身，并保持跳出固定思维模式的能力。

人的一生本质上就是不断面对问题、分析问题和解决问题的过程。大到职业选择、战略决策,小到日常琐事。但很多人在解决问题时缺乏系统方法,往往事倍功半。本文将从问题分类入手,深入探讨问题分析与解决的完整逻辑框架。

一、问题的四种类型:找准方向是关键

当我们对大量问题进行研究归纳后,会发现问题主要呈现为四种类型,每种类型需要不同的解决思路:

• What类(是什么):典型的事物认知类问题,比如"我应该如何看待某个事物"。这类问题需要建立清晰的认知模型,搞清楚事物的本质和规律。
• How类(如何做):方法论类问题,比如"如何写一篇科研论文"。重点在于基于不同领域和目标给出可行的方法论和最佳实践,最终形成完整的解决方案。
• Which类(如何选择):决策分析类问题,比如"收到三个Offer应该选哪个"。从简单的经验决策到结构化决策,再到高级的量化决策,需要多维度评估权衡。
• Where类(哪里出问题):故障诊断类问题,当事物运行状态出现偏差或异常时,需要快速找到问题点并解决。这是狭义的问题分析解决,也是本文的重点。

从普遍方法论来说,问题解决包括问题定义、问题分析、问题解决三大阶段。但必须注意,不同问题类型在分析和解决思路上存在显著差异。正因如此,完整的问题解决逻辑必须上升到思维框架层面来理解。

二、麦肯锡七步法:How类问题的解决之道

提到问题解决,很多人首先想到麦肯锡问题分析解决七步法。但要明确,麦肯锡方法主要适用于How类问题,即咨询公司面对客户需求时,如何形成完整解决方案的过程。

典型应用场景包括:如何将产品交付周期从50天缩短到30天?如何编写售前技术方案?如何解决业务系统性能缓慢?这些问题的共同点是,最终要形成包含多个解决措施的完整方案,这些措施协同作用达成目标。

麦肯锡方法的核心逻辑分为三个阶段:

• 第一阶段:问题分解和基础素材对应。将目标分解为子问题,然后将论据素材映射到对应的子问题上。这个过程中如果知识库不足,需要进一步学习、搜索资料、分析整理,最终留下能够完全支撑目标的有用论据。
• 第二阶段:粗粒度对应与整合排序。对素材进行抽象和归纳,形成大块的解决模块,将解决模块对应到子问题域。同时对素材论据进行优先级排序,确定哪些内容应该优先呈现。
• 第三阶段:归纳与演绎的转换。进一步归纳形成完整整体,无论是静态的金字塔结构还是动态的流程结构,各模块必须构成一个有机整体。然后从归纳反转到演绎,呈现各解决模块如何充分支撑各子问题的解决,通过集成和联动最终完成大目标。

需要强调的是,如果你只学麦肯锡方法,可能仍然不会解决Where类的故障诊断问题。接下来我们重点探讨这类问题的分析解决方法。

三、问题定义:解决问题的真正起点

《你的灯亮着吗》对问题有个经典定义:问题就是事物的现状和期望结果之间的差距。从这个角度看,解决问题的途径很明朗:要么降低期望,要么改变现状。

一个完整的问题定义应该包含三大主要内容:问题涉及的人(谁的问题?涉众是谁?期望如何?)、产生问题的环境(空间和时间背景)、产生问题的过程(方法、步骤、工具、操作事物)。

如何完成一个好的问题定义?《提问的智慧》给出了标准:

1. 遇到问题的详细过程和具体步骤
2. 遇到问题的特定环境和场景
3. 如果是异常或错误,要有详细描述信息(文字和图片)
4. 把问题的边界条件搞清楚

对比两个例子就能看出差别:

愚蠢的问题:"救命啊!我的计算机不能正常显示了!"

聪明的问题:"XFree86 4.1下鼠标光标变形,Fooware MV1005显示芯片。"或"HP1200无法正常打印,错误提示信息是***,操作系统XP+SP2,使用标准驱动,电缆连接正常,重启无效。"

问题定义清楚,问题就解决了一半。实际上,帮助他人解决问题时,更多是在帮助对方完成问题的完整定义。当你自己面对问题时,首先不是马上求助,而是把问题描述清楚。

还要注意一点:不要把解决方案转变为问题。比如发现牛耕田很慢,真正的问题是"如何提升耕田效率",而不是"还有什么动物比牛耕田快"。后者是把一个解决方案变成了问题,会误导问题解决方向。最佳方案可能是直接上耕田机,而不是寻找更快的动物。

四、问题分析:分解与排序的双重逻辑

问题分析和问题解决的边界在哪里?问题分析是找出引起问题原因的最可能假设并按优先级排序,问题解决是按优先级对假设进行验证,最终确认哪个原因导致了问题。

问题分析有两种方法:

结构化分析:对所有导致问题的原因进行穷尽,然后逐个验证。这种方法全面但效率较低,可能连优先级都难以给出。

非结构化分析:根据已有经验直接提出最可能假设。简单说就是"最优假设"而非"穷举"。这就是为什么有经验的人解决问题更快——他们能直接提出最可能假设并验证,而新手还在逐个排查。

比如业务系统某个查询功能很慢,有经验的人直接假设是SQL语句效率问题,然后在后台运行SQL验证,确认后优化SQL即可。

问题分析的两个关键点是分解和排序。问题分析的目的是找到关键影响因素,这就是本质。

分解可以基于问题本身的三维模型和动态过程:

• 静态分析:对问题产生的环境、背景、人等因素分析,列出影响因子
• 动态分析:对问题产生的过程进行动态分析,列出可能的影响因子
• 优先级排序:根据历史经验对影响因子进行判别并排序

分解用的模型都是树模型,包括逻辑树、问题树、风险决策树、思维导图、鱼骨图等。鱼骨图常用于问题分解,从人、机、料、法、环五个方面分析因果关系。

排序的目的是确定关键影响因素,或根据二八原则找出那20%的最可能影响因素。排序的依据有两种:一是历史经验积累(包括头脑风暴中的专家经验),二是初步问题诊断(已做初步验证,排除非关键点)。

任何问题的产生只有两个根本原因:要么输入的某个条件发生错误,要么加工处理的某个步骤出现错误。比如考试做错题,要么是已知条件看漏了,要么是计算步骤出错了。问题分析最终形成的关键影响因素优先级排序,是进入问题解决阶段的关键输入。

五、问题解决:决策与行动的有机结合

问题分析的输出是已排序的问题根源分析列表,那么问题解决要做什么?简单说,问题解决就是对这些问题原因点进行验证和确认的过程。

具体包括:制定详细的验证方案和验证计划,执行验证计划并观察结果,看是否解决了问题。问题解决本身并不复杂,真正的难点在于:当解决当前问题时可能引入新的问题。

比如CRM系统客户查询缓慢,分析确认是SQL语句问题,添加索引优化后查询快了,却导致客户信息录入时出现新的性能问题。这是最常见的情况——调整某个影响因素时引入新问题。

问题解决还有两个复杂场景:

• 其一:单问题多因子。比如公司经营遇到瓶颈,可能有多方面影响因素,需要从市场营销、产品研发、团队激励等多个方面同时下功夫。多个举措并行时,难以评估单个因素的具体效果。
• 其二:面对事物群或问题群。比如工厂零部件次品率高,这是对所有零件集合的汇总问题。分析可能发现99%的原因是原材料质量问题,那么只解决这一个影响因素,就能让问题控制在期望范围内。

问题解决包含决策和行动两个关键步骤。决策是基于关键影响因素从多个备选方案中确定最优方案,行动是针对最优方案制定详细计划。

决策又分为结构化决策和非结构化决策。结构化决策能用确定模型描述,以算法产生方案并选择最优解;非结构化决策过程复杂,无法用确定模型描述,也没有所谓最优解。

决策时要多维度评估排序,不能只考虑影响因子本身,还要考虑实施难度、投入成本、实施周期等。因此,最终决策不一定是解决关键影响点,可能是变通为解决次关键影响点。

六、跳出固定思维:从工具到智慧的飞跃

刘未鹏在《暗时间》中提到:如果你有的是一把锤子,那么所有东西看起来都像钉子。心中有锤就容易被奴役,必须时刻思考面对的真正问题是什么,而不是因为有锤子就只能敲钉子。

我们很多时候倾向于在既有框架约束下解决问题,而且很难发现这种约束的存在。思维本身无定势,即使有再好的方法论,不会灵活运用也无法解决问题。

解决问题的能力只有在不断实践、不断碰壁中自我总结出来。由于是自我实践的积累,所以是最适合自己的方法。知识的积累很重要,但如何在面对问题时快速匹配并为己所用才是关键。

简单的事情可以简单处理,但通过分类和抽象能得出归纳性知识;复杂的事情需要分解、细化和演绎,提出假设并验证,分而治之,进行细粒度匹配。复杂的事情复杂处理,积累的才是真正需要的思考逻辑。

普通人遵守规则,牛人无视规则,伟人创造规则。问题分析与解决的最高境界,不是机械套用方法论,而是根据问题本质灵活运用各种工具,在实践中不断迭代提升,最终形成自己的问题解决智慧。