如何解决所有问题

当你看见一个女神从你面前走过,而你还知道她是单身,这时候你应该怎么办呢?

是对女神狂轰滥炸,死缠烂打发挥流氓气质,还是努力读书,刻苦钻研?还是进攻女神闺蜜?

现在你需要的是一套方法论。解决问题的一个逻辑。

首先不废话,先给出方法论

1.定义问题本质.

2.分解问题

3.列出解决方案

4.总结


一、定义问题

1.解决问题首先要确定,问题的本质到底是什么?

1)你要解决的问题是否是你老板要解决的问题?

2)一定要跟你的老板确认一遍问题。

2.解决问题的三个步骤

1)明确具体的问题(问题到底是什么?就是问题的本质)

2)明确问题要达到的目标(用数据表达,是把离职率从50%降到40%,还是降低到10%。更高阶的是你根据横向行业数据,给老板建议到降到你认为合适的30%。)

3)明确解决问题可供调配的资源。

3.案例:老妈让你穿秋裤问题

1)问题的本质:是老妈一定要让你穿秋裤么?不是的,本质:不让你着凉,所以让你穿秋裤。

2)问题的目标:不着凉。

3)问题可供调配的资源:可供调配的衣服,可以跟老妈平等对话的人。

4)解决方案:老妈您让我穿秋裤就是为了不让我着凉,那这样我在书包里放一个小毛毯,这样我在车上如果冷了我可以把毛毯盖上,这样就不会冷了。老爸你说呢?

二、分解问题

1.所有问题分为两类

1)复杂问题---------多个维度和变量的问题,不可被直接解决,需拆解到原问题。

2)元问题-----------细分问题的最本质,不可被拆解了。

2.找不到女朋友,怎么办?

这是个复杂问题,需要拆解,分解为自身问题和外界问题

1)自身问题分解

硬件:

学历(是不是问题?如果是,是不是需要深造?)

外貌(穿衣打扮问题?还是发型问题?身材是否需要锻炼?)

收入(努力提高收入水平)

身高(鞋子的搭配)

声音(是否要通过专门刻意练习让声音更好听?)

软件:

思维模式:看书,学习,写作,演讲来锻炼逻辑能力,女生喜欢什么样的人?

爱好:是否有女性也喜欢的爱好,关乎两个人的共同语言。需要调研喜欢的女生都有什么爱好?优质女生的爱好是什么?

幽默:通过刻意练习,找到幽默细胞,刻意练习,比如脱口秀或许是一个方式。

2)外界问题分解

是不是有很多渠道来接触心仪的女生?

从哪里接触到优质女性?

外部条件是否鼓励和优质女性社交?

3.把复杂问题分解为公式化是最好的分解方式

1)比如麦肯锡的人去谷歌提高广告收入:

广告收入=展现量*点击率*广告单价

这样就知道要提高收入该从哪个点进行发力了。

2)老板做kpi制度:

老板就是天天在做拆解问题的事情。把事情拆解到相对部门的元问题让部门去解决,领导把部门的问题拆解到针对个人的原问题然后去针对性解决。

问题公式化是分解问题的最高境界。

4.把问题公式化的两个案例

1)煎饼摊案例:

摊煎饼每月赚多少钱?

每个煎饼的利润*每月工作天数——成本

每天卖的煎饼=忙时候卖的数量+闲的时候卖的数量

比如忙时每小时卖20个。早上2个小时,晚上2小时。一天忙时工作4小时,闲时工作8小时,闲时每小时卖5个。

一天共卖120个。

每个煎饼的利润为3块钱。

则每天的利润为3*120=360元

每月利润=360*25-摊位费大概是6000—7000的样子。

2)北京地铁每天运多少人?思考一下

5.拆解问题的推理模式

1)假设驱动

2)构建问题树

找出问题出现的核心问题和起始问题

导致核心问题和起始问题的主要原因是什么?

核心问题和起始问题的后果是什么?

画出问题树

完善和修改问题树

6.如何把问题拆解到底

1)MECE法则,穷尽所有可能

2)常见的分类结构:

并列结构:比如人群分男女,这些常识性问题一般都用并列结构

数理结构:比如利润=收入-支出数理结构有利于公式化拆解。最好用数理结构。

3)横纵对比看数据

对同行业的数据进行横向对比

对历史不同阶段的数据进行纵向对比

4)不要被平均数混淆干扰

比如产品优先级排序中,卡顿现象对用户的影响,比如总体来说只有8%的人跳出,但是再细分一下,付费用户中有多少人跳出?

发现付费用户中有80%的人跳出不玩了,那这个就是个大问题。

所以做数据分析不能被整体数据混淆。

三、提出解决方案

1.运用MECE法则

2.合理分类,运用问题树的方法。

四、总结和复盘

1.事情做的有多好?怎么争取更多的资源,这跟你的汇报有直接的关系。

2.从结论出发,不断分拆,重点突出这样得出的结论是清晰有重点的。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,294评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,493评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,790评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,595评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,718评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,906评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,053评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,797评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,250评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,570评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,711评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,388评论 4 332
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,018评论 3 316
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,796评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,023评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,461评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,595评论 2 350

推荐阅读更多精彩内容