当前位置:万顷浪滩新闻>科技>产品经理:点亮“系统思维”技能(2)

产品经理:点亮“系统思维”技能(2)

2019-11-23 15:21:23 浏览次数:3545
  

你身边有这样的人吗?他们总能从复杂的问题中找到关键点并立即解决,然后赢得一片赞扬。为什么我们不能?我们傻吗?还是缺乏经验和知识?为什么我记不起我用它时学到了什么?我们如何提高这种能力?

“信息时代”已经是一个古老的词了。信息确实在解决问题中发挥着重要作用。这也是数据分析和大数据如今如此流行的一个重要原因。系统思维是我们处理信息的方式。

在前一篇《产品经理:照明》系统思维技巧(1)中,我们讨论了系统思维的一些基本特征,如:细分与整合、细分“深度与广度”等。这些特点反映在需求层次理论、swot、卡诺和4p/4s营销组合的共同模型中。

然而,如果我们更多地了解这样的模型,我们将会在介绍中遇到问题——学习更多但不使用它,这使得我们反应缓慢,因为我们的大脑需要从更多的信息中找出需要使用的东西。

我们通常把这样的问题分类为:缺乏经验——“那些高层次的牛人经历了更多的项目,总能通过现象迅速看清本质,然后解决问题。但我不能,我不知道问题是什么,也不知道如何改善。”

对于这一现象,热卖《思考,快与慢》中的系统1和系统2给出了解释。同样热卖的“深思熟虑的练习”给出了解决方案,即让系统2通过深思熟虑的练习来调整和优化系统1。然而,毕竟,系统1的容量是有限的,我们不可能“有意地实践”我们在系统1中学到的任何模型。

因此,本文的内容是讨论:我们应该把什么放入系统1。

我记得不久前参加了公司的一次培训。我非常深刻地记得一个场景:

教师培训去了信息收集区。所说的是:根据团队中的问题或现象收集信息并提出解决方案。在工具方面,老师谈到了头脑风暴、鱼骨图和5why等分析工具。

讨论结束时,学生和老师有分歧。以下对话中提到的具体问题并不重要。我们暂时决定推迟发射。

一般性对话如下:

老师:“在我们知道问题后,我们可以通过收集信息给出解决方案(根据前面提到的xxx模型)。”

同学甲:“我知道这个问题,但是我们收集的信息不够。我们需要收集更多的信息。我不知道有多少信息就够了。我可能不得不无限期地收集它。”

老师:“你知道问题是什么吗?一旦你知道了问题,你就应该收集关于它的信息。我们怎么能收集到足够的呢?”

同学甲:“我知道问题是什么,但不可能根据问题直接推断出需要什么信息。”

同学乙:“这个问题需要进一步分解。对于整个问题,不可能确定需要收集什么信息。”

同学甲:“分手没用。拆分后,需要为每个问题收集大量信息。”

看到这种对话,我不知道人们认为几个人之间的主要区别是什么。

我们可以在这里暂停思考1分钟,尽可能多地调用您的系统2,或者使用“产品经理:启发“系统思考”技能(1)中提到的触发系统思考的方法。

事实上,在上述场景中,几个人之间的根本区别在于他们对“知道”的不同理解:

显然,这是一个认知问题,而不是技能问题。"垃圾进,垃圾出"系统思考的第一个过程是系统地认识一个问题。(认知在这里是一个动词)我们“思考”问题是什么,自然我们会使用特定的模型来解决问题。

在《产品经理:点亮“系统思维”技能(1)》中,我们解释了系统思维的两种分析方法:细分和集成。现在我们已经讨论了如何识别问题,让我们看两幅图片,分别从细分和整合的角度来解释同一问题的认知过程。

图中假设我们遇到的问题仍然是保留率的下降,我们将分别通过细分和集成两种分析方法找到解决方案。

这两张地图的重点不是让每个人都记住具体的分析过程,而是看右边的“什么解决方案”与变化是一致的。这一变化的过程是认知对解决方案的影响。

按细分理解问题:

理解集成的问题:

显然,前一篇文章中提到的分析方法可以帮助我们找到问题所在。

接下来是一个有趣的问题:从第一篇文章到现在,我们一直在谈论细分和集成。这两种模型不仅可以总结平时学习的许多模型,还可以用来识别问题的根源。但是为什么细分和整合比其他任何东西都重要呢?还有别的吗?

这与科学研究方法背后的哲学问题有关。

事实上,即使我们做了这种深度挖掘,我们也可以认识到,在我们的日常工作和学习中,许多事情是“相互关联的”。当我们学习一种新的模式或听到一种新的方法时,我们总是觉得自己与以前所学的东西“相似”。这是因为这些方法来自相同的哲学观点,在处理问题时自然表现几乎相同。

在科学研究过程中,两种常用的哲学观点是还原论和整体论,它们分别指导细分和整合两种操作。

以下定义摘自百度百科:

那么,让我们回到前两张图片:

可见,但是当我们认为我们的思维不够系统化时,我们也可以从还原论和整体论的角度来思考:

作者:李阳,微信公众号:数据有毒(shujuyoudu)

这篇文章最初是由@李阳发表的。每个人都是产品经理。未经允许禁止重印。

主题地图来自unsplash,基于cc0协议。

广东11选5 吉林快三 高频彩app下载 江西快3开奖结果

最热新闻