结构化思维是一种将信息要素从无效转化为有序，提炼核心要点，将信息转化为有结构的知识，更好的帮助大脑理解和记忆，并支持我们清晰表达的通用能力。

前言

首先，我们先来完成一个游戏，以下有9个计算式，大家顺序心算并记忆结果，完成最后一个计算后，回忆下能记住几个结果。

每一道题的计算都非常简单，但在完成全部计算后，能记住的结果却不多。人的大脑实时思维的容量是有限的，越复杂越孤立的事务占用的带宽越大。

排除极小部分天赋异禀的天才，人和人在大脑本身的差距在经过9年义务教育后的差距不会太大，按照学历和工作进一步缩小范围后，差距已经很小了，但现实的生活和工作中，不同人在解决相似问题、沟通表述上的差异，却可能存在非常大的差距。

人的一大优势在于可以借助工具，结构化思维这个工具能够很好的帮助我们，就算对那些本身已经非常聪明的大家，也能锦上添花。

结构化思维简介

▐ 结构化思维**是什么**

一个完善系统是要素和结构组成，要素是内容不稳定可替换的组成部分，结构是要素之间的组合关系；结构复杂度（本身的复杂、与要素的耦合）带来了系统的熵增。

而结构化思维是一种将信息要素从无效转化为有序，提炼核心要点，将信息转化为有结构的知识，更好的帮助大脑理解和记忆，并支持我们清晰表达的通用能力。

▐ 结构化思维**做什么**

通过一个合适的结构，将碎片化的信息进行整理组合，降低整体复杂度，以减轻大脑的负担，更容易地解决问题达成目标

1. 定义分析解决问题清晰而全面的定义问题、分析问题和解决问题；
2. 结构化信息收集信息时，通过结构化模式，限制信息过度发散梳理信息时，通过结构化进行取舍聚合
3. 结构化呈现提升知识的显性率，表达要有逻辑和条例，通过因果、空间、时间、重要性等来约束内容的表达。

结构化思维方法和应用

结构化思维的主体结构是一种“金字塔形式”的结构,主要包括纵向结构和横向结构。纵向结构策略主要是“结论先行和以上统下”，这可以让我们突出重点、层次分明；横向结构策略主要是“归类分组和顺序排列”，可以让我们的内容井然有序，内容丰满。

▐ 以终为始



解决问题的第一步，要明确目标，清晰界定问题。

高质量的问题，在于两个方面，问题本身是否有价值去解决（解决后能带来较大价值），问题是否可被解决（可行性和成本）。



• 找到有价值的目标

找到真实的目标

对于价值低的工作，无论如何提高其易解决的程度，对于用户来说都是无收益。所以好的问题不应该是从一定要找出答案出发，而需要从本质出发。

例如，对于提升淘宝天猫线下零售占比，本质如果是店铺做零售不赚钱，那目标就是通过补贴激励门店；如果是品牌心智不足，那目标就是提升消费者品牌心智（服务、广告等）；如果是缺少品牌粘性，那目标就是做生态增加护城河。



目标是否可以放在阳光下

如有客户在场，我们是否还能将这个目标做为议题，本身带着善意能解决很大一部分风险。

某大型咨询公司（以下简称M咨询）在2020年时爆出丑闻，在明知道奥施康定滥用已经导致数十万人丧生的情况下对于奥施康定的销售建议。从目标到建议本身来看，逻辑和思路并没有多少可挑剔的，但置于阳光下时却有着很大的问题：

1. 如何应对青少年过量服用奥施康定的咨询？

M咨询建议普渡制药向患者着重强调药物如何缓解疼痛 2. 阿片类药物危机迅速加剧的情况下，联邦药物管制局和司法部加大了打击非法处方的力度来遏制止痛药的滥用如何应对？

M咨询建议普渡制药重新调整其销售队伍，专注于那些开奥施康定处方的医生(有的放矢) 3. 如何应对医生拒绝开药？

M咨询建议普渡制药采用“患者倒推”措施，让患者去游说医生开具奥施康定的处方 4. 如何应对患者成瘾问题？

M咨询建议普渡制药给分销商折扣，甩锅给他们，以归因于他们出售的药丸导致的奥施康定过量

M咨询建议普渡制药给包括CVS和Anthem在内的美国药品零售商回扣（每个“事件”回扣14,810美元），以便瞒下因奥施康定而出现的各类问题

• 定义出有合适解法的问题

问题必然有解法，但需要考虑其能否落地以及代价。

很少会有凭空出现的问题，大部分情况是有前人的智慧可以借鉴，没有必要从零开始。从各类文章、专利、竞品调研挖掘出已有的信息，减少时间和试错成本。

在已定义出来的问题中有诸多解法，选择贴近实际最合适的方法而不是最优解法。

▐ 找结构

在目标和问题已经确定之后，则需要进行分解，直接分解出来的可能就是散乱的二十几个子问题，转换成代码，就是一个几千号的函数实现或者是一个二十多层迭代。

这个时候我们就需要对零散的要素进行归纳抽象，形成了一个以上统下的金字塔结构，这种结构能很好的满足我们大脑处理信息的要求：同层级概念不多，同组有逻辑关联。好的金字塔结构，纵向关系上满足结论先行、以上统下；横向关系上，满足归类分组、逻辑递进；层级数量和单组要素数量合理平衡。

纵向关系：上层对下层的概括，下层对上层解释和支持

1. 结论先行：先抛结论，降低对方理解负担，避免被刀了之后才被发现是友军
2. 以上统下：上层是下层概括和抽象，内聚复杂度，减少细节概念外溢

横向关系：同组聚类，按照顺序排列

1. 归类分组：相似的要素归为一组，减少理解成本

例如数字（2,1,9,4）一组，字母一组（a,b,c,d） 2. 逻辑递进：单组内要素按照逻辑排布，减少记忆成本

例如(1,2,4,9)明显比(2,1,9,4)好记忆

层数和单组数量平衡：层级过高或者单组数量过高，都会带来非常大的理解成本或者性能损耗

平衡二叉树，mysql索引数结构都能非常好的体现这部分思想。

• 自上而下分解

当问题已经非常明确的时候，可以采用自上而下的方式，对问题进行拆解，分而治之。分解问题最好的开始就是从分解任务开始，其实分解任务的过程也就是分解问题的过程。

5W2H分析法 - 任务

W（Who）谁来做：关键人员是谁

W（What）做什么：这个人在这个任务重需要产出的内容

W（When）何时完成：开始和截止的时间

W（Where）在哪里做：空间属性（广场还是会场、本地还是云端）W（Why）为什么做：了解原因。

H（How）如何做：具体的方案，实施步骤。

Mors法则：M（Measured）可测评。可以衡量和计算出做了多少；

O（Observable）可观察：无论谁看到或者听见，都知道这事怎么做；

R（Reliable）可信赖：让多个人来看，他们都会认为是在做同一件事；

S：Specific可明确化，谁来做，做什么，怎么做，都很明确。

H（How much）多少：成本、代价。

可考虑通过这两种方法来实现产出：

逻辑树：将问题的所有要素分层罗列，从最高层开始，逐步向下扩展，形成树状结构。例：

类时序图：存在因果依赖关系，按照时空等逻辑顺序归纳排布。例如：

在任务分解过程中，遵循MECE原则：相互独立、完全穷尽。这包含了两个要点：

1. 分组间要素要“完全穷尽”，没有遗漏；
2. 每个要素间要“相互独立”，没有交叉；

对于已经是明确的事实，我们有必要也有能力做到，例如祖国的版图一点也不能错一点也不能少；但对于大部分的事物只是理论上的可能，完成穷举是根本做不到，只需要穷举相关要素即可，就像结构化思维的结构类型有多少种谁也不知道，它在不断的在被创造更新，四大天王有五人不就很正常。

5Why分析法 - 事故

最初是由丰田佐吉提出的，重复五次，问题的本质及其解决办法随即显而易见，从三个层面实施，每个层面连续5次或更多的询问：

1. 为什么会发生
2. 为什么没有发现
3. 为什么没有从系统上预防事故

3-3原则 - 分析

麦肯锡公司方法论，任何事情的分析，都至少要切换三个不同的维度去看，每个维度要挖掘到3层。

• 自下而上构建

在有的时候，我们面临的问题复杂且不明确，信息想法非常多但缺少条例，这个时候，我们可以根据信息之间的关系，自下而上搭建结构。整个过程和全链路监控系统架构非常类似。

1. 信息基于事实
2. 关键的少数原则，突出重点。
3. 对同类信息，进行归纳分组
4. 对每组信息做抽象总结



代码晦涩难懂，一个小需求改动需要变动十来个地方，大多是源于设计之初缺少结构，后面逻辑直接堆砌。代码可读性与可扩展性是密不可分的，构建结构、降低系统的复杂度最根本的目的就是降低程序员的心智成本。

• 上下结合

自上而下和自下而上并不是完全对立的，很多时候是相互做印证、持续优化的过程。

总结

使用结构化思维的方式本身对大脑来说就是一种负担，刚开始的时候，会非常不适应，效率下降是很正常事情。但通过不断的练习，降低方法本身的损耗之后，会给我们带来很大的帮助，一些比较好的训练方法：

1. 归纳积累

学习积累成熟的结构类型，当我们站在巨人肩膀上的时候，能更好的触类旁通。

一些比较场景的结构：二维矩阵，人才九宫格，转化漏斗，增长飞轮等 2. 写文章、做技术方案

外化是一个很好的学习和验证的过程 3. 沟通讨论

人在思考的时候，信息流转效率是非常高的，验证的效果并不会太高。语言的信息密度非常低，转化效率也不高，是一个很好的训练场景。