最近对“系统”这个词有了稍微深入一点的了解，但理解的又不是很透测，还没到能够谈一下这个词的地步。而最近在得到上听的一个课程和系统这个词又能扯上点关系(课程叫做《有效训练你的结构化思维》)…

再加上结构化思维在我们生活与工作中遇到的频次可能又会比较高，所以就先写一篇结构化思维相关的东西好了，本文的一些内容和观点来源于该课程。

在回答这个问题之前，我们先来简单的了解一下什么是结构化思考。

来看下百度百科的定义：

结构化思维指一个人在面对工作任务或者难题时能从多个侧面进行思考，深刻分析导致问题出现的原因，系统制定行动方案，并采取恰当的手段使工作得以高效率开展，取得高绩效。

核心的要素在于，能从多个侧面进行思考。那如何选择侧面，选择哪些侧面，如何判断有没有重复有没有遗漏？这些也都是需要解决的问题…

和结构化思维相对应的还有另外一种思维——线性思维。线性思维的表现为原因和结果之间存在明确的因果性，比如我们听说过的“头疼医头，脚疼医脚”(虽然我们现在知道可能是系统的其他部分出了问题)。

然而在现实世界中，很多问题都不是简单的线性关系，并不存在明确的一一对应关系，而且很多事情都是各种因素综合作用的结果，我们不能仅仅只看到一颗树木而看不见它背后的整个森林。

我们要做的是尽可能多的控制输入的变量，最大限度的保证输入和输出的确定性，这个时候就需要用到我们所谓的结构化思维了。

那如何能够看到所有的变量？

这就需要引入“系统”这个词了，通常情况下系统会包含三个部分，分别是元素、关系与目的。 

• 元素：系统内的各个组成部分；

• 关系：元素之间的关系；

• 目的：系统的功能或者目的。

这里不是本文的重点，就不详细展开了…从这三个维度入手，就能够更加清楚的理解整个系统，特别是经过元素的梳理之后，就能尽可能少的遗漏一些元素了。

正是因为我们面临的很多事物本身就是一个系统，所以我们也必须系统化的去思考，去拆解问题，不然很可能会产生头痛医头，脚痛医脚的现象。

如下图所示，如何让3.05米高的货车过3米高的山洞？

 素材来源于互联网

可能你能想出来很多解决方案，但是如何能保证方案不重复且不遗漏？

换成结构化的思考方式会不会好些？首先要明确一下目的，毕竟完好无损的过山洞与过山洞、限时过山洞是不同的目的，对应的解决方案肯定也是不同的。

这个小系统里面包含的元素有货物、货车、山洞与道路，通过改变各元素就能实现过山洞的目的，比如：

• 放下部分货物、货车轮胎放气、山洞再凿开一些、路基降低一些等；

• 或者是直接闯过去、绕过去、把山洞炸掉等…

这样问题的解决方案是不是有了…然后我们再按照具体的限制条件来选择合适的解决方案就好了。

现在我们面临的问题主要在于信息过多，而不是信息过少，在这种信息过载的情况下，我们就需要能够自行辨别信息的真伪，然后选择合适的信息来帮助处理我们需要解决的问题了。

信息的筛选通常可以分为两种形式，一种是主动的搜寻，一种是被动的接受。

主动搜寻通常情况下我们是行为的主体，这个时候我们需要关注的是搜寻到的信息和我们的目标之间的相关性。

比如我在写这篇文章时，需要搜集一些素材，那我就会重点关注“结构化”、“思维”、“系统”、“思考”等关键词，与这些相关性不大的，我可能就会主动把它们过滤掉。

被动的接受指的是信息的行为主体想让我们看到的各种信息，比如feed流中的信息、各种公众号的推送等。

这个时候我们需要额外的关注信息本身的真实性，以数据为例的话，“90%的人都喜欢XX”，那这里面就有很多值得怀疑的点。

• 比如数据来源是什么，样本量有多大，样本群体是什么，统计规则是什么，统计年限是什么…

这些都说不清楚的话，那这个数据本身，就不值得信服。

还有一种是某些观点性的东西，比如某篇文章、某本书提到了XX观点，这个时候我们就需要重点关注这几点：

• 支撑作者观点的论据是什么；

• 论据是否有具体的客观事实或者数据证明；

• 客观事实、数据与论据本身、论据和论点之间是否存在严密的论证关系。

  
  

以上条件都满足的话，就能说明这个论点本身是有说服性的，如果根本没论据、客观事实与数据来证实，又或者说这些元素之间不存在证明与反证明的关系，那这个观点本身就是值得心存怀疑的。

以中国崛起为例，这本身是一个论点，那就需要有论据来支撑，可以从军事、政治、财务、文化、贸易等维度进行说明，最后再列举客观事实，或者与之前的历史数据，其他国家的数据进行对比，这样才能证明这个结论。

不然这个结论本身就是没有什么说服力的，那别人也肯定不会认同。说一句题外话，这些论证过程其实都比不上讲故事带来的效果，因为人本身是偏向于感性而不是理性的。

幸幸苦苦收集到了这么多的信息之后，就需要进行降噪处理，一方面便于将信息进行归类，另一方面也能利用信息之间的交叉论证来证实或者证伪一些信息。

在信息的归纳整理过程中，可以参考麦肯锡的MECE原则：相互独立，完全穷尽。

感兴趣的话可以去补一下这块知识，这里只说方法论，主要有二分法、矩阵法、过程法、公式法和要素法。

二分法：将信息分成A与非A，然后再不断的进行二分。比如系统外与系统内就是符合二分法的原则，而妇女与儿童则不符合这种划分方法。

矩阵法：估计大家都见过这个方法，比如重要紧急、重要不紧急，这其实就是在两个维度上进行了二分，分别是重要与不重要、紧急与不紧急。

过程法：比较适合与有一定流程或者时间关系的行为，比如活动前、活动中、活动后，AARRR模型中的拉新、激活、留存、变现与分享等…

公式法：在过程法的基础上，可以提炼出来一个公式，进行更量化的细分。比如营业额=流量*转化率*客单价，这个时候如果想提示这个指标，就可以从子指标的提升入手。

要素法：上一小结中我们提到了系统是由不同的元素组成的，这些元素也就是系统的一部分，按照元素和元素之间的关系也能够对信息进行合理的分类。

经过层层的信息筛选，终于到要产出结论的时候了，按照二分法来看的话，有两种方法。一种是由特殊到一般，一种是由一般到特殊，前者是我们说的归纳法，后者则是演绎法。

归纳法是通过归纳总结各个特殊事物的共性特点，来推导出该类事物的一般特征。

一般事物的共性可以按照两种方式来进行寻找，一种是按照事物的表面属性，一种是按照事物对结果的作用。

• 比如表面属性有颜色、尺寸、大小等物理属性；

• 比如在电商产品里面，最终的结果是下单，我们就可以按照这个结果来将行为分成对结果有正向作用的、负向作用以及无作用的。

按照归纳法来看，天猫的logo是猫、京东的logo是狗、国美的logo是老虎，于是我们可以归纳出一个结论，电商的logo大多为动物。

这里面会有两个问题，一个是如果我们列举出来的要点不是穷尽的，我们得出来的结论可能就是错误的，上文中电商公司我们就没有穷尽，得出来的结论可能就是错误的了。

另一个问题就是黑天鹅事件，一旦有一起这样的事件发生，之前的结论都会被推翻。

演绎法是由普遍的理论知识来认识个体或者特殊现象的方法，比较典型的案例是苏格拉底的三段论。

• 大前提：所有人都会死；

• 小前提：苏格拉底是人；

• 结论：苏格拉底会死。

这里面需要注意的是大前提需要是经受普遍认可的规律、公理或者客观事实，而小前提要是包含在大前提中的，不然结论就可能存在偏差。

以最近发生的事情为例，国家最近在弘扬社会主义价值观，整理一些不符合价值观的东西，某公司的某些行为不符合价值观，结论就是该公司最近可能会被约谈。

上面是从信息到结论的层层思考过程，但是对于表达出来的结果，应该是一个完全相反的过程。

结果输出首先应该先说结论，不然你balabala说了一大堆，别人依然不知道你想表达的点究竟是什么(可能仅限于高效沟通，不适合日常闲扯)。

这里面有几个表达的原则，我们在输出自己结论的时候可以考虑采用一下。

总就是上文中的结论，先抛出来一个结论吸引对方的注意力，接下来利用论据证明你的结论，并佐以客观事实和数据支撑，最后再回顾你的结论，加深整体的印象。

论指的是结论，就是我们上面说的总起。证指的是证明，就是客观事实和数据需要是对上层结论的证明，而反过来每个结论又都要是对下层的子结论或者客观事实、数据的概括。

类指的是归类分组，每一个要点最好保持在同一个类别的范畴之内，可以按照形式上、逻辑上或者结果上进行分类。比指的是逻辑上应该是层层递进的关系，子结论与结论之间要有严密的逻辑关系。

根据麦肯锡的观点，一般情况下人们最多记住一二三，记不住四五六，所以最好能将要点控制在三个左右。这就需要在论证类比的类和比上好好下文章了，既要横向分类合理，又要纵向逻辑严密。

以上，就是本文的主要内容，还是需要多练习、多总结，毕竟了解、懂的和熟练运用本身是三码事。

欢迎斧正、指点、拍砖…