麦肯锡结构化战略思维之【结构化分析】

来源 ｜ 朱晶晶「ID：JuneZhu007 」

分享 ｜ 领导者养成笔记「ID：GoToLead 」

《麦肯锡结构化战略思维》一书中，提及的新麦肯锡五步法包括：定义问题、结构化分析、提出假设、验证假设和交付。我们聊一聊【结构化分析】

切是结构化分析问题的核心

“切”是结构化拆分的通俗叫法，是结构化战略思维的基本功。

结构化拆分是指自上而下分析问题时，把问题逐层分解成更细节的部分，每次拆分都遵循 MECE（即：相互独立、完全穷尽)原则。

每次切分所用维度不同就会生成很多迥异的分支，然后再对每个分支节点进一步深挖下去。结构化拆分的最终的呈现形式往往是树状的逻辑结构。

切名词，一般用子目录分类法。以切“人”为例，可从性别、年龄、国籍等多个维度进行切分。

切问题，主要有 4 种方法：公式法、子目录列举法、流程法和逻辑框架法。 

以“如何提高企业净利”为例

1）通过公式法和子目录列举法，将问题进行切分至三层。

第一层，运用公式法。

利润=收入-成本。

收入=单价*销售数量，成本=固定成本 + 可变成本。

第二层，运用子目录列举法。

销售数量的提升可根据经典 4P 营销理论（产品、价格、推广和渠道)进行切分。

单价可根据品牌、原材料、包装和科技等维度切分；可变成本可切分为人力、研发、市场、原材料等维度。

由此，通过子目录列举法，将问题切分到第三层细节。

2）通过流程法、子目录列举法和逻辑框架法，将问题切分至三层。

第一层，运用流程法。

制造业的产品基本都会经过研发、生产、市场和销售以及售后服务这 4 个流程阶段。

第二层，运用子目录列举法。

将流程法中的市场和销售，通过子目录列举法，切分为广告管理、销售渠道管理、促销政策管理和销售人员管理。

第三层，运用逻辑框架法。

按照逻辑叙述常见的粗线条判断框架，比如内部 vs 外部、主观 vs 客观、优点 vs 缺点等对问题进行初步切分。

将子目录列举法中的广告管理，用逻辑法可将之分为内部和外部。

内部有站内资源、官方媒体、社群社区等。外部有不同广告渠道，如广告联盟/ DSP 平台、搜索引擎、微信等自媒体，以及媒体平台等。

总体来说，通过用不同维度“切”问题，会带来对问题本身连同潜在解法的更深刻、更全面的认识和理解。

分析问题要小心逻辑陷阱

逻辑是结构化分析的必备基础，就算把问题“切”得再好，还是需要通顺而严谨的逻辑来连接。

常见的易犯逻辑错误有：归纳法和演绎法，相关关系和因果关系。

2.1 归纳法 VS 演绎法

1）定义

归纳法是从“个别”上升到“一般”的方法，即从个别事实中提炼、概括出一般的原理。

演绎法是从“一般”到“个别”的方法，即从一般原理推理出个别具体的结论。

从定义上看，归纳法通常是演绎法的基础，作为演绎法出发点的一般原理往往是通过归纳法得来的；演绎法是归纳法的前提，为归纳法提供理论指导和论证。

2）优劣势

归纳法的局限性：容易产生明显的逻辑漏洞。在有限的资源情况下，我们永远无法查看所有可能的个例。选择性地或不成比例地罗列某种情形，归纳法就容易成为误导的工具。

演绎法的优势：演绎法是自上而下的，也就是从公理推出个体的判断，比归纳法更加严谨和科学。

3）如何应用

通常，严谨的商务逻辑推理是用归纳法生成假设，然后仔细科学地验证。只有假设验证成为公理，才能用演绎法来推导对具体个体的判断。

2.2 相关关系 VS 因果关系 

1) 相关关系

大数据分析可以在完全不考虑因果关系的情况下，通过数据点的相关性和其他规律，精准地给出对下一个购买行为的预测分析。

对企业来说，相关关系大数据算法并不是什么高深莫测的高科技。

以淘宝为例，根据平台后台的大数据，从细微之处对商品进行划分，从中找到喜欢该商品的顾客（备注：根据顾客以往的搜索记录、购买清单、购买频率等相关数据，平台推测顾客有可能会购买东西)，并进行推荐。

最终，让卖家的商品找到真正需要他的人群，以达到精准推广引流的效果。

随着 5G 时代的到来、物联网的普及、计算机运算速度的提升和成本的降低，相关关系在商业上应用的速度、普及率和准确率都会提升。商家不必纠结“因果”，仅用相关关系就可预测大部分市场营销的需求。

2) 因果关系

相对“相关关系”的认知，推导“因果关系”就复杂得多，需要相当的投入才能做到。

在现实生活中，人们面对的往往是更复杂、更难隔离原因因素的场景，比如新开发上线的产品没有取得良好的销售业绩，会涉及到产品是否满足市场需求、项目开发是否有按期完成、销售是否有尽其所能推广产品等内部因素，还有政治、竞争对手、机遇等外部和不可控因素。

不管多么复杂的场景，我们都要意识到因果关系的严格要求，摒弃“人云亦云”的惯性思维，认真审视周边“约定俗成”的关于因果关系的定论，并尽可能地利用数据和逻辑得出自己的结论。

3）误把相关关系和因果关系混为一谈

2020年突如其来的新冠肺炎，让我们过了一个有史以来最特殊的春节，同时也让大家想起流传已久的说法，那就是甲子年是灾年，每逢甲子年必有大事发生。

对于甲子年和灾年并没有必然的因果关系，最多只是相关关系（从最近的三个甲子年发生事件：1840 年的鸦片战争，1900 年的八国联军入侵中国，1960 年的三年自然灾害）。

因为人世间多灾多难，每一年全世界其实都发生很多天灾人祸，如果把这些灾难都列举出来，可以说每一年都是灾年，最简单的例子，每一年全世界死于车祸的人就至少有几十万人。

总之，相关关系是相对不稳定且易变的，只有通过因果关系才能找到事件发生的真正诱因，我们才可能通过相应的举措助力或抑制诱因的产生，从而达到期盼的结果。

规避分析问题的误区

记住单一维度切分的局限性和多维度分析的必要性。

用单一纬度切分，会容易以偏概全，其他相关核心纬度会被弱化和虚化，甚至被隐藏。

比如分析产品的用户画像，单从地域或性别的单一纬度是远远不够的，而需要通过地域+性别+年龄+收入+人群等多个纬度进行组合，才能定义出精准的用户画像。

因此可见，采用多维度切分，会带来对问题本身连同潜在解法的更深刻、更全面的认识和理解。

“选择比努力重要”，在项目初期制定调研方向的时候，也就是结构化分析问题的环节，一定要意识到并努力克服维度切分中的局限性。

《领导者管理笔记》读者群开放，如你致力于提升领导力

请加（微信：Tapmadou）进群

@THE END

文章来源 ：领导者养成笔记「ID：GoToLead 」，转载请公众号回复“转载”

版权说明 ：我们尊重原创者版权，除我们确实无法确认作者外，我们都会注明作者和来源。在此向原创者表示感谢。本文所用视频、图片、文字如涉及作品版权问题，请第一时间告知，我们将根据您提供的证明材料确认版权立即删除内容；本文内容为原作者观点，并不代表本公众号赞同其观点和对其真实性负责。