0

这节我们主要讲两部分:第一部分是谈一谈如何科学地把问题拆解到底。第二部分是讲拆解到底以后还要学会用对比的眼光看数据,这样才能不被一些细小的问题所迷惑。

我们先来看第一部分,要把问题拆解到底单纯的问题树结构还不够。因为,但凡涉及到问题树结构都会涉及到一个叫做MECE的英文单词。全拼是Mutually Exclusive Collectively Exhaustive中文的意思就是“完全穷尽,相互独立”,换句话说他的意思就是把所有的分类情况都包括在内,又没有逻辑上重复的地方。为什么我们要知道这个概念,因为要找到一个问题的最终的答案我们就一定要保证所有的假设情况都得在我们的考虑范围之内。

只有一个问题树结构MECE才能最终保证是个结果,那到底怎么样才算是MECE,我来给你举个例子,比如说把任何一个群体都分成30岁以上的人群和30岁以下的人群,但这样算MECE吗?其实不是,因为这恰恰把正当30岁的这个人群漏掉了。所以说,正确的完全穷尽又相互独立的MECE分法,应该是说30岁以上的人。30岁及30岁以下的人,这样才是真正的MECE的分法。我们再举个例子,比如说头痛,怎样通过MECE,来穷尽头痛的原因呢?头痛可以分为生理性和心理性两种,这个其实就是一种MECE的方法,因为生理和心理已经穷尽了头痛可能的所有原因了。当然这两点还可以继续再往下分,我们可以把生理性再分为外部和内部。外部就是头部撞击呀,过敏啊,恶劣天气引发头痛等等,通过这样的方法,我们就能够得到一张穷尽的头痛原因的表格。其实,解决任何问题都点像去医院看病,我们每个人都带着一个特别大的问题和现象而来,你可以跟医生说你看我头痛了,这个时候医生就会问你各种问题,然后做各种检查,最终定位到一个很明确的问题点上,之后要做的其实就是对症下药就好了。所以在解决问题的时候我们每个人都可以是自己的医生。

但是各种问题到底该怎么分类或者说我到底该怎么分类才能保证这个东西是MECE的呢?

所有事物的分类方式都有两种,一种是并列结构的:比如头痛的生理性和心理性两种分法。还有一种是数理结构的,能够公式化化一切的,因为这是最能保证科学分类的最理想的方式。比如说:利润可以分成收入减去成本。总收入可以分成n个细分产品收入的和。每一个产品的收入可以分成单个产品的定价乘以总的产品销售数量。这些方法都是可以公式化的数学公式一样的分法,通过这些分类的方式,就一定能够得到一个MECE的结果。因为这种分类的方式其实本质就是数学公式的拆解。当然很多时候数理分类还是有局限的,难以避免的还是要用到并列结构这样的分法。人群可以分成男和女,汽车可以被分成公共汽车和私家车。这些都是并列结构的分法。这种时候往往就要考验我们对于一些事物常识性的理解。比如一家餐厅的成本怎么分呢?往往可以分成三部分:房租成本,人力成本和原材料成本,这个其实就是对餐厅有基本了解的人都会采用的一种分法,因为他们知道,餐厅的成本结构就是这样的.但如果你完全不了解餐厅这项业务再怎么想都很难,所以一个需要熟识你所在领域的业务和常识,一个是要经常提问和学习,这样你就能够获得更多的信息对更多的领域有自己的一套理解。你就能更好的拆解问题了。

  • MECE的问题树结构如何解决问题呢?

我们再举一个实际商业中的案例:假设一家饮料公司的利润下降了30%,那利润等于收入减去成本,我们也知道成本=人力成本+仓储物流成本+原材料成本。收入=碳酸饮料收入+无糖饮料收入等等(这家公司所售卖的产品的收入总和),上面我讲的呢,其实就是一个MECE的问题树结构,通过这个逻辑我们可以清晰地分辨出这个业务的成本结构和收入结构是怎样的,然后我们就可以根据之前所讲的假设驱动,去验证数据。比如说我们的假设是人力成本上升造成了最终这个问题,那我们就可以一步步的验证人力成本是如何变化的,在这个案例当中我们最终验证的结果发现不仅人力成本没有上升,而且整体的成本比例也没有变化。这就很有意思的,可能这和我们之前的假设呢就不一样了,然后我们要做的就是调整我们的假设,这个时候我们应该做的并不是直接跳到其他问题上,而是修正我们的假设,这个过程在实际解决问题的过程当中会不断地多次重复。我们现在的假设就会调整为是因为某款产品的销量大幅下降造成了整个公司的利润下降,这也是一个比较合理的假设。再验证假设的过程中我们需要搜集所有产品的销量数据,最终我们也许会发现,该品牌下碳酸饮料的收入下降比如说50%,无糖饮料的收入呢,可能上升了10%,其他的饮料收入可能上升了80%,而矿泉水的收入则几乎保持不变,这样我们就可以知道这次的假设很可能是对的,确实是某款产品的销量下降带来的问题,而这款饮料就是该品牌下的碳酸饮料品牌。从数据上来说,从感情上理解也很容易接受这个答案。你一定知道,现在大众更追求健康饮食,所以这也是一个合理的结果。

  • 刚刚呢我们MECE的方式,已经把一家公司的商业运营情况,拆解到最细,接下来就进入我们所要讲的第二部分的内容:对比的价值。

其实,一家公司的内部数据,不管如何被拆解最细,都只是一个特定时间下的结果。要真的让这个数据或信息产生价值,我们总要拿它去做一些横向或者纵向的对比。什么是横向的对比?比如说我现在有一家公司今年盈利了100万,这个100万本身看起来好像特别厉害,但是如果说这个行业里边除了这家公司其他每家公司的年营收都在一亿元以上,这个时候就是进行了一个全行业的横向的对比。你就发现,诶!这家100万的公司好像也不过如此,再比如说我们刚才提到的案例中有讲到碳酸饮料的销售额下降了50%,但这个时候我们在横向对比一下发现其他公司的碳酸饮料的销售额可能都下降了70%,这说明什么?就说明这个问题可能不是我们公司内部的问题,而是全行业的问题,而且我们公司做的还比全行业好一点了。这样我们要想的就不是提高碳酸饮料的销售额,而是怎么样从碳酸饮料转移到其他更有前景的产品身上。讲完横向比较,我们再讲一下纵向比较,什么是纵向比较呢?就是我把企业内的某个时刻的数据却和历史上所有的数据作比较,去看这个大的趋势是怎么样的,比如说你公司今年的利润下降了30%,老板可能觉得你们做得都非常不好要扣你们的工资。但是呢,这个时候就可以跟老板说,但我们去年的利润其实下降了50%,我们今年其实在比例上是有提升的,所以说,单一的数据是不够的,我们拆解到最细号以后,还要有能力去返回到更高的层面去做横向和纵向的比较,最终得到的才是那个科学的答案。

最后讲完了MECE和数据对比这两个部分,我们再来看看能不能用这两点去解决其内部经常会犯的那些错误,我这里举一个最简单的例子就是平均数的例子,平均数这个概念下,容易掩盖特别多的可能性,而且会带来很多的误导性,比如说一个电商部门的下单用户平均客单价是300元,你就会觉得这个部门的用户画像是一群正常的白领人群。但是这个时候如果你把业务和订单拆解,就会得到一个很不一样的答案:这个300元的订单金额也许是由三个十元订单和一个70元订单还有一个1400元的订单促成的,我们可以算一下,三个10加70再加上1400除以5也是300元,所以只看300元这个平均客单价是解决不了问题的。我们通过对比这几个订单。才能发现用户的画像到底是怎样的。

我们再来举一个更具体的实际商业中的案例,有一家公司是做网络游戏的他项研究,网络延迟率和页游用户的跳出率之间的关系。什么意思呢?就是我们经常玩游戏的时候啊,总觉得这个游戏太卡了,如果这个游戏卡的时候。时间越长是不是用户的跳出率就越高,这公司就研究的这样的数据。结果她发现一共有2000个用户不管怎么延迟它的跳出率都很低,但是这个时候如果你拆分和对比就会发现2000个用户可以拆成1900个免费的用户和100个付费的用户。这1900个用户,她怎么延迟都不会跳出,因为我们大概就知道免费用户对于游戏体验的要求可能是非常低的。但是再看到100个用户我们发现,在延迟0.5秒的时候就已经有85%的付费用户都跳出了,只是说这一部分的比例在2000里面实在是太低了。所以如果不拆分后对比的话是完全看不出来这个趋势的。那最后通过对比免费用户和付费用户的数据,这家企业就明白了,要提高营收,就一定要尽量降低延迟率,只有这样才能留住最宝贵的付费用户。以上就是我们这些中所讲的用MECE的方式把问题拆解到底,在之后用数据进行对比的内容。

以上就是我们这期精品课会带给你的内容。如果你听了我的课程介绍,想到了某几个你的工作伙伴,或者你关心的人,觉得这堂课对他们打造和运营自己的个人品牌有帮助,请你点击页面最下方的分享,分享给他,关注邹宇阳(90后价值传输第一人QQ/微信:275043336)伴你学到老的良师益友!

期待你一针见血的评论,Come on!