• 登录
Skip to content

一起大数据-技术文章心得

一起大数据网由数据爱好者发起并维护,专注数据分析、挖掘、大数据相关领域的技术分享、交流。不定期组织爱好者聚会,期待通过跨行业的交流和碰撞,更好的推进各领域数据的价值落地。

Menu
  • 首页
  • 大数据案例
  • 数据&电子书
  • 视频
    • Excel视频
    • VBA视频
    • Mysql视频
    • 统计学视频
    • SPSS视频
    • R视频
    • SAS视频
    • Python视频
    • 数据挖掘视频
    • 龙星计划-数据挖掘
    • 大数据视频
    • Machine Learning with Python
  • 理论
    • 统计学
    • 数据分析
    • 机器学习
    • 大数据
  • 软件
    • Excel
    • Modeler
    • Python
    • R
    • SAS
    • SPSS
    • SQL
    • PostgreSQL
    • KNIME
  • 技术教程
    • SQL教程
    • SPSS简明教程
    • SAS教程
    • The Little SAS Book
    • SAS EG教程
    • R语言教程
    • Python3教程
    • IT 技术速查手册
    • Data Mining With Python and R
    • SAS Enterprise Miner
  • 问答社区
  • 我要提问
Menu

麦肯锡逻辑树——快速分析和解决问题的有效方法

Posted on 2022年8月11日

作者:金小min
链接:https://www.jianshu.com/p/3afbe3c10d60

1.什么是逻辑树

逻辑树又称为演绎树或分解树,英文叫做Issue Tree,是一种以树状图形来分析存在的问题及其相互关系的方法。首先将一个已知问题当成树干,然后开始思考这个问题与哪些相关问题或子任务有关,每想到一点就给这个问题(也就是树干)加一个“树枝”,并标明这个“树枝”代表什么问题,一个大的“树枝”上还可以有小的“树枝”,如此类推,直到找出所有相关的项目。

使用逻辑树有以下优点:1)通过“树干”和“树枝”的搭建,找出问题的所有相关项,以此确保问题获得完整的解决;2)通过问题与问题的关联,识别哪些是必须的,哪些是证明前提假设的重点;3)个人使用时能帮助理清思路,将大问题分解为利于操作和解决的小问题;4)团队使用时,能将大问题分解为小问题再落实到个人,避免责任不清。

逻辑树有三种类型,分别是:问题树、假设树、是否树。这三种逻辑树结构类似,但是有不同的使用前提,合理的使用它们,对于我们分析问题和制定解决方案能起到事倍功半的效果。

2.三种逻辑树

1)议题树

当对问题不了解 ,或者需要对问题进行全面的分解以确保不遗漏任何一个方面时,可以使用议题树。即:在解决问题的初始阶段使用议题树。

议题树的结构如下:

议题树的结构

议题树可按照如下步骤来构建:1)先从左至右画出树状图,明确“思考的主题”,也就是上图中最左边的“问题”;2)将问题进行分解,分解为第一层级上的问题;3)将第一层级的问题再次分解,得到第二层级;以此类推,可以将问题逐级分解,从而得到第三层级、第四层级,乃至更多。

注意:1)相邻层级具有逻辑上的内在直接联系;2)同一层级上的内容,需要满足相互独立、完全穷尽的原则(MECE原则)。这样构建的议题树就会是完整展现了所有不同原因、结构化的逻辑树。

这一方法的关键点在于:如何对问题或者议题进行分解?这里有两个小技巧可以帮到大家。

a)结果改善类的问题:层层展开,不断问——“为什么”

当我们分析“结果不好,应当如何改良”这一类问题的时候,可以通过不断地询问“为什么会出现不好的结果”来对问题进行分解。比如有人减肥一直没有成功,针对这个问题可以通过以下分析来找出原因:

为何减肥一直没有成功

首先,“减肥一直没有成功”是一个不好的结果,我们要对这一结果进行改良。所以我们可以不断问为什么:1)为什么减肥一直不成功?原来是因为饮食和运动的问题;2)针对饮食,为什么饮食出现问题?,从而得到时间不规律和营养不均衡;以此类推。

由此可见,通过不断地询问“为什么”,可以将问题抽丝剥茧,找出更深层次的原因,从而帮助我们透过表面的问题,找到背后真正的原因。

b)提出方案类问题:集思广益,不断想——“怎么做”

跟结果改善类问题不同的点在于:这里并没有一个不好的结果,只是着眼于现在的情况,需要提出就达成某一目标的方案。比如:提高销售额的方案(也许现在的销售额也还可以,但是想进一步提升,因此主要的问题是“如何做”)。

如何提高销售额

构建这一议逻辑树的思考过程为:1)首先思考“如何提高销售额”,从而得到第一层级上的两个方法:提高现有客户销售额和增加客户数;2)再针对每一种提高销售额的方法追问“如何做”,从而得到第二层级上的方法,以此类推。

要注意,每一个层级都是上一个层级的直接解决方案,而不是最终方案,要注意一层一层地去分解,这样才不会遗漏或重复;同时,由于时一层一层地分解,在分析某一个层面的问题时,思维不用太复杂,找出直接原因即可,大大降低了思考难度。

2)假设树

当对问题已经有了较为充足的了解,并且针对问题提出了某种假设的解决方案,需要验证假设是否成立时,应该采用假设树。即,假设树用于验证假设。

假设树针对所提出的假设,不求展现问题的全貌,只要能够验证假设合理或者不合理即可,这是其与议题树最大的不同。假设树集中于假设的解决方案,加快解决问题的进程。假设树的结构如下:

假设树的结构

对于某种假设方案,只有当所有论点都支持该方案时,该假设方案可以得到验证,否则会被推翻。对于每一个论点同样可以进行分解,直至分解到可以被基本假设证实或证伪。

假如需要针对X公司制定“提高销量”的方案,我们通过上文的议题树进行分析,了解了公司各方面的情况之后,觉得该公司可能可以通过研发新品来获得销量提升,遂提出“X公司应该研发新产品”这一假设,为了验证假设是否成立,则可以构建如下假设树。

针对“X公司应该研发新产品”假设的假设树

只要我们将第三层次的7个论点进行验证,就可以证明“X公司应该研发新产品”这一假设是否合理。

3)是否树

是否树的结构比前两种要简单很多,其主要形式是:先提出一个问题,然后对这一问题进行是否判断,分析的结果只能是“是”或者“否”;然后接着进行下一轮判断分析,继续得出分析结果“是”或者“否”。是否树的结构如下:

是否树结构

在使用是否树进行分析前,对一些结果应已有标准方案。如果答案为“是”,就可以应用实现准备好的标准方案。如果答案为“否”,那就需要再进行下一轮的判断分析,对具体情况进行具体分析,根据结果确定解决方案。是否树多在对问题及其结构已经足够了解时使用。

比如,以下是分析“X公司B产品线如何才能获得竞争力”时的是否树:

“X公司B产品线是否能在现有架构下实现?”是否树

通过图中的分析,根据不同的结果,就能够确认最终合适的方案是哪一个。

3.三种逻辑树的区别于使用情景

最后,再就三种逻辑树的区别和其适用的场景进行简单的分析。

问题的初始阶段,尚不明确具体情况,需要对问题进行全盘分析时,使用议题树;对问题已经有一定了解了,并且有了一种假设方案,对假设方案进行验证,使用假设树;对问题不仅足够了解,且针对一些结果已经有了标准方案,需要在方案中进行选择时,使用假设树。

推荐访问


数据分析交流:数据分析交流
Excel学习: Excel学习交流
Python交流:一起学习Python(数据分
SQL交流:一起学习SQL(数据分析
微博:一起大数据

最新提问

  • SQL Chat
  • sql server 不允许保存更改。您所做的更改要求删除并重新创建以下表。您对无法重新创建的表进行了更改或者启用了”阻止保存要求重新创建表的更改”选项。
  • 偏相关分析
  • 复相关系数
  • 【R语言】熵权法确定权重
  • 如何破解Excel VBA密码
  • 解决 vba 报错:要在64位系统上使用,请检查并更新Declare 语句
  • 基于 HuggingFace Transformer 的统一综合自然语言处理库
  • sqlserver分区表索引
  • Navicat连接数据库后不显示库、表、数据

文章标签

ARIMA CBC Excel GBDT KNN Modeler Mysql pandas PostgreSQL python python数据可视化 R SAS sklearn SPSS SQL SVM Tableau TensorFlow VBA 主成分分析 关联规则 决策树 协同过滤 可视化 因子分析 大数据 大数据分析 推荐系统 数据分析 数据可视化 数据挖掘 数据透视表 文本挖掘 时间序列 机器学习 深度学习 神经网络 结构方程 统计学 联合分析 聚类 聚类分析 逻辑回归 随机森林
©2023 一起大数据-技术文章心得 | Design: Newspaperly WordPress Theme