如何拆分复杂任务?
编者按:本文来自微信公众号“开智学堂”(ID:openmindclub),作者 李亮。36氪经授权转载。
「不重复」和「不遗漏」这两个组合其实起来就是 MECE 原则。「不重复」意味着问题的细分是在同一维度上并有明确区分、不可重迭的;「不遗漏」则意味着全面、周密。不重复才能不做无用功,不遗漏才能不误事。
新手和专家之间差距就像下面两张图一样:
当新手还在犹豫「这个该怎么处理」时,专家早已想好拆解的步骤和后续的处理方案。
这就是两者之间做事质量和效率差距巨大的原因。
那么新手应该如何像专家一样拆解问题呢?
答案是,你需要遵循两个「不」和两个「一」原则。
原则一:拆分时不重复——相互独立
工业革命带来最好的创新其实是思维。
比如基于成本、技术等等诸多的考虑,迄今为止也并没有一家厂商可以完全独立制造一支圆珠笔的所有零件,但工业化的新思维却让这件事情成为了可能。
工作任务也一样。
一个人去处理工作的所有方面就好比他还停留在过去的家庭小作坊时代。这是在按照过去的经验以低效和不稳定的质量来完成工作。
而拆分任务,可以让原本复杂的任务难度下降,更易于对其不同方面有针对性地去解决,从而使得任务可以不断地被推动下去。
这个思维,就是组块化。
组块化指的是:通过将可以独立设计的子系统之间按照一定规则相互联系,而构成更加复杂系统的过程。简单的说,就是把原来一体的东西拆分成可以各自独立设计的东西,然后拼接起来。
比如还以圆珠笔举例,它由多个零件组成。
其中涉及到了注塑、冶金、材料成型、装配……等多个学科和多种工序。
可以说,如果按照以前的工作模式,是无法生产这样的圆珠笔的,而相互独立的设计可以让不同的工厂(甚至可以不在一个国家)去生产,然后再运到某一个地方去组装拼接。
这样的好处太多了,比如:1)节省成本;2)出问题时很容易知道具体出现在哪里,可以有目标地处理;3)互不干扰,一个出了问题随时可以替换,不影响生产……
所以,以组块化思维去拆分你的工作任务,可以让原本因种种原因无法解决的问题得以解决(协作生产圆珠笔);让原本不清晰的问题变得清晰明了;工作中一部分出现了问题也可以替换不至于影响全局……
原则二:拆分时不要遗漏——完全穷尽
各个独立的组块可以替换,但却并不可少。
就像缺少了弹簧的圆珠笔无法使用一样,缺少了一些环节的工作也无法推进下去。所以我们拆分的时候需要注意——不要有所遗漏。
那么如何才能做到这一点呢?
首先,你可以参考那些知名的思考框架,避免重复造轮子。比如:思考工具 5W1H 和企业管理领域的麦肯锡 7S 模型。
思考工具 5W1H
5W1H 可以帮助你不断自问自答,引导自己进行思考:
What - 我真正要解决的问题是什么?这个问题的影响是什么?
Why - 我为什么需要解决这个问题?为什么它会产生这样的影响?
When - 这个问题何时发生?我需要在什么时间内解决?
Where - 这个问题可以从哪里入手?哪里可以找到答案?
Who - 我可以求助谁?这个问题对谁影响最大?
How - 有什么切实可行的解决方案吗?如何解决最高效?
麦肯锡 7S 模型
7-S 模型指出了企业在发展过程中必须全面地考虑各方面的情况:它包括了结构(Structure)、制度(Systems)、风格(Style)、员工(Staff)、技能(Skills)、战略(Strategy)、共同价值观(Shared Values)。
也就是说,企业仅具有明确的战略和深思熟虑的行动计划是远远不够的,因为企业还可能会在战略执行过程中失误。因此,战略只是其中的一个要素。
类似这样的模型还有很多,他们存在于各个行业中。如果你针对你的问题用心去寻找,总可以找到一些前人的经验和可以借鉴的思路。
不过,如果你做的事情并没有先例,或者实在找不到可以借鉴的思考框架的话,你还可以用「结果倒推」的方式来思考。
比如面对「如何制造圆珠笔」这一问题时,假设你不知道应该如何拆分,你可以用结果去倒推:
谁?什么时间?在什么场景下使用?如何使用?
然后你思考了这样一个场景:
一个学生,来到考场,从衣服中取出了夹在口袋上的圆珠笔,然后在一张白色卷子上书写。他时而按压圆珠笔,时而用牙咬笔帽,在手指间转笔,然后不小心从手中滑出跌落。
根据这样的场景,你可以倒推出如下需求:
「夹在口袋上」- 需要一个可以夹住的设计,而且要让手指按压起来比较舒服;
「按压圆珠笔」- 四指握着的笔杆;大拇指按压的笔帽;弹起所需的弹簧……
「滑出跌落」- 需要一定的抗冲击性,这个需要通过解构和材料来解决
……
这样,在没有现成思考框架的情况下,运用结果去倒推也可以让自己的思考尽可能做到严丝合缝,滴水不漏。
「不重复」和「不遗漏」这两个组合其实起来就是 MECE 原则。
MECE,即 Mutually Exclusive Collectively Exhaustive(相互独立,完全穷尽),是麦肯锡的第一个女咨询顾问巴巴拉·明托(Barbara Minto)在《金字塔原理》(The Minto Pyramid Principle)这本书中提出的一个原则。
「不重复」意味着问题的细分是在同一维度上并有明确区分、不可重迭的;「不遗漏」则意味着全面、周密。不重复才能不做无用功,不遗漏才能不误事。
这样的好处是可以看清楚全貌,可以知道事情的轻重缓急。
然而到这一步并不算完——在实际的操作过程中,你会发现一个问题:这样似乎可以无穷无尽地拆分下去,什么时候才算拆分完成呢?
所以这个时候你需要知道两个「一」原则。
原则三:拆分到大脑可以一次处理完
人的认知是有范围的。
比如这个经典的实验证明了这一点:
心理学家 Sheena Iyengar 和 Mark Lepper 2000 年做了一项研究,发现当商品的种类从 24 种下降到 6 种时,人们的购买量会提高 10 倍。
这个实验说明:当人们面临过多选择的时候会无从下手,人类的大脑无法一次处理完这么多的信息,最终只能是决策瘫痪。
那怎样拆分项目才最符合我们的认知呢?
答案是 4×5 原则。
工作记忆是一种暂存信息的记忆方式,早期的研究发现工作记忆最佳的的区间是 7±2,这也许就是为什么那时的电话号码有7位数长吧。
但现在,科学家认为,在不使用记忆技巧,如不断复述事件或者把事件组合记忆,真正的记忆量将低于此前的估计。
因此,心理学家尼尔森·科恩(Nelson Cowan)运用了数学模型做了一个实验,他最终发现,一般人一次其实只能记住 3 到 4 件事,低于原来心理学家认为的 7±2。
所以 4×5 的意思是我们最多可以同时处理 4 个信息。
那么 5 呢?5 的意思是我们最多可以思考到五层。
人类记忆社会关系会受到五的束缚。
进化心理学、社会心理学家 罗宾·邓巴(Robin Dunbar)发现,人类的社会关系网络数量有限。能与某个人维持紧密人际关系的人数上限,是 150 人。这里的人际关系是指某个人知道其他人是谁并且了解那些人之间的关系。这150人,亲疏有别,层层分解,不出五层。
无独有偶,在软件设计领域也遵循这样的原则。
在软件体验设计中,为了确保用户在产品上的所有体验不会发生在你「明确的、有意识的意图」之外,设计者要考虑到用户有可能采取的每一个行动的每一种可能性,并且去理解在这个过程的每一个步骤中用户的期望值。
为此,Jesse James Garrett 在《用户体验要素》中提出,影响用户体验的层次为五层,分别是:
战略层
范围层
结构层
框架层
表现层
运用这五个层次来设计软件,才得以确保人们在使用软件的时候可以明确地知道自己现在的位置。
比如,微信就是一款基于这样原理设计的软件,你今后在使用微信的时候可以思考一下你现在处于哪一层,看看有没有超过神奇的数字 5。
这样,运用 4×5 原则去拆分项目,可以确保我们的大脑可以处理得过来,避免出现拆分过多,反而不知道应该如何处理的事情。
原则四:拆分到一个人可以处理完
无论如何拆分,最终还是要行动的,而判断是否可以行动,就要问:这个是否可以一个人完成?
比如,对于上图而言,每个人都可以独立行动去完成一个组块,这样就是符合拆分到一个人的原则的。而整个工业系统都是基于这样的原则来设计的。
以机械加工举例,所有的加工过程最终会拆分到「工序」。
工序是指一个人在一个工作地(如一台机床)对一个(或若干个)劳动对象连续完成的各项生产活动的总和。它是组成生产过程的最小单元。
怎么理解这个事情呢?
比如这张图。
「一个人在一个工作地」- 在流水线的某个地方不动
「对一个(或若干个)劳动对象」- 对于流水线上的零件
「连续完成的各项生产活动」- 她的处理步骤
这样,人们不用移动身体,只是操作一下,这样可以让效率最大化。
这样一个人在某种场景下可以连续完成的工作,就是这个「一」要求的拆分原则。
我们还可以用开智学堂的卡片创作法来举例。
阳志平老师将知识的创造分成三个层次。如下表所示:
在卡片层级,它只需要你一个人完成即可,卡片作为知识的最小单位,既是输入的最小单位,比如你可以原文摘抄,撰写金句卡;也是输出的最小单位,比如你可以输出自己的读书卡片。创造一张卡片往往耗费几分钟到数小时不等。
此时的卡片,也是一个人可完成的最小拆分单元。
结 语
运用这两个「不」和两个「一」,可以让你真正将任务拆解开。但拆解始终只是拆解,只有你真正从最小的一点开始完成,任务才有完成的那一刻。
⇲ 参考资料:
Cowan, N. (2001). Metatheory of storage capacity limits. Behavioral and Brain Sciences, 24(1), 154–176.
Cowan, N. (2001). The magical number 4 in short-term memory: A reconsideration of mental storage capacity. Behavioral and Brain Sciences, 24(1), 87–114.
Iyengar, S. S., & Lepper, M. R. (2000). When choice is demotivating: Can one desire too much of a good thing? Journal of Personality and Social Psychology, 79(6), 995.
安宅和人. (2013). 麦肯锡教我的思考武器. (郭菀琪, Trans.). 北京联合出版公司·后浪出版公司.
巴巴拉·明托. (2002). 金字塔原理. (王德忠 & 张珣, Trans.). 民主与建设出版社.
Garrett, J. J. (2011). 用户体验要素. (范晓燕, Trans.). 机械工业出版社.
哈罗德·科兹纳著. (2002). 项目管理. (杨爱华等译(北京航空航天大学), Trans.).
相关推荐
如何拆分复杂任务?
美立法者要拆分科技巨头?FB苹果等齐声回应“太复杂不能拆”
利用随机性,一群智商几乎为0的小机器人也可完成复杂任务?
股价会更高?分析师如何看苹果、特斯拉拆分股票
复杂网络升阶指南:如何构建最优网络模型
因果发现:如何让算法成为复杂系统中的“福尔摩斯”?
「百年老店」IBM 拆分:店越来越小,路越走越难
“百年老店”IBM拆分:店越来越小,路越走越难
苹果、特斯拉拆分股票,股价会更高?
前 A16Z 合伙人:拆分“科技巨头”有没有用?
网址: 如何拆分复杂任务? http://www.xishuta.com/newsview35301.html
推荐科技快讯
- 1问界商标转让释放信号:赛力斯 94953
- 2人类唯一的出路:变成人工智能 19253
- 3报告:抖音海外版下载量突破1 18966
- 4移动办公如何高效?谷歌研究了 18490
- 5人类唯一的出路: 变成人工智 18351
- 62023年起,银行存取款迎来 10127
- 7网传比亚迪一员工泄露华为机密 8182
- 8顶风作案?金山WPS被指套娃 7096
- 9大数据杀熟往返套票比单程购买 7045
- 10五一来了,大数据杀熟又想来, 6865