在上一家公司,有一个外聘日籍专家指导我们工作,他经验丰富且工作认真,当看到有工程师做事儿不专业的时候,他会用“素人”来形容,虽然感到不爽,但他说的的确有道理。即使现在,我还是会感到自己不够专业,于是我经常思考如何让自己做事儿更加专业化?
通过观察发现,专业化与否和工作年限没有必然关系,和工作中的思维方式关系很大。而这种思维方式在金字塔原理:结构思考,清晰表达有过一点介绍,结合最近的思考,我认为可以从三个方面培养:定义问题、结构化分解以及假设性驱动。
1、定义问题
爱因斯坦曾经说过:提出一个问题比解决一个问题更加的重要,如果给他一个小时时间来思考一个问题,他会花55分钟考虑要提出什么问题。以前,接到一项任务,想都不想就直接做,吭哧吭哧花了很多精力,在截止日期前匆匆交付,最后发现根本不是别人想要的。
后来反思,一方面是因为进度没有控制好,但更重要是在做之前,没有定义清问题。什么算定义清楚问题?我理解包含三个方面:①问题是什么?②目标是什么,也就是做到什么程度?③可以调用哪些资源?
以我的专业NVH(振动噪声控制)为例,如果我们要控制路面噪声(问题是什么?),就要定义清楚要降低多少?(目标)从哪里可以获得资源?目标定义不同,决定了我们采取的方法和需要的资源是不同的,如果是降低3dB左右,可能换一下轮胎,改一下车身结构就好,但如果是10dB,那可能要大改,或者用主动降噪。
2、结构化拆解
世界著名的咨询公司麦肯锡,他们为客户解决问题有个重要的工具叫“逻辑树”,就是将很难直接解决的复杂问题,通过结构化的方法,拆解成可以解决的小问题,最后通过小问题的解决来解决这种大问题。
如何进行拆解呢?其实在金字塔原理:结构思考,清晰表达介绍MECE法则的时候已经提及了常见的五种,除了那几种之外,其实每个行业都有自己一些比较成熟的分解方法,比如市场分析中的SWOT、波特的竞争“5力”模型等。
在汽车噪声控制领域(NVH),最基本的就是“源-路径-响应”以及结构噪声和空气噪声的划分方式。而在我看来,即使不同的分类方法都可以满足MECE法则,但是不同的划分方法会带来问题不同的复杂度,在振动噪声中有个最底层的概念叫“模态”,它的巧妙之处就在于只是通过转换了坐标系,将原本耦合的问题变成了解耦的问题,从而进行很好的分解。
是否专业化,初级体现就是你能否对你领域中的常见套路形成下意识,当你能一拿到一个问题,就能立即进行合理的分解,问题基本就解决了一半。
3、假设驱动检验
将复杂的问题拆解为简单的问题或假设,是不是就开始一个个来做呢?理论上来说是这样的,但现实通常不允许。因为每个子问题对最终问题的程度是不同的,如果不分优先级,眉毛胡子一把抓地去解决,最后效率肯定很低。我们比较容易想到的是2/8原则,我们能否通过解决那20%的关键问题,实现80%的效果?
这是个好想法,关键是我怎么知道在众多影响因素中,哪些是关键的呢?在我们的专业中,有个专门的分析技术,叫"贡献量分析",通过它,我们可以知道不同的路径对车内整体噪声的影响。听上去很美好,但它有两个问题,一方面是代价有点高,比如我们为了做出各个路径的贡献量,通常要做传递路径分析,而这种实验通常很耗时耗力。
此外,现实中有很多事情,我们很难收集全所有的信息,这个时候无法事先就知道贡献量,这个时候该怎么办呢?在麦肯锡的方法中,我找到了一个思路——假设驱动。
什么是假设驱动?就是在验证各种可能性的时候,不是直接每个一一验证,而是从中挑出我们认为概率最大的,然后集中快速验证,如果发现不是核心要素,就再验证下一个概率大,这样做看似像“碰运气”,实则很高效,因为每次雁阵过的都是剩下方案中概率最高的。
如何提高这个概率判断的准确性呢?这就体现出专家和数据积累的重要性了,什么是专家?就是他的算法经过数据长期训练已经形成了直觉,就像我以前的领导,我们可能花很长时间,做各种实验才发现的原因,他可能主观评价一下就知道问题所在。
而变得专业化的过程,就是不断用案例或数据,训练自己的算法,提升自己对逻辑树中不同影响要素概率判断的准确性。
以上就是我对提升专业化的理解:能够清晰定义问题,并通过结构化的方法对问题进行分解,并利用假设驱动快速找到核心影响要素。而提升专业化的方法,就是在这几个方面着力,特别是通过大量的数据训练我们对概率的精准判断。
联系客服