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
