今年我有一項重要工作是經營分析，包括業務指標體系的搭建，核心戰役目標的拆解，等等。過程中經常會用到一種叫做邏輯樹的分析方法。
什麼是邏輯樹分析？
說白了，就是把一個大問題分解成若干個小問題，再把每個小問題分解成更小的問題，一直分解到可以落地的抓手。
這個路子是不是很麥肯錫？有沒有感覺掌握了這個本領，仿佛就能解決世間一切難題。可是再一琢磨，又好像這句話啥也沒說。因為這個道理聽上去實在太普通，誰都懂。當然，真正運用到工作中並取得成效又是另一回事了。好比人人都知道牛頓萬有引力定律，但不是人人都能把火箭發射到太空。
閒話少敘。邏輯樹分析究竟能解決啥問題？我舉一個小例子。
問題1：小明同學想在半年內攢足XX元，買一臺二手電腦，請你幫他看看怎麼達成這個目標？
大約在五年前，我曾經給部門同學做過邏輯樹的培訓，題目叫《有邏輯地分析問題、解決問題》，這是其中一個研討案例。用邏輯樹分析法，小明為了達成這個目標，需要分兩步走：
第一步、分析問題（分解樹）
注意，分解樹有2個要求：1、每一層分解需滿足MECE；2、必須分解到足夠具體，有明確的解決方案。
第二步、解決問題（評估解決方案的有效性）
1、將分解樹上不靠譜的解決方案劃掉；
2、對剩下的候選方案，結合數據測算，分別評估出對目標達成的「貢獻度」；
3、分析評估結果與目標的差距，對方案進行微調；
4、執行方案。
與邏輯樹分析有點類似的，還有一類著名的估算問題，叫做「費米問題」。最初由物理學家費米提出。費米曾經用它估算過外星文明訪問地球的可能性，也曾經用它問過他的學生一個有意思的問題：芝加哥有多少名鋼琴調音師？這些問題如果你感興趣可以到網上搜一下。答案不重要，重要的是思維過程。
問題2：北京有多少輛特斯拉？
忘記這個問題是從哪裡蹦出來的了。沒有答案，我自己算了一個。我列了一個計算公式：
2020年北京的特斯拉數量 = 北京的私家車數量 * 特斯拉佔私家車數量的比例
假設北京實際居住人口為3000萬（參考香帥《錢從哪裡來》書中各城市手機網絡人口數據），假設北京每個家庭平均為3個人，假設大約每2個家庭擁有一輛私家車（考慮北京的交通狀況，生活成本，加上有很多上班族乘坐公共運輸出行，先拍了這麼一個比例）。那麼估算下來：
北京的私家車數量 = (北京實際居住人口數量 / 每家庭平均人數) * 每家庭平均擁有私家車數量
= (3000萬 / 3) * 0.5 = 500萬
根據網上查到的中國汽車工業協會發布的數據，2020年中國乘用車銷量2018.8萬輛，其中新能源車銷量136.7萬輛，特斯拉Model3銷量14萬輛。也就是新能源汽車佔私家車數量的比例大約是136.7萬/2018.8萬=7%；Model3作為特斯拉銷量最高的車型，佔新能源汽車數量的比例大約是14萬/136.7萬=10%，在缺少完整數據的情況下，姑且認為特斯拉佔中國新能源車數量的比例為10%。那麼估算下來：
特斯拉佔私家車數量的比例 = 新能源汽車佔私家車數量的比例 * 特斯拉佔新能源汽車數量的比例
= 7% *10% = 0.7%
最後，估算出：
2020年北京的特斯拉數量 = 北京的私家車數量 * 特斯拉佔私家車數量的比例
= 500萬輛 * 0.7% = 3.5萬輛
上面是我拍腦袋算的，跟真實的數據肯定有差距。不過我覺得這個數量級大概率是對的。如果我估算的數據錯得很離譜，請你一定要告訴我哦，我好檢查一下，哪個環節的估算偏差大了，是數據的偏差還是邏輯的偏差。
費米問題有一條基本原則：可以在數學上四捨五入，但不能在邏輯上偷工減料。
問題3：假設有人請你擦洗西雅圖所有的窗戶，你應該報價多少？
這個問題是龐德斯通在《誰是谷歌想要的人才？》書裡提到的一個問題。像這樣奇奇怪怪的問題還有很多，有興趣的同學可以自行了解。
不知道你有沒有發現：邏輯樹、費米問題，以及財務的杜邦分析法、編程的遞歸算法、增長黑客的增長模型（基於北極星指標分解下來的一個公式），其本質上都是一種「分而治之」的思想。大道至簡，殊途同歸。
這種分析思想，可以應用在各行各業，解決各種複雜問題。例如：呼叫中心如何提升服務水平（N秒接起率），企業部門如何提升效率、降低經營成本，等等。
最後，我想多說一句：邏輯樹分析方法雖然強大，但不是所有問題都需要用它來解決。不能「手裡拿著錘子，看什麼都是釘子」。
例如，對於「北京有多少輛特斯拉」這個問題，我們也可以在不同地段、不同時段隨機蹲點記錄（或者調監控）：有多少輛私家車經過，其中有多少是新能源車，有多少是特斯拉。這樣我們也可以得到特斯拉佔北京私家車數量的大致比例。再對照官方公布的北京私家車保有量數據，也可以大致推算出北京的特斯拉數量。
只要肯動腦筋，我們肯定還能想出比這兩個更好的估算方法。「只要思想不滑坡，辦法總比困難多」，你說是吧？
祝冬安。