「行業研究專題」如何應用MECE原則來分析問題

2021-01-09 第三類人浪世界

「行業研究方法論」是對行業研究方法論的系統整理和撰寫。

圖片來源 | Canva 可畫

我們在解決問題的時候,往往會陷入一種困境。

例如,在開會的情況下,集體頭腦風暴,提出各種意見。

但此時,邏輯思維強一些的人會發現,總經理提出的意見和產品經理提出的意見是重疊的,且相互不在一個維度上。一個是宏觀的方向,一個是這個方向的具體執行措施。

這個時候,你總覺得有些意見是交織在一起的,並且相互重疊或者屬於包含關係,很混亂但又說不清楚問題出在哪。

另一種情況,你開會頭腦風暴了很久,你總覺得有一些事情是沒有想到的,但是大家沒有辦法高效地去找到被遺漏的方向。

在以上兩種情況下,你可以用到一個原則,即著名的「MECE原則」。

01

想進入管理諮詢行業的人,MECE原則是一項必備思維技能。

MECE是麥肯錫的著名的諮詢顧問Barbara Minto在《金字塔原理》中提出來的。

MECE,即「Mutually Exclusive,Collectively Exhaustive」,它的發音類似於法語的Mercy。

Mutually在英文中是「相互」的意思,Exclusive是「獨立」的意思。

Collecitvely是「集合在一起」,Exhaustive是「窮盡」。

所以這條原則翻譯過來,可以是「相互獨立,完全窮盡」,也可以翻譯成「不重複,無遺漏」。

講到這裡,你肯定會說,好,我知道MECE是什麼意思了。那具體怎麼用呢?

接下來我們舉幾個例子來詳細闡述。

02

案例一:

公司用戶研究組接到一個任務:分析公司的消費人群的特徵。在分析之前,要先對人群進行拆分,並擬定調研的方案。

一般的員工會逐一開始分析:90後、95後、Z時代、銀髮人群、中產階級、小鎮青年...

但是,你會發現,基於以上的分類,人群與人群之間是相互重複的,且有遺漏。

基於MECE原則的分法應該是:0~19歲、20~29歲、30~39歲、40-49歲、50-59歲...

這樣所有年齡都被覆蓋到,無遺漏,且相互之間沒有重複。

案例二:

小羅是公司新招聘的應屆畢業生,按照規定,周五需要提交一份數據報表給經理,但是因為業務不熟練,小羅一直到周日晚上才把報告做完發給經理。

周一到公司,被經理一頓批評:

小羅,你不知道是周五交報告嗎?周末發給我有什麼用?而且這格式根本就不行,信息一點都不清晰。你知道你耽誤了我多少時間嗎?還有報告中的銷售數據我覺得一點都不可靠,你核實過了嗎?今年和去年的數據,看起來相差這麼大,你分析了原因嗎?根本就對不上。數據不吻合是多嚴重的問題,你不會不知道吧,認真點不行嗎?這次的數據報的太晚了,而且還不對。報告中還包含了很多沒有多大意義的數據,太混亂了。我希望以後不要讓我看到,稍微動點腦子。如果出現了什麼特殊的情況,要進行特殊的說明或標記顏色。不要用手工計算,你手算容易出錯,用公式計算。數據不準確,下次要好好核實數據,把報告做好一點。

上面的場景在辦公室是司空見慣的,很多新員工聽到上面的對話,整個人都會處於又委屈又混亂的狀態,因為經理說的話也是支離破碎的。

但是,如果我們用MECE原則來好好分析一下上面的問題,其實總共就是以下幾點:

1、發送時間太晚

2、數據不符合要求

3、呈現形式有待改善

接下來,我們舉一個例子,來看看MECE原則是如何用在商業分析領域的。

案例三:

假設,聯合利華找到你,希望提升銷售。你可能會提出以下幾個解決方案:

1、改變把商品賣給零售商的方式。

2、改善針對消費者的營銷方式。

3、減少商品的單位成本。

4、重新調整生產程序。

以上的解決方案看起來非常的尋常可見,也沒有大的毛病。

接下來,我們用MECE來分析,你會發現第4點其實是屬於第3點,降低商品的單位成本的一個具體的操作。

03

說了那麼多,現在如何扔給你一個問題,讓你用MECE原則進行分析,你可能還是不會馬上上手。那麼,我們來講一講常用的使用工具,幫助你快速上手MECE原則。

1、二分法

二分法,就是將事情分成A和非A,這樣一定是無重複無遺漏的。

比如,國內和國外,男人和女人。

2、流程法

將一件事情的發生分解成不同的流程,這樣相互之間無重複。將流程全鏈路都呈現,就可以無遺漏。

例如,把大象放進冰箱:打開冰箱——把大象放進去——關上冰箱。

3、要素法

要素法主要用於事物由哪些要素(或部分)組成,把一個整體分成不同的構成部分。但是,在拆解要素時要保持維度的一致性,否則有可能出現有重疊和遺漏的問題。

例如,某圖書館可以按樓層維度來劃分:一樓、二樓、三樓...

也可以按照功能區域來劃分:信息服務區、藏書區、閱覽區、公共活動區、辦公區。

但是,不能將樓層和功能區混在一起,因為他們不是一個維度的,有悖於MECE原則。

4、公式法

公式法是按照公式設計的要求進行分類,公式若成立,要素的分類就符合MECE原則。

例如,利潤=收入-成本,其中,收入 = 單價 x 銷售量,成本 = 單個成本 x 銷售量,單個成本 = 單個的固定成本 + 單個的可變成本。

5、矩陣法

矩陣法就是把事務按照二維矩陣進行分類或劃分,例如,時間管理中常用的緊急且重要、緊急不重要、不緊急但重要、不緊急也不重要的分類方法就是典型的矩陣法。

04

在應用MECE原則時,我們一般分為以下三個步驟:

第1步:確定範圍

MECE原則雖說要「完全窮盡」,但是「窮盡」也是有邊界的,不是無止境的。所以在開始分析問題之前,要首先界定清楚問題的邊界和範疇。

第2步:找到合適的切入點

切入點,講的是從什麼維度進行劃分,例如上述所說圖書館案例中的,是從樓層劃分,還是從功能區域劃分,這便是切入點。

有時,你會發現很難把所有要素都考慮進來,這時你不得不加入項「其他」,用以包含不能被劃分到別的維度的要素。

用「其他」當然是可以的,但是如果你不得不用「其他」的時候,往往可能是你切入點沒有選好,所以要慎用「其他」。

高手和菜鳥的區別,亦經常體現在切入點的選擇上。

第3步:檢查重複和遺漏

反覆檢查和分析各要素之間是否有遺漏或者重複。例如上述所說的案例三,第4項其實包含在第3項中,不是一個維度,且是「重複」的要素。

最後,我們要注意,MECE原則必須應用在「純理性分析」的情境之中,對於感性的問題,MECE原則可能並不適用。

希望你能關注我「第3類人」,從一個女博士的視角剖析商業和科技問題。

如果喜歡我的文章,也請幫忙「轉發」,讓我們一起傳播經過思考和沉澱過的「Know-How」。

相關焦點

  • 區塊鏈行業的奧卡姆剃刀原則分析
    打開APP 區塊鏈行業的奧卡姆剃刀原則分析 BM 發表於 2019-12-09 09:10:02 根據奧卡姆剃刀原則,最好的解決方案應該是最簡單的方案
  • 筱陽說27|用MECE法則解構你的思維
    所以我要分享怎麼用mece法則來梳理清楚第一、第二,第三之間的邏輯關係,也就是你的邏輯思維。所謂的mece法則,就是Mutually Exclusive(no overlaps)Collectively Exhaustive(no gaps )這四個單詞的首字母,他們的縮寫。這是麥肯錫諮詢顧問芭芭拉明託在金字塔原理當中提出的一個思考工具,意思是相互獨立,完全窮盡。
  • 「競品分析」的理念、流程、方法、工具
    2,競品分析與市場分析其實是有區別的。市場分析、競品分析、產品分析、產品體驗分析在「分析目的」、「產品數量」、「分析維度」三個方面都是有所區別的,是一個從宏觀到微觀的過程。戰略畫布橫軸顯示的是產品的競爭元素,縱軸反映了用戶體驗與評價,我們把競品在各維度上的表現得分點都描繪出來,連成一條線,就得到了「價值曲線」。價值曲線反饋了產品在各個競爭維度上的強弱程度,以此來分析出產品的戰略輪廓。
  • 行業研究方法論|什麼是SWOT分析?
    「行業研究方法論」是對行業研究方法論的系統整理和撰寫。作者 | 第3類人圖片來源 | Canva 可畫今天我們來著重講一講SWOT分析法。劣勢:列舉企業的劣勢,如缺乏精英人才、行業經驗不足、沒有技術壁壘、營銷體系不夠強等。機會:列舉行業的機會點,如消費升級、消費者的認知喚醒、新技術等。
  • 想做好產品功能,還有個「親親原則」?
    如果出現這個情況,你就惹「功能蔓延」上身了。 新增功能,其實並不難,特別是在軟體或網頁開發過程中。功能蔓延就好似軟體應用的一顆毒瘤,太多功能只會讓人「飽受折磨」,有時甚至還會讓終端產品直接「送命」。
  • MECE法則,讓你變成邏輯大佬!
    你好,我是星辰,今天我來分享一下邏輯結構思考力中,一個非常重要的MECE法則,善於解決問題的人,都是這個法則的高手。在寫文章中,要特別會提取信息,總結歸納信息,或者把一個抽象的選題,進行分解,我們都需要運用mece法則,相信對於大家拆解問題,解決問題很有幫助。
  • 每周研究一個問題「22:宏觀角度看數據分析」
    本周研究的一個問題是數據分析,這可能是研究這麼多個問題花時間最長的一次了,可能得有十幾個小時,看了之前整理在收藏夾的幾十篇文章,可能得有幾十萬字,然後整理成這一篇,準確的說算不上原創,只能算東抄一點西抄一點。
  • 什麼才是打開「數據分析」的正確姿勢?
    >也就是說: 數據分析,需要從問題中來,回到問題中去。找對象:明確分析的可行性和分析的範圍對於上面的例子來說,其實是要對著三個問題來進行1by1的解決,需要去弄清楚對象。「因為負責渠道的同事提出了需求,希望了解渠道這半年來的相關數據。」「是要數據,還是要分析?」
  • 「對話·真假巖板」——2020行業大咖共話優質巖板標準高峰論壇...
    就此,粵強聯合製造聯盟、廣東省陶瓷協會及騰訊家居,於10月19日舉辦了「對話·真假巖板」——2020行業大咖共話優質巖板標準高峰論壇。」、「巖板和大板區別在哪裡」、「未來要不要做巖板」、「做巖板到底要不要做品牌」、「巖板的未來發展趨勢」、「巖板如何大賣」等一系列問題而與到場的一眾行業大咖展開了對話交流。
  • 在「古板遲緩」的晶片產業,一群「寒武紀」們誕生的意義與挑戰
    資本與創業者們闖進了這個古老的行業,但是晶片創業公司獨立成長的機會大嗎?撰文 | 宇多田在過去的幾年裡,一個名為「深度學習」的人工智慧技術家族在科技行業掀起了一場風暴。從幫你對手機相冊裡的自拍與萌寵進行識別分類,再到大幅度提高 Alexa 們(智能助手)與無人駕駛汽車的「平均智商」,「深度學習」這個人工智慧裡的門類,具備了更高級的對「複雜結構」進行自動挖掘的能力。通俗來說,與傳統計算通過固定流程解決「確定」問題不同,深度學習算法需要模擬人腦來解決那些取決於概率的「不確定問題」。
  • OmniFocus 簡介(十一):「上下文」的設定原則
    在講上下文的設定之前,我們先來複習一下高中的數學課程:「互斥事件」。其實今天所說的上下文的設定,就要遵循一個「互斥」原則。建立一個「電腦」上下文,下面分為 Windows 與 Mac,視具體情況分配具體的上下文,假如一件事兩種系統都可以做的就選擇「電腦」;iPhone:顧名思義,在 iPhone 上才能做的事,或者說用手機才能做的事,比如打電話、發信息等;Paper&Pen:有時候拿紙和筆做計劃、思考問題要比憑空用大腦或者計算機去思考和規劃要好用的多,所以我通常都用紙和筆來計劃和思考
  • 埃洛克防務發布「守望者」、「觀測者」
    結合母公司AIRLOOK在製圖、人工智慧、雲計算等技術與服務的積累,埃洛克防務將攜手合作夥伴,深耕防務業務在應急、公安、生態、工程、工業、能源等領域的廣泛應用。「守望者」與「觀測者」以簡單易上手的操作體驗,適用不同的應用場景。
  • 中國生物科學研究工具行業,是否真被美國「卡了脖子」?
    加上國外新冠疫情並沒有有效控制,採購進口品牌遇到貨期延長,甚至斷貨,似乎中國生物科學研究被美國卡住七寸,動彈不得。是真的「山雨欲來風滿樓」,還是「平靜之下暗流湧動」呢?我們是真的被美國卡脖子嗎?我們先分析這些原始數據,然後思考數據背後的含義。
  • vivo又展示了另外一個領先行業的「武器」——TOF 3D超感應技術
    TOF 的英文是 Time of Flight,直接翻譯過來就是「飛行時間」,它的原理是適應特殊的發射器發出經調製的近紅外光,紅外光線遇到人或物體後反射後再折回到接收器上,通過測算這個過程所需的時間差,來形成立體視覺。
  • 智能時代需要「向善」的技術倫理觀
    人工智慧能夠成為一股「向善」的力量,持續造福於人類和人類社會,但也帶來了隱私保護、虛假信息、算法歧視、網絡安全等倫理與社會影響,引發了對新技術如何帶來個人和社會福祉最大化的廣泛討論。人工智慧倫理開始從幕後走到前臺,成為糾偏和矯正科技行業狹隘的技術向度和利益局限的重要保障。正如有學者所言,要讓倫理成為人工智慧研究與發展的根本組成部分。
  • 如何通過「拆解分析」解決問題
    所謂複雜的問題,就是這個問題沒有唯一正確的方向,這是兩難的選擇,你必須在多個方向上 之中做出「取捨」。複雜問題最主要的表現是,你可能會面臨多項決策,甚至可能只是知道一個大概和模糊的目標,卻並不清楚到底要如何進行決策和分析。所以,在面對複雜問題的時候,我們最需要的,是優先完成對任務的拆解,從而將其切割成簡單問題,最終回歸到簡單問題的軌道上進行解決。
  • MIT 萬字論文解析:「好用」的自動輔助駕駛背後,是犧牲了「安全」嗎?
    在此之前,人機共駕可能會成為一種常態,人類不僅要參與到實際駕駛中,同時還要扮演「監察員」的角色,牢牢盯著人工智慧系統的運行。但正是這樣的「常態」,卻一直是自動駕駛行業的「沼澤地帶」。在自動駕駛過程中出現突發狀況時,如何讓駕駛者及時且安全地接管控制汽車是一個汽車行業爭論已久的難題。
  • 「UFO」的科學研究報告
    「UFO」是一個包含範圍極廣的概念有人認為,外星人想要從遙遠的宇宙另一端飛向地球,它們肯定需要一艘宇宙飛船,當我們在空中看見一些來歷不明的可疑飛行物時,它們都極有可能就是外星人的飛船,這些來歷不明的可疑飛行物就是「UFO」。不明飛行物「UFO」真的就是外星人的飛船嗎?
  • 基因治療行業現狀與研究進展分析,市場潛力無限「圖」
    資料來源:公開資料整理相關報告:華經產業研究院發布的《2020-2025年中國基因治療行業發展潛力分析及投資方向研究報告行業的發展離不開規範的監管體系,2019年6月至今國家連發兩份關於基因治療生產、質控等全流程技術指導原則,可見基因治療生產要求的逐漸規範化以及業界對於基因治療的理解不斷深入。
  • 強化數據分析,精準天氣預報,人工智慧賦能氣象研究 | 智周報告核心版
    Google Nowcast: Google 利用使用一種數據驅動、完全不考慮物理模型的方法來建立短臨降水預報模型。研究人員僅依賴神經網絡,通過訓練數據集來學習擬合大氣物理,而沒有使用先驗的大氣物理運動知識。在這裡,降水預報被看作是一種由圖片至圖片的轉換問題,並利用一種U-net結構的卷積神經網來實現預報目的。