如何听清楚、说明白--《结构思考力》
結(jié)構(gòu)思考力
背景
我們大多數(shù)人應(yīng)該都懂得結(jié)構(gòu)思考,例如表達(dá)一件事時要分三點、看問題要分類等等。我覺得結(jié)構(gòu)思考更深刻的一點在于:要把自己認(rèn)為的一個結(jié)構(gòu),化成是大家公認(rèn)的、通用的一個結(jié)構(gòu),這樣才能更高效的去給別人講或解釋清楚,或者更好的去接收別人傳達(dá)的信息。
前幾周在和同事對需求時,正是因為沒有完整的理解清楚需求,導(dǎo)致自己后續(xù)加班才完成。下面的內(nèi)容從如何接受信息和表達(dá)清楚這個方面,對《結(jié)構(gòu)思考力》進(jìn)行分享。
我也給大家準(zhǔn)備了這本書的電子版,公粽號【diting_dapeng】后臺回復(fù)【結(jié)構(gòu)思考力】免費領(lǐng)取。
有結(jié)構(gòu)的思考表達(dá)
我們在生活中經(jīng)常會遇到這樣的場景:有的人說了10分鐘,你不知道他在說什么,而另外一個人過來跟你說三句話,你不但知道他說的是什么,而且你還能記住他的觀點,更可怕的是你還讓人給說服了。這里的差別在于什么?
同樣的內(nèi)容,我們以不同的結(jié)構(gòu)去傳遞給對方的時候,對于對方記的粘性是完全不一樣的。什么叫有結(jié)構(gòu)的方式,說話的人在思考和表達(dá)問題時,有沒有一個清晰的結(jié)構(gòu),使其呈現(xiàn)的有分類、有排序、有規(guī)律。
知識本身很重要,但更重要的是基于知識的實際的問題分析和解決能力,即思考問題的方式。
當(dāng)一個人面臨問題時,如果他的思考結(jié)構(gòu)是不清晰的,換句話他想不清楚,他想說明白這事不太容易。當(dāng)沒有結(jié)構(gòu)的時候,每個人都會根據(jù)自己的零星經(jīng)驗得出一些答案來,這些答案可能對也可能不對,但我們也不敢保證這事有沒有想全。當(dāng)有了結(jié)構(gòu)以后,你可以非常自信的跟任何人說,這件事可以從以下三個方面去考慮,每個方面有幾個解決方案,既清晰又全面表達(dá)出來以后會非常的準(zhǔn)確有說服力。
而當(dāng)我們嘗試著從這三個方面來去審視這個問題的時候,本身就找到了這個問題的一個結(jié)構(gòu),而有了這個結(jié)構(gòu)以后,會發(fā)現(xiàn)在三個方面我們都有可能會找到問題的解決方案。
那么問題是,怎么做到結(jié)構(gòu)化表達(dá)?
從三個層次來做到結(jié)構(gòu)化
理解
理解就是把別人的話聽明白。當(dāng)我們聽到一件事物時,我們要理解到他人說的核心內(nèi)容,并能夠總結(jié)清楚。
在我們?nèi)粘I罟ぷ髦?#xff0c;別人很少會把結(jié)構(gòu)化的東西交給我們,一般都是先丟給你一堆資料和數(shù)據(jù),然后把他的思路非常零散的說給你,最終需要你來融合出一個結(jié)構(gòu)交給他一個成品。
識別事實、理由和結(jié)論
觀點就是對方對事物或問題的看法,區(qū)別于事實。同時觀點中包括中心思想,即結(jié)論,需要分辨出來觀點中的理由和結(jié)論,以及支撐觀點結(jié)論的事實。最后把不相關(guān)的信息舍棄掉。
找出事實與觀點的對應(yīng)關(guān)系
收集好這些信息后,接下來通過結(jié)構(gòu)圖的方式來把結(jié)論、事實、觀點進(jìn)行逐級組合。
一句話概括所有內(nèi)容
接受信息的最終目的是為了聽清楚,聽明白。把上面的結(jié)構(gòu)圖,按照如下的方式形成這樣的一句話:
在__的基礎(chǔ)上,從__,__,__,N個方面,說明了__。
重構(gòu)框架
當(dāng)你理解完以后,如果你覺得你的結(jié)構(gòu)是不清晰不健全不符合邏輯的,怎么讓它變得更清晰,這是我們重構(gòu)的目的。做到重構(gòu)的四個原則是:
論:結(jié)論先行
證:以上統(tǒng)下
類:歸類分組
比:邏輯遞進(jìn)
結(jié)論先行
結(jié)論先行最難的不是先行,因為我們大多數(shù)人都知道先總后分。比如說領(lǐng)導(dǎo)經(jīng)常會跟我們說能不能說重點,我們也會常常希望別人直接說重點。其實誰不知道說重點啊,問題是那么大的項目那么復(fù)雜的事,你怎么就一句話說清楚,所以結(jié)論先行最重要和最難的是什么呢?是結(jié)論,能不能得出結(jié)論是最主要的。那怎么找出結(jié)論呢?
第一種方法是從下往上找結(jié)論,找共性結(jié)論。三件事的共性即是這三個事的結(jié)論,因此我們需要先保證它類別是清晰的,它是一類,我們才能找共性往上放。其次需要每個要素都是結(jié)論,比如有三個要素:蘋果、橘子、梨,你能得出的共性是什么?水果。那這個得出的水果就不是結(jié)論,因為下面的元素本身不是結(jié)論,而是名詞,名詞的共性只能還是個名詞。
第二種方法是從上往下找目標(biāo),結(jié)論取決于你想表達(dá)什么,你想表達(dá)什么取決于你的目標(biāo)。一件事可能有好多共性,但到底選哪個共性跟目標(biāo)有關(guān)系,從上往下基于目標(biāo)去找結(jié)論。比如說工作年終總結(jié),需要和我們OKR相關(guān),根據(jù)OKR來得出一年的結(jié)論。
以上統(tǒng)下
以上統(tǒng)下我認(rèn)為其實是作為結(jié)論先行的擴(kuò)展。
第一,不只是標(biāo)題,在表達(dá)上,每一個點都是下面內(nèi)容的結(jié)論先行,把數(shù)據(jù)和事實作為最底層,這叫以上統(tǒng)下。
第二,結(jié)論必須是有中心思想的主題句。比如說我做了一個PPT,標(biāo)題叫系統(tǒng)介紹,系統(tǒng)介紹不是結(jié)論。什么叫結(jié)論?系統(tǒng)介紹由系統(tǒng)背景、系統(tǒng)功能兩部分構(gòu)成,有中心思想的主題句就叫結(jié)論。處理沒有中心思想的主題句的方法,是再尋找其下面要素之間的共性。
歸類分組
我們每個人都懂得分類,核心的問題在于你怎么保證你的分類是清晰的,你怎么保證在你專業(yè)的工作崗位上,你的分類能讓你的客戶讓你的老板分清且認(rèn)同?分清的原則在于MECE法則。
MECE的含義是相互獨立,完全窮盡。MECE法則的分類是有兩個維度,第一要分清,第二還要分全,作用是把問題想清楚想全面。
分析問題
當(dāng)我們分析一個問題時,可以用MECE分類來把問題分清楚。例如:
假如你開貨車的途中,路過一個限高2米的隧道,但車子連貨物高2.05米,怎么辦?
這時候可能會有很多想法,比如:把貨搬下來,分幾次運過去;重新排列貨物,整理空間;給車子輪胎放氣,降低高度等等。但是這樣來列出方案,未來選擇方案時也會很麻煩,且無法保證把所有的情況都考慮到了。 MECE的方法是:
首先先明確我們事情的目的:把貨物送到目的地
接著根據(jù)實際情況,看當(dāng)前的目標(biāo)有幾種選擇。那么對于目標(biāo),其實是有兩種--從這個隧道過, 或者不從這個隧道過。
再往下分解,如果不從這個隧道過,有哪些方法達(dá)成目標(biāo):可以繞路,可以換交通工具。如果從這個隧道過,有哪些方法:可以放氣,可以整理貨物,可以分幾次運輸。
通過層層分解,把問題想得更全面,更清晰。
做決策
做決策時,也可以使用MECE來分類--通過2×2矩陣的方式。
二八定律表示,任何事情和問題一定可以找出2個或幾個最核心的要素,而每個要素又可以找出對應(yīng)的兩難困境。把兩個要素的兩難困境結(jié)合,就可以畫出決策問題的2×2矩陣。
比如,我們在寫年OKR時,不知道要做啥事。可以先嘗試著把考慮到的兩個重要因素列出來。再針對不同象限來采取不同的應(yīng)對措施。
邏輯遞進(jìn)
邏輯遞進(jìn)的含義就是我們分類完成后,最好有一定的先后順序。
一般有三種方式--時間、結(jié)構(gòu)和重要性。
時間最容易理解,比如說我們走廊遇到領(lǐng)導(dǎo),被問到項目的一個問題,這時候我們給領(lǐng)導(dǎo)畫張圖?顯然不太合適,那么我們可以說:到上周為止怎么樣了,這周會怎么樣,未來下周會怎么樣。按時間順序來進(jìn)行表達(dá)。
第二是結(jié)構(gòu),一個概念由不同部分構(gòu)成,把它展開就是結(jié)構(gòu)順序,比如和領(lǐng)導(dǎo)匯報工作,可以說:項目的A模塊怎么樣,B模塊怎么樣。
第三是重要性,是在分類好的同一個層級上,按照重要性的順序回答。
呈現(xiàn)形象
最后是呈現(xiàn)形象,這里書中把呈現(xiàn)形象的方法叫做結(jié)構(gòu)羅盤。因為羅盤是匯聚了宇宙的信息,方法主要是包裝和上圖示。因為內(nèi)容和本文的主題表達(dá)無關(guān),就不再展開了。
我是精神抖擻王大鵬,不卑不亢,和藹可親~
計算機(jī)碩士,目前小米大數(shù)據(jù)開發(fā)。目標(biāo)今年總結(jié)完20本技術(shù)書,80本非技術(shù)書,歡迎一起討論~
總結(jié)
以上是生活随笔為你收集整理的如何听清楚、说明白--《结构思考力》的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 从自动化到智能化,网易杭研的AIOps探
- 下一篇: 03.Hadoop之HDFS