结构化战略思维是什么
麦肯锡结构化战略思维是一种学习如何学习的认知方法，是批判性思维（Critical Thinking）的一种存在形态，也是一套以数字和逻辑为基础的理性科学方法论和实用技巧。
结构化战略思维这个概念分为“结构化”和“战略”两部分，其中“结构化”是方法手段，而“战略”是问题属性和高度。
本书从第2章开始将用大篇幅讲解“结构化”的详细内容，包括“维度”的概念和维度“切”的MECE原则及具体应用，此处先不做展开。
我们首先看看战略的概念和战略思维的特色。
战略是为长期维持可持续竞争优势设定的重要方针和计划，而不是短期制胜的商战技巧。口耳相传的民间故事里不乏经典的战术故事，例如草船借箭、空城计、田忌赛马等。然而，这些“术”不同于现代管理学中对“战略”的定义。
以“田忌赛马”为例，田忌赢在“术”，但从战略角度讲，他所在的赛马团队已经输得一塌糊涂。对方每一匹马都比田忌相同档次的马匹精良且跑得快。也就是说，田忌的对手团队其实拥有无可非议的可持续竞争优势。田忌的聪明举措只能在信息不对称的特殊场景下出奇制胜，一旦游戏规则有所改变，田忌则必输无疑。
而战略思维是为建立和维持这种长期的、可持续的优势而做出的思考过程。在公司或个人发展的初始期和关键拐点，往往“选择比努力更重要”。战略思维是相对于专家思维的一种思考方法，它强迫我们放下过往的经验，从大局和“盒外”思考中长期的发展方向。因此，战略思维并不关注学习静态的知识，也超越了战术层面的小聪明，而是帮助企业或个体在面对不确定的未来时，以严谨逻辑和数字为支撑，做出理性的方向性选择，以避免大量无谓的南辕北辙式的资源浪费。
结构化战略思维是后天习得的思维方式和工作方法。学习这套方法并持续实践，就能够打破画地为牢的舒适区，善于启动大脑理性的系统
2慢性思考，快速学习和认知，并能自信且体系化地解决各种至难问题。
我们每个人都可以成为善于解决问题的思辨者。
第2章 维度：结构化战略思维的核心概念
导师：“今天切了吗？” 学员：“切了。”
导师：“切干净了吗？”
学员：“呃……我再看看。”
2.1 重塑“问题观”
如前所述，在“焦虑”蔓延的VUCA时代里，斜杠大神们引领潮流，被追捧、被膜拜，甚至被羡慕嫉妒恨。人们把他们超群的能力和斐然的成绩归为“天赋”“运气”或“骗术”。人们经常发出以下疑问。
●为什么他们面对任何问题都有思路，而且聊起来头头是道？
●这些人是如何做到轻松跨界的，没有专业知识怎么可能？！
●麦肯锡怎么能给不同行业的公司做重大决策建议？这些公司难道没有专家吗？
这些疑问不同程度地映射了我们看待问题的态度，也就是“问题观”。不难看出，人们质疑斜杠大神的理由是“术业有专攻”，跨界必须掌握专业知识；没有专业知识而跨界是不可思议的，甚至是疑似“无源之水”类的障眼法。“问题观”上类似的偏颇，有时会直接引发个体面对挑战时行为上的差异，成为我们成长的桎梏。既然“问题观”如此重要，那就应该正本清源地从这里开始理解结构化战略思维。
我们不妨回想一下自己平时在面对形形色色的问题或主题时的自然反应。当面对熟悉的问题时，大家往往很容易打开话匣子，乐于分享观点，比如医生谈药理、码农聊IT、创业者诉苦难，以及任何人聊娱乐八卦或中西医差别之己见；而面对超出自己舒适区的、自己不太懂的问题，比如问医生和码农“如何提升企业盈利能力”之类问题，大多数人会觉得自己缺乏专业知识和相关经验，因而谦虚地承认自己“不懂”或“不是专家”，然后把话语权移交给真正的专家。
当话语权转移时，我们已经在很大程度上抑制甚至关闭了大脑的主动思考活动，而处于等待输入并准备接受信息的被动依赖状态。在得到专家的权威观点后，出于对权威的信任，人们大多时候会习惯性地接受观点，并乐此不疲地重复并传播。自古以来，“知之为知之，不知为不知”和“不耻下问”就是被鼓励的美德。这种根深蒂固、约定俗成的被动式学习和不加思考的传播甚至会使人们在体内产生一定数量的多巴胺，从而身心愉悦。就这样，人们成了知识的搬运工，像个做好事而不留名的快乐的人。
而思辨者却不这么认为。他们认为，人们面对超越舒适区的跨界问题时所表现出来的对专家权威观点的依赖和机械重复实质上是一种不折不扣的“吃瓜”行为，也就是单向接受信息。在对待问题的态度上，思辨者有截然不同的表现。他们首先把自己定义为“解决问题的人”，在内心里拒绝做个安静的受众，而是对问题保持亢奋的“进攻”状态。
只有态度是不够的，对待问题，还要有体系化的方法。思辨者除了拥有永远怀疑和勇于解决问题的心态，还通晓不同思维方式及其局限性。按照认知的过程和方向，可粗略地把思维方式分为两大类：自下而上的专业思维和自上而下的结构化战略思维。
2.1.1 专业思维
专业思维是人们最熟悉的一种思维方式，这种自下而上的方法在主流教育体系中随处可见。回想上学的时候，每门课程的老师都会从教材的第1页开始，按顺序线性讲解到最后1页，最后测验学生理解内化的程度。自下而上是指学习知识的过程是厚积薄发的线性过程，把所有底层（“下”）细节知识点都掌握了再提炼对整体（“上”）的理解，只有在这时才能做出专业的判断。这种学习方法也催生了“专业思维”这种思维模式：只有学全学透后才能表达观点。“知之为知之，不知为不知”，所以在不懂专业知识的时候不要参与讨论。没有专业背书的意见一律会被斥为“忽悠”。
专业思维的优势是显而易见的。在面对重复发生的有关具体技术或技巧类问题时，有良好知识和经验积累的熟手是解决这类问题的不二人选。比如，病患要做手术的时候，谁会希望实习生拿自己练手？所有人都希望由经验丰富的医生操刀。面对重复发生的技术类问题，专家们“见怪不怪”，用以往的“最佳解决方案”避免了“重新发明轮子”的浪
费。这种方法在确保解决方案质量的同时还可以多快好省地批量复制。
专家的自信源于其相关的专业性和过往经验，这也是人们信任专家的主要原因。遇到问题时，专家通常有如下反应。
●我是学这个专业的！
●我成功做过N个类似的项目！
●我看别人成功地做过类似的项目，可以借鉴！
但自下而上的专业思维方式的局限性也十分明显。首先是学习周期长。随着学科细分和知识积累的指数倍增加，单个个体已经很难成为多领域的专家。VUCA时代已经不可能再见到文艺复兴时期达·芬奇般的传奇人物——可以在绘画、生物学、植物学和建筑学多个领域成为泰斗。活在当下的人们连某一细分领域都难以精通，更没有多余的时间线性学习多个领域，因此专业思维的长周期积累就成了跨界的壁垒。有人将这种自下而上的“慢工出细活”形容为“把海水煮热而取一瓢水”，在时间压力大的情况下不可行。专业思维还有一个局限，如果专业和经验运用不当会严重限制创新。自下而上线性发展本身就排斥盒外思维[1]的冲击。代代相传的经典不容置疑，就算已经脱离了社会现实和需求也无法自我修正。另外，过往专业的成功经验也会被不自觉地滥用。正如武林中的所谓“一招打遍天下无敌手”，专家习惯从过往的方案出发考虑所有新问题。“手里有锤子，什么看着都像钉子”，频频挥舞大锤，潜在的危害巨大。
2.1.2 战略思维
战略思维这种自上而下的方法从认知方向、顺序上颠覆了厚积薄发的传统专业思维。战略思维是“结构化战略思维”的简称。这种思维方式不会因缺乏相关的专业知识和经验而纠结，往往直接从问题本身
（“上”）着手，仔细推敲问题本身的定义和准确性，用结构化战略思维“切”的方法分解问题，并用严谨的逻辑全面地提出假设，而后或通过对数据的采集与分析证实假设，或推翻已有假设并建立新的假设
（“下”），如此循环而深入地验证假设。不断探究深“挖”问题核心，以获取问题的最终解决方案。
思维方式没有优劣之分，专业思维和战略思维彼此互为补充。在许多场景下，我们会反复应用不同的思维方式彼此验证。但在特定的环境下，比如在时间压力大、缺乏专业知识、资源受限、无可借鉴经验、问题偏重全局或大方向等情况下，自上而下的战略思维就显示出快速认知的优势，尤其在面对跨界的战略类问题时，战略思维则更容易成为思考方式的首选。
值得指出的是，战略思维能够赋予人们难得的“能做”的跨界自信。由于思维方式的不同，思辨者的自信并非基于专业知识和经验，而源于超越具体技能的解决问题的能力。不论在行业、企业阶段、状态、科技、产品等方面存在多大的差异，在思辨者眼里，战略问题和前文所述的各种“百万美元”的重要问题在本质上都同样是问题，而只要是问题，就都可以凭借结构化战略思维和自上而下的方法找到解决方案。
2.2 跨界的“简单按钮”
战略思维要求我们超越问题的细节（比如科技），从更高层面看待所有可能的解决方案。超越细节意味着，尽管所在的行业不同，但相同或类似的战略问题的解法很可能具有普适性。这也解释了为什么斜杠大神们无论面对何种行业的战略问题，都像是在口袋里揣了一个操作简单的跨界解决问题按钮，即使没有丰富的专业背景知识，也可以信心满满、一板一眼地从容面对。
下面我们看几个常见的企业战略问题及标准回答，体会自上而下战略思维的初级“套路”。
例1：企业转型问题
问：一家企业如何转型？
答：从3个层面来看这个问题——人、系统和流程。
例2：成功要素问题
问：如何才能把一个项目做成功？答：需要具备3个因素——团队的能力、动力和可调配的资源。
例3：盈利能力问题
问：企业如何提高净利？
答：内部运营上注意2个方面——开源和节流。
例4：新零售问题
问：到底什么是新零售？马云回答：人、货、场。
我们惊奇地发现，貌似高深的商业难题被轻松拆解为更深入的细节。回答者提供了思路主干并为细节的阐述提供了纲要。
按照这样的逻辑架构可以再深入地切分下去。比如“企业转型”问题，在按人、系统和流程分解之后，可以再做细分：“人”按人力资源管理角度可分为人才的招聘、培训和成长、激励等；“系统”可以按系统功能拆分成客户管理、项目管理、财务管理等系统；“流程”可以按产品生命周期分为研发流程、生产流程、销售流程和售后服务流程等。深层挖掘之后就产生了一个树状的问题结构分解框架（见图2-1），让受众能轻松跟随，并进行有价值的细节讨论。
图2-1 企业能力提升关键要素纲要
能够利用这种树状结构展开陈述的，都是结构化“切”分的高手。这种所谓的“套路”有三重优点。首先，分解出来的框架在逻辑上是无懈可击的。就连“鸡蛋里挑骨头”的苛刻受众也很难找到逻辑上的纰漏。其次，这套结构超越了具体产业或项目背景，是具有十足普适特性的框架。也就是说，我们完全不需要了解特定问题的背景，只要是相同或接近的问题，以上框架就是放之四海而皆准的标准答案。这好比裁缝做出一顶均码且有弹性的帽子，居然适合世界上绝大多数的脑袋，这就是我们一直寻找的企业管理的“简单按钮”！最后，前文列举的“套路”虽然分析线条比较粗犷，但确是深度思考的起点，可以引导我们深入讨论问题的“下一层面的细节”[2]。
貌似“套路”的框架在本质上是对特定问题结构化“切”分后的战略思维的产物。我们树立了正确的“问题观”并熟练掌握了结构化战略思维基本功后，面对任何战略问题都有自信和能力创造出更多、更好的适合实际问题的分析框架。这能帮助我们在做事之前“想清楚”，从而达到事半功倍的效果。
2.3 “切”名词是结构化战略思维的起点
2.3.1 “切”名词相对简单
“切”是结构化拆分的通俗叫法，是结构化战略思维的基本功。结构化拆分是指自上而下分析问题时，把问题逐层分解成更细节的部分，每次拆分都遵循后文介绍的“MECE”原则。结构化拆分的最终呈现形式往往是树状的逻辑结构。
结构化拆分给问题分析带来了明确的结构和顺序，在一定程度上遏制了人们面对问题时马上要解决的冲动。在重大问题面前如果缺乏结构化拆分能力，人们在讨论和决策中往往会在各种毫无联系的单点思绪之间跳跃，这样不仅浪费时间，更不能保证最终决策的质量。
结构化拆分是后天培养出来的思维习惯，与前文所述的本能的“快速思考”相反，结构化拆分需要有意识地主动调用。而获得结构化拆分能力也不是一蹴而就的，需要逐步深入。
从最简单的名词切分开始，探究一下“切”的定律和功用。切分名词是最容易理解的，也是人们最擅长的。因为名词的子目录分类是人们从小就被反复强化的必学内容。让我们打开记忆的大门，重温小学语文课堂的场景。
语文老师在黑板上一撇一捺地写了“人”字后，会和蔼可亲地问：“人分为几种啊？”
学生们会争抢着回答：“男人和女人。”老师马上说：“对的，这是按照'性别’分的。”
学生们接着说“工人、农民、警察……”老师点头后会说这是按照“职业”划分的。
如果有同学说：“人分为农民和女人！”老师则会指出，这是错误的分法，因为划分标准不一样：农民是职业，女人是性别。
以上的练习其实是用不同维度来切分“人”这个品类。“切”人的利器就是老师反复强调的“性别”“职业”等，这些在结构化战略思维中被统称为“维度”。
任何常用的名词品类，都可以用多个维度来划分下一层的子分类。就“人”这个品类为例，常用的维度就十分丰富：地域（如北方人）、国籍（如中国人）、性别（如女人）、年龄（如中年人）、年代（如古人）、财富（如富人）、身高（如巨人）、道德品质（如好人）、颜值
（如美人）和学历（如大学毕业）等（见图2-2）。总而言之，每个描述人的形容词都可能成为划分的维度。
如果按照是否掌握了结构化战略思维能力来划分，世界上的人就会被分为两种：“思辨者/解决问题的人”和“吃瓜群众”。
图2-2 用多个维度来划分“人”
在日常生活中，很多形容人的词汇其实是多个维度的组合，比如“美女”是颜值和性别两个维度的组合，“高富帅”和“矮矬穷”是身高、经济状况和颜值三个维度的组合，等等。
2.3.2 MECE原则为核心
切分名词时，人们会有意无意地运用“切”的基本规则：MECE原
则。MECE是英文“Mutually Exclusive，Collectively Exhaustive”的简写。
MECE原则要求结构化切分后要达到如下要求。
- 子分类相互独立无重叠；
- 子分类加起来穷尽全部可能。
这些原则听起来有些高深和晦涩，但其核心理念并不难理解，人们很多时候都在无意识地应用这些原则。尤其我们在进行常用的名词切分时，会自然地遵循这两条基本原则，任何违反约定俗成的分类我们都会察觉到其中的不妥。比如，以“性别”来切分人类，分为男人和女人两类，这种分类就符合MECE原则。首先，子分类“男人”和“女人”相互之间在逻辑上是没有重叠的。也就是说，每个人不是男人就是女人，不能既是男人又是女人。此处暂且不卷入社会上多元化的争议话题，从传统观点和逻辑角度来看，按“性别”把人切分为男人和女人是符合第一
条“子分类相互独立无重叠”的要求的。这种分类也符合第二条要求—— 男人加上女人应该是人类的总和，也就是两个子分类在一起已经穷尽了人类以性别维度来切分的可能性，除了男人和女人之外没有第三种性别。
如前所述的错误陈述“人分为农民和女人”就同时违背了MECE的两条要求。违反第一条是因为农民和女人不是独立不重叠的，农民包括女农民，其性别是女；女人也包含职业是农民的人。同时，这种分类也违反了第二条要求，农民和女人加起来并不是人类的全部，比如“男老师”就不在农民和女人的集合中。
MECE不光是切分名词的规则，也是问题逻辑切分的关键。后文在着重讲述切分问题时会进一步探讨。
使用MECE原则切分时，尤其是在商业战略类问题的讨论中，要求衡量的维度满足“具体可衡量”的客观标准。如果缺乏量化客观标准，虽然切分也同时满足MECE的两项要求，但每次对子品类具体个体归属的判断都会面临模棱两可的窘境。例如，如果以“好和坏”的道德标准作为划分维度，在“具体可衡量”层面就十分具有挑战性。
结构化战略思维十分强调科学精准划分，杜绝简单粗线条的划分。要把“好”和“坏”用明确数据标准做区分，给每个判断以充足、具体又可衡量的指引，这并不是一蹴而就的容易事。例如，我们判断一个人是好人还是坏人，首先要明确以哪套道德标准为界定的基础。世界上存在很多道德标准，甚至有些道德标准相互矛盾。统一道德标准背景后，还要把具体的行为标准提炼出来。例如，如果公益捐赠是个好的行为，那么什么频率或金额才算达标？是否跟个人财富总额成比例？如果是，比例应该是多少？除了捐赠还有其他类似的行为，它们之间关系如何？各种具体问题接踵而至，都需要我们进行进一步商讨。可以看到，在结构化战略思维的语境下，“好人”和“坏人”这个大家常用的评判标准其实十分复杂，这也跟切分的颗粒度过大或深度不够有直接联系。媒体里或商业谈判中经常存在一些奇怪的现象：交流时，双方在陈述一模一样的观点，但每次都还是争论得面红耳赤，反复强调希望对方做“正确”的事。产生这种争论的更深层次的原因在于双方对基本的“好与坏”“对与错”“公正和不公正”的切分维度没有一致的具体可衡量的标准，从而陷入鸡同鸭讲的窘境。
2.3.3 “切”名词可产生商业洞见
阅读至此，大家或许会觉得名词切分是个过于简单的练习，甚至由此看轻“切”以及MECE原则的变革性贡献。其实不然，所谓大道至
简。“切”是结构化战略思维的起点，切分商务环境中的关键名词（比如“用户”和“产品”）本身就会带来很多意想不到的商业洞见和启示。
精准的名词切分可以给公司战略提供方向性建议，先举个切分“用户”的例子。
5年前，我有幸被某国产知名手机品牌企业邀请做战略项目。因为项目需要，团队对其某省销售公司的中层管理进行问卷调研，其中有一个问题是“根据你的理解，本公司主要手机品牌V目前的核心消费者具有什么特色？”
这个问题看似简单，但实质上非常具有挑战性。它要求被问卷调查的管理层对公司主营产品目标客户的用户画像进行描述。如果中层管理者和一线员工都能精准地做出相对一致的回答，不仅说明公司产品战略清晰，也体现了公司产品战略宣贯上的到位。
问卷调查结果惊人地一致，所有的被访者都异口同声：公司主营产品的核心客户是“二三线城市的年轻女性”。我们仔细看看这个貌似简单的只有一句话的用户画像总结。这里用3个不同维度清晰地定义了核心用户群体：第一个维度是“地域”，是二三线城市，非一线城市；第二个维度是“年龄”，是年轻的，年龄在17到30岁；第三个维度是“性别”，是女性。
用户画像是公司产品和市场等战略方向的重要决策因素之一，其功用巨大，甚至可以引导公司核心业务部门的工作方向。
首先，研发部门会主要关注二三线城市的年轻女性的核心需求。定价方面，产品在具有超值功能的同时，价格上也要具有优势，二三线城市居民的消费能力毕竟不如一线城市；外观设计方面，产品应该追求小巧、柔和可爱的外观，粉色系会更受女性喜欢；功能设计上，超强摄影和美颜修图功能是必备要素，因为女性用户大多数不在乎手机能不能拍到天上的星星，只需要把自己照成最闪亮的那颗星即可。
其次，公司的市场部门也有了明确的方向。当时，在二三线城市年轻女性中哈韩风潮正盛，V品牌有意连续几年用韩国明星和欧美明星做代言。通过电视广告和综艺节目等最容易覆盖二三线城市的媒体渠道，对潜在的目标客户群体投放广告。更令人吃惊的是，公司内部调研显示，在国产手机品牌影响力还较低的21世纪10年代初，V品牌的目标客户——二三线城市的年轻女性——大部分误认为V品牌是一个来自韩国的高端手机品牌。公司借助当年“哈韩风潮”增加了目标客户的购买动力。
从清晰的客户划分中获益的不仅是研发部门和市场部门，公司其他部门，如销售、渠道等也获利于这种清晰的定位。门店的陈设风格相对女性化以吸引目标客户，就连备货时，门店也尽量会优先储备适合核心客户的产品款式及周边产品。
就这样，“二三线城市的年轻女性”这个貌似简单的对目标客户的三个维度的切分组合清晰地定位了V品牌当时的核心客户，也成为公司产品和市场战略的核心决策因素之一。这种多维度的清晰目标客户画像分析帮助该公司成为中国销量最大的手机厂家之一。
不仅精确切分“用户”会对公司战略产生巨大影响，切“产品”也有类似的功效。再举个切“产品”的实战例子。我曾为某艺人经纪公司B公司做企业辅导，同样是利用“切”的方法论跟B公司的管理团队一起打造了艺人管理的创新型“星值体系”。
随着新签艺人的增多，当时艺人经纪公司B公司日常管理面临的挑战是，在资源有限的情况下，如何把资源最高效地配置给艺人，同时规范艺人的绩效，以达到公司收益的最大化。换句话说就是，B公司如何把有限的资源优化地分给每个艺人才能赚更多的钱。
对于一家艺人经纪公司而言，其产品及库存就是艺人和他们的宝贵
时间。当时B公司尚处于初期状态，只有2~3名资深经纪经理，其他支持团队如才艺教练、化妆师、造型师和摄影师等也都处于接近满负荷的工作状态，分配资源自然是个难题。在缺乏数字化管理的情况下，以往资源分配都是由首席执行官一事一议进行。随着公司签约的“潜力股”艺人越来越多，艺人都在竞争公司内有限的资源。如何系统化地判断并分配公司资源？以前的主观判断和“关系”为主的资源分配和晋升规则已经暴露出明显的局限性并造成严重的资源浪费现象。
要解决这个问题，公司管理层首先做了“切”的练习：“切”艺人。
把所有能想到的切分艺人的维度和所产生的子品类都列出来，然后做归类并逻辑提升，最后进行适当筛选和合并。篇幅有限，此处仅罗列讨论结果。归纳的核心维度有：粉丝年龄、性别、艺人地域、艺人才艺类型（如演唱）、实力水平（实力派、偶像派）、已有粉丝基数、可塑性/跨界能力等。
有了该维度清单后，管理者们第二步就要列出评判每一个维度的具体可衡量的客观标准。有些维度很简单，比如粉丝年龄、性别、地域等，很容易制定标准。但有些维度则需要深入讨论，比如什么是艺人的“可塑性”？它很可能是一系列特质的综合，学习能力、擅长才艺品类、才艺基础、颜值等都可能起到一定作用。各个因素到底要占多少比例？各因素之间是否独立不重叠？比如“学习能力”可能跟艺人的年龄和才艺基础相关，年龄越小或才艺基础越好的艺人学习新才艺的能力越强。如果证明正相关，就可以考虑去除重复的衍生因素。
关于具体可衡量维度评判标准的讨论本身就有很高的商务价值。讨论过程不光是行业专家输出业务知识和梳理思路的过程，也是“外行”学习行业知识的极佳机会。访谈和讨论过程会碰撞出商业洞见的火花，也能纠正了不少常见的对业务理解的偏差。
维度清单和评判标准齐备之后，第三步是给每个维度打分并给每个维度赋予一定的权重值。假设最终的核心维度有ABCD四项，每项的最高分都是100分。A项占整体决策权重的50%，B项占30%，C项和D项各占10%，总和应该永远是100%。在计算时，每一项的实际得分乘以各自权重值，就可以计算出每个艺人按照标准评判流程而得出的可比较的分数（见表2-1），美其名曰“星值评分体系”。
表2-1 星值评分体系
该评分体系同时规范了艺人的行为，确保艺人行为和公司利益的统一。公司B制定了相关的艺人绩效关键绩效指标（KPI），然后把这些 KPI作为星值体系的输入项。这样，每个艺人为获得较高的资源分配优先级就会努力达到甚至超越可量化KPI，也就确保了公司利益的最大化。比如，公司可以把参加标志性的综艺节目（如某卫视娱乐节目）、热搜排名、微博粉丝数、直播流量或带货金额等变成星值体系的输入项，激励艺人向特定方向健康发展。按照星值的区间，还可以进一步定义公司内部艺人分级评分体系，并按一定时间对艺人进行阶段性评估和更新。
综上，通过3步操作，一个“艺人资源配置量化参考系统”的雏形就诞生了。它虽然不是资源分配的唯一依据，但在实战中却可以为管理者决策提供关键参考输入。而且公司拥有了一套公开透明的资源配置评判标准，也为每个艺人提供了明确的行为指引，规范并简化了管理。
对核心业务品类（名词）的深入分析是公司战略讨论的起点。这种思路其实早已渗入现代公司管理。经常被应用的公司管理IT数字化系
统，如客户管理系统CRM（Client Relationship Management）和产品信息管理系统PIM（Product Information Management），其顶层设计从商业视角理解无非是在行业最佳解决方案的基础上，对关键核心名词的重要维度在数字化之后做深入而细致的记录、判断、筛选、排序、更新、备份等并利用IT系统进行相应的流程管理。
2.4 “切”问题，更上一层楼
对大多数人来说，“切”名词相对容易理解，然而“切”问题对没有经过结构化战略思维训练的人来说就没有那么自然了，颇具挑战性。
如前所述，“切”问题跟主观本能的快速思考相反，是“不自然”的思考方式，需要我们有意识地强迫启动。丹尼尔·卡尼曼教授在《思考，快与慢》一书中阐述了以直觉和感性为基础的系统1快速思考和理性的系统2慢速思考。面对问题，尤其是熟悉或相对简单的问题，人们有强烈的本能冲动在短时间内找到答案，常常会用直觉感性的系统1代替理性的系统2，而这种快速生成的答案会给我们一种莫名的认知舒适感
（见图2-3）。
图2-3 认知舒适感的源头分析
卡尼曼教授直白地说，尽管大多数人自称能用系统2思考，其实都是自吹自擂。结构化思维“切”的训练就是要求我们时刻反抗这种本能的系统1快速思考，强制启动人脑理性的系统2慢速思考。
“切”问题虽然要比“切”名词更复杂，但所遵循的同样是MECE原则，和“切”名词并没有本质差别。在符合MECE原则的基础上，“切”问题主要有4种方法：公式法、子目录列举法、流程法和逻辑框架法（见图2-4）。
图2-4 “切”问题的4种方法
用实例来演练一下如何利用这4种方法来“切”问题。
企业家每天都在苦思冥想“钱”的问题：“企业如何能赚更多的钱？”用MBA工商管理的术语体系来说就是“如何提高企业净利”。为便于讨论，这里假设公司属于相对传统的制造业。
在不了解制造行业大背景和企业具体情况时，大多数人面对提高净利的问题会感到被动和茫然，不知如何下手。不擅长结构化战略思维的人会因为专业知识的缺失而交白卷，“不熟悉、不了解”理所当然地成了进一步讨论或思考的绊脚石。崇尚真才实学而抵制“忽悠”的“本分人”似乎应该如实回答“这个行业我不懂”，讨论还没开始就戛然而止。
如前所述，回答这个问题有可复制的“简单按钮”。掌握结构化战略思维的思辨者不会以“不懂”为拒绝思考的借口，他们总是试图分解问题，运用放之四海而皆准的方法逐渐深化“切”好问题，想方设法让讨论继续。看看如何用“切”问题的4种方法自上而下地将问题逐层进行战略问题的拆解，并展开有结构、有意义的深入讨论。
2.4.1 公式法和子目录列举法
先看看公式法的应用。
任何净利的问题，都能以“开源节流”为讨论的起点。倾听企业主“如何提高企业净利”的问题后，完全可以套用公式法背诵出经典金
句：“解决净利问题，无非是从两个层面入手，一是开源，二是节流！”
“开源节流”是解决净利问题的公理，因为它源于经典工商管理领域利润的计算公式：利润=收入-成本
在这个公式里，要提升等号左边的利润项无非有两种方法：要么在成本不变的情况下提升收入（开源），要么在收入不变的情况下降低成本（节流）[3]。
公式法完全符合MECE原则。在开源节流的案例里，“收入”和“成本”是利润构成的“相互独立不重叠”的两个要素，两者的减法构成了利润的定义，符合“全部”的要求。
如图2-5所示，提高净利的问题被分为两个符合MECE原则的支脉：增加销售收入和降低成本。这构成了第一层的问题分解。
图2-5 公式法切分示例
只“切”到第一层的“开源”和“节流”就停滞不前是远远不够的。这里的第一层是指在逻辑树的结构中距离问题最近的一次分解，这时，问题被细化成“开源”和“节流”两个节点。沿着每个节点再次对节点进行分解会构成切分的第二层。思辨者“切”问题的基本要求是至少“切”到第二层才及格，分解到第三层是比较常规的切分深度。
从第一层的两个分支点，我们开始进行第二层分解。先看“增加销售收入”这个支脉，销售收入的计算又可借用以下公式：销售收入=单价×销售数量
从“开源”的角度，这个支脉可再次分为“增加销售数量”和“提升产品单价”。正如“开源节流”一样，销售数量和产品单价也是符合MECE原则的公式法规则。销售数量和产品单价“相互独立不重叠”，相乘就是“收入”的全部，也就是“收入”的定义。
相乘和相加很相似，在一方相对不变的情况下，另一方的增加会促进销售收入总量的增加。如图2-5所示，“开源”（增加收入）的问题支脉被进一步分为两个符合MECE原则的第二层细节，完成了第二层次的分解。
再沿着第二个支脉“增加销售数量”，借助经典的子目录列举法，用法已在“切”名词时讲解过，就可以MECE地穷尽列举子目录项。销售数量的提升有哪几个核心贡献因素？根据经典4 P营销理论[4]，销售数量的提升因素除了价格之外还有产品、渠道和推广三大因素。4P营销理论也符合MECE原则，产品、价格、渠道和推广加起来是营销的穷尽组成部分，且相互独立不重叠。这样就套用了经典理论完成了“增加销售数量”支脉在第三层深度的分解（见图2-6）。
图2-6 “切”增加销售收入支脉（公式法+子目录列举法）
把问题分解到第三层时，完全可以利用该逻辑框架自信地跟企业主来互动访谈，以便收集公司目前运营状况的细节信息。这时，访谈者如果自身对营销基础常识有认知，对话就会具有强相关性甚至可以碰撞出商业洞见。
按照4P营销理论的逻辑，可以体系化地询问公司运作相关的细节问题。由于是基于高质量逻辑框架的输入，大多会赢得企业高管的信任，因此会得到高质量的一手信息，比如询问以下问题。
●对比竞品，我们产品本身差异性如何？哪些是消费者感知到且愿意溢价购买的？
●公司现在的渠道采用的是直营还是代理？如果是代理，有几级代理？销售状况如何？ ●公司现在的促销手段有哪些？跟竞争对手有何不同？
●本行业在产品、渠道和促销等方面有何趋势？目前效果如何？
穷尽了“提升销售数量”这个支脉之后，再沿着“提升产品单价”这个支脉同样运用子目录列举法“切”到下一层的细节。
这里“提升产品单价”并不是指企业单方向的提价动作。不以价值为基础的单纯提价势必会遭到消费者的反感和抵制，不会增加收入。这里“提升产品单价”是指增加客户对产品的感知价值，也就是扩大消费者愿意为产品买单的价格区间。管理理论对感知价值也有相应的阐述：影响感知价值的因素包括品牌、原材料、包装和科技等。
此时，同样在第三层细节，沿着“提升产品单价”的思路可以跟对方企业高管再进行一轮关于产品单价的探讨。
●公司主流产品的品牌力如何？跟竞争对手有何区别？是否容易提升？
●产品的原材料是否有特色？跟竞争对手的相对位置如何？
●产品包装跟竞品的区别大吗？消费者是否会为更好的包装买单？
●产品的科技含量高吗？技术是不是本类产品的一个壁垒？趋势如何？
随着问题的逐步分解和分析的深入，越来越多的业务细节会浮出水面。当我们把“开源”的两个支脉的再下一层（第三层细节）都探讨后，可以离开“开源”这个支脉，开始深“挖”下一个支脉——“节流”了。
“节流”也就是降低成本，依旧可以借助子目录列举法MECE地列举所有可能性。按照管理理论，成本无非分为固定成本和可变成本，这是第二层的分解。固定成本是已经不可逆或不可收回的沉没成本，比如已经建成的厂房和生产线。在讨论成本节约时，往往更聚焦可变成本的优化提升空间。
按此逻辑，“节流”支脉的第三层聚焦在“切”可变成本。用子目录列举法可将可变成本切分为人力成本、原材料成本、研发成本、市场成本等（见图2-7）。接下来，按照此结构继续进行切分。
图2-7 “切”降低成本支脉（子目录列举法）
●公司主要生产成本集中在人工、原材料还是其他方面？
●生产规模化和自动化会不会大幅度降低生产成本？
●人工成本占整体成本的比例，有无改进空间？
分解“如何提高企业净利”的问题时，主要利用公式法和子目录列举法就勾勒了一个相对普适的逻辑拆分框架，把问题“切”（分解）到第三层细节或更深。有了这个体系化严谨的讨论结构框架，外加对方自身商业基础知识的积累，在与对方业务高管做深入探讨的时候，大概率会得到对方详细的信息输入，为后续分析问题提供良好基础。
2.4.2 流程法和逻辑框架法
流程法和逻辑框架法也是在实战中经常用到的“切”的方法。流程法，顾名思义就是把问题按照某种流程步骤串起来。逻辑框架法是按照逻辑叙述常见的粗线条判断框架，比如内部vs外部、主观vs客观、优点 vs缺点等对问题进行初步切分。依旧用“如何提高企业净利”这个问题示范一下这两种方法的具体应用。
先看流程法。流程法往往应用在存在线性发展或生命周期的品类上。以“公司发展”为例，可以在“开源节流”切分之前，先了解公司发展状态，同时输出自己对企业管理周期的认识，加以对比。
在深入探讨“如何提高企业净利”问题之前，可以先做如下说明。
“提高净利的侧重点根据公司所处发展阶段不同而略有变化。比如初创企业通过单点的营销策划和渠道拓展往往可以快速提升收入，而成熟企业的解决方案则复杂得多，成熟企业更注重长期的产品差异和成本控制的系统化解法。” 再用流程法MECE地列出企业成长的S曲线的4个阶段，对号入座。
●您公司现在处于什么阶段，是初创期、高速发展期、高峰瓶颈期，还是已经有下滑态势的夕阳或转型期？
分析得到明确回答之后（比如高峰瓶颈期的大企业），再回归到“提高企业净利”问题本身。这时可以以产品发展阶段为讨论主线，这也是一种广义的流程。制造业的产品基本都会经过研发、生产、市场和销售以及售后服务这4个流程阶段。“提高企业净利”的问题可以用这4个阶段来做第一步切分（见图2-8）。可细致地探讨以下问题。
●公司研发的投入占收入的比例是多少？相对竞品，投入比例和收效如何？
●生产总体是什么状况，有无优化空间（机械化、自动化和规模化）？
●目前销售状况如何？销售投入和成本控制做得怎么样？
●售后服务投入有多少？复购率怎么样？相对竞品，有无优势？这样，流程法就构成了第一层“切”的主线。按照前面三层深“挖”的要求，可以组合用其他“切”的方法进一步向下细分。在4个第一层划分（研发、生产、市场和销售以及售后服务）选项中，市场和销售更接近“开源”，而其他三项偏向“节流”。
图2-8 流程法切分示例
以“研发”为例，研发投入用子目录列举法可以分为研发人员人力成本、材料费、设备采购/折旧费以及外包费用。如果公司的研发投入偏高又没有相匹配的产出，就可以在研发的子目录里面探究“节流”的机会。
再以“市场和销售”为例来深“挖”一下。用子目录列举法可将“市场和销售”切分为广告管理、销售渠道管理、促销政策管理和销售人员管理等。“挖”到了第二层后，关键品类需要再向下细分。比如“切”广告管理，用逻辑法可将之分为内部和外部（第三层）。内部有站内资源、官方媒体、社群社区等。外部有不同广告渠道，如广告联盟/DSP平台、搜索引擎、微信等自媒体，以及媒体平台等（第四层）。两种切分都会产生树状成果，这可被称为“逻辑树”。不难发现，到了第三层或第四层的细分类别时，使用流程法生成的逻辑树和使用公式法生成的逻辑树包含的内容是不同的，但信息又十分互补。也就是说，用不同维度“切”问题，会带来对问题本身连同潜在解法的更深刻、更全面的认识和理解。
结构化“切”的高要求是遵循“3-3原则”，即面对任何问题，都能用维度准确“切”分，然后再纵向深入“挖”到至少第三层的细节。完成一次完整分解之后，能跳出已有的逻辑框架从全新的维度再做两次或以上类似的“切”和“挖”的练习，总共建造3个或以上不同的逻辑树，每个逻辑树都有至少三层细节。
2.5 从单一维度到多维度的飞跃
世界上的人分为两种：一种是“思辨者”，而另一种就是“吃瓜群众”。
——周国元
前文用较长的篇幅介绍了“结构化战略思维”的基本功，也就是维度“切”的技巧及其MECE原则。练好基本功后，就要开启从单一维度到多维度的飞跃，把思考的深度和广度提升到一个全新的层级。
到目前为止，在讨论案例的过程中，其实每次分析只涉及单一维度。比如分析“如何提高企业净利”问题时，用公式法切出“开源”“节
流”，用流程法切出“研发”“生产”“市场和销售”“售后服务”，或用子目录列举法切出公司各业务板块。每一种切法再逐层深入“挖”到第三层或更深的细节。这种多次用单一维度“切”的能力是对结构化战略思维初学者的基础要求，也是入门的基本功。但在实际解决问题的过程中，思辨者需要进行真正意义上的多维度切分，同时运用两个或两个以上的维度思考和分析问题。
下面讨论如何从单一维度到多维度进行飞跃，让逻辑思维真正立体起来（见图2-9）。
图2-9 从单一维度到多维度的发展
大多数时间，我们都陶醉在单一维度的思考模式中。随便调出几份常见的工作报告，留意一下报告中的图表类型，往往大抵如此：图表除了线图就是饼图、柱状图，能画出流程图已经堪称惊艳，更不用说那些连图表都没有，满篇都是直接粘贴过来的Excel原始数据表格的业务报告。
所有这些简单的线图、饼图、柱状图和流程图都是单一维度思考的图谱呈现。它们虽然有一定的视觉展示效果，比如凸显趋势和比例等，但是从逻辑思考的深度来说，这类图表是相对初级的。要显示思辨者思考的广度和深度，必须具备从单一维度到多维度思考和沟通的飞跃，学会制作多维图谱。
那么，什么是多维度思考？多维图谱又是什么样子？
以工作中常见的场景为例，新季度即将开始，直线领导要求你对部门下季度的所有项目进行30分钟的汇总汇报。由于项目类型比较杂而且数目较多（20多个），领导要求汇报聚焦重点项目，但对于那些将要弱化或将不予继续支持的项目也要给出处理的判断并附上简短理由。
主流的做法是把所有的项目按照一定结构用Excel表格记录，包括名称、类型、起始日期、投入、潜在收入、重要级别、RACI[5]等内容。一般还会有密密麻麻的项目备注。
汇报形式也有套路。会议开始，寒暄几句之后，打开投影仪一行行地过Excel细节。这种开场就关灯过Excel的会议多数都非常低效：会议时长从30分钟变成几个小时，单次会议也变成系列会议。大家沉溺于项目细节不能自拔，似乎所有项目都要做，而没有一个项目能做到极致。由于缺乏判断项目重要性和优先级的标准，会议显得混乱而没有章法，而且大多数讨论最终沦为“有理就在声高”的气场和声量的对决。
结构化战略思维的方法要求大家先对项目的优先级做出判断并达成一致，可以从根本上改变这种无序的状况。后文要详细介绍的麦肯锡五步法也强调在谈论项目细节（“怎么做”）之前，团队必须想清楚“为什么做”的问题。首先要判断项目优先级，因为不是每个项目都需要同样的重视程度：有些是最重要的核心业务，有些是为未来布局的可能赔钱的业务，有些可能是历史遗留问题，早就应该被砍掉；还有一些是模棱两可的鸡肋项目，要仔细考量。
究竟如何判断项目优先级？这时就用到多维度“切”的功夫！这是个典型的“切”名词的练习。“切”项目的维度有很多：项目规模（收入/投入）、项目业务类型、项目战略重要性、项目执行难度、项目周期、项目负责部门、项目频率和有无外部参与等。在众多维度里，需要找到两个跟项目优先级最相关的维度或属性，而其组合可以定义项目优先级。
直接看项目优先级分析图谱的一种二维度画法。如图2-10所示，该项目优先级关键图谱由两个坐标轴切分组成（几乎所有关键图谱都是从两个坐标轴开始）：X轴代表“战略重要性”，越向右数值越大，表明战略性越强；Y轴代表“执行难度”，越向上数值越大，表明执行难度越高。在每个轴的中部画一条逻辑上的分隔线，这样就出现了四个小区域，又称为象限。每个象限都是两个核心维度不同值域的组合，用来归纳项目特色。为了便于记忆和在讨论中引述，可以根据维度特性给每个象限起个生动而接地气的名字。比如，战略性高而执行难度低的项目，应该是公司最应该做且必须做好的项目，可以称为“主战场”或“必赢之战”。
图2-10 多维图谱：项目优先级分析（基础版）
以上项目优先级的战略图谱可以分为四个象限。
主战场：战略重要性高而执行难度低。这些项目往往与公司现有战略的核心一致，而且公司多年累积的各种竞争优势，比如研发、生产和销售等，都可以直接应用，是公司的核心业务。执行难度较低是相对本公司其他项目而言的，竞品公司很可能有不同的判断。如果项目落在这个象限，意味着项目是公司立足之本，要保证资源确保项目成功完成。
战略拓展：战略重要性高且执行难度高。这些项目常常代表公司未来发展方向，要进行战略布局。项目很可能跟公司本身的核心能力有偏差而导致执行难度偏高。比如一家一直对消费者（to C）服务的公司，在转战云服务等对公（to B）服务的时候，内部要相应做很多调整。如果项目落在这个象限，意味着公司管理层要做个判断，是否要破釜沉舟布局甚至允许初期的亏损。要衡量拓展项目与主战场的关系，尤其是在资源有限的情况下，平衡长期战略和短期获利。
鸡肋：战略重要性低且执行难度低。这些项目跟公司战略布局完全不一致，但由于执行难度低，如果利润空间还比较大，是值得重点讨论的。比如，大型家电制造业的企业有机会做房地产开发项目。鸡肋项目构成比较复杂，“食之无味，弃之可惜”，需要讨论和权衡。对于大型成熟企业来说，为一次性的非主营业务短期利润而投入相当大的资源，很有可能会分散精力甚至影响主营业务的发展。
必须砍掉的项目（X）：战略重要性低而执行难度高。这些项目被砍的原因毋庸置疑。但工作中经常会碰到类似“吃力不讨好”的项目，苟延残喘的原因也多种多样，有时是历史遗留的问题项目，项目前景堪忧但往往由于前期投入大而难以割舍；有时是公司战略方向变化导致项目适用性降低；有时甚至是需求端已经改变导致项目的意义不复存在。总之，如果项目落在这个象限，原则上，没开始的项目坚决不能开始，已经开始的项目要认真考虑如何止损。
这样分析0过后，多维图谱分析的优势十分明显。两个维度叠加充分显示出思考的深度和专业性已远超那些只会单维度思考的小伙伴。貌似简单的一个图谱，利用“战略重要性”和“执行难度”两个维度把所有项目“切”成四个基础类型，并且为每个类型推导出相对容易理解的可实施的策略。一个项目一旦确认被放在某一象限，统一语境后相对应的战略方向和原则便一目了然，因而节约了大量的沟通成本。其实，这个多维图谱还可以进一步提升和精进。我们发现，在讨论项目的时候，另外一个核心的决策因素是潜在净利的多少，然而这个因素并没有被包含在图2-10的二维图谱里。净利的多少直接影响对项目的优先级评估。比如，对于现金流压力大的中小企业来说，如果项目可预见的净利可观，就算是跟战略方向相反的“鸡肋”项目也还是会优先考虑实施，在“现金流为王道”的资本寒冬大环境下尤其如此。
如何把潜在净利加入到图谱？我们可以尝试用图形展示这个数值。如图2-11所示，在项目优先级图谱的增强版中，用大小不同的圆形来代表项目潜在净利的多少，而圆心位置则体现项目在战略重要性和执行难度方面的相应的估值。用这一方法，我们可以把ABCD四个项目在多维图谱中进行信息和视觉上的增强。
图2-11 多维图谱：项目优先级分析（三维版）
在战略图谱三维版的引导下，团队可进行更深入的项目优先级的讨论。战略拓展项目A和主战场项目B基本不用太多争论，是必须做的。
项目D如果没开始就要直接砍掉了，因为战略重要性低又难做且净利少，没有理由浪费时间和资源。讨论的焦点自然会放在项目C上，因为此项目虽然与战略方向不一致但潜在净利巨大，团队应该仔细梳理项目细节，并根据公司实际情况和所处阶段进行深入讨论后做出决策。不难发现，如此进行的讨论一改之前“有理就在声高”的混乱局面，具有结构清晰、语境统一、数字说话等优势，会显著提升会议效率。
多维图谱分析作为结构化思维框架的一种视觉展现，其应用的场景极为广泛。也可以尝试用它来分析生活中常见的问题。下面举个生活中常见的趣味性较强的例子，看看多维度深度思考在解决常见问题时如何带来不一样的视角。我们用多维图谱来分析下“如何择偶”这个亘古不变的八卦谈资。
择偶标准真可谓“仁者见仁，智者见智”。对于一个适龄的窈窕淑女来说，择偶时男性到底应该满足什么标准？面对众多追求者，在时间和精力有限的情况下要用什么样的标准做初步筛选？哪些重点培养，哪些散养，又有哪些需要敬而远之？
作为拥有结构化战略思维的思辨者，要拒绝快速思考的冲动，不能直接聊那些有血有肉的八卦或亲身经历，而是先要强迫自己从全局高度多维度地分解这个择偶问题。正如已经重复多次的问题分解流程一样，多维度分析总是起始于众多可选维度。那么就以女性择偶角度，来“切”一下男性这个群体。
“切”男性的维度数不胜数，包括才艺、财富、工作、地域、年龄、职业等。我们可以挑两个特色维度作为X和Y坐标轴，做一个幽默版的择友指南：X轴是财富，而Y轴是为女方花钱的意愿。[6]
所有适龄且性取向端正的男性，按照财富指数和为女方花钱意愿的强弱分成四个象限（见图2-12）。有钱且愿意给女方花的，是理想
的“钻石王老五”；有钱但特别吝啬的，有再多的钱跟女生也没有关系，是典型的“铁公鸡”；没钱但有胆量借钱给女方花的，在爱情和勇气上都加分，可称之为“真爱”；没钱又吝啬的，是不折不扣的网络用语形容的某类“渣男”，要趁早远离。
图2-12 多维图谱：女性择偶指南
还有几个维度可以组合，比如颜值、性格和学历等，不同的排列组合会给择友标准带来意想不到的幽默效果和启示。大家可以作为练习试着画一下，也可以更加精进，再加上可量化的第三维度（可参考“项目优先级分析图谱”里的净利）。虽然是个搞笑版的案例，但这个多维图谱确实有助于生成通俗易懂且相对稳定的分类和对待每种分类的战略或对策。每个男性候选人被放在第几象限，应该怎么被对待就一目了然，节约了大量的决策时间和交友成本。
还有管理者把员工按照“聪明/愚蠢”和“勤快/懒惰”两个维度分成四类，告诫大家愚蠢而懒惰并不可怕，最危险的是愚蠢而勤快的下属。这也是令人深思的另类管理洞见。
维度与数据科学
在数据科学日渐成熟的今天，有许多IT工具可以用算法帮助我们找到相关的维度。在经费允许的情况下，团队应该尽量多收集各种维度的信息，用于数据后期的深度分析和挖掘。简单地说，在数据收集之前，要精准定义多种状态维度，然后系统化准确收集维度参数，这就是所谓的数据打点和收集。多维度数据收集完成之后，可以利用先进的数据挖掘工具，比如R[7]、SPSS[8]、SAS[9]和有机器学习的Weka[10]等，做数据回归等分析帮我们寻找相关的维度。对数据分析和挖掘有兴趣的读者，可参阅统计学和数据分析的入门读物[11]。
2.6 小结
本章从“问题观”开始，介绍了专家思维和战略思维两种不同的对待问题的态度。用大量篇幅介绍了“切”，也就是结构化拆分的定义、原则和实战用法。“切”和它的MECE原则是结构化战略思维的基本功，必须有意识地反复练习。“切”名词相对简单，而“切”问题的四种主要方法需要适应才能融会贯通。公式法、子目录列举法、流程法和逻辑框架法这四种方法在应用上各有千秋，实际运用中没有唯一正确的切法，这些方法可以叠加使用。本章“如何提高企业净利”的练习就运用了这四种切分方法。“切”如果做得到位，在解决问题时，就能发现更多新的细节信息和商业洞见。
多维图谱是思辨者结构化战略思维升级的必备武器。多维图谱如果切分适当，可以比饼图、柱状图、流程图等单维度的图谱更能展现出作者思维的深度和广度；可以帮助我们简化问题、提升沟通效率，协助我们碰撞出新的商业洞见。多维图谱也是后文要讲述的关键图表的主要呈现形式。
从单一维度到多维度思考并制作多维图谱需要将理性思维和创造力结合，这是没有固定成长公式的“艺术”。多维图谱的起点一般是罗
列“切”的维度。不论是选“项目”还是选“男朋友”，第一步都是列出核心的维度，然后找出3~5个关键维度再进一步审视。
初学者前期大多不适应这种思维方法，可尝试把核心维度的组合都列举出来并考察一下，做成类似的四象限图，逐个探寻其可能带来的洞见。例如，在有三个核心维度A、B和C的情况下，不妨逐一看看AB、
AC和BC的组合。
第3章 结构化战略思维四大原则
结构化战略思维四大原则（见图3-1）是思辨者在日常思考、交流和行为中所贯彻的指导性原则，是结构化战略思维的基石。它贯穿下篇讲述的新麦肯锡五步法的全过程，但其应用范围远远超越战略项目。结构化战略思维四大原则便于将结构化战略思维模块化，更容易贯彻并融入日常生活与工作。
图3-1 结构化战略思维四大原则
结构化战略思维四大原则分别是数字说话、洞见优于表象、MECE 原则和假设为前提，其中数字说话和洞见优于表象是偏重数字分析和高效交流的科学方法和行为准则，而MECE原则和假设为前提更多是指导思路的方法论。
3.1 原则1：数字说话
不是所有有价值的事物都可以被计算，也不是所有可计算的事物都值得去计算。
——爱因斯坦
结构化战略思维是以数字为依据的、用严谨逻辑来推演的思维方式。可见数字说话在结构化战略思维中的重要性。
数字至关重要。现代社会所有真相大部分最终会汇总成数据，并以数据形式呈现和存储。然而，数据本身并不能表达任何含义，只有数据与逻辑结合在一起时，我们才能发现和表达真知灼见。也只有这样，数字才算是真正在“说话”。因此，数字说话作为结构化战略思维的实践核心原则，涵盖了数字及相关的逻辑。
3.1.1 数字的概念和功用
“数字”包含“数码化”和“数据化”两重进程。数据化（Datafication）是剑桥大学教授舍恩伯格提出的，这一概念有别于简单的数码化
（Digitalization）。数码化往往是数据化的前提，比如把一本书扫描成图像存储在计算机里并供人阅读，这是数码化，但这一步并没有完成图书数据化过程。数据化是把一种现象转化成更高级的数字形式，以一种能被搜索、统计和分析的形式呈现。
谷歌公司于2004年宣布了一项充满野心的计划，把世界亿级的留存书籍转化成可搜索可分析的数据化形式。谷歌在书籍数码化的基础上，用OCR等技术识别每个单词，便于以后的数据分析和信息挖掘。这就是图书的数据化。
数据化加上数据分析已经带来人类认知的飞跃。在谷歌可搜索分析数据化书籍的基础上，专门研究数据化书籍内涵的新学科“文化经济
学”（Culturomics）诞生了。人们在分析数据的过程中发现了一些缺少数据化时根本无法注意到的规律。比如哈佛大学的研究者发现，只有
50%以下的英文书中的英文单词被正规字典收录，这“文本黑物质
（Lexical Dark Matter）”引发各文化学者关注[12]。
数据分析不只推动我们对世界的理解，也使我们目睹万物数据化商业价值的爆棚。欧洲商协（European Commission）曾预测，到2020年，仅欧洲的个人信息数据就值1万亿欧元，占欧盟GDP的8%左右。新型数
据化公司也获得红利，2006年世界最大的公司前几名还是埃克森美孚
（Exxon Mobil）等石油能源类公司，而2019年世界最大的公司前4名变成亚马逊、微软之类的数据驱动的公司。
数据的价值同时也带来了风险。比如，美国个人信用评估公司
Equifax存有近8亿条消费者评估信息和近1亿条公司的评估信息。2017 年，该公司数据被盗造成近1.5亿条客户信息外泄，为此，该公司面临赔偿额最高达到700亿美元的集体诉讼。
数据化的普及要求我们具备一定的数据能力，如基础统计和数据分析能力，也要求对数据的特色、应用和局限都有更深入的了解。
下面仔细看看数字的特色和常见的陷阱。
3.1.2 数字都是骗人的
“数字都是骗人的”的完整表述应该是“要假设没有经过验证的数字都是骗人的”。话之所以极端，是为了能更多地引起大家的注意。数字是客观的，但数字的产生、筛选和解读都可以人为干预甚至被污染。当数字说话的时候，作为听众的我们必须有一双明辨真伪的耳朵，做出自己的独立判断。
形形色色的广告里充斥着大量的数字。看似客观的数字背后总有一组人在努力地想利用这些数字诱使我们做出有利于他们的行为，尤其是购买行为。数字欺骗盛行，在骗术上也分等级层次。直接用假数字是最低级的，处于骗术鄙视链的最底部。比如，上市公司明目张胆地伪造财务数据，造假是要负法律责任的，媒体屡次报道某公司高管因数据造假而锒铛入狱的案例。
除了数字造假，还有许多更“高明”的“合理合法”的数字误导手段。“以偏概全”就是一种常见的误导手段。比如零售店铺门口吸引顾客进店的“50%折扣”的大牌子，一旁用极小字注明“部分商品”，顾客进去才发现只有几件商品半价，而大部分商品价格并没有降低。还有一种误导手段是选择性提供数字，也就是只选择对自己有利的数据点，误导人们推出与客观事实完全相反的结论。比如在波动曲线中，如果有意只选择有利的数据点，就可以造出能符合任意斜率的上升趋势图谱（见图3-
2）。偷换概念也是一种很常用的误导手段。比如某教育机构广告词
是“全国用户超过4亿”，而“用户”的概念包括“注册用户”“试听用户”“付费用户”和“活跃付费用户”等。广告里的“用户”可能泛指的是历史上累计的所有注册用户，这个数字自然远远高于大多数听众理解的“活跃付费用户”的数字。
图3-2 数字欺骗：选择性选取数字
因此，面对任何数字，我们首先要假设数字是不准确的。“先小人后君子”，主动验证是思辨者的责任。只有经得起调研和拷问的数字才可信。举个商业计划书中用数字误导他人的例子。
作为投资方，我曾参加过很多投资路演，也见过各种各样的商业计划书。某路演企业的材料上有如下描述。
“本公司营业收入连续三年增长20%以上，是健康且稳步增长的高科技企业。”
这句话前半句是事实依据，后半句是结论。我们暂且假设路演材料里数据是真实的。即使如此，这个推理至少有十几个潜在的误导
或“坑”等着我们。数字的事实依据不一定能推导出“健康且稳步增长”的结论。（1）收入vs利润：收入增长20%，实际利润如何？企业在路演材料中没有直接写出利润数据很可能是因为真实的数字很差。
- 赛道增速：收入增长20%看起来似乎不错，但在一些高速发展的赛道，比如十几年前的房地产行业，20%的收入增长很可能还达不到行业平均水平。
- 基数：对于初创公司而言，其起始收入通常较少，百分比增长带有强烈的误导性。因此更应该看看公司收入的绝对数值。
- 主营业务收入vs非主营业务收入：比如企业性质是互联网企业，但其收入增长是因为房租收入占比过大而带来主要增长，那么该公司的估值就要重新核算。
- 现金流：收入增长快但应收账款的账期长或只依靠单一采购方，现金流压力很可能很大，企业甚至可能因此面临倒闭的风险。
- 外债状况：公司如果外债激增，即使收入提升，也会面临资不抵债的风险。
- 营业收入的细分：新产品和老产品的迭代，有没有在未来突破的可能。
- 市场促销活动：降价促销很可能提升收入，但侵蚀净利，要仔细验证企业有无大规模市场促销活动。
- 新科技/替代品：主营产品是不是正在经历科技或产品升级，可替代性强不强。企业收入连续三年增长，第四年可能因为替代品出现而转亏。
- 政府政策：政府有没有新规要出台，规范或限制这个产业。
- 潜在进入者：如BAT[13]类巨头会不会进入这个市场，引发更激烈的竞争。
分析至此，原本听起来非常正面的一句惯用陈述实际上却千疮百孔，含有多个需要更深入调研验证的不确定因素，离“健康且稳步增长”的结论相去甚远！面对用于决策的关键数字时，要有能力在有限的时间内依靠常识快速简易地证真或证伪，我把这种能力称为“常识推理能力”。这一数字核实的过程用英语描述为
Back-of-the-envelop-calculation，直译“信封背面的计算”，也就是粗略的估计。
麦肯锡的面试一直被誉为“世界最富有挑战性的面试”，其面试题目也十分重视对常识推理能力的评估。面试中经常出现类似脑筋急转弯的问题：如何推算波音737飞机里面能装多少个高尔夫球？如何计算波音 737飞机的重量？如何测算新苹果手机本月的销量？应试者要在草稿纸上用严谨的逻辑推算出一个合理的数字范围。这类问题考察的不是计算能力，因为题目并没有精确的答案，面试官要考察的主要是应试者推理逻辑是否清晰，是否具备解题时的盒外思考能力。
综上，数字并不像我们通常理解的那样完全客观，而是极具欺骗性的。思辨者要随时保持警惕，养成怀疑所有数字的习惯，并培养自己拥有常识推理、独立判断数字真伪的能力。
3.1.3 关注少数特例
数字说话原则要求我们不仅对数据中的结构规律有认知，更要对那些不经常发生的少数特例有足够的关注和刨根问底的精神。
众所周知，许多伟大发明和重大发现都是对超级少数派的追问而引发的。比如美国辉瑞制药生产的蓝色小药丸“伟哥”（Viagra），全球每年可有几十亿美元销售额，造福4000多万男性，而它最初是一种心血管药物，对男性性功能障碍的疗效只是偶然被发现的。还有X光的发现、微波炉的发明等，都是源于那些对数据敏感的人，他们遇到少数特例时没有想当然地接受，而是通过执着研究做出了伟大贡献。再举个关于少数特例的案例。
Y公司在一次培训结束后收集学生对老师的课后评估，评估打分有 1~5分五个级别，5分是满分，表示“最满意”。参加培训的20人中有19人给了5分，而有1个同学给了1分（愤怒）的极端负面评分。面对这样的统计，我们通常的做法很可能是“去掉一个最高分，去掉一个最低分”，然后取个皆大欢喜的中间值交差了事。然而，相对于19个满意的分数，那个1分反而能给我们更多的信息和启示。
我们可以MECE地分析这一问题的可能性。这个1分可能是主观上有意打的，也可能是非主观误操作（运用逻辑法切分）。如果是误操作，学员错误地认为1代表满分，体现了流程和问卷设计有改进机会。改进办法众多，例如用“笑脸”和“囧脸”图标来代替1~5的数字范围，减少对评分理解的偏差。如果是主观上有意为之，那这个同学是真的很愤怒，通过简单访谈就能了解其中原因。后续回访带来了意外的发现：此同学是唯一的少数族裔，而讲师在课上却用了很多关于这个少数族裔的笑话。其他人并不敏感，而这个少数族裔却觉得深受其辱。种族歧视在一些国家可以让公司面临百万美元的罚款，因此少数特例的作用不容小觑。
从另一个角度看，成绩卓越的人也是普通大众中的一种少数特例。美国著名作家马尔科姆·格拉德威尔（Malcolm Gladwell）在2008年出版了《异类：不一样的成功启示录》一书，指出许多像披头士乐队、比尔 ·盖茨、乔丹等成绩卓越的人，大都遵循1万小时定律[14]。这有点像中国传统文化里“只要功夫深，铁杵磨成针”的说法，任何技能都要持续练习
1万小时以上才可成为那“人上人”。关注先进的少数派，汲取真知，坚持不懈努力，我们也一定会成为某种特定意义上的“特例”。
3.1.4 遭遇黑天鹅
数字说话原则建立在“过去的数据可以在一定程度上预测未来”的基础上。在结构化战略思维中，数据起到了主导作用，但作为思辨者要同时意识到，在一些特殊场景下，数字可能失灵。也就是说，过去的数据无法预测未来。历史数字失效！
“黑天鹅事件（Black Swan Incidents）”是指不可预测的未知。在发现澳大利亚的黑天鹅之前（见图3-3），17世纪之前的欧洲人认为天鹅都是白色的。因此，人们定义“天鹅”时用了“羽毛是白色的”这一判断条件。但随着第一只黑天鹅的出现，人们以往对天鹅的定义遭到挑战。必须修改天鹅的定义才能对出现的这只黑鸟做出正确的分类判断。黑天鹅被发现纯属意外偶发事件，当初确定天鹅的定义时根本无法预测这件事情的发生。
因此，在应用数字说话原则时，话不要说得太满，也不要说得太绝对。虽然少见，但世界上存在“不可知的未知”。遭遇了“黑天鹅”，数字说话原则即宣告失效。
图3-3 澳大利亚的黑天鹅
3.2 原则2：洞见优于表象
我们的目标是把数据变成信息，再把信息变成洞见。
——卡莉·费奥瑞纳，惠普前总裁
3.2.1 洞见与表象
“表象”是每天都能见到的看起来纷繁无序的事件和各种信息。“洞见”是能连接所有相关表象的筋络，是表象背后的根本原因。原则2即洞见的价值远高于表象。作为管理者，我们的职责是在纷杂的表象中寻求并提炼洞见；而且交流时，应先说洞见，然后再叙述表象。
举个生活中的例子（见图3-4）。小白最近不在状态：她失眠了，脸上起了5个痘痘，把钥匙弄丢了，甚至去错了厕所。这些貌似杂乱的现象都是表象，是对小白状态的描述。那什么是洞见？洞见是小白不在状态的真正原因。这里的洞见或许是“小白工作压力太大”，这可以解释前面提过的所有表象。
图3-4 表象和洞见的区别
单独审视每一种表象，导致这种表象出现的原因可能千差万别。比如失眠可能是因为睡前喝了咖啡，起了痘痘可能是上火了，钥匙丢了可能是粗心大意的结果……然而，“工作压力大”可以是贯穿并导致所有表象产生的根本原因。找到了这个根本原因，也就是洞见，所有相关表象的产生便能得到完美的解释，离找到解决方案就很接近了。如果我们分别解决单一的表象问题，就会既浪费资源又治标不治本。
洞见的另一个特色是行为导向。一旦找到了洞见，解决方案基本就近在眼前了。比如上述例子，如果洞见是工作压力大，那就可以采用休假等方式缓解压力。在海量的数据中萃取洞见的能力是数字决策的核心，初学者可以通过五个简单步骤来练习寻找洞见：（1）寻找数字中的规律和趋势
（Pattern）；（2）寻找极端的数字及其含义；（3）对比参照数据并分析差异；（4）寻求其他相关信息；（5）推演并提炼洞见。
以虚拟公司的简化报表来演示一下如何提取洞见。A公司是一家有 20年历史的小型饮料企业。旗下的碳酸饮料，尤其T1品牌在省级区域内具有一定知名度，销售情况稳步上升。公司2018年年中新增S1和S2两款新鲜果蔬汁饮品，意图进入中高端市场，但新品在市场中表现并未达到预期。3个月前新CEO入职，并着手对业务进行调整。
面对混乱无序的原始数字素材，不要慌乱，首先试图寻找数字中的规律和趋势。如表3-1所示的产品细节部分，不难发现A公司有碳酸饮料和果蔬汁饮料2个品类，各类只有1品牌，各自有3款单品。在包装上分为大中小三类。聚焦细分市场就会发现，A公司的碳酸饮料基本是中低端定位，而去年新增的果蔬汁类则主要是中高端。然而，新品在财务和运营层面表现都很差，反倒是传统的碳酸饮料明星产品T1-0001S作为旗舰单品为公司贡献了大部分利润。新品果蔬汁类全线亏损是利润下降的核心原因，而且其工厂库存压力也很大，占库存总量的一半以上。
发现了两种饮品的核心差异之后，再验证原始信息中有没有极端的数据点。极端的数据点包括最大值、最小值和数字0。比如，在工厂销售价一行，碳酸饮料T1-0001S价格最便宜，比同样包装的果蔬汁S2-
0002S价格低一半以上，这与产品的低端定位相匹配。零数值主要出现在生产和库存栏。在本阶段生产量一栏中S2-0002S和S2-0003K都出现了
0生产量，说明新的管理层已经停产S2品牌，而把生产聚焦在S1新品
上。旗舰产品T1-0001S在工厂库存上和经销商库存都出现了0数值，这告诉我们此款产品出现了断货的现象，其产能和库存管理或许有提升空间。
表3-1 A公司简化报表
第三步对比参照数据并分析差异。单一而绝对的数字并没有太大意义，寻求多方相对的关键参照信息对于发现商业洞见至关重要。公司的内外部环境经常改变，基础的相对数字，比如跟竞品及整个行业的数字对比，自己本公司环比或跟上一阶段的对比，甚至单品之间的对比都是很好的分析路径。这让我们不单一地局限在对个体的分析，而从更大的局势来看待本公司的产品和服务，做出更适合的判断。例如，产品T10001S销量和净利润都高居榜首，这种状况是一贯的现象吗？对比上一个季度和去年同季度有什么变化？这些对比可以过滤出由于外部因素如促销和重大活动等带来的一次性冲击，也可以将季节性波动的因素考虑在内。另外，零库存说明公司在产能安排和库存管理中可能存在提升空间，历史数据的对比对于了解问题的全貌也很有帮助，比如T1-0001S的历史产能和库存对比。
前3步中已经积累了对公司运营的基本判断。但由于提供的数据有限，要学会挑战所提供信息的细节颗粒度和信息的全面性，还需要学会深“挖”，问正确的问题，索要关键的新数据点。例如，对于新品牌S的综合评估需要更多的财务信息。可表格只提供了单品层面销售额和净利润，缺失了成本和市场营销等大类的具体数字。得到成本构成后，会发现中高端的果蔬汁饮料S毛利远高于碳酸饮料，这也是公司当初布局高端市场的目的。通过新的营销数字，会发现新品营销数额和占比都过大，因此才亏损。参照业界常规，即使有大量和精准的市场投入，一个新品牌饮品也至少需要4个季度才能盈利。如果是这样，停产高端S2品牌决策的正确性就需要进一步论证。还应该做详尽的市场发展趋势分析，饮料行业的健康和消费升级的趋势对制定公司战略也有很大的帮助。
在将相关的数据尽可能地收集且经过细致分析后，最后就是归纳提炼出洞见的关键步骤了。萃取洞见并不是件容易的事情，但经过之前的数字导向的准备，提炼有时会水到渠成。可能的公司战略层面的洞见包括：饮料市场已经出现健康和消费升级的趋势，A公司碳酸饮料旗舰产
品T1-0001S的销售放缓，战略上需要增加更健康、利润空间更大的产品。附加值更高的果蔬汁饮料或成为公司发展的核心举措。在碳酸饮料利润依旧充足的情况下，需要持续布局并投入果蔬汁饮料，并给全新高端品牌S2提供足够的成长时间。而在单品层面，T1-0001S是公司旗舰现金牛产品，但在产能和库存管理方面曾出现严重失误，未能预测到春节市场需求的猛增，造成缺货断货而产生的巨额损失。需要进一步审视并提升A公司产能规划和库存管理的方法和流程；高端产品S2-0002S和S2-
0003K的全面停产应该重新被考虑等。
综上，对于管理者来说，从杂乱的表象中寻找和提炼洞见就能为企业提供最重要的增值服务。寻求洞见也贯穿后文要介绍的新麦肯锡五步法的全过程。在战略项目初期，对问题定义的深入探究就是透过表象寻求洞见边界的过程。五步法的第三步提出假设和第四步验证假设是通过科学调研和分析等方法发现洞见。最后一步交付是对洞见的呈现和交流。
3.2.2 洞见先行
关于洞见的商务交流规则是，洞见先行。无论哪种呈现形式，一定要先阐述自己的核心观点，也就是洞见，然后再辅以论据或分论点。
日常工作里，常见图3-5中左边这样的电子邮件：正文部分赫然写着“领导，请看附件”，随之附上N个巨大的Excel或Word文档。这种不负责任的邮件是对读者的极大不尊重。切记，交流中不能假设存在“不言而喻”的洞见。读者大多时候没有时间也没有意愿解读原始数据，因此需要提出洞见来节省沟通时间，加快决策进程。
图3-5 洞见先行的商务交流规则
3.3 原则3：MECE原则
到目前为止，MECE和“切”肯定是本书运用的最多的词汇。MECE 原则是结构化战略思维最核心原则，也是“切”的核心要求。
MECE是自上而下方法论的利刃，也是思辨者日常修炼的最为关键的科目。之前讲过，从“切”名词到“切”问题，每次切分所用维度不同就
会生成众多迥异的分支，然后再对每个分支节点进一步深度“切”分“挖”下去。
再重温一下MECE原则的概念。MECE是英文“Mutually Exclusive， Collectively Exhaustive”的简写。MECE原则要求切分后：子分类相互独立无重叠，子分类加起来穷尽全部可能。
3.3.1 透过MECE原则看经典管理学理论
我在攻读MBA学位的时候，战略主修课教授曾体系化地传授众多经典管理学理论。那时我总是怀着满心崇拜，觉得能像迈克尔·波特一样把名字嵌入经典管理学理论一定需要天才般的才智。迈克尔·波特是某全球知名高校的教授，创造了波特五力模型，在2005年世界管理思想家50强排行榜上排名第一。可是几年后，当我在麦肯锡从事战略咨询工作后，这种膜拜很快就淡化了。因为在每个战略项目里，咨询师经常需要根据实际情况，利用维度切分和MECE原则创造出多个用于解决实际问题的全新理论框架，并以此为整个项目的逻辑主线。学习、创造并超越经典已经成了家常便饭。
对于思辨者而言，经典管理学理论同样遵守维度切分和MECE原则。掌握了结构化战略思维的基石，可以复盘这些理论的生成过程，并创作出更符合时代要求的新框架。本章将系统地、批判性地复盘几个经典管理学理论的思路，通过学习其优势和不足来加深MECE原则的运用。
按照从宏观到微观、从外部到内部的顺序，审视一下最常见的几个经典管理学理论：从宏观PEST模型开始，到行业赛道吸引力的波特五力模型，然后是公司能力SWOT分析，再到内部公司管理的麦肯锡7S模型，最后看看多维度理论如BCG矩阵和消费者细分市场感知分析。
3.3.1.1 PEST模型
PEST模型（见图3-6）由哈佛经济学教授弗朗西斯·阿吉拉尔
（Francis J.Aguilar）最早在1967年提出[15]，是用来评判企业外部宏观经济大环境的理论框架。一起来推演下这个理论的诞生过程。
图3-6 PEST模型
每个经典理论都是用来解决非常具体的商业问题的。PEST模型也一样。现在假设你是一家世界顶级基金的投资负责人，有很多资金要分散投入不同国家或地区，那么在挑选资金投入的国家或地区时，需要重点考虑哪些因素？
在白板前，就如何解决这个问题，你带领小组从零开始头脑风暴。你郑重地把问题书写在白板下：“如何评判一个国家或地区的宏观经济是否适合投资？”
头脑风暴的第一步是，要求团队把所有能想到的具体因素先罗列出来，然后再逐一排查、提炼和归类。团队成员七嘴八舌地把想法不分层次、不分顺序地全部抛出，由你统一执笔书写在白板上。在写每一个可能的因素之前，你要鼓励团队实时挑战每个新因素的合理性，做适当的甄别和筛选，确保只有相关因素才会留在白板上。
如果大家踊跃参与讨论，白板慢慢地就会被头脑风暴产生的相关决策因素填满。
政局稳定、边境稳定、宗教信仰、人口数量、消费能力、军事能力、投资政策、法治程度、货币流动性、人口增长速度、人口素质、科技水平、发明创造、对外国资本的保护、医疗卫生、基础建设（如公路）、自然资源、政府科技投入、港口数量、互联网发展程度、工业现代化程度……
头脑风暴的第二步是提炼归类。作为主持人，你的主要任务是把以上的因素去除冗余，归纳成几个大的类别，并有意地引导大家用统一的 MECE视角看待这些因素。梳理一下头脑风暴得出的因素，大概率会得到以下分类结果。
政治：政局稳定、边境稳定、对外国资本的保护、法治程度
经济：人口数量、人口增长速度、消费能力、投资政策、货币流动性、医疗卫生、基础建设（如公路）、自然资源、港口数量、互联网发展程度、工业现代化程度军事：军事能力
文化：宗教信仰、人口素质科技：科技水平、发明创造、政府科技投入
合并同类项之后，团队可能得出了5种符合MECE原则的大品类，暂且给这个理论起个“洋气”的名字——PEMCT模型（Politics政治，
Economy经济，Military force军事，Culture文化和Technology科技）。
PEMCT模型与经典PEST模型（政治、经济、社会和科技）相比，除了细微的分类差异之外，大部分因素惊人相似。
经典PEST模型无非是把刚创建的PEMCT模型中的军事放在政治类别里，又用广义的社会涵盖PEMCT中的文化品类。我们创造的新
PEMCT模型也有自己的优势：在战事不断和中西方文化碰撞的大背景下，单独对军事和文化进行讨论具有时代特质。也就是说，从适用角度来看，新生成的PEMCT模型有时代领先性，可作为PEST模型的现代改良版本。
类似的切分和MECE原则的练习作用不可小觑。我们小试牛刀便生成了一个宏观环境判断的新框架！无论是刚创建的PEMCT模型还是
PEST模型都符合MECE原则，是切分的合格产物。
3.3.1.2 波特五力模型
按照从宏观到微观的顺序再往前走一步，从国家地区选择的宏观标准逐渐聚焦到评判一个特定地区某行业吸引力的主要因素，我们来回答“哪个赛道值得投资”的问题。
我们同样用“切”和MECE原则来复盘判断行业吸引力的波特五力模型（Porter 5 Forces）的产生过程。
还是来复盘头脑风暴的过程。你拿着白板笔，带领3~5人的团队来解决问题。在白板上写下：“PEST分析之后，公司决定投资中国。但中国市场有许多行业，可以用哪些具体的标准来选择投资的行业或赛道？”
这个问题比较绕，需要重新简化一下。波特五力模型有个“讨价还价/议价能力”的概念。大意是说，商场如战场，每个行业的实体企业都跟外部各种势力进行着博弈。在某个特定行业中，如果企业对周边玩家的议价能力普遍较强，说明这个行业相对容易推进，有吸引力；相反，如果企业议价能力很有限，说明这个行业比较有挑战性，因此也就缺少吸引力。
按照这个逻辑，问题可以被重新写成：“在某一特定行业，外部
（不是内部）有多少种势力或玩家可以制约或帮助一个企业的成
长？”宏观的政策法规之类的风险已经用PEST模型进行覆盖，这里只谈企业外部的实体。
第一步依然是多维度的切分。还是采取穷尽具体因素的方法，在这种情景下，以一个具体的行业和其中的企业为例子才能形成深刻体会。假设公司是专做早餐的餐饮业实体，是一家卖烧饼的店铺，并起了个非常有历史感的名字，叫“大郎烧饼”。
那么，有哪些外部实体或玩家可以制约或帮助我们心爱的大郎烧饼店发展呢？大家开始头脑风暴，列举每一个相关的外部实体：卖面的、卖炭的、街上的其他饭店、卖面包的、卖包子的、卖面条的、卖西方糕点的、一堆其他卖烧饼的，如“太郎烧饼”和“老狼烧饼”、网上直送烧饼的网店、正在买烧饼制作设备的邻居，BAT互联网巨头如果认为烧饼有赚头也要搞个AI烘焙以一统天下烧饼，还有每天挑三拣四的顾客们。大家整理思路，通过共同归纳总结，可将这些外部玩家分为以下几大类。
同品类竞争者：其他卖烧饼的，如“太郎烧饼”和“老狼烧饼”，直送网店上游供应商：卖面的、卖炭的下游消费者：顾客替代品：街上的其他饭店、卖面包的、卖面条的、卖西方糕点的、卖包子的潜在进入者：正在买设备的邻居、BAT互联网巨头的AI烘焙
总结出同品类竞争者、上游供应商、下游消费者、替代品和潜在进入者这五种可能后，再拿出波特五力模型的经典图谱（见图3-7）对照一下，不禁感叹何其相似。
图3-7 波特五力模型
为什么用切分和MECE原则自制的企业影响图谱跟波特五力模型基本一致？仔细想一下，这个结果就可以理解。对企业而言，尤其是对传统制造企业来说，核心的外部交互方相对有限，经过适当提炼总结之后得出的归类应该与经典理论大体一致。
如前所述，讨价还价即议价能力的高低可以用来判定这个赛道的吸引力。用这个逻辑来看大郎烧饼店所在的线下早餐餐饮业，可以把周边的相应外部实体或玩家排查一遍，通过分析数据来推断早餐餐饮业的吸引力。假设拿到了真实的数据，可以推导出在中国类似大郎烧饼店的线下早餐餐饮业的综合吸引力较弱，不建议投资。结论是基于“议价能力”的分析：上游供应商议价能力很强，原材料都是食品类通货，导致企业议价空间十分有限；下游消费者由于选择很多，在缺乏品牌力的情况下，商家相对弱势，消费者具有较强的议价能力；由于科技含量低，行业的进入门槛低，潜在参与者容易进入；替代品更是琳琅满目，中西糕点和其他早餐品类等都是合格的替代品；本赛道的早餐同类竞争对手也相对强势，如果大郎烧饼产品没有特色，消费者缺乏品牌认知，就很容易被太郎烧饼或老狼烧饼蚕食市场份额。波特五力模型体系化地指导了企业分析的路径，短时间便可得出初步的判断结果。
波特五力模型真的完美吗？思辨者不妨再次挑战经典，用MECE原则重新审视经典。有人发现除了限制企业发展的外部“杀手”实体之外，还有一类外部企业会帮助企业发展。这些外部企业对于本企业而言具有明显的互助共荣的特色，他们被称为“协作者”。比如卖豆浆的“王婆豆浆”跟大郎烧饼就很互补。虽然都是早餐类产品，但彼此产品差异性大且非竞品或替代品。烧饼和豆浆又面对相似的消费群体，完全可以互相协作引流，甚至打包组合成新的早餐产品。这样，波特五力模型的增强版——“六力模型”应运而生，把外部势力更全面地一网打尽，更符合
MECE的穷尽原则。
“六力”之外真的就没有其他“力”了？当然有。行业特殊性的存在往往可以挑战普适型原则。比如，在很多国家，很多行业都有行业工会
（Labor Union）。工会虽然在企业体系外，却可以直接影响企业内部的管理和运作，对本行业都有十分重要的影响力。还有一些特殊行业，比如裘皮加工业和矿产开发会受到外部公益组织如动物保护协会和环境非政府组织（NGO）的干涉。遇到这些特例，就不能以偏概全地照搬照抄已有模型，需要在原有的理论框架基础上进行定制“一事一议”的特殊处理方案。波特五力模型是否适合所有企业？仔细想想也不尽然。不如把视角从传统制造业移到其他模式不同的行业，如互联网企业。互联网企业本身已经相当多元化，大多数互联网企业没有明确的供应商，有些甚至没有上下游的概念。大学和培训机构为软件研发公司提供人才，软硬件平台公司提供服务器和代码平台。但这种近似采购通货的供应关系已经从本质上有别于制造业企业对原材料供应商的依赖。类似发现是对波特五力模型在基础层面的冲击。
综上，通过锲而不舍地“刨根问底”，可以对波特五力模型的内容、功用和局限性都产生更深刻的认识。
3.3.1.3 内部管理SWOT分析和麦肯锡7S模型
分析宏观经济PEST模型、行业吸引力波特五力模型后，我们把目光从外部转至企业内部，从微观角度审视管理细节，来看看企业管理与运营的经典SWOT分析和麦肯锡7S模型。
SWOT分析
SWOT（Strengths优势、Weaknesses劣势、Opportunities机会和
Threats威胁）分析方法是最常见的分析模型，有时甚至被滥用（见图38）。似乎所有MBA新毕业生或是接受了几天管理培训的管理者都会习惯性地在自己汇报PPT里加一页SWOT分析，认为SWOT分析高端大气上档次。
图3-8 SWOT分析
然而，SWOT分析在逻辑思维层面是最简单的单一维度逻辑法切分。整个模型只重点用了“内部vs外部”一刀来“切”公司管理问题，然后在内外部基础上，用“好vs坏”拼凑成4个象限。优势：公司管理相关的有利的内部因素。劣势：公司管理相关的不利的内部因素。机会：公司管理相关的有利的外部因素。威胁：公司管理相关的不利的外部因素。
从设计上看，SWOT分析是粗线条地初步梳理思路的工具，而不应该成为呈现思考结果和洞见的方法。企业管理外部和内部都应该有更细
节、更深入的切分方法，如前所述的波特五力模型就在外部分析上比
SWOT分析中的“机会”和“威胁”更有深度。从内部分析角度看，SWOT 好坏两极的逻辑也过于粗糙，跟麦肯锡7S模型和比较通用的企业战略画布等模型在细节层次上有很大差距。所以，在企业报告中只呈现SWOT 分析是整体分析颗粒度不细和思维深度不够的表现。
麦肯锡7S模型企业内部管理有很多不错的分析框架，这里着重讨论一下麦肯锡7S 模型。这个模型是麦肯锡的两位咨询师小罗伯特·H.沃特曼（Robert
H.Waterman，Jr.）和托马斯·彼得斯（Thomas Peters）在20世纪80年代初首次提出的，主要用来诠释公司各内部模块是如何相互作用的。
鉴于已经多次复盘模型的生成，此处就从切分角度和MECE视角来直接审视这个7S模型是否合理合规。麦肯锡7S模型包括7个部分，每个部分的核心词都以英文字母S开头，如图3-9所示。
Strategy战略：公司要建立相对竞争对手的可持续的竞争优势的计划。
Structure结构：公司的组织架构，如汇报的链条。 Systems系统：员工完成任务所用的系统和流程。
Shared values共同价值观：公司的核心使命和文化。
Style风格：公司决策和管理风格。
Staff员工：组织成员。
Skills能力：组织综合能力。
图3-9 麦肯锡7S模型
麦肯锡7S模型把共同价值观放在所有要素的中间，凸显价值观是各个部分的核心黏合剂，所有要素都围绕着价值观。在实操中，尤其在企业变革的过程中，管理者会把元素两两配对进行分析，把图谱转化成比较矩阵。
作为训练有素的结构化思维“切”的专家，先习惯性地看一下麦肯锡
7S模型中这7个要素是否符合MECE原则。我们惊奇地发现，7S模型虽然冠以“麦肯锡”的前缀，但这7个要素却不止一处违反了MECE原则！
“共同价值观”被放在整个图谱中间，与其他因素形成了“中心vs边缘”的第一层关系。可以理解为公司内部运作的影响因素被分成价值观和价值观之外的核心因素，这个层面是符合MECE原则的。再往下一层“挖”，看看“共同的价值观”周围排列的第二层中的6个元素是否符合 MECE原则。“员工”和“能力”“员工”和“风格”这两者之间就有较为明显的重叠。“员工”包含了部分“能力”，在一定情况下甚至决定了“能
力”。“风格”也同样跟“员工”甚至“价值观”呈正相关，在一定程度上有重叠。这违背了MECE原则中各元素相互独立不重叠的要求。
麦肯锡7S模型违背了MECE原则，这或许跟两位原创作者努力凑7 个“S”开头的英文单词有关。为了视觉的整齐划一，用力过猛、削足适履。
相对于麦肯锡7S模型，实操中有几个类似的模型框架更实用。比如传统管理理论的“人、系统、流程”和阿里系提出新零售的“人、货、
场”，都是相对符合MECE原则的对企业运营的“切”法。我们能利用结构化战略思维的方法论指出经典切分框架的不足并根据实战的需求而选择、改进或原创出新框架时，就是真正在管理思维层面有了实质提升。
以上的三个例子（PEST模型、波特五力模型和麦肯锡7S模型）都是结构化单一维度分析的经典框架。再来看看多维度的经典框架，批判地学习和借鉴。
3.3.1.4 多维度分析框架：BCG矩阵和消费者细分市场
如前所述，从单一维度到多维度思考的飞跃是结构化战略思维的高要求。我们看看两个经常用到的双维度经典理论。
BCG矩阵
BCG矩阵（又称“市场增长率–相对市场份额矩阵”）是由波士顿咨询公司（The Boston Consulting Group，BCG）创始人布鲁斯·亨德森（Bruce Henderson）于1970年首创的，是一种关于企业产品战略的评判框架。正如前文介绍的多维图谱，最初版本的BCG矩阵以“市场吸引
力”与“企业实力”两个维度分别为X轴、Y轴。市场吸引力主要以市场销售总额的增长率来评判；企业实力包括市场占有率、技术、设备、资金利用能力等，往往以产品市场占有率作为评判标准。
为了便于展示，此处采用简版的BCG矩阵：X轴也就是将企业实力的评判标准简化成单一产品相对市场份额；Y轴用细分市场销售总额的增长率作为量化指标。以上两个维度相互作用，公司的所有产品被划分到四个象限，这四个象限也可以称作“产品类型”。
BCG矩阵具有多维图谱战略指导的特性：把产品准确放在相应的象限中之后，产品的发展战略大方向就很自然地被确定了。逐一看一下不同象限（见图3-10）。
图3-10 BCG矩阵（市场增长率-相对市场份额矩阵）现金牛产品：在饱和或略萎缩的成熟市场，该产品市场占有率高。比如，中国碳酸饮料市场逐渐饱和，可口可乐占有的市场份额较大，是一个现金牛产品。现金牛产品的战略方向是保证基本补给，争取在短时间内获取更多利润，为创新产品提供资金保障。
明星产品：在高速发展的增长市场，市场占有率高。比如，在电动汽车赛道，特斯拉就属于明星产品。明星产品的战略方向是抓住市场机会，倾尽投入，积极扩大经济规模，在提升本产品市场占有率的同时提高市场进入的壁垒。
问题产品：在高速发展的增长市场，市场占有率低。问题产品处于一个高增长的赛道，资本和潜在玩家都会涌入。在这样的市场中不进则退。针对这类产品的产品战略要么加大投入，把产品向明星产品品类推进，要么就止损放弃。
瘦狗产品：在饱和或略萎缩的成熟市场，市场占有率低。针对瘦狗产品，建议采用撤退战略，应减少产能，逐渐撤退；对那些销售增长率和市场占有率均极低的产品，应适时淘汰。
就这样，BCG矩阵用简单的四个象限把所有产品清晰地划分归类，并附上产品战略方向性建议。
我们照例试着挑战一下这个经典矩阵。首先，不得不说BCG矩阵是个相当值得称赞的产品战略讨论的起点框架。依据框架得出的结论能指引具体的产品战术，具有很强的实操性。而且，BCG矩阵在实战中有促进高效沟通的优良“副作用”：这四类产品类型，比如现金牛产品，可以用来统一公司内部对产品的定位。在公司层面对产品定位有一个清晰的理解能在很大程度上减少内部沟通的交流成本，从而增加战术落地成功的机会。
如果非要鸡蛋里挑骨头，只好再次从“切”的角度审视一下这个经典模型。BCG矩阵的模糊性存在于X轴和Y轴，即相对市场份额和市场增长率的刻度。之前提到，维度切分要求衡量的维度满足具体可衡量的客观标准。以X轴为例，瘦狗产品从哪一个具体数字点开始变成现金牛产品一直是争论的焦点。这个关键切分点随着行业和市场竞争状态的不同而变化着。也有人认为每个细分市场可能需要以不同的BCG矩阵进行分析，如何确认产品在细分市场的份额也容易引发分歧。Y轴也面临着类似的挑战。
还有的批评之声针对BCG矩阵近乎“一刀切”产品战略推荐，而现实中产品战略的复杂度远远超越该框架的主要维度。就瘦狗产品这一品类而言，现实中大多数产品会被划归到这个象限。然而，瘦狗产品有很多其他未被提及的维度功用，不能一概而论。比如在快消品行业里，瘦狗产品很可能是“多品牌战略”的一部分。在美国的早餐燕麦片市场，头部企业如通用磨坊（General Mills）和家乐氏（Kellogg's）就用大量瘦狗
产品来占领货架空间，让其他中小竞争对手找不到货架而无处立身。瘦狗产品还对主产品有产品风险管理的保护作用。如果主品牌发生公关危机类风险，至少公司还可以对成熟的瘦狗产品加大推广力度升级以填补产品空缺。
可以看到，尽管这些批评都在试图挑战这个矩阵，但是依然没有从根本上冲击到其底层的架构基础，而且这个矩阵也符合MECE原则。
BCG矩阵果然不失为一个优秀的、可以激发有意义战略讨论的二维度经典商业理论框架。消费者感知图
如果说BCG矩阵是关于“产品”战略的经典框架，那下面我们看一下关于“客户”的分析框架——消费者感知图。消费者感知图的主要功能是细分消费者或购买者，并根据每个细分客户群体制定公司的产品战略。
与前文列举的多维图谱的呈现形式一样，消费者感知图也是由两个维度“切”分而成的（见图3-11）：X轴是消费者对价值的追求，也称
为“价值感知”。价值感知数值越大意味着产品的质量、原材料、技术和包装等因素越优秀。Y轴是消费者对品牌的追求，也称为“形象感知”。
形象感知的数值越大表明产品品牌在消费者的思维空间中占比越大。
图3-11 市场细分的消费者感知图
以上两个维度X轴和Y轴相互作用，取其中线即可将图谱分为4个部分，可将消费者划分到四个不同的象限或类型中。
价格敏感型：对产品价值要求相对低，对品牌要求也相对低，最主要的决策因素往往是价格。对于这类消费者，企业要想方设法用规模化和自动化等降低成本的手段形成相对可持续的价格优势。
追求极致型：对产品价值要求高，对品牌要求也高，付费意愿偏强烈。对于这种消费者，产品一定要占据市场中价值感和品牌组合的制高点。比如苹果手机，一旦稳定成为市场上价值感和品牌的综合龙头，就能拥有让人嫉妒羡慕恨的品类最高定价权。
实用型：对产品价值要求高，对品牌要求低，是一群懂行并追求超强性价比的消费者。这些消费者对于广告等营销方法相对不敏感，总是在寻找价值感高且价格合理的产品。消费者更看重价廉物美的产品，比如一些非名牌手机，只用苹果手机一半的价格就能满足消费者对手机功能的全部需求。
虚荣型：对产品价值要求相对不敏感，但对品牌要求高，往往是一群追赶潮流并愿意为品牌溢价买单的消费者。比如对于某些特定消费者来说，星巴克咖啡本身并不是刚需，购买星巴克主要是为了体验品牌形象所映射的小资生活方式。
消费者感知图与BCG矩阵相似，都可以指导公司产品战略方向。每一个产品总是要聚焦服务一个或多个消费群体，而不是全部消费者。把产品和相对的细分市场群体做匹配时，就可以根据每个细分客户群体不同的需求特色指导产品战略。比如，产品如果聚焦于价格敏感型的消费者，厂家就应该努力降低生产成本，如采用生产自动化和标准化等生产方式；而对于追求极致型的消费者，厂家则要确保自己的产品在价值感上和品牌力上的综合实力领先市场，广告投入和产品研发迭代缺一不可；对虚荣型消费者而言，产品的品牌形象非常关键，厂家要重资布局市场及营销。
在竞争充分的市场里，满足特定消费群体的偏好是产品成功的基础。企业产品必须锁定特定的消费者细分市场，投入有限的资源满足该细分市场的需求。消费者感知图就是细分市场理论中的一个实用工具，从消费者对产品感知的两个核心维度入手，为“消费者为中心”的产品战略提供讨论的框架。
同样，如果用结构化战略思维仔细审视这个经典模型，就会发现消费者感知图的缺陷也比较明显，比如“价格”这个对消费者至关重要的维度就没有被充分地量化体现。价格因素被包含在X轴和Y轴的因素中，如质量、原材料、技术、包装和品牌等，但比较难以量化。这种价格维度缺失而导致的矛盾在虚荣型象限比较明显。虚荣型消费者和价格敏感型消费者在价格承受能力上有巨大差异：虚荣型消费者付费意愿强烈，所以虚荣型产品的定价可远高于价格敏感型产品。但在消费者感知图中，两个人群有相似的X轴（价值感知）坐标位置，而本模型的Y轴
（形象感知）定义并未充分体现价格上的差异。
要进一步精进这个图谱，或可以将价格因素按算法嵌入X轴，但会增加模型的复杂性；也可以把价格定位成超越X轴和Y轴的第三维度，但第三维度的呈现方式就具有相当的挑战性。这些不成熟的修改建议都有些画蛇添足的味道，因此我认为消费者感知图这类经典多维图谱经得起实践的挑战。
综上，从维度“切”分和MECE原则角度审视了这五个经典管理理论。PEST模型、波特五力模型和麦肯锡7S模型是单一维度的，而BCG 矩阵和消费者感知图是二维度的多维图谱。
在熟练掌握结构化战略思维的方法论之后，可以试图复原这些经典理论的创造过程，挑战并指出经典中的不足。在尊重的基础上挑战经典，这跟老祖宗的教诲“尽信书则不如无书”的批判性学习态度是一个道理。
3.3.1.5 关键图谱的扩展
对于结构化战略思维的初学者来说，复用经典多维图谱是必经阶段。上面介绍的经典管理理论中就不乏榜样，比如BCG矩阵等，在适当的场景下应用会带来实用的商业洞见。可思辨者要严格要求自己：在每次关键商务汇报时，思辨者要要求自己至少创作一张多维关键图谱，而且大多数关键图谱都要用XY两轴多维度把思维的深度和广度立体地展示出来。
这里再介绍些实战中的战略图谱案例，给大家一些灵感。
增长战略图谱
首先介绍品类拓展分析的多维关键图谱。在战略咨询中，“增长战略”是比较常见的议题。对于行业的头部企业[16]，由于本企业体量大，企业增长基本趋同于整个行业的增长趋势。在整个行业增长乏力时，企业管理者往往要考虑主营品类之外的其他市场。品类拓展就是探究跨界到相邻相近的行业，寻求新的增长契机。
我们以白电行业为例来看看品类拓展分析的多维图谱如何落地。多年前，我曾被中国最大的白电厂家H公司邀请，协助设计公司品类拓展战略。团队要在项目初期就建立一个多维度战略讨论框架来指引整个项目的方向。
直接看一下白电行业品类拓展分析的多维关键图谱的构成（见图312）。如前所述，多维图谱至少由两个维度——X轴Y轴组成。在品类拓展分析图谱中，X轴坐标体现为“以家为中心的相关品类”，Y轴是公司自定义的“核心竞争优势”。X轴品类要符合MECE原则并按照与白电核心产品的相关性大小做降序排列。也就是说，新品类离白电越近意味着与白电相关性越强，反之相关性越弱。
图3-12 H公司的品类拓展分析图谱
如图3-12所示，沿着X轴Y轴的刻度垂直于所在轴绘制直线，这些直线彼此交汇就构成了一个网状的方格矩阵。这时，每一个方格其实代表了一次判断：判断新品类与企业已有各核心竞争力能否匹配。这个图谱是个不折不扣的关键图谱，以该框架为基础可以引导初期的品类拓展战略讨论。
战略讨论时，可以利用这个品类拓展分析图谱，对每一个方格依次进行研讨。在图谱上用“√”来表示某个具体核心竞争力支持此新品类，而“╳”表示不支持，用“○”表示不确定。对每个方格进行判断和讨论之后再纵向观察。任何“√”多的品类都值得第一轮深入调研。初步调研的结果如图3-13所示。
图3-13 H公司的品类拓展分析初步调研结果1
按照MECE原则，以与白电的相关性强弱为顺序仔细调研并讨论每个以家为中心的产品品类。在品类拓展框架下，发现“黑电（电
视）”“小家电”和“家具”与已有的核心竞争力比较匹配，值得第一轮深入调研。
在战略框架的引导下，下一步就聚焦于这三个赛道市场有多大、竞争是否激烈、竞争对手是谁等问题，可以看一下已有市场状况并关注有无需求变化。如果决定做新品类，要考虑公司还不具备哪些新的核心能力，需要在短时间内建立等。
这个图谱还可以横向地进行观察，看看哪些能力可以作为单独的第三方服务输出（见图3-14）。IT系统、物流和服务能力都是不错的候选项，尤其是第三方物流和服务，当时市场相对空白，可深入探讨新业务拓展的可行性。
图3-14 H公司的品类拓展分析初步调研结果2
在该白电企业品类拓展的案例中，团队创作的品类拓展分析图谱是很好的拓展战略讨论的起点。这个框架不但把复杂而笼统的拓展问题分解成有讨论价值的具体模块，其MECE结构还起到了确保管理者从全局出发，无遗漏地讨论所有相邻相近相关的拓展机会。品类拓展分析图谱是个不折不扣的有战略意义的关键图谱。
3.3.2 MECE原则与创造力
未来已来，它们只是不平均地躲藏在现实中。
——威廉·吉布森
诺贝尔奖获得者斯伯里（Roger W.Sperry）早在20世纪70年代就发现大脑左脑和右脑有不同分工。后来，学者进一步确认右脑更多地用于创造力相关的工作，比如音乐、颜色、直觉和图像认知等，而左脑则多用于逻辑推理，也包括语言、数字等处理。在此基础上，有学者提出著名的“左脑vs右脑”的理论，大意是右脑思维者擅长创造力，比如艺术
家；而左脑思维者擅长逻辑和数字，很多科学家自然而然就落入这个范畴（见图3-15）。
图3-15 “左脑vs右脑”理论
也许大家不知道，“左脑vs右脑”理论，尤其是用脑左右偏重的说法，在20世纪末就被实验证明是不准确的。虽然人脑分区在功能上有差别，但人们在用脑的时候基本是平均利用左右脑的。
在犹他州大学的最近研究中，超过1000人参与了左右脑应用习惯的测试。研究结果显示，尽管有些时候大脑的活动会在某一部分关键区域更活跃，但从平均值来看，两边大脑应用的活跃度在实质上是相同的。
结构化战略思维是一种逻辑思考的方法。虽然逻辑思考大多时候发生在左脑，和创造力存在于不同脑分区，但是它们之间不但不对立冲突，反而相辅相成。
逻辑性甚至可能会催生反常规的创造性思路。如前所述，结构化战略思维如果用得正确，就是强制思考者脱离大脑快速思考的思维定式的严谨思考方法，要求大家先MECE全面地看待所有可能解决方案。在一定程度上，“切”和MECE原则是突破性思维行之有效的实用抓手。
示例：台风天离开上海
这里以我个人以MECE原则为抓手创造性地解决实际问题的事件为例。
2019年8月初，年度最强台风利奇马从南向北登陆长江三角洲，导致上海地区所有飞机停飞和半数高铁停运。8月9日还在上海的我需要在
2天后，也就是11日早晨，抵达深圳参加重要会议。为了确保此次行程顺利，我很早就预定了8月9日晚的动车，这样10日凌晨可以到达深圳。可出乎意料的事情发生了，8月9日晚我到达虹桥火车站的时候，外面已经狂风大作、大雨瓢泼，我预定的南下深圳的动车因天气原因取消了！而且台风刚刚登陆，第二天风只会更大。如何才能确保11号到达深圳？
8月9日晚上8点我在虹桥火车站排队退动车车票，当时需要快速生成一个有效的行动计划以确保我在11日前抵达深圳。
当时MECE分析的逻辑如图3-16所示：上海到深圳的交通工具按 MECE原则分为飞机、火车、汽车和船舶。船舶速度慢，不能如期抵
达，排除。汽车路线不常用，可作为备选但暂不考虑在解决方案中。首选是飞机和火车，如果都不行的时候，汽车可以作为替补计划进一步分析。
图3-16 交通选项MECE分析图
火车和飞机二者有成功概率的先后顺序。由于火车抗天气变化因素的能力强，如果火车或高铁都不能开出上海，飞机也肯定不能顺利起飞。按照行程成功的保险系数排序，火车作为最保险的出行工具，被列为首选。也就是说，在当时的天气情况下的首选是火车，汽车作为备选。就完成了第一层离开上海的交通工具的MECE分析。
第二层分析可以分析出发的方向。从上海去深圳是南下，但其实只要离开台风影响的城市，飞机或火车都可以成为南下的主要交通方式。以火车站点为例，需要分析火车离开上海台风区的方向上的选择。在大方向上有东西南北四个选项。往东是海洋，排除。由于台风自南向北吹，当时往南和往北开的列车都取消了，也排除。那唯一的可能性是向西走。只要离台风区足够远，就可以坐飞机或火车南下。
根据对“西”这个第三层方向选项的分析，很快罗列了往西的大城市：南京、合肥和武汉等。南京离上海比较近，恐怕也会受台风影响，和合肥相比，武汉具有更多的交通枢纽，预计会有更多机票选择。
最终决策：选择动车或高铁去武汉。有了这个决策，我立即在手机上查了一下当天和第二天从上海虹桥去武汉汉口的高铁或动车。当天的票已经售空，第二天有两列动车而且有票。保险起见，我购买了2张不同车次的车票。接着又根据列车到达武汉的时间，定了从武汉到深圳的直飞机票。
用MECE切分方法，我在排队到窗口办理退票手续的15分钟里就制订出了详细的路程规划。在退票的同时我就顺利领取了2张第二天不同时间段的向西开往武汉的火车票。
8月10日，预料中的情形发生了：台风更加猛烈，所有飞机和所有向北和向南的列车都停运。但我西去武汉的列车却稳稳地如期驶出上海虹桥火车站。几小时后到达武汉的时候，我已经远离台风影响区域，武汉阳光明媚。我退了第二张备用的火车票和飞机票，乘坐武汉到深圳的直飞航班于10日下午抵达深圳。
8月11日那天，我成为会议中唯一从上海来的参会者，而其他准备从上海来的参会者都因天气原因没有抵达。天气原因听起来是非常合理的解释，毕竟所有航班都取消了，可善于解决问题的思辨者永远不会把“不”当成最终答案。
在这个真实的案例里，我把MECE“切”的方法运用到解决实际问题中，快速地生成解决方案。其实这个方案还有其他引申解法。比如，也可以考虑一下汽车的可能性。如果第二天火车也取消，可探究一下租车离开上海的安全性和可行性。此次用MECE原则创造性地解决问题，是用理性逻辑排查所有可能性，不拘一格地寻找答案的例子。
有人会提出疑问：有经验的旅行者都会明白类似的“曲线救国”的方法，火车转飞机的方案并没有什么特别。需要指出的是，结构化战略思维得出的方案往往和经验导向得出的最佳方案有异曲同工之妙。不同的是，结构化战略思维方法可以让我们在第一次遇到这种情况时，就很快地找到接近最佳的解决方案。
这种“一次就正确”的快速应变完全不同于失败几次后摸索出来的经验总结。商场如战场，市场对“试错”的容忍度越来越低。职场上也是如此。如今在职场上，“失败”不一定是“成功之母”，顺风顺水的职业经理人很可能在第一次重大失败中就丧失关键机会，甚至丢掉饭碗并被打上“不称职”的标签而一蹶不振。
示例：人机交互的下一个“大事件”
结构化战略思维方法不仅可以对已有问题进行分解并找到解决方案，甚至还能对未来发展趋势做出极具前瞻性的预测，给产品研发带来启发。
以苹果手机为例。当年乔布斯带领苹果团队创造性地应用触屏科技开启了移动端革命。苹果在手机行业首次大规模商用电容触摸屏，外加苹果简约优雅的设计和便捷的应用，iPad和iPhone在很长一段时间里独占移动端千亿美元市场。大家公认这场战役的拐点是苹果对触屏的商业化。
可我要说，我们可以利用结构化战略思维方法提前“看到”触屏应用的场景，甚至可以预测下一轮手机“创新”可能来自何方。
听着似乎有点夸张。事后诸葛容易做，但我们又不是自带水晶球的魔法师，如何预测未来？其实，未来已来，思辨者并不需要有神奇的预测能力，只需要用理性的大脑进行结构化的“切”分，探究并穷尽所有可能性即可。当结构化分析真的穷尽了所有可能，那过去、现在和未来的所有解决方案都应该如实地毫无保留地展现在我们面前。
触屏是人机交互（Human–Computer Interaction或Human–Machine
Interaction，简称HCI或HMI）的一种，就是人控制、操作计算机或机械的方法。那么问题来了：人在进行人机交互时，有哪些器官或部位可以用来对计算机或机械进行精准地操控（见图3-17）？
图3-17 可以进行人机交互的器官或部位首先看看精准操控的定义。何为精准操控？在控制计算机时，要给计算机相对准确的指令，比如鼠标上、下、左、右的滑动，因此需要能持续性精准完成基础指令的器官完成这一操作。在这一操作中，眼睛就是合格的器官，可以精准控制眼球的动作，让这个动作成为人机互动指令的依据，而心脏或其他内脏就不太适合。虽然可以通过情绪和运动引导心跳速度，但延后性和粗糙的精准度会影响人机交互的质量。只有在特定场合下，心脏才可以作为发出指令的器官，例如心脏的低速跳动可以诱发起搏器的运行。
结构化“切”分之后，我们可以粗略地得出第一层人机交互的可用器官或部位的名录：大脑、眼睛、嘴、手、脚和几个部位的组合。再往下一层“挖”，有些器官或部位可以按照互动方式做细分，比如最灵活的手的互动方式就可以分为触摸（温度）、按压（压力）、动作（如挥动）等。嘴也是个多才多艺的器官，互动方式有声音、气流和舌部动作等。
为了简化分析，“切”到第二层时，可以把已有的科技应用与器官或部位的交互方式相匹配（见图3-18）。比如，苹果手机的触屏属于人– 手–触摸。常见的汽车驾驶是手脚动作的组合。最近包括哈佛大学在内的多家研究机构已经研发出用脑电波控制无人机的黑科技，是人–大脑– 脑电波的操控。
图3-18 人机互动方式/器官或部位
按MECE原则的要求，结构化分析应该穷尽所有可能。换句话说，在现有对人体的认知的限制下，过去、现在和未来的所有解决方案的可能性都应该毫无例外地被囊括在分析中。
不妨天马行空地头脑风暴未来人机交互的新的可能性。首先看看大脑。随着对人脑的了解的深入，脑电波甚至人类意识本身应该是科技发展最前沿的焦点。大脑作为人机交互的器官在应用方式上会被更深层地挖掘，用脑电波控制无人机的黑科技已经实现，那么“心想事成”真的是指日可待。
再看看其他器官选项，尤其是那些没有被完全开发利用的。或许我们会因为MECE的初步分析得出关于新的产品设计的启发。
“懒惰的脚趾头”就很具有开发的潜力。脚作为人机交互的部位已经被运用多年，但大多只限于力量比较大的机械操作，如开汽车时踩离合器和刹车等。脚趾头的灵活度虽然比手指差，但仍然有做“细活”的潜质。对鼠标的基本操控如点击和上下滑动，脚趾头完全可以胜任，我初步判断脚趾头绝对是人机互动领域没有开采的“金矿”。
我们顺藤摸瓜、再接再厉甚至可以生成一个创新级的应用/产品，暂且将之称为“鼠标鞋/袜”——以脚趾挤压和滑动等动作为信号基础，利用IOT物联网传感器收集并无线传输（如蓝牙技术）人机互动指令，从而发明可用来操控手机的物联网鞋子和袜子！
设想以下场景：互联网精英小白先生，上班高峰期在北京某地铁中被挤得几乎窒息。此刻，虽然小白的左手已经被旁边的乘客卡住，动弹不得，可他依然从容地用右手拿着自己的手机，淡定地浏览网络新闻、逛购物网站。右手只负责端着手机，可手机屏幕却神奇地、自如地翻页、上下拉动和应用跳转。究竟是怎么回事？原来小白先生正在使用新款“鼠标鞋”，通过脚趾头运动控制手机。旁边同样被挤得难以动弹的乘客们无不投来羡慕的目光……
这样，结构化战略思维分析激发了创造的灵感，提供了关键的研发思路，并帮助我们预见到产品化的应用场景。除了脚趾，灵活的舌头也可以是人机互动的基础，大家可以按照同样的思路头脑风暴，此处就不赘述了。
结构化战略思维分析的奇妙之处还在于这种分析具有跨越时空的稳定性。除非人类进化突变，具有更多便于操纵机器的器官，否则无论是在10年前、现在，或者10年后做人机互动方式的分析，从逻辑层面推演出来的结果应该是相似的。
用MECE切分的方法可以在逻辑层面预测未来。再次体会一下美国著名科幻作家威廉·吉布森（William Gibson）的那句名言：“未来已来，它们只是不平均地躲藏在现实中。” 你看到了吗？
3.4 原则4：假设为前提
我一直努力地保持头脑清醒，一旦事实证明错误，我就能够放弃任何假设，不管我多么喜欢这个假设。
——达尔文
假设是有依据的猜测。“假设为前提”是在决策过程中根据已有的有限数据先提出问题动因或解法的假想，然后以该假想为标靶收集足够的数据证真或证伪；如果收集的数据并不能完全支持已提出的初步假想，就要及时调整假想或提出新的假想，然后再次收集足够的数据进行验证，进而形成一个从假设到验证的循环，如此反复直至假想被数据支持成为洞见。
图3-19 缺乏验证的拍脑袋 “大胆假设，仔细求证”也是现代科学的原则。后续将介绍的新麦肯锡五步法中，有两个重要的步骤是提出假设和验证假设，而结构化战略分析就是对这两个步骤的反复循环深入。相关内容将在后文的新麦肯锡五步法中做详细介绍。
“假设为前提”是结构化战略思维方法论的核心原则，与大家熟悉的经验为导向的自下而上的方法论有天壤之别。由于假设为前提有悖于常规思考模式，在组织层面的落实面临更大的挑战。企业需要在组织内部建立相应的体系化支持，并从核心管理层开始长时间持续贯彻。
公司层面体系化支持包含3个方面：组织、流程和文化。
在组织上，至少在项目层面，要保持相对扁平的决策架构和少而精的团队构成。大多数公司的管理等级是多层级的，可以在微观项目层面营造扁平化的氛围；项目组人数不要过多，可以借鉴咨询公司战略项目
3~5人的人员构成和运作方式；营造平等参与的氛围，组员在参与头脑风暴，尤其是提出假设阶段，人人平等。
在流程上要形成从提出假设到验证假设的闭环，确保每个假设都有指定的负责人验证并及时反馈进展。新假设产生之后也要在内部及时沟通。在激励机制上，要鼓励参与，对在头脑风暴中做出突出贡献的成员进行嘉奖。
最后，要逐渐形成“对事不对人”的公司文化。在平等的原则下，有效地把个人和所提出的意见分开；讨论时更聚焦数据和逻辑，而不是个人自尊或私人关系。可以运用本书所介绍的概念和术语规范内部交流，比如“你的观点缺少'数字’”“这些论据并不符合MECE原则”等。
在组织、流程和文化层面贯彻“假设为前提”的原则需要公司决策人，尤其是CEO的大力支持和推进，而且需要长时间积累。在等级森严的组织里，头衔、知识权威、派系和自尊心等多重因素掺杂在一起，成为贯彻原则的阻碍。比如，CEO提出的假设无须验证就会成为公司的长期战略，而同样的想法如果来自一般职员，则被轻视甚至被嘲讽。相比之下，“假设为前提”的原则在个人层面的应用受外部的影响程度相对小，而组织是由许多个体组成的，因此，组织内部个体的思辨能力提升会逐渐加强组织整体的科学决策。个人应用“假设为前提”原则时，要努力将个人喜好和倾向剥离，真正客观公正地进行验证假设。正如达尔文所说，“一旦事实证明错误，我就能够放弃任何假设，不管我多么喜欢这个假设”。如果公司管理层中的每个人都具备类似的心态，公司就向科学决策和管理迈出了坚实的第一步。
综上，本章讲述的结构化战略思维四大原则超越了麦肯锡五步法等具体实施技巧与方法，是结构化战略思维的指导原则，具有普适性，可用来指导思辨者的日常生活和工作。
结构化战略思维四大原则同时也是现代科学的核心，具有理性科学的先进性。现代科学建立在实验科学基础上，同样是强调“数字”和“逻辑”并鼓励“大胆假设，仔细求证”的。
以宇宙科学为例，起初，宇宙观限于依靠观察而形成的各种假想。从两千多年前亚里士多德的“地心说”、16世纪哥白尼的“日心说”，到开普勒的“椭圆形轨迹”，都是没有得到完美验证的假设。只有到了近现代，从牛顿的万有引力定律、爱因斯坦相对论和后来的宇宙大爆炸学说，再到当代科学家的最新研究，才是用数字和逻辑以及实验科学的方法反复验证又不断提出新的假设的求索过程。
注释：
- 盒外思维（Out-of-the-box Thinking）是指跳出已有的条条框框进行思考，用全新的视角看待问题，以帮助人们生成创新性的解决方案。
- 下一层面的细节（Next Level of Details）将在第10章“培养结构化战略思维需要养成的十个习惯”中详细介绍。
- 收入和成本非比例增减而致利润变化的原理跟开源节流相似，为减少沟通成本暂且不单独讨论。
- 经典4P营销理论包括产品（Product）、价格（Price）、渠道
（Place）、推广（Promotion）。取其开头字母。
- 谁负责（R=Responsible），谁批准（A=Accountable），咨询谁
（C=Consulted），通知谁（I=Informed）。
- 此处仅为举例以详细说明操作方法，并不代表作者认同这一观点。
- R软件作为免费开放源代码的统计软件，主要用于统计分析、绘图、数据挖掘。
- SPSS为IBM公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称。
- SAS（全称Statistical Analysis System）是全球最大的私营软件公司之一，是由美国北卡罗来纳州立大学1966年开发的统计分析软件。
- Weka（Waikato Environment for Knowledge Analysis）是一款免费的、非商业化的、基于JAVA环境开源的机器学习以及数据挖掘软件。
- 例如，Edward Mize.Data Analytics：The Ultimate Beginner’s Guide to
Data Analytics。
- 维克托·迈尔–舍恩伯格.大数据时代：生活、工作与思维的大变革
[M].周涛，译.浙江：浙江人民出版社，2012.
- BAT，B指百度、A指阿里巴巴、T指腾讯，是中国三大互联网公司百度公司（Baidu）、阿里巴巴集团（Alibaba）、腾讯公司（Tencent）首字母的缩写。
- 1万小时定律：要成为某个领域的专家，需要1万小时。如果每天工
作8个小时，一周工作5天，那么成为一个领域的专家至少需要5年。
- 弗朗西斯·阿吉拉尔在1967年提出ETPS模型，与PEST模型内容一致，只是顺序不同。美国学者格里·约翰逊（Gerry Johnson）与凯万·斯科尔斯（Kevan Scholes）于1999年提出了PEST模型。
- 在某个行业中，对同行业的其他企业具有很深的影响、号召力和一定的示范、引导作用，并对该地区、该行业做出突出贡献的企业。