专栏名称: 大数据分析和人工智能
以传播大数据、解读行业趋势、数据化运营为核心的新媒体平台,已有150多万行业人士关注,荣获2013年新浪微博百强自媒体、2016年中国十大大数据领域影响力平台,关注我就是关注数据
目录
相关文章推荐
大数据文摘  ·  DeepSeek版o1与OpenAI的o1大 ... ·  4 天前  
数据派THU  ·  一文解读:时序基础模型的缩放定律 ·  1 周前  
大数据分析和人工智能  ·  裁员了,很严重,大家做好准备吧! ·  1 周前  
软件定义世界(SDX)  ·  信创觉醒!央国企信创数字化转型是国家信息安全 ... ·  1 周前  
51好读  ›  专栏  ›  大数据分析和人工智能

这6个问题,可以帮你省80%的无用功

大数据分析和人工智能  · 公众号  · 大数据  · 2017-07-17 11:13

正文

来源:圈外(ID:iquanwai)授权发布,其他微信号如需转载需重新申请授权,如有违者一律举报。



内容提要:
1.大部分工作,需要的都是功劳,而不是苦劳,所以,“做什么事”,比“怎么做事”,可能更重要。

2.不是所有的问题都是真正的问题:表象问题跟真正问题之间,存在三种偏差。
3.不是所有真正的问题都值得被解决:因为大部分问题,花多少时间,结果都是一样的。
4.在开始解决问题之前、或者耗时很久却毫无进展的时候,看一下这份6个问题的清单,也许会豁然开朗。




 一 1个小时=55分钟澄清问题+5分钟解决问题  


爱因斯坦说:如果给我1个小时解答一道决定我生死的问题,我会花55分钟来弄清楚这道题到底是在问什么。一旦清楚了它到底在问什么,剩下的5分钟足够回答这个问题。


可现实中,大多数人的做法完全相反,看到问题都有压抑不住地冲动马上跳进去。


刚做咨询不久的时候,老板让我做个行业研究,以便一周后见客户用。我各种埋头找资料、加班画PPT,拿出一份自认为非常完美的行研报告。


老板看了不到3分钟,说:“做得很辛苦,但一点用都没有。我们是人力资源咨询公司,行研竟然没有劳动力市场的分析维度;还有,你做了行业趋势分析,但竟然没有这些趋势对人才管理的启示,怎么跟客户谈?”


当时心情低落到极点,但也是自那以后,我才意识到:花时间澄清真正的问题,以及知道哪些问题需要被解决,是多么重要的事情。



 二 方向找错了?那你只有苦劳而没有功劳  


我们的工作,一般可以分为两种类型,一种是过程导向型,一种是结果导向型。




过程导向型的工作,比如清洁工、前台等等,你只需按照流程、按部就班地做事情就好,人与人之间创造的结果差别不大,所以,这些岗位的市场价值也基本稳定。


对于过程导向的岗位来说,想要多产出价值,通常就是多花时间,因为单位时间的价值基本是固定的。


可结果导向型的工作不同,比如销售、程序员、工程师等等,同样工作8小时,你能创造更多价值、更高绩效,就有机会拿到更多回报,收入会非常悬殊。


总之一句话,结果导向型的工作,需要的功劳,而不是苦劳。


我们大部分人的工作,其实都是结果导向型,如果想要多产出价值,除了多花时间以外,还有两种方法,一种是做更高价值的事,另一种则是把事情做得更快。


然而非常奇怪的是,大多数人花很多时间去学习如何把事情做得更快,比如学习时间管理,却很少花时间去学习如何筛选高价值的事,比如找到真正需要解决的问题。


不妨观察一下身边那些优秀人士,他们的做事速度往往并没有比你快出很多,可他们更善于判断什么是值得他们花时间的问题。


那么,如何找到真正值得解决的问题呢?只需要记住两点:不是所有的问题都是真正的问题,不是所有真正的问题都值得被解决!



 三 不是所有问题都是真正的问题 


我们所看到或者听到的问题,其实只是表象问题,而表象问题跟真正问题之间,还差了三条街,也就是三种偏差。


我们来看看,如何排除这三种偏差,以确定我们将要花的时间和精力是值得的。


1.理解偏差(常常出现在别人要你解决问题的时候)——所以要提问。


如果这个问题是别人提出的,那么就会存在双方的理解偏差,你需要跟对方澄清真正的问题,而澄清的方法,就是向对方提问。


比如我上面说的关于行研的问题,如果现在让我重来的话,我会澄清这些信息:1)背景、目的、展示对象;2)可用资源(信息资源、人手资源等等);3)篇幅以及必需的分析维度;4)何时需要初稿和终稿。


2.隐藏偏差(常常出现在与他人产生冲突的时候)——所以要挖掘。


每个人都有自己的社会角色,所说未必是所想,所以,当你面临与人冲突的问题时,不要急着解决表面问题,而要去挖掘别人内心的真正需求,从而找到真正的问题所在。


刚开始带项目的时候,遇到一个困难,项目方案总卡在一个关键决策人物那里,沟通多次未果,方案改了好几遍,分析佐证材料一堆,但他总能挑出问题。


最后,客户项目团队提供的背景帮了我们。真实的情况是:这位高管是个空降兵,而他的前任在团队中威信极高,他现在的当务之急是建立团队对自己的信任。我们的方案对他的团队利益分配有影响,他很难向下沟通和交代。


后来,我们在此基础上建议了一个过渡方案,给了一个过渡期,问题迎刃而解。倘若不是客户项目团队提示,我们不知还要在表象问题上做多少无用功,却发现不了真正的问题。


Simon Fisher提出过一个冲突层模型,他说,我们所声称的问题其实只是最表层的,背后存在隐藏的原因,以及内心真正的需求




比如上面那个客户,他表现出来的是挑剔我们的方案不完善、研究不充分(表层需求),因为他不希望在团队面前失去威信(利益出发点),所以他真正的需求是目前不要对他的团队有大动作(真正需求)。


基于此,我们才最后提供了不修改方案下的另一种解决方式,皆大欢喜。


所以,在面临与他人的冲突这类问题时,不要急着解决,而要先问自己三个问题,以此挖掘出真正的问题:1)对方的真正需求是什么?2)对方的需求还可以通过什么方式实现?3)我可以怎么帮助对方实现?


3.成因偏差(常常出现在解决商业性问题的时候)——所以要分析。


很多问题,其实背后是有原因的,如果不能把原因找出并解决,问题会不断暴露,所以,我们要搞清楚成因,解决根本问题,而不是只解决表象问题。


比如,我咨询过的一个企业,员工流失率很高,HR找员工过来一聊,大家都说工资低。这个时候,我们应该去解决工资的问题吗?


如果真的去解决工资问题,那就跑偏了。实际上,我们把这家公司的薪资跟竞争对手作了个比较,发现挺高的。


那么原因是什么呢?这家公司成长体系、福利体系都没有,文化氛围也很糟糕,跳槽来这家公司的人,目的就是一个:钱。


可是,当大家的诉求只有钱的时候,公司需要花非常高的溢价才能弥补其它方面的缺失,而一旦这个溢价比例没有那么悬殊,大家都会觉得自己亏了。所以,本质问题不是工资,而是其它体系。


好了,经过这三个步骤,你终于找出什么是真正的问题了。然而,是不是就可以马上着手解决这些问题呢?



 四 不是所有真正的问题都值得被解决 


当然不是!你还需要看看,这个问题能否被解决。毕竟在这个世界上,大部分的问题都无法解决啊。(不好意思,残酷地真相了)


还记得上篇结构化思维里提到的二维矩阵吗?我们再一起用一次,来帮助我们区分不同的问题。


维度一是问题的关键度,也就是,当下解决这个问题有多重要,维度二是问题的解决度,也就是这个问题当下可解决的程度如何。


处于四个不同区间的问题,你的解决方式应该是不同的,否则就是在做无用功。另外,我给每一个区间取了个名字,便于理解。


区间1:解决度高、关键度低——小插曲:这个区间通常是最容易对付的问题,通常不会困扰你。


对于小插曲的问题,如果花时间很少,可以迅速解决;如果花时间很多,可以授权别人去做。


区间2:解决度低、关键度低——困难游戏:这个区间的问题,就好像一个困难的游戏,通关几乎不可能,但这事儿没那么重要。


然而,就像游戏一样,这个区间会诱惑你花费大量时间和精力,做很多无用功


比如,你在行政部门工作,老板让你调查大家对食堂的建议,以便下年改进。你很认真,设计了一个Excel问卷发给大家。


结果,有人提出:员工调查得匿名,不能发excel给你,得弄个网站。然后又有人提出:我们老在外出差,网站也不方便打开,能否搞个移动网站,手机可以登录。


你哼哧哼哧地花时间解决这些问题,突然发现:TM这些根本就不重要!收集到建议就可以了,对食堂提个意见,是有多敏感多费劲的事儿,还需要匿名、还需要手机登录?


所以,对于类似困难游戏的问题,你需要设定一个时限,然后以此为标准,时限内可以解决的问题就做,时限内肯定无法解决的,就不要开始了,放弃吧。


区间3:解决度低、关键度高——无底洞:这是很多人容易陷入的无底洞。


因为关键度高,所以你会觉得要多花时间、需要非常谨慎,可是,问题的解决度明明很低。比如股市,关键度很高,可你天天挂在心上、天天研究也没用啊。


将时间花在这些问题上,同样是一种浪费。并且,长久将自己陷在这个区间不能自拔,会导致你毫无成就感、更加焦虑。


对于这类无底洞的问题,建议调用你的情绪脑,而不要陷入理性分析中无法自拔。


因为,在面临一些极其复杂的问题,超出人脑可处理的信息量的时候,情绪脑更加靠谱。(相关历史文章我们为什么要骑驴找马?


区间4:解决度高、关键度高——高价值陷阱:这个区间才是我们要花时间的地方,花时间解决可以产出结果、价值又高的事情。但是,这里也会有陷阱。


因为重视,很多人总会在内心漫无目的地反复思量,却不会行动。你以为自己在思考和解决问题,其实只是在困扰和焦虑中耗费精力。


比如,很多人对现状不满,想要转行,于是每天都在思考:我该转什么行呢?期望哪天灵光乍现,找到自己毕生愿意为之奋斗的事业。但说实话,这种方式想下去,一辈子也很难有结果,因为这根本不是思考,只是困扰。


真正的思考,是你需要收集信息、自我剖析、咨询他人、分析各种可能、最后进行选择。(相关历史文章二次投胎这个技术活儿,如何才能做好?


所以,面对高价值问题的时候,你唯一需要注意的是:思考,而不是困扰。


如果你意识到自己只是在困扰(通常的表现为:反复思量、毫无进展,而且你知道这样下去根本找不到答案),马上停止下来,避免落入陷阱。



 五 提升高价值问题的占比,是我们必须努力的方向 


当然,在你初入职场的时候,你不可避免地要做一些解决度低或者重要度低的事情。就我的观察来看,比例甚至会有80%。


比如刚进咨询的分析师,会做大量的研究和分析,可最后用上的其实很少,因为以他们的经验,很难判断其中哪些内容是对后续项目有更多帮助的。


一定程度上来说,这可以理解,也是我们成长中的常态。


然而,渐渐往上,当你成为一个资深人士或者团队领导的时候,找到解决度高、重要度高的问题就非常需要,否则会拖累整个团队做无用功。


所以说,初入职场的时候,我们可能会在困难游戏和无底洞上面花费很久,即便找到了高价值问题,也会落入困扰的陷阱。


然而随着时间的推移,你需要不断反思问题,从而找到真正高价值的问题,最后将自己更大比例的时间分配在解决高价值问题上面。



 六 好有道理,但不会用?给你提炼了一个检查清单 


你可能会觉得:嗯,你说得都很有道理,然而我还是不会。


实际上,找到高价值问题并不难,你只需要养成一个习惯,在看到问题之后,不要马上解决,而是拿出我提供的这个清单过一遍。当然,你也可以在此基础上,设计一个属于你自己的问题清单,会更有针对性: 


清单问题1.澄清需求——我是否清楚该问题/任务的背景、目的、关键利益方、可用资源、时间要求?


清单问题2.挖掘诉求——对方为什么会提出这样的问题/挑战?ta的真正诉求是什么?这个诉求还可以通过什么方式实现?我可以怎么帮助ta实现?(若不是跟人相关的问题,此条可略过)


清单问题3.找准问题——这个问题解决了,事情就会都顺利了?我解决的只是表象问题、还是真正成因?


清单问题4.确定关键——这个问题现在是否必须被解决?是否有其它更加重要的问题需要我去花时间?


清单问题5.确定可行——这个问题现在是否可以被解决?我解决这个问题大概需要多久?这个时间是否可被接受?


清单问题6.正确思考——这个问题我思量多久了?有没有进展?继续如此,是否有可能找到答案?(当你因为无法进展而苦恼的时候,问这个问题)


(当然,如果你看了这个清单,仍然觉得无从着手,回复关键词“栗子”,可以看到我为这篇文章补写的一个案例,让你更清楚地知道清单如何使用。)


最后,请牢牢记住这几句话(心里默念3遍):不是所有问题都是真正的问题,不是所有真正的问题都值得被解决。看到问题的时候,不要马上解决,先过一遍清单。


好了,上篇文章,我们讨论了如何用结构化思维来解决问题,而这篇,是如何选出真正值得被解决的问题。但有时候,针对一些问题,除了想出解决方案之外,还需要把你的方案沟通出去。


比如,沟通给你的下属让他们执行、沟通给老板以获取资源支持、沟通给客户以获取认同、甚至沟通给投资人以让他们看好你的业务模式


所有这些沟通、获取认同的行为,都需要一项能力的支撑,那就是:讲故事。




小密圈今日成立70天,正式运营50天,留念

分享方面:
1、圈友分享主题及各类笔记1081个
2、分享资料文件249份
3、深度提问解答48个


用户规模:
近1850位同行,北上广深居多,海外群友52位


学习方面:
图书:100多种,60本已被借阅
课程:采购课程400多个,涉及入门、实战与工具(python、R、spss、excel、power bi),深度学习与机器学习(python)
资深数据分析师:50多位,涉及电商、零售、金融、通信等行业
成立学习小组:82组,在线学习圈友900多人
线上直播一次:主要数据分析入门和概念及职场答疑

团队:
都是兼职,自愿者12人


近期直播:张泽亮教授
数据圈的小伙伴们,针对大数据在财务分析领域的应用做次免费在线分享活动,包括:

1.财务管理职业发展探讨;2.财务指标分析和指标库设计;3.预算编制和预测技术;4.成本分析和CVP模型;4.绩效管理和因子分析;5.投资组合与决策模型。通过此次活动让懂财务的数据分析小白了解数据仓库和数据挖掘在财务分析领域的用处,以及了解Excel、SQLServer、Python、Kettle等软件工具如何在财务分析领域使用。参加条件是学习过财务课程的同学或者从事财务工作的小伙伴


路还很长,继续努力。。。一起布道数据分析,让人人都懂数据分析!


与近1850名分析师一起学习,让口碑说话!


               (保存图片到手机相册,扫一扫加入)