在职场或者生活中，我们经常会遇到这样的情况
在面对和解决一些问题的时候，有些人忙作一团，找不到解决问题的路径。
而有些人却可以通过清晰的分析框架一步步解决问题
这样的思维差异，会带来完全不同的结果，不论是从效率上还是效果上。
人所掌握的知识和技能绝非是零散的信息和随意的动作，他们大多具有某种“结构”，这些结构就是模型。而厉害的人，或者精英就是善于掌握和利用这些模型解决问题的人 ——万维钢
思维模型非常有用，这个可以说是一种共识，而思维模型到底是什么？
思维模型是重要学科的重要原理
思维模型是经过广泛实践、证实可靠的、或者科学研究验证过的、或者不证自明的原理规律
也在书上或者课堂上见到过很多思维模型
在很多领域都有很多著名的思维模型
BUT !
为什么面对这么多牛X的思维模型你总是记不住它们？
总是想不起使用它们？
为什么你自己不能总结提炼一个出来的？
这个原因，我认为是：
不要过分依赖别人的思维模型，而要注意培养自己的模型思维
YES！
你可能就纳闷了蒙圈了，思维模型和模型思维又有什么区别？
思维模型是一个经过提炼和总结的思考原理和规律，是思考问题、解决问题的具象化方式
而模型思维是一种综合性的思维工具，它鼓励我们去对问题建立体系框架思路，用系统化的方式解决问题的过程
简单来说，
思维模型是总结提炼的结果，是一种规律规则
而模型思维是总结提炼的思考过程，是一种思考习惯
我们每天都会遇到许多的问题，为了对这个世界建立更清晰的认知，你就需要建立这样的模型思维习惯
习惯性地通过建立模型，可以帮助自己更好地整理信息，制定更好的策略。简单来说，就是帮助我们透过现象看本质。
在19年初，我曾在一次公开分享会上专门对模型思维这个概念进行阐述：
关键不是你学习了多少个思维模型，而是在于你有没有模型化的思维习惯
伟人他们会深层次的思考问题，最终看清本质问题，成功的发明家或者创业者的思维模式中都或多或少具备这种特质。
但是仅仅具备这种特质是不足达到成功的，他们都会一套行之有效的思考问题解决问题模式，我把这个模式成为模型思维
那么到底什么是模型思维？它又是怎么演变来的？
点状思维：零散的知识点，相互没有关联、散落在大脑的空间里，随时会忘记
逻辑思维：通过对比、归纳、演绎方式对知识点进行的线性连接，可以解决简单问题
结构思维：把多个逻辑知识线进行网状整理，形成稳定的结构思维，可以解决复杂问题
系统思维：把多个结构知识面进行维度整理，形成全面的系统思维，可以解决普遍问题
模型思维：以系统思维为框架，进行结构化填充，通过逻辑思维推理，形成多元模型组合，使得思维模式稳定，可以解决根本问题
模型思维，与查理芒格的多元思维很像，但芒格并没有明确告诉你很多模型到底如何综合到一起使用的，但模型思维可以！
模型思维让我们获得“1 1>2”的智慧，模型无处不在，各门学科息息相关
保持清晰的思考方式，模型像一个框架，避免了逻辑混乱和不连贯，保持一个理智的角度
快速使用和理解数据，现今世界有太多的数据，运用模型能将大量数据构建成信息，再把信息变为知识，进而可能最终成为智慧。
帮助决定、策略和设计，按模型将信息构建起来能帮助我们做出更好的决定，还可以被用来设计一些事物，如制度或政策
思维模型包含的知识学科很广泛，针对不同的问题选择不同的方式，多元化的方式，而不是用一个套路从一而终。缺乏针对性的解决方式是无用的。
越是感觉没有的思维模型，它的解释性就越强，越具有创造性和启发性，而越是感觉有用的思维模型，它的工具性就越强，越具有实用性，而思维模型并没有谁好谁坏之分，仅在应用范围上不同而已
既然思维模型本身就是多元化的、种类丰富多彩，那么我们的模型思维必然也是多元的，兼容并包的
模型思维具有很强的跨学科泛用性，不论是数学，物理等学科，还是公司管理运营，甚至政府制定政策都可以用到。重要的是要将理论真正运用到实际当中去，不断总结优化，建立自己的思维体系
我们太习惯于对比和比较了 ，只有在日常工作生活中，利用不同跨学科的思维模型来进行刻意练习，方能逐步培养自己的模型思维习惯，理性的看待问题本质、搞清问题的边界，解决问题也会逐渐变得高效起来
想要训练模型思维，就是拿现有的各种思维模型来训练自己的思考做事方式，熟能生巧，不外如是。
下面我将日常收集整理的各类思维模型晒出来，希望能够帮助大家一起训练自己的模型思维习惯
思维模型，是由基础逻辑逐步演化发展出来的，它们之间往往有很强的关联性
逻辑思维是思维的一种基础形式，人们在认识事物的过程中借助于概念、判断、推理等思维形式能动地反映客观现实的理性认识过程，又称抽象思维。
只有经过逻辑思维，人们对事物的认识才能达到对具体对象本质规定的把握，进而认识客观世界。它是人的认识的高级阶段，即理性认识阶段
逻辑思维是指正确、合理思考的能力。即对事物进行观察、比较、分析、综合、抽象、概括、判断、推理的能力,采用科学的逻辑方法,准确而有条理地表达自己思维过程的能力
逻辑思维是所有科学思维的基础，主要可以分为归纳、演绎、比较，这三种逻辑，进而一步步衍生出各种思维方式
只要你可以思考，你就在用逻辑思维，所以不说的了
对比思维也成为对照思维，这是最基本的思路，也是最重要的思路，一种挖掘数据规律的思维，一次合格的分析一定要用到N次对比。对比思维重点在找不同点。
在现实中的应用非常广，比如选款测款，监控店铺数据等，这些过程就是在做【对照】，分析人员拿到数据后，如果数据是独立的，无法进行对比的话，就无法判断，等于无法从数据中读取有用的信息
对比思维可以发现很多数据间的规律，它可以与任何技巧结合
对比思维来自人类天性逻辑，尤其是中国人对比思维明显，无论什么事情都喜欢做个高低比较的
好的数据指标一定是比例或者比率，好的数据分析一定会用到对比。我们要从多方面进行对比，比如：竞争对手对比，时间同比环比，类别对比，转化对比，特征和属性对比，前后变化的对比等，很多时候只有通过这些对比才能看出问题。
典型的应用：就是多维度分析
通过对多种维度的划分，运用立方体的形式进行展现，多维分析一种精细驱动的对比思维，只要数据齐全且丰富，均可以使用
比如：
用户统计维度：性别、年龄；
用户行为维度：注册用户、用户偏好、用户兴趣、用户流失；
消费维度：消费金额、消费频率、消费水平；
商品维度：商品品类、商品品牌、商品属性。
同比与环比，也是对比思维的典型代表，主要是时间维度上的对照比较
同比
环比
A/B测试
AB测试是指找出一部分用户以后把他们平均的分成两组，让其中一组的用户使用改版过后的A版本，再让另外一组使用改版过后的B版本，通过这个测试得到的大量数据中分析出哪一个版本才是最受用户喜爱的，是一种在软件或者网站更新换代时经常用的一个方法，既能保证新版本可以被用户接受又能保证一些小的问题在大面积推广之前就被改善
类比法也叫“比较类推法”，是指由一类事物所具有的某种属性，可以推测与其类似的事物也应具有这种属性的推理方法，主要是寻找与研究对象的相同点。
类比思维是从两个对象之间在某些方面的相似关系中受到启发,从而使问题得到解决的一种创造性思维。哲学家康德就曾说过“:每当理智缺乏可靠论证的思路时,类比这个方法往往能指引我们前进。”在恩格斯看来,类比就是用一个研究领域的研究成果来解释说明另一个研究领域的事物或事件的思维形式。
由于类比思维具有从一个特殊领域的知识过渡到另一个特殊领域的知识的优越性,所以类比思维在创造性思维中居于重要的地位,起着重要的作用,具有联想、启发、假设、解释和模拟等多种功能,对于创意主体的灵感和直觉思维的产生都有不可忽视的作用
类比思维的典型应用：
由点到面的类比
由点到面的类比广泛适用于许多一般消费品和耐用消费品的需求量预测。比如，通过典型调研或抽样调研测算出某市彩电年销售率为40%(即销售数与百户居民数之比，也就是每百户居民中有4户购买)，就可以以此销售率来推算其他城市的销售率了。
许多消费品的需求量可以采用由点到面或由部分到全部的类比推算预测法求得短期、近期预测值。
以国外同类产品市场发展趋势来预测
这种推算方法是把所要预测的产品市场同国外同类产品市场的发展过程或变动趋向相比较，找出某些共同的或相类似的变化规律性，用来推测目标产品市场的未来变化趋向。比如，可以参照国外某些产品更新换代过程的时间及条件来分析预测我国同类产品更新换代时间。
以国内相近产品类推新产品
这种对比类推往往用于新产品开发预测，以相近产品的发展变化情况，来类比预测某种新产品的发展方向和变化趋势。可以举例加以说明:过去人们喜欢吃水果糖，日用化工厂生产了香型牙膏;在国外，前几年男女老幼都喜欢吃各式巧克力糖，因此，牙膏也制成巧克力香型，取名叫”爱的可乐”，结果销路很好，尤其是青年人喜欢使用
门店选址，类比相似的条件下，选择相似的地理位置
比较思维是通过观察、分析将客观事物中的个别部分或某些特性，加以研究比较，以确定事物之间相同点和相异点的思维方法，这种方法需要同时对相同点和不同点进行研究。比如在学习“蒸发”和“沸腾”时，就可采用比较法，找出它们的相同点、不同点，从而对这两个概念有较全面的认知，比较法是相同点和不同点的同时研究
比较思维是一种自然科学或社会科学的研究思维。是通过观察，分析，找出研究对象的相同点和不同点。它是认识事物的一种基本方法。例:发电机和电动机的区别很多，比如它们的原理不同，它们的结构不同;用途不同;能量转换不同
能够全面了解相同和不同的特性
比较思维的典型应用：岗位评价
配对比较法也称相互比较法，就是将所有要进行评价的岗位列在一起，两两配对比较，其价值较高者可得1分，最后将各岗位所得分数相加，分数最高即等级最高，按分数高低将岗位进行排列，即可划定岗位等级。通过计算平均序数，便可得出岗位相对价值的次序
因素比较法是一种量化的岗位评价方法，它实际上是对岗位排序法的一种改进。这种方法与岗位排序法的主要区别是:岗位排序法是从整体的角度对岗位进行比较和排序，而因素比较法则是选择多种报酬因素，如工作责任、工作强度、任职要求、工作环境等方面，并按照各种因素分别进行排序
典型应用：竞品分析
竞品分析是从多维的角度对比需求表现的好坏，从中汲取营养使自身产品保持核心竞争力
日常工作中，客户分群、产品归类、市场分级……许多事情都需要有分类思维，人类在对比思维的延伸便是做分类了，从而对不同分类进行经验总结
分类思维的关键在于，分类后的事物，需要在核心关键指标上能拉开距离，存在差异！也就是说，分类后的差异结果必须是显著的
分类思维是对比思维后的一种具象化呈现，交叉对比的一种综合表达
万物皆可分类，适用于几乎任务场景
对于具体的数值指标，则可以通过对两种或者更多维度的划分，运用坐标的方式表达出想要的价值，由价值直接转变为策略，从而进行一些落地的推动。典型代表：FRM模型，3个核心指标构建用户分群体系：最近一次消费时间（Recency）、消费频率（Frequency）、消费金额（Monetary）
在R/M/F三个指标上，我们通过经验将实际的用户划分为以下8个区（如上图），我们需要做的就是促进不同的用户向更有价值的区域转移。也就是将每个付费用户根据消费行为数据，匹配到不同的用户价值群体中，然后根据不同付费用户群体的价值采用不同的策略（如下表）
矩阵法也成为象限法，矩阵思维是分类思维的发展，它不再局限于用量化指标来进行分类啦
矩阵思维是指通过对问题进行矩阵般的分析与规整，形成全面、系统、严谨、专业并具有很强逻辑和关联性的理性思想，从而有助于正确思考、研究、决策等高层次思维的形成的思想方法
矩阵象限法是一种策略驱动的思维，广泛应用于战略分析，产品分析，市场分析，客户管理，用户管理，商品管理等。
直观，清晰，对数据进行人工的划分。划分结果可以直接应用于策略
所谓矩阵象限在基础数学里就有说明，X和Y两个坐标系将一个平面划分为四个部分，成为四象限
许多时候，我们没有数据做为支持，只能通过经验做主管的推断时，是可以把某些重要因素组合成矩阵，大致定义出好坏的方向，然后进行分析。经典代表就是的管理分析方法上的“波士顿矩阵”模型、能力忠诚度矩阵、紧急重要性矩阵、SWOT矩阵等等
矩阵象限分形状态，针对不同维度进行细节维度拆分，形成新的细分型矩阵，比如下面这个美团在定位市场战略时使用的矩阵划分法：
拆分思维也可成为细分思维，细分拆解可以说无处不在，大到宇宙可以细分，小到原子核也可以细分。人生的大目标可以细分，某个小产品也能细分拆解到更小的单位。
拆分在数据分析中的重要性。很多问题，在经过拆分后，拆分后的结果，相对于拆分前会清晰许多，便于分析，找细节
在数据分析的工作中，可拆分的纬度非常多，主要包括时间、地区、渠道、产品、员工、客户等。
一般认为拆分分解逻辑是一种物理学思维，将物质拆解到最小单元去了解本质问题
典型应用：杜邦分析法、麦肯锡的 MECE 分析法、逻辑树分析法
杜邦分析法又叫公式拆解法
MECE分析法又叫也叫（枚举分析法），原则是相互独立，完全穷尽
逻辑是分析法，一般说明逻辑树的分叉时，都会提到“分解”和“汇总”的概念。也可称为“下钻”和“上卷”下钻，就是在分析指标的变化时，按一定的维度不断的分解；而上卷是反方向的汇总。下钻和上卷并不是局限于一个维度的，往往是多维组合的节点，进行分叉。逻辑树引申到算法领域就是决策树。有个关键便是何时做出决策（判断）。当进行分叉时，我们往往会选择差别最大的一个维度进行拆分，若差别不够大，则这个枝桠就不在细分。能够产生显著差别的节点会被保留，并继续细分，直到分不出差别为止。经过这个过程，我们就能找出影响指标变化的因素
相关思维也成为降维思维或增维思维，又叫指数化思维，现在的很多企业管理层，面对的问题一是没有数据，有用的数据太晒；二是数据太多，却太少有有用的数据。此时可能无法直观的分析，为了能够有效直接的分析和决策，当数据维度太多时必须进行降维处理，降低复杂难度，而当数据维度太少时则必须寻找更多的数据特征作为分析的角度。
相关思维就是能够帮助我们找到最重要的数据，排除掉过多杂乱数据的干扰，增加更多直接有效的数据维度
当数据维度太多的时候，我们不可能每个维度都拿来分析，有一些有关联的指标，是可以从中筛选出代表的维度即可
当数据维度太少的时候，我们可以通过分析与目标相关性较强的的指标列表来增加数据维度
相关性一般来自数学里的相关性计算，主要表示两个事物之间的相关关系的强弱
散点图是相关分析的典型应用，也是最直接有效的可视化方法
回归分析也是典型应用，主要是呈现不同因素自变量对结果因变量造成的影响，是确定两组或两组以上变量间关系的统计方法。回归分析按照变量的数量分为一元回归和多元回归。两个变量使用一元回归，两个以上变量使用多元回归。
“大胆假设，小心求证”，这句话是来自中国近代的思想家，胡适。而这就是假设思维的核心内涵
简单来说，假设思维就是在当我们没有足够的证据和事实依据来证明某件事时，我们就先用一个暂时还不是特别成熟的假设推理着看，后续我们再想办法进行验证。在数据分析中，假设思维的专业术语叫假设检验，一般包括四个步骤，即：提出假设、抽取样本、检验假设、作出判断，在这里我们就不展开了
采用推理逻辑的前提条件，减少解决问题的时间，以结果为导向，可以明确数据分析的目标和价值
假设思维是数学中经常用到的一种推测性的思维方法。这种思维方法在解答应用题的实践中具有较大的实用性，因为有些应用题用直接推理和逆转推理都不能寻找出解答途径时，就可以将题目中两个或两个以上的未知条件假设成相等的数量，或者将一个未知条件假设成已知条件，从而使题目中隐蔽，复杂的数量关系趋于明朗化，简单化。这是假设思维方法的一个突出特点
比如，有一天，小明去买水果，跟买水果的阿姨之间有一段对话。
小明：“阿姨，你这桔子甜不甜？”
阿姨：“甜啊，不信你试试。”
小明：“好，那我试一个。”
小明剥开一个桔子，尝了一口：“嗯，不错，确实挺甜的，给我称两斤。”
这个故事只是一个简单的类比，不必深究细节。从中可以看出假设检验的基本思维过程，首先，小明提出假设：桔子是甜的；其次，随机抽取一个样本；然后，检验是否真甜；最后，作出判断，确认桔子是真的甜，所以就购买了。
再比如你所在公司或者部门最近业绩不理想，公司的老板或经理希望你能够找到办法解决这个问题，提升业绩。我们用假设思维来解决这个问题：
第一步，定义这个问题，目前公司业绩下滑
第二步，形成初步假设，你觉得导致业绩下滑的原因，可能是下面三个原因：
A、产品质量原因，导致用户购买意愿低
B、竞争对手最近新推出一款杀手级产品
C、销售渠道出现问题
第三步，经过你大量的研究发现，在过去一个季度中，第一和第二两个方面都没有出现严重的问题。而第三个方面，你们一个非常重要的渠道合作伙伴在销售你们的产品时推动不够，导致销售下滑。那这时候你就找到了事情的根源，就知道如何采取相应措辞去改进提升了
其中假设检验也是典型应用
归纳思维是数据分析的本质思维模式，可以是几乎所有的数据分析都是这个思维模式开始的，也就是都是从个体经验开始
所谓归纳，就是从个别到一般，即根据一类事物的局部所具有的某种性质，推出这类事物的全部都具有这种性质。归纳也叫做归纳推理，是从特殊到一般的过程，属于合情推理。
它是在认识事物过程中所使用的思维方法。有时叫做归纳逻辑是指人们以一系列经验事物或知识素材为依据，寻找出其服从的基本规律或共同规律，并假设同类事物中的其他事物也服从这些规律，从而将这些规律作为预测同类事物的其他事物的基本原理的一种认知方法
在现实生活和工作中，归纳法是简单快速的逻辑方法，让人感觉逻辑清晰、条理分明，而数据分析的过程，往往是先接触到个别事物，而后进行归纳总结，推及一般，再进行演绎推理，从一般推及个别，如此循环往复，不断积累经验
归纳法源自逻辑学，属于人类基本逻辑方式，非常重要
典型应用：专家经验法
德尔菲法也叫专家经验法，专家打分法，一种定性描述定量化方法，它首先根据评价对象的具体要求选定若干个评价项目，再根据评价项目制订出评价标准，聘请若干代表性专家凭借自己的经验按此评价标准给出各项目的评价分值，然后对其进行结集
归纳法典型应用：归纳统计学
归纳统计是在随机抽样的基础上，根据部分资料(数据)推断总体的方法，也即利用样本资料对抽出样本的总作出推论的方法。它也是数理统计方法的基本支柱之一，归纳统计是借助抽样调查，从局部推断总体，以对不肯定的事物做出决策的一种统计。有总体参数估计与假设检验两种
例如，某城市有一万户居民(总体)，我们抽出200户(样本)来研究他们的生活水平，根据这200户的情况来推断整个城市居民的生活水平。
归纳法另一个典型应用：就是所谓的机器学习和算法模型
机器学习的本质就是一种寻找经验参数的归纳统计过程，而“经验参数”是一种归纳法思维，正是由N个已知的数据或现象，推论出一个规律。
机器学习直接依赖于样本来寻找规律，类属归纳，但不像通常归纳法得出可供分析理解的结论，而是将训练的结果表示为机器所用的参数，越过可供人理解的中间环节，直接付诸于应用。在无数参数错综复杂相互影响的乱麻中，以直觉般犀利作出综合判断
但是归纳法是有局限性的，比如下面的例子
黑天鹅的例子：
生物学家在亚洲、欧洲、美洲发现的天鹅都是白的，
于是得出结论：天鹅就是白色的。
结果在澳大利亚发现了黑天鹅，啪啪打脸
归纳法的结论往往是不能肯定的，除非已经把所有的个别事物全部观察了。
但现实中，我们往往很难做到把所有的个别事物全部观察，所以归纳法的结论通常是不能肯定的。
如果遇到了肯定的归纳结论，一定要看看一般的范围有多大，有没有全部考察。你可以肯定的说，你住的小区有电梯，但你不能推广到说所有的小区都有电梯。
结论不能肯定并不代表就没有用，我们当然可以用归纳法的结论来考察、推测这一大类的事物是否都具有同一个特征，只是说要提醒自己，这里有出错的可能性
演绎法是从一般到特殊的推理，演绎思维的方向是由一般到个别，也就是说，演绎的前提是一般性的抽象知识，而结论是个别性的具体知识。
它是指人们以一定的反映客观规律的理论认识为依据，从服从该认识的已知部分推知事物的未知部分思维方法。是由一般到个别的认识方法。
演绎法是认识“隐性”知识的方法。演绎推理的逻辑形式对于理性的重要意义在于，它对人的思维保持严密性、一贯性有着不可替代的矫正作用
演绎法是逻辑证明的重要工具。由于演绎是一种必然性的思维运动过程，在思维运动合乎逻辑的条件下，结论取决于前提。所以、只要选取确实可靠的命题为前提，就可证明或反驳某命题。
演绎法是作出科学预见的手段。所谓科学预见也就是运用演绎法把一般理论运用于具体场合所作出的正确推论。
演绎法是进行科学研究的重要思维方法。具体说，它是形成概念、检验和发展科学理论的重要思维方法
归纳法源自逻辑学，属于人类基本逻辑方式，非常重要
演绎的典型应用是「三段论」：
三段论，是指由两个简单判断作前提，和一个简单判断作结论组成的推理。三段论中包含三个部分：一是大前提；二是小前提；三是结论。运用三段论，其前提一般应是真实的，符合客观实际的，否则就推不出正确的结论。
一个最著名的演绎法应用：苏格拉底会死。
大前提——所有的人都会死
小前提——苏格拉底是人
结论——所以苏格拉底会死
这里需要特别强调的是，演绎法要正确，一般（也就是前提）必须是成立的、符合事实的，如果一般（前提）不成立，那结论就有可能是错的。
另外，如果前提是正确的，那么对应的结论应该是肯定的，不肯定的结论也是错的。例如在上例中，我们说“苏格拉底会死”，这是确定的结论，而不会说他可能会死
演绎法的重点应用：
在于发现问题原因和解决办法，典型的应用是根因法和第一性原理法
根因法又叫追本溯源法，是从问题出发，一步步分析问题背后的原因，直到找出最终原因（有1个或者N个）
第一性原理法，是从原理出发，一步步往前推演，直到找出适合该问题的解决方法（有1个或者N个）
逆向思维也叫求异思维，这是一种逆向思维，打破惯常的思维方式，从事物关系间的方向，逆向确定关键主题
逆向思维，也称求异思维，它是对司空见惯的似乎已成定论的事物或观点反过来思考的一种思维方式。敢于”反其道而思之”，让思维向对立面的方向发展，从问题的相反面深入地进行探索，树立新思想，创立新形象
如同在草丛中细细寻找蘑菇，在众人眼睛注意不到的地方，用心发现有独到价值的内容。这种眼力来自对事物的准确把握，来自正确的价值取向
逆向思维的典型应用：漏斗分析法
漏斗模型的思维方式是逆向的，即先确定要分析的关键环节，然后抽取相应的数据，计算其转化率。
单一的漏斗模型对于分析来说没有任何意义，我们不能单从一个漏斗模型中评价网站某个关键流程中各步骤的转化率的好坏，所以必须通过趋势、比较和细分的方法对流程中各步骤的转化率进行分析：
趋势：从时间轴的变化情况进行分析，适用于对某一流程或其中某个步骤进行改进或优化的效果监控；
比较：通过比较类似产品或服务间购买或使用流程的转化率，发现某些产品或应用中存在的问题；
细分：细分来源或不同的客户类型在转化率上的表现，发现一些高质量的来源或客户，通常用于分析网站的广告或推广的效果及ROI
实际上就是系统思维的更具体的表现，通过结构化、可视化的方式，让系统认知更加方便个人与他人理解。常见的思维结构，可以从：时间维度；空间维度；过程维度（时空）；属性维度；因果维度；数理推演维度（形式逻辑）等方式进行
结构化思维(Structured Thinking)是指一个人在面对工作任务或者难题时能从多个侧面进行思考，深刻分析导致问题出现的原因，系统制定行动方案，并采取恰当的手段使工作得以高效率开展，取得高绩效。当你这样做事的时候，你就拥有了结构化思维，这将对你的职场晋升起到巨大的帮助作用。思维决定发展，思维层面不同导致结果不同
面对问题，通过某种结构，拆解成一个个能解决的问题
结构思维的典型应用：
业务流程：完成一项任务，通常需要一系列操作，比如做菜，得先想好吃啥，然后买菜、洗菜、切菜、炒菜
循环/闭环：循环／闭环的概念可以引申到很多场景中，比如业务流程的闭环、用户生命周期闭环、产品功能使用闭环、市场推广策略闭环等等
常用的闭环迭代框架是PDCA，通过计划(P)、实施(D)、检查(C)、总结(A)4个步骤，循环迭代，螺旋上升
业务流程的闭环是管理者比较容易定义出来的，列出公司所有业务环节，梳理出业务流程，然后定义各个环节之间相互影响的指标，跟踪这些指标的变化，能从全局上把握公司的运行状况，如脉脉的业务流程（如下图）。有了循环思维的好处是，你能比较快的建立有逻辑关系的指标体系
时间序列：很多问题，我们是找不到横向对比的方法和对象的，那么，和历史上的状况比就将变得非常重要。其实很多时候用时间维度的对比来分析问题，便于排除掉一些外在的干扰，尤其适合创新型的分析对象，比如一个新行业的公司，或者一款全新的产品
时间序列的有三个关键点：
一是距今越近的时间点，越要重视（图中的深浅度，越近期发生的事，越有可能再次发生）；
二是要做同比（图中的连线指示，指标往往存在某些周期性，需要在周期中的同一阶段进行对比，才有意义）；
三是异常值出现时，需要重视（比如出现了历史最低值或历史最高值，建议在时间序列作图时，添加平均值线和平均值加减一倍或两倍标准差线，便于观察异常值）
产品生命周期理论（PLC模型）：由美国经济学家Raymond Vernon提出的，即一种新产品从开始进入市场到被市场淘汰的整个过程。用户、产品、人、事都存在生命周期
客户旅程地图：用于分析和完善客户体验
系统思维本质上是一种生态观、全局观和整体观，当我们找工作的时候，大家眼中的其实是“岗位”，但岗位是居于组织之上的，组织则是孕育在行业之中，行业则是脱胎于大的社会环境和体制。所以，要分析岗位的前途，必须考虑这个岗位在组织中的作用与位置，必须考虑组织在行业之中的地位，甚至是行业在整个社会体制机制中的位置
要素及要素之间的联系实现一定的功能和目的就称之为系统。
从系统的视角来引导自己思考称之为系统思考、系统思维。
要素之间的联系及其组成的环状回路，称之为系统的结构
这是一种全面认知思维的逻辑思维方式。把认知对象，从整体与部分、局部进行综合认知，并就个体、整体的作用、关联提出看法与认识。是一种“既可以见森林、又可以见树木”的思维方式
一般系统思维用于思考事件整体情况，比如工作汇报、文章写作、分析总结等
典型应用：点线面体
典型应用：金字塔思维
批判性思维，就是对思维看法不盲从，个人会对思维对象从多角度去思辨，即认可说的符合自己思维习惯的观点，也表达不同于他人的个人观点
批判性思维不是思维的偏执
批判性思维，可以通过结构思维、系统思维来阐述个人的观点和意见
对某观点、认识，阐述的越系统、越结构化，其批判的合理性就越受到他人认同。因此，结构化、系统化思维是批评思维的常见的表现形式
批判思维的典型应用：会议讨论、头脑风暴
联系客服
