1701798800
上述内容即为11个分析能支持核心建议的另外一种情况。每个分析都必不可少，少执行其中任何一个分析都会弱化论证。如果分析被如实执行，其结果则足以令方案获得通过。
1701798801
1701798802
1701798803
1701798804
1701798806
极简思考：来自世界顶尖咨询公司的高效工作法 必要和充分的分析
1701798807
1701798808
根据结构中的要点选择适当的分析，能确保包含所有必需的事实材料。没有那些分析，结构中的一些特定观点将无法被论证，而一个没有论据支持的观点将导致整个论证的崩塌。相反，如果你执行了与待证明的观点无关的额外分析也是不必要的。冗余无关的分析只会对你的沟通对象造成困扰，如果某项分析不是为了支撑结构中的论点，那么你不需要执行，也不应该将精力浪费在这上面。如果你为了佐证一个观点而纳入过多的分析，沟通对象也会感到厌倦，因为他们已经接收到了足够令他们做出判断的信息。专注于必要的事实材料将节省你的时间和精力，会议也会因此更短、更高效。因此，应该让结构框架决定你的分析工作量。
1701798809
1701798810
框架结构也可以用来应对利益相关人要求的额外分析。我们都曾被要求去做无关的分析，如果我们执行了这些分析，就会浪费时间和精力；如果我们去争论，就会被看成是不合作、不顺从、懒惰或令人失望的员工。通常我们很难拒绝，只能照做，但清晰的逻辑关系可以成为不予执行的一个理由。
1701798811
1701798812
如果利益相关人要求你去执行一个无关分析，结构框架可以帮助你向其解释。一旦他们开始在框架内思考，就意味着他们同意你的逻辑，进而他们会知道什么才是有效的分析方式。此时，你可以询问他们：“为什么要做这项分析？”有可能出现的情况有两种：或者他们能够解释为什么这一特定的分析能够为证明提供依据，或者他们将意识到这一分析的不必要性。在第一种情况下，你需要将这一分析纳入结构中；而在第二种情况下，在意识到这项分析与论证不相关后，他们会放弃自己的要求。
1701798813
1701798814
除了要确保你所做的分析是必要的之外，还必须确保其能够充分论证你的论点。不充分的分析会使论证失去说服力，只有充足的论据能够说服你的沟通对象，让他们认为你的想法是正确的。如果你需要说服你的沟通对象，让他们花费几万美元来发布一个新的产品，你就需要给出令人信服的证据。你的分析可能引用了15个人的评价，他们都表示喜欢你的产品，但这一材料并不能满足论证的需要。如果你的论据是基于15000名消费者的市场调查，而调查得出了相同的结论，这样的材料才是充足的。这就是所谓的“举证责任”——对自己提出的主张有收集论据的义务。支持你方案的人可以接受不够严苛的数据，但是他们不是你需要争取的对象。将持反对意见者和对手的态度从反对转为支持才是你的目标，而充足的数据就是使之实现的途径。
1701798815
1701798816
用结构框架驱动分析能让你有效地获取所需要的信息，你所执行的分析也将会专注于获取正确的数据，而且是对决策会议有意义的正确数据。
1701798817
1701798818
1701798819
1701798820
1701798822
极简思考：来自世界顶尖咨询公司的高效工作法 第十二章 证明或推翻假设：检验最初的核心建议
1701798823
1701798824
到达这一步时，你所掌握的数据非常有限或者根本为零。在此之前，你所做的一切都只是基于假设。一旦你确定了用于证明核心建议的分析，数据处理也将从此开始。在大部分情况下，分析会证明假设，但有时它们也能推翻假设。如果最初的假设在执行分析时被推翻，你也应该接受这一事实。毕竟我们的目的在于找到正确的答案，而非证明最初的设想为真。
1701798825
1701798826
如果你的假设被证实为真，你的核心建议也被证明为有效，你的想法就又向前推进了一步。相反，如果你的假设被推翻，你需要评估分析结果，然后修改核心建议。有时这一改动是微乎其微的，也有时整个核心建议都会发生翻天覆地的改变。改变的程度取决于哪些假设被推翻，以及这些被推翻的假设对于论证的重要性。
1701798827
1701798828
1701798829
1701798830
1701798832
极简思考：来自世界顶尖咨询公司的高效工作法 证明假设和避开陷阱
1701798833
1701798834
你所能期待的最好的情况是你所执行的分析都成功证明了假设，整个框架和内容都会保持原样，而你的核心建议也将会成为最终建议。你经常会发现自己恰好处于这种状况，而进展顺利得益于你对问题的熟悉。如果你已经在该职位上有几年的工作经验，有一个满是过去经验的数据库，你基于这些做出的假设就很可能是最正确的假设。这些假设是你解决问题时的本能反应，它们来自于你的直觉、经验以及对情况的了解。你在某一领域的经验越丰富，你的本能反应越可能是正确的。
1701798835
1701798836
基于经验进行假设有其优势，也有其劣势。证实性偏见——倾向于寻找或分析那些能够验证假设的信息——可能会让你对问题的认识产生偏差。在使用以假设驱动方案的方法时，偏见将会是最大的风险。没有人希望犯错，当你推翻自己的猜想时，你会以为自己犯了一个错误，实际上是走进了“证实性偏见”造成的思想误区。对错误的恐惧让你在执行分析时变得盲目，你可能会忽略或拒绝考虑假设的对立面。在收集数据时，你可能只去寻找那些能证明假设为真的内容，这会直接影响到分析结果的准确性。你的论证是基于不完整的信息的，而你却无法认识到这一点。
1701798837
1701798838
屈从于证实性偏见的后果是，你的最终方案存在数据缺陷。如果你的沟通对象指出你的偏误，他们会要求你重做一份方案。如果他们没有意识到你的偏误而且通过了你的建议，你将会执行一个会造成损失的建议。无论哪一种结果都让人无法接受。
1701798839
1701798840
为了避免证实性偏见，你应该听取他人对你的分析的独立见解，以核查是否忽略了一些必要分析。我认识一些领导者，他们鼓励团队成员尝试用其他分析来证明他们的假设是错的。他们认为，如果团队中没有人能够指出建议的错误之处，那么他们得出的结果就是正确的。在处于领导位置时，命令团队证明自己的错误——这样的举动需要勇气，但这种方法可以确保你的建议是正确的。
1701798841
1701798842
让你的竞争对手参与到验证过程中，则是另外一个避免证实性偏见的方法。竞争对手喜欢在你的工作中寻找漏洞，他们会发现那些你忽略了的却能推翻假设的数据，也会指出那些你为了证明自己正确而刻意解读的事实材料。来自对手的质疑会让你感到沮丧，但正是因为他们的存在你才不会铸下大错，才不会去执行一个有缺陷的方案。
1701798843
1701798844
假设你可以避免证实性偏见的隐患，你还需要留意做分析时的另外一个陷阱——分析麻痹。很多人误以为如果提供一定数量的数据是有说服力的，那么提供更多的数据则能增强说服力，而用大量的数据则能达到最好的效果。事实上，多余的分析无用且无意义。如果分析已经足够证明观点，就要停止继续分析！
1701798845
1701798846
过量的分析更有可能让沟通对象感到困扰。你要分享的数据越多，会议的时间就会越长。如果他们听到了4个分析时已经决定支持你的想法，你却坚持要分享10个他们已经理解却并不需要的分析，他们会感到疑惑。如果他们被无关、冗余的分析所困惑，就会让方案在会议中得到通过的可能性骤降。所以，适量分析，当停则停。
1701798847
1701798848
分析麻痹的反面是分析不足或分析脆弱。你所收集的事实信息必须具备足够的说服力，它能够支持你的假设，也能够说服他人承认假设为真。例如，你假设消费者将会在新品推出的第一个月购买5000个单位的产品，你就需要严格的分析来证明这一观点。但是，“两个在商店里购物的消费者说自己会马上购买产品”这一论据不足以证明假设。你需要更深入的市场预估，用统计学上显著的数据来作为论据，才能令人信服。如果你不确定现有的资料是否足够有说服力，那么请去寻求对手的意见——询问他们是怎样看待从这些数据得出的结论的。如果你的对手也能被你的分析说服，那么很可能其他不太苛刻的人也会被说服。
1701798849
[
上一页 ]
[ :1.7017988e+09 ]
[
下一页 ]