如何才能在思考問題時想的更有深度?《思考的框架》讀後心得

思考的框架

讀書打卡是2023年的個人OKR,如果你希望第一時間收到我的讀書心得,邀請你追蹤臉書粉絲頁、訂閱本站電子報!(日常生活與工作歷程分享都在 IG、限動:@andyrockdata)

1/閱讀原因、能力圈

2023年的第【004】篇讀書筆記,開始讀《思考的框架》這本書。

不管是做數據分析或是PM,雖然工作任務不相同,但都是在進行【 未知–>已知】的過程,這過程考驗了”結構化思考“跟”抽象思考“跟的能力,這是翻開這本書的原因。

我覺得這是一本滿有趣的書,之所有這樣覺得,我想是因為閱讀過程中會不自覺聯想到滿多工作場景的吧。不知不覺就翻了將近三分之二(BTW 排版跟插圖也滿友好)

比如第二章『能力圈』,作者表示首先是要認知到我們一定有知識盲點(能力圈內),再來是如何在能力圈外也應付自如?有三項重點

  • 至少掌握基本知識
  • 請教這個領域的高手
  • 認識基本的思維模型

回到產品,例如在數據決策領域,阿里的「生意參謀」無疑是我心中的標竿;又不管在哪個行業都有業界領先的產品,因此我們也可以向該領域的『先進產品學』。

這也是做”競品調研/競品分析”的目的

  • 為什麼有這個功能?是面對哪類客戶?是什麼場景?要解決什麼痛點?
  • 為什麼產品設計是這樣?是要形成怎樣的解決方案?
  • 為什麼產品會這樣演變?是因應怎樣的產品定位或背景

作者也提到:善用思維模型,可以幫助我們整合跨領域的思維。

讓我回想到有時候會有人問我,你覺得唸經濟學跟你現在工作有關係嗎?這學科有幫助嗎?剛工作時,我會很單純從經濟學這門學科來看,所以答案是沒有、但現在我則會說『有』

舉例來說,優先級的排序,就是「資源有限、但慾望無窮」的表現,那麼需求排序,跟經濟學「最適效用理論」就變成了一至的思路:在有限資源下實現效用極大化

我想不同學科、不同專業領域,很多知識底層都是存在相同脈絡。

2/二階思考&滑坡效應

2023年的第【005】篇讀書筆記,繼續讀《思考的框架》這本書。

『二階思考 』(second-order thinking)的概念,其實就是再多思考一層,考慮到“後果的後果”。想回到經濟學,滿像「賽局理論」的。

作者舉例了幾個沒有考慮二階思考的例子。例如:英國政府統治印度時期,為了減少大量眼鏡蛇,於是鼓勵拿死掉眼鏡蛇換現金,反而讓人開始繁殖眼鏡蛇在殺繳給政府,於是眼鏡蛇反而更氾濫..

不過繁殖眼鏡蛇要時間,所以我相信這策略,在”短期”不只達到目的,而且可能效果顯著,但“長期”反而偏離目的。

所以這理論是用來幫助我們思考「長期利益」。”延遲滿足”,可以幫助在未來節省時間,不會因為滿足短期慾望而導致後續造成的混亂。花一點時間超前思考,可以為往後節省大量時間。
閱讀這章我聯想到3個case:(1)需求太多 (2)目的與目標(KPI) (3)有讚與快手

▍case1:需求太多

不論PM或數據分析,如果需求太多太急,那麼沒時間多思考(二階思考),造成的就是產出垃圾產品、垃圾數字,很大機率過陣子又要改。本質上還是一個需求,但卻花了大量時間在返工。
B端產品更依賴“冷靜思考”,沒有慎重思考過,不值得浪費寶貴的研發資源。

▍case 2:目的與目標(KPI)

B端的銷售跟客情之間,一般來說都有不小的關係,難免也就存在了人為操作KPI空間。

假設,我有新產品上線,我希望驗證市場接受度(PMF),但我設置了KPI是:客戶數達到xx家。銷售員有沒有可能在將近年底考核時,透過客情或其他手段來衝數字?例如給各種折扣?拜託客戶先購買再退款? 這樣”目的”跟”目標”就不契合了。

往更大的說,有沒有可能甚至通過賄賂、向客戶虛假承諾、或隱瞞信息來操作?這樣做不僅損害公司的聲譽,還有可能違反企業的道德和法律規範。

所以在這階段可能要避免過度的KPI強壓,也應設計更能“反應目的”的指標、或是更難被人為操作的指標,像是使用率、維持率的角度,例如關鍵功能的生成數量達到xxx。

最後,量化還是有局限性,所以2B我想還是要盡可能去一線,避免紙上談兵

▍case3 :有讚與快手

當初有讚跟快手雙方合作,形成內容電商的入場券(短視頻電商導購解決方案),快手也成為有贊最大的客戶來源地,高峰期時有讚40%的GMV貢獻來自快手。結果當快手自建直播電商體系、宣佈對有贊執行第三方斷鏈操作,不再支持直播間掛有贊的第三方商品。有贊遭遇重創,新增付費商家數幾乎腰斬。

而業務快速擴張也意味快速招聘,因此也出現了有讚大幅裁員的事,我在有讚時規模千人左右,到知道準備要裁員時有讚規模是5K人,短短兩年

你說白鴉(有讚CEO)會沒有超前思考嗎?還是短期利益真的太大?還是沒預料到?那為什麼還是會下這個決定?

這case可以呼應作者的最後一段:當這樣一直推導,無限往下,可能反而不敢做出決定,造成分析癱瘓,這件事稱之為『滑坡效應(slippery slop effect)』,因此我們也要認知到,一切的事物都有極限,我們也無法真正預測未來。

二階思考要評估的是最可能的結果及最可能的影響,如果我們過度擔心行動的後果導致一切可能的效應,那我們可能無法採取任何行動,這是不對的。至於我們怎麼評行高階思考與實務、有限度的判斷,則必須按實際的情況評估。

3/假想實驗

2023年的第【006】篇讀書筆記,繼續讀《思考的框架》這本書。

『假想實驗 』(thought experiments)這思考方式我想在各處都能見到,例如愛因斯坦的電梯假想實驗,哲學上死一人救五人的電車實驗也是一個很有名的例子。

作者表示即使是”假想”,也是要遵循傳統實驗方法,包含:

1. 提出問題

2. 進行背景研究

3. 構建假設

4. 測試假想

5. 分析結果並得出結論

6. 與假設對比、進行調整

**這順序跟做數據分析有87%像

這本書用了引爆第一次世界大戰的歷史事件作為案例,來說明怎麼運用上述方法來進行假想實驗。可以感受到若想要進行一次成功的假想實驗,其中”進行背景研究”的深廣度是重要因素

但老實說這例子有點無感,因為他的的歷史背景我實在太不熟了。

我想到的是YT年代向錢看的明居正老師,他常常就會被問到『大陸會不會XXX』這種假設性的問題,聽他論述我總是感覺滿過癮,因為我覺得他回答的思路很清晰。

那為什麼我會覺得他表述是清晰的?如果分析回答的結構,大致就是follow假想實驗的步驟。

回到日常一點,我們有時候會說「如果錢不是問題」或「如果我有很多時間」,這實際上就是在進行假想實驗,因為現實中,錢跟時間永遠都是問題。

所以對於平常人,假想實驗更大的用處是科學的檢視自己:幫助我們釐清因果關係或真正的目標

人生會有很多選擇,我們腦中難免會出現懷疑的聲音。以我自己為例:

  • 假設我當時去念MBA而不是去中國,會怎樣?
  • 假設我在中國時選擇了外企而不是中國公司,會怎樣?
  • 假設我選擇的是廣告業、或是2C外送行業,而不是SaaS,會怎樣?

可惜看不到平行宇宙,不知道在不同決定的背後會產生什麼事實。

但從背景研究起,當初的市場情況、薪資情況、自我狀態跟期望…等等,在什麼前提有變化我會做出不同的選擇?前提改變的機率有多高?

我想,我的選擇應該還是一樣的。

“做想假實驗,然後不後悔當初的決定,並在每個決定下盡可能的獲得想要的東西”

回想到Steve Jobs 2005 年在史丹佛大學畢業演講:

“You can’t connect the dots looking forward. You can only connect them looking backwards,so you have to trust that the dots will somehow connect in your future.”

4/奧坎剃刀

『奧坎剃刀』(Occam’s Razor)的核心是,比起複雜的解釋,越簡單的解釋往往越接近真理。

可能是受到Steve Jobs的影響、可能是Phoebe Philo、Jil sander簡約設計主義影響,我一直很喜歡”Less is More”這概念,前陣子滿流行的極簡生活,也是一種Less is More的態度。

▍簡單其實並不簡單

任何人都有能力化簡為繁,唯有創造力能化繁為簡

在做數據分析,我們通常偏好用複雜的模型,直覺上體現了我考慮到了眾多特徵(感覺也比較帥)。

但若對不同的算法進行對比,有時候,複雜模型的解釋力其實並不會高多少。那選擇簡單的、變數少的方法,至少還比較容易理解。

所以說,簡單其實並不那麼簡單!

其他領域也多是如此:

例如大神寫的代碼,coding的風格、變數引用的結構之嚴謹,讓人很好理解。但那是經過了多少年的鍛鍊才能達到的程度?

又或是,數據倉庫”高內聚、低耦合”的設計原則也是簡單的體現。但在前期要花多大量的心力在進行業務調研跟探索?

再比如,經濟學中,如果某一理論是帶有”一般(general )”一詞,肯定是不一般;又或是數學、物理學,都在追尋一條簡單的公式卻能蘊含宇宙萬物法則

看起來簡單的事情,背後依然是複雜的。那麼如何化繁為簡?我想相當考驗抽象能力吧。

▍我需要的不是願景,而是簡單的執行力-IBM

我很喜歡書中這個案例,在90年代的IBM正在經歷艱困的時期,Louis Gerstner接管IBM時,大家都很想知道他會提出什麼願景來拯救IBM。

他回答「IBM現在最不需要的就是願景。我們要做的,是服務客戶、把力氣放在眼前的競爭,並專注賺錢的業務」IBM需要的是簡單、實事求是的執行力。

從結果來看,他也確實把IBM救了回來。

▍越多功能的產品就越好嗎?

在客戶看來,擁有100項功能的軟體,很顯然比擁有50項功能的軟體更有價值。

而問題是:功能多,有利於銷售;但功能少,才有利於續費。

為什麼功能少,反而有利於續費?因為功能少,我們才能聚焦於主流需求,把資源用於打磨核心功能,而不是做一堆價值不明顯的功能,反而影響了主流用戶使用。

張小龍說過:「有一億人教我做微信」。但很顯然,微信仍是中國最克制的APP之一。

賈伯斯回歸蘋果後先把複雜的產品線砍到剩下10項,他說過:「創新來自於對一千件事情說『不』。但只有學會說『不』,你才能集中精力於那些真正重要的事情。」

我們總是擔心用戶錯過了我們的某個優點,但是真正應該擔心的,或許是用戶能不能關注到我們最大的那個優點。

5/機率思維

2023年的第【008】篇讀書筆記,繼續讀《思考的框架》這本書。

雖然這本書一章節說一個理論,但章節跟章節之間的思維還是有連貫。『假想實驗』說我們可以在腦中做假設推論(case1,case2,…)、『二階思考』要我們考慮後果的後果,接下來『機率思考』則是用數學或邏輯來推估特定結果發生的機率。

▍貝氏思維與客戶成功

官網可以展示我的產品、我的服務、我的技術、我的能力、我的功能。或許這些都很強、但很強就是客戶要的嗎?

對於客戶來說,想要知道的是,你能不能解決我的痛點?

而網站有展示合作客戶牆、客戶見證、成功案例。我們可以說展示公司的資本、或是為了增加潛在客戶的“信心”

若由從貝氏思維來解釋:讓潛在客戶找出跟目前情況相似的情境,讓客戶擷取資訊,從而判斷若我跟你合作是不是也可能成功?有多少成功的可能性?(“行業解決方案”也是同理)

想到這可以引申出『客戶思維』,客戶要的或許不是你有多麼全方位,只要可以真正幫他解決痛點。

▍厚尾理論與反脆弱:或許裁員會是人生的一個機遇?注意極端、學習失敗

『厚尾理論』是一種跟常態分配很像,也是鐘型,但是尾部的曲線是沒有上限,也就是極端值。用經濟或財經的視角,也可以理解為是”黑天鵝效應”。

作者認為世界更像是這種分配,如果觀察最近10年出現的黑天鵝,其實頻率真的不低。

另外若能因波動不可預測性而得益,就是所謂的『反脆弱』(Antifragile)

1999年網路泡沫,矽谷倒了一堆公司,而撐過去的,現在都可以說巨頭;2008年次貸風暴連大到不能倒都倒了但還是有人賺翻(根據電影大空頭);疫情這三年許多行業損失慘重,依然有線上協同辦公的產業崛起(Zoo、Miro之類),這些都可以理解成反脆弱的表現。

那麼要如何避免甚至從中獲益,作者說可以學習“適度失敗”。所謂的適度失敗是指:第一是不會讓自己全軍覆沒(風險分散)、第二是有能力從失敗中學習。

Steve Jobs被自己創立的Apple解聘到創立皮克斯再回鍋Apple、Elon Musk的SpaceX曾經快倒閉到現在世界首富,都是具有反脆弱性。

他們在之前所累積的錢、名聲、能力、人脈等資產讓他們沒有全軍覆沒、而且他們也有超強的學習力。讓過往的挫折,都成為他們日後的養分。

回到個人,去年2022年中國裁員、今年2023年矽谷裁員,我想被波及到的人在這塊相信有更有體會。裁員是一個相當悲觀的,免不了自我懷疑,但這轉淚點也或許是人生新的機遇?

6/反演法

2023年的第【009】篇讀書筆記,繼續讀《思考的框架》這本書。

數學的”反證法”邏輯是既然我沒法直接證明是真,那證明他矛盾不成立、從而得證;『反演法』(inversion)也是比照此思路,從結果成立的假設下,反推須具備哪些為真的條件。

▍Sell me This Pan-好的產品經理也會是好的銷售

今年是電影【華爾街之狼】上映10週年。身為經濟學畢業,曾經對金融業有嚮往的我,這電影帶給我的震撼可以說是數一數二。尤其是最後sell me this pan的結尾更是精華。

對於sell me this pan這件事,我的思考是直線的–“供給創造需求”(大多數人應該也是?)

而電影的銷售技巧則是『反演法』的思維邏輯,即“需求創造供給”:透過一系列前提先創造需求,再提供解決方案給你。

“用戶需求”,我想又可以分兩個層次:(1)既有需求 (2)創造需求

ChatGPT就是創造需求最好的案例,原來”搜索”這件事居然還可以這樣玩

回想頂級產品的銷售都會帶有”創造需求”的性質,像是SalesforceThoughtSpot,除了產品本身外,也都有先進理念跟先進方法做包裝。

雖說有用戶思維的意識,但遇到sell me this pan這個問題,我還是沒能反射的運用。所以懂概念、到能像呼吸一樣自然的運用,中間還是個不小的Gap。

對於2B領域要怎麼懂用戶,可能也沒什麼特殊的方法,就是走入一線、培養出幾個關係好的客戶,才有機會獲得最真實的反饋。

延伸閱讀:SaaS是怎麼誕生的?一探Saleforce創始人如何顛覆傳統

7/第一性原理

2023年的第【010】篇讀書筆記,上週因為辦理肉肉來台的各種手續每天時間都很緊繃,今天開始繼續讀《思考的框架》這本書。

『第一性原理』(fisrt priciples thinking),其思考可以追朔到哲學領域、思考方式就是追朔到事務的本質,也就是無法在拆解的基本要素。

▍方法有上千種但原理很少

第一性原理這個詞,近年因為Elon Musk的推崇而發揚光大,所以我覺得最好的理解方式是閱讀<鋼鐵人馬斯克>這本書,例如書中描述的spaceX的火箭成本跟電動車的電池成本問題,可以更好感受什麼是第一性原理、以及如何運用第一性原理來思考。

另外既然拆解到了本質,那就更可以跳過歷史和傳統方法,思考其他可能方法,這也應證了SpaceX or Tesla的”漸進式創新”。

▍為什麼、為什麼、為什麼-用5W來觀察生活

作者表示<蘇格拉底提問法>是一個系統性的提問過程,可以透過該方法推倒出第一性原理:

  • 解釋想法的起源(我為什麼這麼想?)
  • 挑戰假設(我怎麼知道這是真的?如果反過來想會怎樣)
  • 尋找證據(我如何支持這論點?來源是什麼?)
  • 考慮其他觀點(別人會怎麼想?我怎麼知道自己是正確的?)
  • 檢視後果和影響(如果我錯了會導致什麼後果?)
  • 質疑原始問題(為什麼我這麼認為?我是否正確?我可以從推理過程中得到什麼結論?)

身為數據分析師的人我想天生就具有好奇心。因為工作內容本身就是在回答”為什麼”的問題。像是為什麼DAU下降?為什麼GMV下降?

隨著工作內容邊界延伸到產品、策略…這種“沒有數字來驗證標準答案”的領域,到底要怎麼訓練?

走到了撞牆期,在自己摸索並跟諸多前輩請教下,解法跟做數據分析一樣,【”多問為甚麼”】是被相當推崇的方法。

但是要把”問為什麼”這件事再擴大範圍,在日常生活中就可以融入5W的思考方式、有意識的思考。

就像郭靖練功吧,璞實無華但或反而是最有效的方式。

▍追本溯源V.S.第一性原理

“追本溯源思維”和”第一性原理思維”都是從問題逆推尋找根本原因或原理,然後尋找解決辦法解決問題。那麼有哪裡不同嗎?

我覺得在深度及廣度的差別。追本溯源只要找到根本原因,能解決遇到問題就可以。而第一性原理要思考原因背後的各種理論,深度更近一步。然後基於各種理論發散思維,目的可能也不再是解決問題,而是發現問題背後的問題。

例如:我的車壞了去修理,師傅用追本溯源法找到原因,車胎壞了,然後給我換了一條車胎。我用第一性原理思考,為什麼路上會有釘子,可能是附近工廠亂丟的,因為人性貪圖方便,人性源於什麼….

▍不同視角回答“為什麼“- 跨學科學習

同一片森林,用經濟學可以分析各部的經濟價值,用生態學可以看到各種生態位和生態鏈,用藝術可以發現森林的美感,用政治學可以解析環境團體與工業團體的糾葛。

多一種原理,就多一個視角。

據說巴菲特的黃金搭檔-查理芒格就廣泛學習,像數學、物理、生物、化學、哲學、社會學、心理學等領域,並基於這些理論建立自己的投資方法論。

然回想小時候,歷史、藝術、自然人雜誌…幾乎方方面面的主題都有閱讀。而隨著年紀越大,知識領域反而越是單一。回頭看一下書架這幾年的書籍99%都是同領域的類工具書。

意識到了這件事,我想我要重新排序閱讀清單優先級了

▍註:電池成本的第一原理角度進行思考

  • 電池組到底是由什麼材料組形成的?
  • 這些電池原料的市場價格是多少?
  • 什麼原因導致自己手中原料貴?
  • 如何降低原料的價格?

歡迎分享你的心得

🙌 你是數據分析新手嗎?入行必學SQL課程由此開始 >>>

X
Scroll to Top