一年前，我读了高杉尚孝著的《麦肯锡问题分析与解决技巧》，其中对于问题的清晰定义和 MECE 分析法让我印象深刻（只记得这两个了）。
我觉得清晰定义问题是什么，是决策的根基。一切决策应当从问题出发。
因此基于此书的 1~4 章节，以及个人的深度思考，我实践总结了一套思维框架，与你分享一下。这个框架的目标是清晰辨识问题，快速分析出问题的本质。
不过在谈问题分析之前，先来看看在问题的认知上，我们可能会陷入什么误区。
问题认知不清会导致决策模糊，从而执行没有重点，无法高效解决问题，甚至解决不了问题。
在认知问题上，我总结了以下几个典型的误区：
X-Y 问题
该类问题的具体说明本文不赘述，请阅读陈皓写的《X-Y PROBLEM》。避免这类问题的方法很简单：明确因果关系。
以偏概全
只看到问题的一小部分，却当做问题的本质来处理。最终只是治标不治本。
小题大作
很小的问题，却花很大的成本处理。虽然解决了问题，但付出太多容易让自己和别人身心俱疲。
相关当因果
两件事情只是有联系，并不是因果关系。处理问题必须要找到源头，旁敲侧击也只是治标不治本。
举三个《麦肯锡问题分析与解决技巧》一书里提到的例子：
- 投诉增加，因此增加客服人员。但如果产品本身有问题，便只是治标不治本。
- 公司的营业额减少，因此打出华丽的宣传广告，但如果市场已经饱和，很难产生效果；
- 发烧后吃感冒药，但说不定是罹患肺炎；
一个问题中混杂多个问题
混杂多个子问题，或者混杂多个不相关的问题。这不仅容易让人分散精力，还让人抓不住重点。
对现状认知模糊
在不成立的条件上进行提问。首先要「先问是不是，再问为什么」。
对期望认知模糊
不知道想要达成什么目标状态。
从结果逆推出原因
这是一种基于经验只是的预测（猜），但缺乏严瑾的推导过程。能猜中固然好，不能猜中就会走很大的弯路。
严谨的做法是分析初始状态到事后状态的变化过程，推导出问题原因。
治标不治本
在大多数的情况下，如果找不出发生不良状态的原因，那么任何应对策略其实都只是一种紧急处理。总之，没有正确分析出原因，问题就不能根本解决。
没有从问题本身出发，从而导致只比较解决方案间的优劣。
偏信经验，不实事求是
依靠经验相似度来选定方案，或者靠着权威来决策。缺少严谨的从现象到问题到方案的推导过程。
经验只是提供一个猜想方向，论证要脚踏实地，因地制宜。
排查问题的时候注意不要轻易认同，谁都不能相信，包括自己。要做实验看数据从头分析。因为环境在变化（至少时间在变），一点细微的偏差，都可以导致结果千差万别。
把话题当问题
比如「如何评价 XXX」，这是话题不是问题，因为没有构成期望和现状的落差。什么是落差？请建看下文「问题的定义」。
为了避免以上误区，我认为关键在于理清「问题」的定义，梳理元认知。
首先，什么是「问题」？
对于这个问题，在生物学、心理学、数学等领域，有各种不同的解答。
在分析问题的场景里，我们需要有一个关于「问题」的定义（共识），以便接下来的探讨。
问题的本质是期望与现状的落差 [1]
这句话给我深刻的启发。基于这句话，我补充几点概念并给出一个新的定义：
问题是由当前上下文、未来上下文、当前状态、期望状态这四点确定的。
期望和现状之间的落差是发现问题的入口。当前上下文是描述问题发生的环境条件。未来上下文是解决问题时理想的环境条件。
总结成公式就是：问题 ∝ (期望与现状的落差) * (未来上下文的认知程度 + 当前上下文的认知程度)
你会发现（我特意写得）跟梯形面积计算公式很像。因此，可以画出一张图来直观地理解问题，
由此能展开很多分析，可视化地比较（不是计算）问题域的相对大小，投资回报率 (ROI) 等等。
我们解决问题的路径，理想的是从起点到终点是一条直线。而现实往往是曲折的线路。
因为我们能力不足以站在上帝视角纵观全局，当前状态和期望状态可能处于一个模糊的范围，起点和终点都不能确定。大多数人会边走边缩小范围，最后达到终点。
对于达到目标状态的路径不止是曲折的，通常还是不连贯的。对于不能一步到位的长远目标，我们会划分为几个阶段，每个阶段有各自的期望和资源投入。
在这个过程中，上下文，期望可能都会变动。
以上的可视化分析只是众多问题分析法中的一个方法，并不是框架。因为是我自创的，所以提前拿出来说下。
下面来谈谈框架。
问题从发现到解决必然经过以下过程：
认知现象 => 发现落差 => 描述问题 => 判断问题有效性 => 分析问题 => 评估方案 => 方案落地 => 验证结果
在尝试解决问题的过程中，分析是首要的，执行其次。因为如果读题错误，无论解答再聪明，得到的结果必然错的。
发现问题是从认知现象开始的，先是发生了什么 (What)，被现象激发兴趣，研究它是如何产生的 (How)，接着是探索为什么会这样 (Why)。
当人意识到现状和目的状态的差距，就会意识到问题。
《麦肯锡问题分析与解决技巧》第一章将问题分为这三种类型，总结得非常好，我做了些补充修改，重新画了一张图。
我们提问或者描述问题时常常会附带很多干扰项，问题的表述所带的信息量永远比问题的本质要大。
这里的重点不是如何作为提问者来描述问题，而是作为解答者的角度来看问题的描述，排除干扰项，从中发现问题的本质。
缩小范围，排除干扰项
同一个问题，可以有 N 种表述（表达方式）。那么问题的本质究竟是什么？
如图，灰蓝色是问题实际所在区域。表述 A 和表述 B 都没能准确描述问题的核心。
表述 C 的问题域包含表述 D 的问题域，C 相对模糊，D 更精准。
同时，表述 B 和表述 C 没有交集，说明是两个独立的问题。
当然这只是从结果反推原因时画的图，在不知道问题本质时应该做不到那么清晰的判断。我只是想表达一个观点：在不同的描述中寻找交集就能发现真相。
当前上下文是什么？
对于同样的问题，不同人会有不一样的看法。因为每个人的初始状态不同（当前上下文不同）。所以即使对于同样的期望状态，问题域是不一样的。从而因此解决方法也会有差异。
描述上下文的内容可以用 4W1H 方法：
当然还可以加上更多描述信息，总之信息越详细，上下文越精准，干扰项越少，问题越清晰。
当前状态是什么？
指的是问题相关的当前状态，从 WHAT 方面着手描述。遵循事物的真实与客观，不要代入自己的主观臆想。
期望状态是什么？
指的是问题相关的当前状态，从 WHAT 方面着手描述。遵循事物的真实与客观，不要代入自己的主观臆想。
未来上下文是什么？
主要比较当前上下文和未来上下文是否有变化。一般来说不会有变化。但是若不一样的地方，就要注意为什么会产生这样的不同，会产生怎样的影响？
整理描述
然后根据以上四要素画出问题定义图。
又或者写成一段话描述。参考句式：我现在是______（描述上下文），现在问题是_____，我的期望是_____（描述期望状态和未来上下文）。
这个概念我在《提问的框架》也提到过。还是那句话，「先问是不是，再问为什么」。如果问题无效，那么就不值得投入去分析问题。
我将介绍以下几种方法：
5W2H
回答以下 7 个问题。
MECE 分析法
MECE 是麦肯锡的经典分析法，尽在「相互独立，完全穷尽」一言。
篇幅问题我不赘述了，具体可以参考这篇文章。
这里只提一下如何分解，基于上文提的问题定义图的概念，我归纳了两个分解子问题的方法。
根据领域经验和上下文做「垂直切分」，和根据调整期望做「水平切分」。具体看图。
差异分析法
用差异分析法找原因。将发生问题的对象与其他没发生问题的对象，做一番比较，找出彼此之间的差异。
另外，还可用控制变量法，尝试多组变量的实验。根据结果，排除干扰项，缩小问题范围，直到找到原因。
对话式分析法
小黄鸭分析法
小黄鸭调试法 其实是一种对话式的通过提问引导分析的方法 (Problematization)。非常有用！
向别人提问
提问也是分析问题的一种方法。提问 (Question) 是问题 (Problem) 的表达形式。同一个问题，可以有 N 种表达方式。
因此同一个 Problem，会有多个 Question。而且这取决于提问者的上下文。由此可知提问不等价于问题。
那么如何提问？请参考《提问的框架》。
补充一下，当在探讨问题的时候，首先需要建立一个认知基准（共识），比如对于上下文内容概念的认知基准，如果双方不再同一个上下文里，再怎么交流都不会达成共识。
当你大概心里有数后，最好找个人或者对自己阐明梳理一遍前因后果。以校验是否符合问题本质，分析是否合理。
不是本文重点，略过。
就是这样。
以上是心法，最后放一张思维框架的思维导图作为备忘。
P.S. 强调一下，以上所有图片都是我自己画的，若无授权禁止转载，本人保留所有权利。
《麦肯锡问题分析与解决技巧》 的第 1 章。 ↩
