问题解决的建模（三）：思维模式格栅
神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。
编者按：咨询是为别人出谋划策的工作，咨询就是为别人解决问题。一般来说，咨询都会有自己的方法论、流程与模型。但是这些方法论、流程和模型是否真的能够解决问题？如何才能知道它们解决了问题？或者它们解决的是不是对的问题？如果没有建立起一套科学的框架的话，很容易就会陷入思维定势，导致解决方案平庸。本文介绍了一个对问题解决进行建模的框架，希望能为你提供参考。文章来自编译，是系列文章的第三部分。
相关阅读：
用框架与问题陈述进行创新
骨骼、物质遗骸，还有艺术作品，几个世纪以来，考古学家一直都遵循公元7世纪历史学家比得（Bede）的说法，把这三样东西解释成日德兰半岛强悍的盎格鲁撒克逊入侵的证据。
最近的学术研究不仅质疑了这种入侵的想法，甚至对来自欧洲大陆的移民大幅增加的说法也提出了质疑。在更多挖掘以及碳测定年代与古代 DNA 等新技术的帮助下，来自实地的数据得到了改善；但更重要的是，一旦有人对比德关于撒克逊人入侵的说法提出质疑，他们就有理由对一具佩戴有日德兰风格胸针的尸体是撒克逊入侵者的说法提出质疑，说不定他本来就是一名当地的大不列颠人，只是想追赶一下朱特人的潮流，甚至只是公元5世纪的英国增加了对朱特人胸针的进口罢了。也就是说，虽然数据是一样的数据，但我们把数据放在不同的背景下（框架改变了），解释就会不一样。
影响更为深远的是：我们对发现提出的问题已经变了。曾几何时，英国考古学的核心研究问题也许是“我们能找到亚瑟王的遗体吗”。随着时间的推移，问题演变成了“是什么导致盎格鲁撒克逊人比当地的英国人更出色”（20 世纪初，属于带有种族歧视的提法），然后又变成了“普通农民的生活到底有没有因为罗马帝国的瓦解也发生了改变？” [20 世纪中期，所谓的长期持续时间法（Longue durée）法，是法国年鉴学院历史写作学院用来表示他们研究历史的方法的表达方式]。到了最近，考古学提出的问题已经转移到在今天被认为非常相关的话题上，比方说“5 世纪和 6 世纪生活在不列颠群岛上的人被认为是什么人？”以及“气候变化如何影响中世纪欧洲的人口流动？”
就历史和考古学而言，可以说这两门学科新事实的出现来得要比新解释慢。而这完美地诠释了框架和问题陈述对解决问题的重要性。但正如我们将在本文洞察到的那样，其实这一点适用于所有的学科，尤其是在解决问题方面。
在本系列的第一篇文章中，我们介绍了问题解决地图（PSM），并讨论了问题解决的解释循环，说明了项目当中的知识是如何创建出来的——通过迭代使用先验框架，对后验数据上下文化，并将后者整合到前者之中，在整体与部分之间进行逻辑论证而做到的。
在第二篇文章里，我们深入讨论了模型是什么，并详细研究了模型的两个关键组成部分：数据（及变量）和推理。我们还简要介绍了问题解决画布，有了它，我们的解释循环就有了一个方便操作的项目道具。
本文的关注焦点在问题解决地图（左）和问题解决画布（右）上的呈现
在本文当中，我们将探索模型的最后一个组件，框架，并了解问题解决画布左侧的那一块：问题陈述。我们还会介绍思维模式导览（theMental Model Navigator），这是为本项目策划的一个可搜索的心智模式数据库，并通过一个示例来说明如何在项目当中使用问题解决画布。
框架本体论
让我们先从框架开始。
从它们在问题解决地图当中的位置就可以看出，框架的特点是相对于项目是先验的——也就是说，在项目开始之前，我们就已经了解框架了。框架并不是我们在项目开始时拥有的唯一一种先验知识：从某种意义上来说，我们过去的全部经验构成了我们在先前文章中所说的“先验世界” ，所以我们在做项目时可能多多少少都会带着一定的情绪或偏见。
虽然所有这些都算作先验知识，但作为我们在做项目时观察的视角，框架属于一种特殊的知识，这种知识对顾问特别有用：
框架或思维模式是可重复使用的思维‘模板’，一旦学会，就可以用来对多个问题建模。
框架与领域知识有别，因为框架可以直接或以隐喻的方式适用到各种场合。比方说，通过变异和选择的进化不仅仅是生物学领域的专属知识：还可以有效地应用到其他领域的一般规则，比如经济学或商业。
在这一点上，必须澄清框架与模型之间的关系。框架在文献当中往往被叫做思维模式，其实这种叫法容易引起困惑。就像以往那样，下面的例子里面的框架和模型看起来也很相似。简而言之，一个明显的区别是模型包含有（项目）数据，而框架不包含。模型会应用一个或多个框架。当然，有时候我们会发现我们在项目期间创建的模型具备一定程度的可重用性：在这种情况下，模型就有可能会被纳入我们的框架组合，以供未来的项目使用。
左：作为框架的波士顿矩阵；右图：运用波士顿矩阵作为框架的Google 投资组合模型
鉴于来自管理学科的框架激增，难怪一些最敏锐的“模型思想家”都是出自于商界。伯克希尔哈撒韦联合创始人查理·芒格可能是其中最知名的人之一：
要想变得聪明，你的脑子里必须要有模型。而且你得按自己直接和间接的经验将其安置在格栅模型中。
——查理·芒格
从芒格的话中明显可以看出，运用框架（他称之为“模型”）的关键是要了解很多框架并加以利用。至于为什么多模型优于单模型，密歇根大学教授斯科特·佩奇（Scott E. Page） 提出了两个数学论证。这是基于孔多塞陪审团定理（编者注：简单来说，如果陪审团的每个人给出正确选项的可能更大的话，则陪审团人数越多，做出正确判决的可能性越大；反之，则陪审团人数为1做出正确判决的可能性最大）给出的比较简单的一个证明：
有一群人（模型），个数为奇数，他们每一个都能将世界的某个未知状态归类为真或假。每个人（模型）可做出正确分类的概率 p > 1/2，而且任何人（模型）能做出正确分类的概率在统计上均独立于任何其他人（模型）的正确性。
孔多塞陪审团定理：如果 p 大于 1/2 （即每个投票人有更大的投出正确选项的可能），则投票人数的增加将会增大群体得出正确结论的可能。当投票人数趋近于无限大时，群体投票得出正确结论的可能性无限接近于一。
“我们的真理就是若干独立的谎言的交集。” ——理查德·莱文斯（Richard Levins）
Scott E Page，《模型思考者》（The Model Thinker: What You Need to Know to Make Data Work for You）
这个很容易就能套用到问题解决上。比方说，我们的朋友，专业的问题解决者 Priscilla， 她可对能生产过程的浪费的不同审视方法十分熟悉，所以她可能会将这些方法归类为muda 、 muri或mura ，并打算运用精益制造的原则来减少浪费。
但是同样的景观，如果从不同的先验视角会审视的话，会产生截然不同的看法。 Priscilla 既可以用减少、重用、回收这样简单的启发式方法来描述处理废物的规范框架；也可以考虑用循环经济和循环设计原则来设计生产当中产生的废物；她可能想在 ESG （环境、社会与治理）的框架内评估工厂的影响；或者她还可以创建一幅系统图来识别生产过程的系统影响并找到其中的杠杆点。
但所有这些仍然属于比较“明显”的视角。如果用她的古代历史知识去反思古代文明如何处理废物，或者用她的文学知识去创造类似“废物的心理史”以及“定子生产线的什么东西烂了” 这样的机会空间，结果会怎样呢？向趋同进化理论汲取灵感来启发，设计出模块化的产品，从而减少浪费又会怎样？如果用博弈论来模拟不同玩家造成或多或少的浪费的动机呢？所有这些都可以作为解决问题的合法工具，“独立的谎言”一起来帮助我们想出新的办法，去审视问题，并设计可能的解决方案。
但 Priscilla 犹豫不决的同事 Ken Chick 却提出了质疑——我们做这个运营项目是为了拿钱的……我们真的需要添加那些多余的框架吗？客户会怎么说？
而这正是顾问困境的症结所在。
我们往往用特定的方法论去推销解决方案，但事实上，问题空间是没法那样划分的。问题空间是一个庞大的知识连续体，可以通过用不同的框架以多种不同的方式进行分割。
除非出现了收益递减的情况，否则多用几种框架去分析任何问题，是可以给问题增加大量价值的。
框架的分类
在上面的例子里，我们提到了几种不同类型的框架。
其中一些属于非常明显的问题解决工具：比方说上面提到的系统映射；设计思维、Scrum、波士顿矩阵等；这些都是方法，属于最“明显”的一种框架。方法为在给出特定变量的情况下得到结果提供了步骤。但也一些框架属于比较隐式的范畴。
有些框架没那么精确。它们不是一系列步骤，而更像是启发法或原则，为我们提供大概的思考方向。例子包括“减少、重复使用、回收”、奥卡姆剃刀、ESG 原则或帕累托原则。
各个学科的简单概念都可以当作框架使用，因为它们可以为我们选择变量及其关系提供灵感。比方说，上面提到的趋同进化的科学概念，或者心理史的科幻概念。
最后，还有一种“范畴最广”的框架类型，也就是理论，理论本身从某种意义上来说就是框架的集合。不过，在许多情况下，它本身可以作为灵感框架。例子可能包括自然选择、涌现、博弈论等。
这种非常松散的分类让我们对各种框架的“宽度”或“大小”有所了解。
对框架进行分类还有一种办法，那就基于对建模的帮助来进行分类。
就像我们在第一篇文章里面提到的那样，任何东西都可以成为任何东西的模型。但是，对于不同类型的数据集来说，某些框架的效果要比别的框架更好。这是因为现实存在着根本上的涌现性。
我们用来思考单个粒子运动的智能工具，与我们用来思考气体在房间内的流动，或者思考飓风的运动所运用的工具会不一样，类似地，针对不同层面的分析，我们对世界进行建模的时候也可以运用不同的框架。
如何分解分析的层次呢？办法之一可以是这样：
事物框架（Thing frameworks）告诉我们什么是无生命的事物，这些事物会如何随时间变化。像数学、物理学、生物学等领域的大量框架都属于这类框架。
在添加了意识进去之后，我们就得到了主体框架（agent frameworks），像行为和认知模型、博弈论里面的博弈、基于主体的决策模型等都落入这个范畴。
系统框架（System frameworks）则是对相互关联的主体群体进行建模，把反馈循环添加到组合里面。其中包括了系统图、系统原型、系统动态与网络等。
最后，还有意义框架（Meaning frameworks），包括了意义的元素。这可能感觉有点抽象，但基本上与模型对建模者应该会产生的影响有关。其中包括了伦理理论、规范框架等。
在不同分析层次建模需要不同的框架
用一个人口增长的例子来说明同一个问题可以用不同分析层面的框架来建模。就事物层面而言，人口增长在概念上可以分解为分类学——如现有人口、增长率等；或者可以用逻辑斯蒂增长（logistic growth）之类的简单方程对其进行建模。在主体的层面而言，我们可以看看推动繁殖的心理模型，在系统层面，我们可以用洛特卡－沃尔泰拉（Lotke-Volterra） 方程之类的模型往里面添加反馈循环。最后，就意义的层面而言，我们可以用规范来审视人口增长，其中规范包括从宗教训诫要繁衍后代到今天的反生育主义的一切。
那实践如何才能熟悉并运用多框架呢？
可能有几种方法。一种是确立人人都应该知道、学习并能反复使用的，有限数量的基本框架或心智模式。比方说，几年前，麦肯锡提出了要从五个视角（所谓的 flexons，flexible objects for generating novel solutions）来审视业务问题。他们认为，可以从网络、进化、决策主体、系统动态和信息处理的视角去审视问题，从而获得新的洞察。
另一种方法是有一分更广泛的概念清单，要提前学习尽可能多的概念并不断给这份清单增加内容，然后，在我们解决问题的活动当中要有意识或无意识地让这些概念浮出水面。提倡这种做法的人已经编撰出相当全面和有用的框架列表。其中最早和最有影响力的当然是 Gabriel Weinberg 的思维模式（常用思维模式大全（上），常用思维模式大全（中），常用思维模式大全（下））。
多年来，我自己也整理了一份清单，目前里面已经收纳了 500 多个框架和概念——针对这个项目，我把它们变成了一个工具——一个基于 Airtable 做成的思维模式导航（Mental Model Navigator） 。跟其他的清单不一样的是，我对什么可以东西看作是心智模式的理解较为宽泛。因此，除了一些显而易见的工具（如 BJ Fogg行为模型）以及类似认知偏见和商业框架等概念以外，我还试着有目的地将来自艺术和人文学科的概念（比方说，崇高事物法、 心印 、立体主义）整合进来。这些概念往往不能直接转化为“解决方案”，但把它们放进来的想法是，这可以丰富问题解决者对世界不同方面的知识，而且在适当的时候，这些概念可能就会进入到意识之中，给解释现实提供有用的灵感和新颖的隐喻。
Mental Model Navigator屏幕截图
问题陈述
在探讨了框架之后，我们再来看看问题陈述。我们最后才谈到这个问题，但显然问题陈述是解决问题的起点。不用说，问题陈述得好对项目的成功至关重要。一个好的问题陈述能引导我们找到一个出色的解决方案，否则会让我们误入歧途。
问题解决地图里面的问题陈述
如前所述，问题陈述不是概要。从摘要到问题陈述通常需要几天的工作。这是因为，为了真正开始着手解决问题，我们至少需要弄清楚一些事情：
问题的边界在哪里？在 PSM 里，我们感兴趣的“现实世界”区域的边界在哪里？
为什么这会成为问题？有什么阻碍？
解决方案想做到什么程度？是想对现状进行彻底的重新定义，还是想寻找一个速胜的方案？
上述所有问题都可以概括为“我们是从哪个分析层面审视问题的？”。就像我们在上一篇文章当中所看到的那样，在框架与数据之间，我们的思想既可以向“上”归纳，也可以向“下”演绎，因此，在思考如何表述问题时，我们可以在不同的分析层面“上”“下”游走。
为了更好地理解这一点，我们不妨用挑战映射（challenge mapping）框架的变体（据我所知是 Min Basadur设计的）来练习一下。
我们可以从原先在简报中陈述的问题开始，比方说，里面提到的问题是如何为客户建立一套更好的网上银行系统。 “我们应该如何”这种表述方式在设计思维当中很常见，其历史可以追溯到 1970 年代的宝洁与 IDEO。这种陈述方式有助于陈述能保持一定的一致性与开发程度，且同样适用于非设计相关的业务问题。
那问题的构成要素是什么？如果我们想要解决主要问题，又需要解决哪些子问题？
我们可以通过提出“是什么在阻止我们”或“存在哪些限制”来识别它们。怎么做？可以依次关注原始陈述句的不同词语。比方说，要想了解如何为我们的客户建立一套更好的网上银行系统，我们可以：
拆解“更好”这个词：在要开发的东西的 KPI 方面，也许我们可能做出更精确的约束，比方说，更快的处理时间、更高的 NPS、更低的维护成本、让客户使用更轻松等。
拆解“在线银行系统”：可以将系统分解成不同部分，比方说建立简单的用户引导系统、简单的客户交易系统等。
拆解“我们的客户”：我们可以将客户细分：英国城市千禧一代的养狗者、喜欢滑雪板的妈妈等。
如此一来，我们就可以捕捉到问题的各个方面与组成部分。主要问题陈述再往下一层，约束通常会是概要的一部分。不过，做这个练习的想法是要知道迭代。我们层层细化时，可能会意识到问题会涉及之前没有考虑过的新元素。
当我们进行分解时，会意识到有时候可以运用 MECE 的原则（完全穷尽，无遗漏，无重复）——比方说对客户进行细分时，但有时候会比较难。
比方说，在描述大型软件的不同组成部分时，可能很难做到完全“互斥”，因为不同的部分相互依赖，甚至存在重合；在解决类似“让客户使用更轻松”这样的目标时，可能很难做到“面面俱到”。
到头来，问题分析层面的 MECE 性是衡量其复杂性的指标。如果我们不能对问题做出符合 MECE 的分解，就可能意味着在两个分析层面之间存在涌现效应，也就是整体大于部分之和。
复杂性更高要求采用略微不同的问题解决方式，比方说围绕解释循环做出更多的迭代，加快原型设计和部署等。不过，我们是想通过这个练习来强调，问题某些方面可能会比其他方面更复杂一些。
问题陈述分解示例
除了分解问题，我们还可以沿着分析层面“向上走”。怎么向上走？通过提问“为什么”（why）以及“为了什么”（ what for）。为什么要建立一套更好的银行系统？为了提高客户保留率。为什么要提高客户保留率？为了增加我们的收入。这样的练习非常有用，因为这可以帮助我们聚焦到客户（一般都不会指明的）最终目标的替代模式，扩大我们的注意力焦点，突出替代路径。这种类型的提问才是战略思维的真髓。
有趣的是，绝大多数业务问题都具备这种属性，只要提出得当的“为什么”，最终都可以归结为提高增长、提高效率，或者降低风险。来来去去就这些。这样的结果令人宽慰，因为虽然我们要解决的每个问题都有自己的特点，但到头来从某种意义来说，其实我们解决的是同样的问题。（编者注：向上一层回归商业的本质，如果再往上一层就要质问生命的意义了。）
最后还要注意一点，不同层面之间之所以会出现涌现效应，是因为为了在不同的层面上去解决问题，我们形成了不同的学科。好的问题解决者应该能够从不同的层面去思考问题（就像思考框架一样），并深度思考问题的元问题是什么，对于领域专家，只要求能够在特定层面上解决特定问题就行了。
相关阅读：
译者：boxi。
