分享

麦肯锡 七步分析法 McKinsey 7 Steps

 我笑看风云变幻 2023-04-21 发布于辽宁

  TheLoneRanger


  1. 定义问题(最为重要也最容易被轻视)

  2. 分解问题(利用MECE等逻辑框架罗列可能因素)

  3. 优先级排序(优先可改变的关键性因素)

  4. 计划分析(资源分配以及时间框架设定)

  5. 执行分析(保持探索性和怀疑性)

  6. 整理分析结果(编织有逻辑又不失亮点的Storyline)

  7. 提出解决方案(得出分析结果还远没有结束!)

1. 定义问题(对问题具体化进行分析并精炼成一句陈述)

  • 问题具体化分析,比如问题不应是“我们如何在中国取得长远发展”,而是 “我们的A业务中的B产品应该如何在中国未来五年内保持5%以上的销售额增长”

  • 在多个存在的问题中抓住最为关键的,这将成为之后所有分析的主要方向,所以这一步极为关键,是解决问题全流程中的基石

  • 明确得定义问题能够让众人最有效得达成共识,将认知误差尽可能得降至最低

2. 分解问题(以逻辑框架作为基础,分析问题中的可能因素)

  • 常见逻辑框架:强烈推荐掌握MECE,相比其他框架更不容易受制于场景

  • 可以通过逻辑思维导图(比如常见的逻辑树)来对问题进行分解

  • 常见的例子:金融中用于计算ROE的杜邦公式(ROE = 利润率× 资产周转率× 权益乘数)

3. 优先级排序(优先入手低成本高产出的因素,层次化试图解决问题)

  • 不仅需要考虑因素的影响力,更要考虑到各因素的可改变性,隐藏逻辑将涉及成本的考量

  • 现实情况中,非常容易被不重要的小细节带偏,需要时刻关注整体收益以及我们能做什么

  • 部分情况下,被选择性劣后的因素可能隐藏着巨大的风险,同样需要一定的关注和认知

4. 计划分析(根据不同的情境针对性得制定计划)

  • 好比一场旅行,出发前一定会计划每天的行程以及路上会用到的资源

  • 本步骤中最重要的环节包括小组讨论,明确目标及时间线,和资源分配,尤其是人力资源

5. 执行分析(像对待从未见过的食物一样对待新的问题及数据集)

  • 在正式分析之前,先进行描述性统计等对问题及数据集进行探索性分析

  • 不断加深了解可能会涉及重新制定步骤,即第四步至第五步之间的循环

  • 积极得应用各种分析及智能化工具,但同时要时刻警惕算法中潜在的bias

6. 整理分析结果(Storyline Matters!)

  • 分析所得结果很多时候是零散的结论,甚至其中很可能不乏与预期相悖的结果,但这些结果是绝对不能直接进行展示的,而是需要用故事线串起来,让听众的思路能够紧跟你的逻辑条理,这样一来他们才更容易接受你的结论以及对应的提议

7. 提出解决方案(将前面的努力转化为实际的产出)

  • 通过在Storyline中体现出简单而具有极强说服力的逻辑链,激励听众转化为实际行动

  • 解决方案与整合后的分析结果紧密相连,避免提出任何没有支撑数据/逻辑的结论和建议

  • 拥抱不确定,勇于清晰定义所面临的不确定性,并以此为基础来分析和解决问题

    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多