簡介: 7月9日 19:00-21:30 阿里雲開發者社區首場「Offer 5000」直播開啓!15位團隊技術大牛在線招人,更有《阿里雲技術面試紅寶書》助你拿下Offer!立刻投遞簡歷:https://developer.aliyun.com/...前端
做者 | 承風 阿里巴巴高級前端技術專家node
導讀:創建結構化的思惟,以結構化的模式驅動工做,以結構化的體系構建自身的能力,小到寫 PPT、大到爲業務提供更大價值,都是很是值得咱們使用的模式。阿里巴巴數字供應鏈事業部高級前端技術專家 - 承風,將會在本文中和你們分享他在創建和踐行結構化思惟過程當中的方法論。web
在每一年自評、彙報、工做中總會感覺到一些結構化帶來的問題:面試
這些問題,根據我本身工做經驗的總結,認爲大都是對結構化認知不足和踐行不佳致使的。後端
Structured:創建中心(問題、目標)。以中心的核心要素對中心進行分解,造成分類子結構。以必定的範式、流程順序進行分類子結構的合理分類、減小非關鍵分類結構;對關鍵分類子結構進行分析,尋找對策,制訂行動計劃。架構
同理,逆向的順序,對多種雜亂的內容,進行分類、剪枝、概括彙總成一箇中心。我認爲也是結構化。框架
有不少相關的書籍:less
領導者之劍:成功人士的 5 大突破思惟技巧、金字塔原理、極簡思考:來自世界頂尖諮詢公司的高效工做法······工具
也能夠參看不少結構化的應用方式:結構化面試、結構化金融產品設計、結構化系統開發方法······從多行業多領域的使用能夠反思和加深本身的認知。學習
結構化的理論是簡單清晰的(道的層面老是比較簡潔),但實際應用中如何進行結構化、最有效的使用結構化卻有不少經驗(術的層面老是多變的)。在此結合我我的的經驗給出一些建議:
當咱們接手一個業務需求、面對一項挑戰的時候,應當先思考這個需求的核心目標是幹嗎的。
思考的過程也是結構化的,我一般會分解爲兩個子結構進行:
對單個業務需求而言,從事、人兩個維度創建起的中心即其核心,是最主要部分,創建一顆結構樹的基礎。但咱們不該當中止於此,還應當向上推導:這個需求在整個業務的範疇內,是在哪一層次,哪一分類的。即應當更高層面、或總體業務和行業發展,對這方面業務是怎樣的期許。(價值的維度)
例如:咱們作採購系統,當前需求是,提供採購單列表,按總價範疇搜索單據的能力。按結構化的中心創建,它是:高效穩定上線(事)、我職能範圍內的工做(人)。
沿當前的中心向上創建更大的結構化的認知體系:
此外,構建更大認知體系,對我的和團隊發展也是有價值的。
創建完成中心後,有多種對中心進行分解的方式。其目標在於將中心拆解爲多個內聚的子部分。總體思想是 MECE(Mutually Exclusive Collectively Exhaustive)原則,即相互獨立,徹底窮盡不重疊、不遺漏的分類。夠藉此有效把握問題的核心,併成爲有效解決問題的方法。
SWOT 分析方法又稱態勢分析法:即 Strengths(優點)、Weaknesses(劣勢)、Opportunities(機會)、Threats(威脅)四類。最先用於進行企業競爭態勢分析,對我的而言用於分析自身的競爭態勢也是極佳的。
(對團隊數據可視化能力建設的 SWOT 分析示例)
SWOT 分析法四個象限能夠分別分類四大獨立的方面,而其中 SW 部分 - 優點劣勢通常用於分析內部條件;OT 部分 - 機會威脅通常用於分析外部狀況。又造成了兩個獨立而全覆蓋的大類分隔。很是有助於看清楚當前的狀況。
此外,SWOT 造成的象限又能夠結合跨大類進行組合分析:
AHP 分析方法又稱層次分析法:Analytic Hierarchy Process,將與決策老是有關的元素分解成目標、準則、方案等層次,在此基礎之上進行定性和定量分析的決策方法。它是一種定性 & 定量結合,系統化 & 層次化的分析方法。
第一層是目標,第二層是分解的準則,第三層是實施方案。構建 A1...A5 與目標相關權重,造成構造判斷(成對比較)矩陣。對矩陣進行層次單排序及其一致性檢驗,再計算 B1....B3 層總排序權值和一致性檢驗,按照權重結果進行方案優先級的判斷。更多詳細計算內容可參考 MBALib。
咱們在實際使用中有兩種方式:
中心的分解應當使用流程化思惟。指的是找出事情發生的內在邏輯,思考的時候能夠邏輯順序做爲參考。
以 XMind 爲例:
(規劃的時間順序分解)
(按相關性進行結構順序分解)
(按照重要性即與魚頭的距離進行程度結構分解)
按照哪一種順序進行分解因我的愛好和事情的不一樣而不一致,沒有優劣之分只有合適不合適。多加應用多作嘗試不一樣模式,會不斷提高自身思惟和行爲的邏輯性以更加結構化。
事業是無限的,人力老是有窮、認知高度老是不夠的。咱們不能把分析出的全部點都作好,也不是分解出的全部層次都真正有價值的。那麼針對分解的產出物,應當以數據挖掘的物料準備相似的邏輯進行前期處理,來提升效率、去除噪聲。經常使用的分別爲:
例如咱們要提升部門的研發效率,平常工做收集了一些反饋:開發環境不穩定每天搶平常部署,jar 包衝突屢禁不止,常常有人 push origin -f,先後端聯調肯定字段巨麻煩,對當前業務 webx 用起來不夠順手迅速······
這些問題均可以概括到「研發效率提高要解決的點」這個分支下,但細碎的陳列讓對問題的解決顯得沒有重點,後續遇到其餘問題也沒辦法進行有效的區分。
泛化通常是這樣的模式:咱們有一些用戶年齡,分佈爲 十、1四、3五、4二、5五、72 歲。能夠抽象成年齡分層 - 青少年(十、14)、中年(3五、42)、老年(5五、72),下降數據量提升內聚性。
針對上面的研發效率問題,咱們能夠按照研發工做的主要方面,泛化相關的問題:對當前業務 webx 用起來不夠順手迅速(研發架構);搶平常部署、先後端聯調(研發環境)、jar 包衝突、強制提交(研發態度)。
在結構化中,不是越深、越細的結構是越好的,不少時候越內聚抽象的結構反而更有利於進行後續實操改進工做的開展。
例如咱們要提高前端研發效能。經過調研、學習和思考,認爲須要進行幾方面的結構化建設:
進行結構化的梳理能夠更清晰的看出針對目標,哪些部分是咱們缺失的。於是針對缺失部分的重要性和緊迫程度,能夠更合理的安排工做,而非一味的在較強的部分進行優化、或者各類事情東打一槍西放一炮。
同理,對我的技術成長而言,整理針對當前行業發展下當前技術環境下我的能力的要求點,進行結構化分層和缺失標註,也是指明自身學習方向的好手段。
在咱們進行中心的層層分解時,咱們即使作到了歸類,也總會生產一些特別發散的點。針對這些點,咱們應當進行非關鍵分類結構的減小,即剪枝過程。
一般須要進行剪枝的部分:
例如咱們要通關只狼,一個牛逼的手柄花費的代價,和其對核心目標的提高是不對等的。若是要兼顧該子結構,可能對本身身體和心理形成更大的負影響,放棄是明智的選擇。
咱們在安排自身的學習成長也是相似的,是否須要報個昂貴的視頻課程,是否須要深刻研究 TMF 源代碼,都應當看對當前自身的學習目標的結合度、性價比來作決策,是去是留。
結構化中,要果斷剪枝,保持專一、保持可行性。
結構化是一個很是簡潔的理論:
創建中心; 以中心的核心要素對中心進行分解,造成分類子結構; 以必定的範式、流程順序進行分類子結構的合理分類、減小非關鍵分類結構; 對關鍵分類子結構進行分析,尋找對策,制訂行動計劃。
咱們在思考、作事、成長時應當隨時使用,對於梳理複雜問題、進行決策支撐都有很大好處。
最後回答下最開始的問題: