神譯局是36氪旗下編譯團隊，關注科技、商業、職場、生活等領域，重點介紹國外的新技術、新觀點、新風向。
編者按：咨詢是為別人出謀劃策的工作，咨詢就是為別人解決問題。一般來說，咨詢都會有自己的方法論、流程與模型。但是這些方法論、流程和模型是否真的能夠解決問題？如何才能知道它們解決了問題？或者它們解決的是不是對的問題？如果沒有建立起一套科學的框架的話，很容易就會陷入思維定勢，導致解決方案平庸。本文介紹了一個對問題解決進行建模的框架，希望能為你提供參考。文章來自編譯，是系列文章的第一部分。
我的職業生涯大部分都在用各種身份去做咨詢，我參與了約 40 個項目。我的職業生涯是從營銷開始的，所以第一個項目是做營銷策略以及品牌建設；然后，我到了一家傳統的管理咨詢公司工作，負責戰略、創新以及運營項目；最后又到了一家全球性的設計公司工作，重點負責產品戰略、創新與上市。
(資料圖片僅供參考)
在從事咨詢項目的這些年里，我發現了幾個有趣的模式：
好的項目不是從好的數據開始的，好項目是從好的框架或理論開始的。然后才是數據。有些咨詢學承認這一點（管理咨詢），但有些不那么認可（設計思維），而是淪為了經驗主義的犧牲品，這個后面會詳細介紹。
好項目是那些我們最終采用的主要框架，而非我們一開始使用的框架。它是經過細化、迭代的框架。在最好的項目里，證據是通過用不同的、相反的框架來進行觀察，然后再得出結論的。
那么什么才是好的框架呢？好的框架應該恰如其分。既要足夠具體，可以讓我對特定情況說出一些有趣的東西，但又不會太過具體，以至于“過度擬合”，失去了更廣泛的適用性。一個很好的經典例子是經久不衰的波士頓矩陣。此外，我發現把一個學科的框架應用到不同的環境下往往會產生有趣的、意想不到的結果。比方說，雖然價值流圖通常被認為是一種運營框架，但用在服務設計里面既可以添加傳統藍圖所缺少的信息層，又可以對信息的可視化加以組織。
咨詢項目要靠理性思維。思維這個東西似乎非常的抽象、無形，不過我發現，我們在解決問題的時候，大部分的思維都是以下這三種思維之一：自上而下/分解/演繹；自下而上/聚類/歸納；以及橫向/隱喻/平行思維。當然，我不敢說這里所列已經足夠詳盡。但在實踐當中，當我被某個概念卡住，不知道如何進行下去時，空間隱喻會幫助我繼續推進：我的思考應該往哪個方向走？應該是向上、向下還是向水平移動？
在現實當中，總存在著這樣的模式，一旦被識別出來，就可以跨學科和跨部門應用，啟發我們如何去解決問題：離散、隨機事件一旦聚集起來總會呈現出正態分布；如果事件不是離散的，而是有前后關系的，或具有反饋循環的，那么就會出現一條長尾，而且可適用帕累托原則。在資源有限的情況下，無論是要確定行動的優先級，還是用戶在評估要不要下載app，做出的任何決定都可以用付出 vs 回報來建模。如果在資源有限的情況下審視有著不同議程的多個參與者，可能就會遇到類似公地悲劇、囚徒困境等模式。
為了系統化地整理這些洞察，我開始研究一系列原則。這些原則很好地捕捉了我對數據、框架以及思考之間關系的了解。我這么做是出于一個非常實用的目的，也就是系統化整理咨詢項目的做法。我探索了從波普爾的認識論到伽達默爾的解釋學的一系列知識創造的現有理論。在此過程中，我收集了數百個適用性不同的有用框架，并思考了對它們進行分類的方法。
以下是項目的當前狀態。
Priscilla 是一位專業的問題解決者。客戶則是一家國際銀行，該行要求 Priscilla 和她的團隊為私人客戶建立一套理想的開戶旅程，從而最大限度地提高客戶滿意度并最大限度地降低銀行成本。
從理論上講，Priscilla 可以使用許多工具和框架來開始解決問題：比如價值流圖、約束理論、Cynefin 框架以及系統工程等等。
實際上，這份任務簡介的收件人很可能是設計思維和服務設計的從業者。因此，Priscilla 和她的團隊將立即開始對客戶進行訪談。因為傳統可視化的設計思維框架的第一階段就是“移情”。
設計思維方法論的經典表述
其假設是一個人用放空的、清晰的頭腦來面對一個問題解決項目，并從形成對研究對象的同理心開始。這種做法是有問題的，原因有三：
經驗主義的方法是錯誤的：從純粹描述性的角度來看，其實我們從來都沒有以數據為開端：任何項目都是用預先存在的偏見和心理模式來處置的。無論我在項目開始前所掌握的知識如何，都會影響我的思考方式，包括從數據收集、特征工程，一直到構思和建議的一系列流程都會受到影響。
經驗主義方法是有偏見的：從更規范的意義而言，如果移情/數據收集是我們要做的第一件事，我們將不可避免地成為可用性偏見的犧牲品，而且我們會僅使用手頭可用的數據集。數據集有可能會出現采樣偏差，而且切片的方式未必就符合我們項目的目標。比方說，Priscilla 可能會假設收入水平是一個重要變量，并希望調查分屬不同收入類別的人。但非經驗主義方法也許會建議應該優先考慮其他變量。
經驗主義的方法是漸進的：套用亨利·福特的那句名言，如果我們從傾聽客戶的意見開始，我們只會聽到想要一匹更快的馬。如果 Priscilla 從客戶訪談開始，她很可能會聽到客戶想要服務快一點、錯誤少一點或者選項多一點之類的東西。簡而言之，沒人會提出任何有新意的東西。這種方法是很有用，而且也應該在許多場合下使用，但如果我們追求的是真正的創新的話，這做法很快就會變成拖累。
這里的意思不是說數據和觀察不重要，也不是說我們應該將現有對世界的建模強加到經驗數據之上（又叫做金錘謬誤）。相反，我們應該：
就觀察而言，我們用來觀察現實的任何智力工具或物理工具都是我們先前學習的結果；雖然在許多情況下，我們用來觀察現實的‘鏡頭’對我們來說是不可見的，但能夠看到那些‘鏡頭’，并隨心所欲地進行切換，這是消除我們觀察當中出現的偏見，并用真正新穎的方式去解決問題的關鍵。（注1）
我在這里選擇了設計思維來點評，但經驗主義的缺陷也在以類似的方式困擾著其他世界：
在社會科學當中，這被叫做“P值操縱”（P-hacking，通常是通過增加樣本量，讓P值達到可以發表的程度），被認為是一大罪過。
在商業當中，“數據驅動的組織”這種正統觀念很容易就會轉化為收集和分析各種數據的范式，但卻沒有明確的戰略框架來確定我們關心什么樣的數據，什么數據代表什么變量等事情。
作為一門學科，大部分機器學習都將數據集視為是既定的，而且是以自下而上的方式來提取洞察。有時候這可能會與必不可少的更高階的上下文知識脫節。 2008 年，克里斯·安德森（Chris Anderson）曾寫過一篇題為“理論的終結：數據泛濫導致科學方法過時”的文章。雖然其中的某些措辭本身可能已經有點過時，但里面談到的原則在今天比以往任何時候都更應景，對于深度學習等學科來說更是如此：建模不是按照自上而下、理論驅動的方式進行，而是自下而上，往往以黑箱的方式進行。
再擴大化一點，講講我們是如何思考解決日常問題的。我們通常認為，只要多收集一些問題的相關信息，問題的答案就會呼之欲出，但事實上，這只是拖延開展解決方案的實際工作的一種手段。（注2）
數據很好，但數據從來都不是優先的。排第一的永遠是心智模式。
解決問題的方法要想更有效，就必須克服經驗主義，在遇到項目之前仔細審視我們的思維過程。
那么怎么才能做到這一點呢？
要想采用非經驗主義的方法，我們需要改變問題解決的思考方式。
創新應該從“自內而外”開始，先理論化，而不是從之前已經做過很多次的數據收集開始。在科學的背景下這一點最重要。卡爾·波普爾認為，知識是靠猜想創造的，而猜想則是基于對這個世界的運作方式的現有理論，當我們有更好的解釋時去“篡改”舊有理論而得出的。用大衛·多伊奇的話來說：
在用理論解釋事實之前，我們是不知道任何事實的。正如波普爾指出的，所有的觀察都是理論負載（theory-laden）的，從而可能出錯，像我們所有的理論一樣。
——大衛·多伊奇（David Deutsch），《無窮的開始》
在設計和商業領域，這種方法獲得了羅貝托·維甘提（Roberto Verganti）等人的支持，他曾經詳細討論過重大創新是如何來自于意義的轉變，而不是由外而內的觀察。
為了讓問題解決的方法根植于理論而不是觀察，我們需要從兩個關鍵方面改變看待問題的方式：
先整體后部分：我們很容易會只見樹木不見森林。解決問題一個合乎邏輯的起點應該是先問自己“我以前解決過哪些類似的問題”或者“這個問題屬于哪類問題”之類的問題。比方說，如果我的任務是要幫助 Acme INC. 在未來 4 年內將利潤提高 20%的話，那么優秀的顧問出于本能要做的第一件事，是在甚至都不知道關于 Acme INC. 的任何信息之前，把問題看作是盈利問題的一個具體實例。
先演繹再經驗主義（注3）：這是波普爾所謂的“理論負載”的核心，應該被同時視為描述性和規范性的主張：我們對經驗世界的任何觀察都都有自己的偏見，都經過了我們的心智模式的過濾；反之，意識到心智模式和偏見的存在，在遇到問題時我們就可以確保解決得更加縝密。
問題解決地圖：從部分轉到整體，從經驗轉到先驗
上圖描繪的是問題解決地圖（PSM）的概況。PSM這種工具可以引導我們航行在解決問題的世界里。這張問題解決地圖由x軸和y軸構成。 x 軸是從先驗（演繹）到后驗（歸納），y 軸則是從部分到整體。X軸與y軸劃定的區域我們可稱之為項目空間，這個空間可以將問題、解決方案以及解決問題的活動匯聚到一起。這是一個理想化的系統，包含了與問題、潛在解決方案，以及問題解決團隊本身相關的所有實體、關系與代理。
項目空間是一個對現實世界（在圖中右側與項目空間相交）有實際影響的抽象實體。與項目空間相交的現實世界區域，包含了構成問題以及有可能成為解決方案一部分的所有現實世界元素。另一方面，PSM 的左側包含了所有的先驗知識和工具，這些知識和工具不是問題本身的一部分，而是由問題解決者引入的。
在 PSM 上，我們可以識別出四個子空間：
定框圖、問題陳述（problem statement）空間，或者換句話說，我們打算如何處理問題，定義圖表本身的位置，定義我們所認為的“整體”需要解釋、預測或解決的宏觀現象是什么。
先驗空間，或框架空間，包含了我在項目開始之前所知道的一切（What I already konw），關于世界的最一般的想法（比如大量不相關的事件往往呈正態分布這一事實），非常具體的領域知識（比方說，鍍鉻鋼筋市場前三名的收入），以及我可能會出現的任何認知偏見。
表示空間（My representation of the actual world），是我的框架在變量操作下與現實世界的數據邂逅之處。這就是建模的空間，稍后會詳細介紹。
觀察空間（My observation of the actual world），包含了我的數據，對現實世界觀察的刻意抽象，以及我的變量，對我的數據的進一步抽象或操作化。
最后是現實世界（the actual world），也就是我們進行實際的觀察和實踐的地方。
我們已經看到解決問題要從框架開始了。現在的問題是，先驗框架是如何與現實世界的數據進行交互，從而建立與項目相關的知識的呢？
解釋學這個哲學學派在這方面提供了一個有趣的方向。
解釋學的循環：部分整合為整體，整體上下文化為部分
根據解釋學，意義是通過一個主觀過程從文本中提取出來的，而這個主觀過程一方面是將部分（具體段落）整合到整體（我們對文本整體、作者及所處的時代等的了解）——以及反過來，根據部分對整體進行語境化。
這種辯證法適用的地方遠不止文字，可以說所有形式的知識都適用，其中也包括解決問題的知識獲取部分。按照一種非經驗主義的做法，我們會從自己已有的關于世界的想法、偏見、咨詢工具包與框架，以及掌握的領域知識開始。透過這些鏡頭，我們審視從研究中獲得的經驗數據，并開始構建有關項目本身的知識。
用問題解決地圖表示的解釋學循環
為了更好地理解解釋學循環對解決問題的作用，不妨再次請出我們的朋友，專業問題解決者Priscilla。假設她要為一位全球醫療保健客戶啟動一個產品戰略項目，其想法是未來的一個秘密 app 需要迎合特定受眾，她可能希望以用戶角色作為框架來對問題建模。
Priscilla（希望是有意識地）做出了使用角色的決定，這個決定馬上就決定了她項目的一些關鍵變量：人口統計數據（年齡組、性別、城市等）以及一些行為因素（購物習慣、下載的 app 數量等）將會有一席之地。然后，她繼續將這個框架與現實世界的數據聯系起來：她將根據這個框架規定的變量收集數據，并通過這一鏡頭去觀察它們（比如人口統計數據與行為數據）。然后她會再次將鏡頭拉遠，并將數據整合到框架和整個項目之中：她會問，結果是否說得通？是否有助于我對人們的行為做出好的解釋和預測？
答案是否定的。 Priscilla 的角色最終基本上只是自說自話，姑且假設結果并沒有告訴我們太多關于應該如何開發 app 的信息。那接下來該怎么辦？ Priscilla 可以做以下兩件事之一：
要么在變量層面進行干預，并決定，雖然角色這個框架挺有用，但也許她得被迫放棄人口統計變量，并將 app 的下載量作為用戶數字化能力的指標，去制定問卷并詢問用戶的習慣。
或者她可以更激進些，在框架層面進行干預：畢竟角色這條路有可能根本走不通；也許她可以從觀念模式開始，或者對問題進行徹底的重新定義，從以用戶為中心轉到以市場為中心，并從市場規模和細分市場開始。如果是這樣，她就得重新啟動這個循環，并用新的數據（比如競爭app的用戶數量和類型）將這個新框架（比方說觀念模式）與上下文關聯起來。
不妨進一步深化一下這個模型。如果即使用新的框架（比方說觀念模式）來替換角色模型還是不能得到有用的結果該怎么辦？ Priscilla 是不是應該得出結論，認為問題陳述本身就表述不當，并對整個問題進行重新表述？
其實每一位顧問都知道，這種情況確實是經常有的事。我們收到的任務簡報往往是客戶必須解決了才能實現自己心中的目標的問題。一旦我們用幾個不同框架的視角來看待問題的一些關鍵變量，就會意識到有些地方不對勁，這種情況下我們一般會建議換個方式重新陳述一下問題。
所以，很顯然，我們的循環不僅會把數據和框架綁定在一起，而且還可以識別出若干將不同整體與不同部分聯系在一起的循環。
整體會自上而下影響到部分：
如何表述問題會影響其他的一切。
選擇的框架會影響到如何選擇變量，影響到變量設計、數據采樣、數據的切片與切塊
框定變量的方式會影響數據集標記的或編碼方式
部分會自下而上影響到整體：
數據與標簽之間的不匹配會讓我質疑變量
意識到模型需要額外的變量，或者必須刪除一些變量（比方說因為相關性問題）會導致我質疑模型
如果模型在預測或解釋能力方面表現不佳，我會質疑我的框架（稍后會詳細介紹）
正如我們所說那樣，如果部分框架經受不住現實世界數據的考驗，我解決的也許是錯誤的問題。
下面的 PSM 總結了其中一些環環相扣的循環：
問題解決當中環環相扣的重新解釋循環
最后，我們再來總結一下討論過的要點。正如我們所看到的那樣，根據這個解釋模型，問題解決是一個遞歸的重新解釋的過程。在這個過程中，我們在框架、變量與數據之間建立循環，以便離正確的問題模型越來越接近。反過來：
問題解決的頭等大罪是想當然，直接套用某個框架開始研究：這樣做的結果只能得出枯燥乏味的見解與帶偏見的漸進式解決方案。
自然地，解決問題還有另一個迭代循環，那就是圍繞著解決方案的循環：一旦得到一個令人滿意的模型，你就會想到現實世界當中去開發原型，并測試這個模型的解決方案，然后根據反饋去糾正錯誤。這第二個循環可稱之為“生成循環”，在這個循環當中，我們會創造東西，這一點與第一個循環相反，第一個是解釋性的或預測性的循環。即將發生的大部分內容都集中在第一個循環上面，不過稍后我們會再講講第二個循環。
PSM 問題解決完整的解釋模型
在下半部分，我們將進一步了解這個模型核心的主要實體，也就是“模型”。我們將研究什么是模型，模型如何分類，以及模型如何與變量和數據交互。敬請關注！
注：
1、為了進一步澄清這一點，不妨看看一個人會將經驗主義當作正常的這幾種情況。
對于許多給定數據集的問題來說，初步數據分析（探索性研究）是常見做法。這么做沒有錯。不過，重要的是要意識到在探索數據集時，我們從來都不是在空白的狀態下做的：根據我們出自的學科，所學的技術以及問題陳述的不同，我們要么會查看特定列的數據類型和分布，要么會試著識別其中的行為模式等。提高我們對觀察數據所用的“鏡頭”的意識，是減少偏見和刺激創新的關鍵。
類似地，針對新穎、負責或混亂的情況，盡管像Cynefin和OODA循環這樣的框架建議要做“經驗主義者”，采取“感覺優先”的做法，但我們需要再一次意識到，這不會是在真空的環境下發生的。我們任何感知活動想要尋找的東西，或者在混亂、不可預測的情況下采取的先發制人的行動，都要取決于我們已經知道的東西：我們學會了要觀察什么？這種情況下我們可能采取的行動保留曲目是什么？我們的肌肉記憶會引導我們去到什么地方？因此有一個牢靠的“心智模式格柵”就很重要了。
2、誠然，管理咨詢遭遇這種經驗主義者之害會少一些，但它存在其他的缺點，后面會看到的。
3、這里的先驗不是指康德的那種先驗，而是指先于（將成為問題系統的）特定現實的經驗而存在的概念。
譯者：boxi。
