实际工作中结构化思维在表达中的应用

简介: 技术PM如何在实际工作中正确精准表达出自己想要输出的信息,掌握底层逻辑---结构化思维就显得尤为重要。而培养结构化思维的有效工具即是---金字塔原理。

来源|阿里云开发者公众号

作者|吴瑕

前言

不少技术PM常觉得自己不善言辞,会发现精准表达不是一件容易的事情。在实际的日常工作中,他们经常会遇到以下问题:

  • 在项目交付管理的过程中,技术PM想说服相关方协助推进卡点问题,但对方总表示不懂你要表达的意思,不知道需要协作什么,影响工作效率;
  • 在向TL汇报工作进展时,TL常常听不出你想要阐释的重点,你的汇报进程总是被打断或者被提出很多挑战问题;
  • 方案评审阶段,虽然感觉你自己的方案文档准备的不错,但是总是讲不清楚,需要相关方帮忙解释才能让所有人听懂方案思路;

这些问题均会降低技术PM在日常项目管理工作的效率,严重时甚至产生信息GAP等次生问题。技术PM如何在实际工作中正确精准表达出自己想要输出的信息,掌握底层逻辑---结构化思维就显得尤为重要。而培养结构化思维的有效工具即是---金字塔原理

什么是结构化思维

结构化思维也被成为“框架思维”,是指通过对原来的信息进行归类分组,让整体的信息更有条例和逻辑,便于记忆。这个分组和整理的过程即是结构化思维。举个例子,一个BD经理正在总结当月的工作情况,本月他工作的大致信息有:遗漏了重要客户信息,达到了10万元销售业绩,被客户投诉了......分组和整理前的工作总结如下:

但如果我们将这些信息梳理分组后,不难发现,可以分为三个主题:本月工作成果,存在问题,以及下一步工作,整理后的工作总结如下:

结构化思维3大要素

  • 主题鲜明:有清晰的中心思想,结论先行
  • 主题不宜过长。过长的主题会造成接收人理解困难,也有极大可能存在表达不清晰等问题
  • 主题要与内容有关。即是不要脱离主题谈内容。
  • 主题要有观点。主题是内容的观点,所以开头主题必须明确表达出观点,不可含糊。
  • 归类分组:同类信息归为一组

i.信息归类。列出所有的信息选项。ii.归纳共性。相似有共同特性的信息列为一组。iii.确认调整。仔细查看分组,如果发现有的信息不属于同一个范畴,可进行调整。

  • 逻辑递进
  • 横向层次:递进关系
  • 纵向层次:逻辑关系

为什么叫“金字塔”原理

任何事情都可以归纳出一个中心论点,中心论点可由3-7个论据支持,这些论据本身也可以是个分论点,分别被3-个论据支持。如此延伸状如金字塔

金字塔原理结构

基本结构

分组后的各部分内容应该遵守遵循MECE原则各部分之间相互独立(mutually exclusive),相互排斥、没有重叠所有部分完全穷尽(collectively exhaustive),没有遗漏这里我们举一个用增互动指标设定的场景为一个例子,将用户生命周期的4个阶段:拉新、留存、促活、召回。作为一个完整时间轴来设定指标,做到相互排斥,没有重叠。每个阶段可能存在的阶段指标,尽量穷尽,整理如下(备注:篇幅限制,并未完全枚举所有用增互动指标)

横向结构

思想之间的联系可以是横向的,即是多个思想共同组成一个逻辑推理,而被并列组织在一起:我们可以从理想L9的产品设计思想来窥见金字塔思想横向结构在实际工作上的实践,从更加细分和贴近中国国情市场,到二台车的增购需求推出需要长续航和超大空间等特征,乃至最后集成“奶爸车究极体”特点于一身的家庭智能旗舰SUV车型。

纵向结构

思想之间的联系可以是纵向的,即任何一个层次的思想都是对其下面一个层次思想的总结。例如OKR管理体系建立、落地和执行概览:OKR管理体系需要OKR承接人写同人责任清晰、各KR保持目标一致、且需要对落地执行情况进行跟进监督--健康度看板。

金字塔原理应用-有效表达

如何应用金字塔原理实现准确清晰地有效表达,做到“想清楚,说明白”。

有效表达4大特点

有效表达具有4个特点:

  • 对方愿意听,有兴趣听:表达是双向的,即我们想要将信息准确地传达出去,对方也需要愿意听有兴趣听,否则这就是无效的。例如你作为一个健身教练,去和一个有增肌需求的健身爱好者推销有氧课程,那极有可能从最开始对方就是抵触你想要的表达的内容的。
  • 对方理解并接受我们表达的观点:我们表达的观点只有被理解且接受了,才算有效。例如TL告诉我们某技术方案某些点可以优化,如果我们作为下属理解错了,也就无法思考其中存在的问题并采取优化方案。
  • 对方记住我们发出的指令
  • 对方执行我们发出的指令:我们表达的目的不仅仅是传递一些信息,还需要接收方去执行我们想要的行动,这才是真正意义上的有效表达。例如,作为技术PM上报了一个资源不足的风险给相关域TL,期待对方能够协调。但即便对方理解了信息但是不作为,我们的表达仍旧称不上有效。

有效表达4个核心要素

  • 主题:关于什么?主题其实就是金字塔结构中的中心思想,确定了主题就是确定了表达方向。
  • 核心结论:观点是什么?金字塔原理遵循自上而下的表达逻辑,即结论先行。即关于该主题我们的观点是?
  • 论据:理由是什么?抛出核心结论后,紧接着就要给出充分理由,且理由要按照一定的逻辑有序展开。
  • 行动:要做什么?在实际的项目管理工作中,表达的目的大多数是希望对方能够积极按照我们的指令行动,因此在阐述观点和论据后,我们一定要将具体的行动告诉对方。这样表达的效果也就越好。

例如,现在作为一个技术PM,你要写本周的工作周报,你应该怎么表达?首先当然是介绍,你上周的工作主要围绕着什么主题展开,这也是你目前的工作重点--主题:XX项目的交付管理。紧接着可以引出周报的核心结论:当前工作进展XX,有无风险。核心结论抛出后,即可以给出相关论据。如无风险是因为:当下工作进展顺利,暂无卡点问题/已识别到相关风险并做好兜底方案;如有风险是因为:当下工作进展目前面临如下卡点,暂无兜底方案,但预计采取什么样的行动去解决。这样的表达即是一个较为完整且清晰的周报结构。这里介绍下我们在表达的时候可以采取的一个TOPS原则

T:TargettoAudiences有的放矢

O:OverArching贯穿整体

P:Powerful掷地有声

S:Supportable言之有据

如何讲好一个故事-SCQA模型

SCQA模型:

SCQA模型取用情境、冲突、疑问和解决方案四个要素的英文首字母形成,这四个要素的顺序并非固定的。根据排列顺序的不同,分为标准式、开门见山式、突出忧虑式和突出信心式。

  • 标准式:按照人们的思维顺序展开,便于接收方阅读理解。以“需求范围蔓延”为例,采用“标准式结构”报风险的表达如下:A项目一期上线范围进行了扩充,包括支持三端和支持大促还有物流氛围--这是项目范围蔓延导致可能延期--新增的a、b和c、d各域已经开始对接工作,目前a排期已确认可以保障,b域已产出产品方案并sign-off,c技术方案已评审,d各域正在整理产品和技术方案,预计在10月21日那周进行技术方案评审。
  • 开门见山式:开门见山式是直接告诉接收方答案,然后在介绍情境和冲突。以“物流费用明细与服务商沟通确认”为例,采用“开门见山式”结构报风险表达如下:需要在11.1下班前明确公司与服务商之间的物流费用明细以及发生场景的需求细节—公司与服务商物流费用明细需求确认--会导致技术侧无法及时评审技术方案,物流结算费用明细无法及时上线。
  • 突出忧虑式:是指先介绍冲突,然后在介绍情境和解决方案。以“物流服务商对接人未明”为例采用“突出忧虑式”结构报风险表达如下:物流服务商MRD评审延迟且暂未提供相关域开发接口人—物流服务商反馈部分MRD评审需要本周五,即是相关域开发最早本周五投入开发,距离提测时间仅7天。然后物流服务商相关开发和测试人日估计按照经验来看最少需要8天--已出现大约1-2天的时间缺口,需要重点关注物流服务商在本周三下班前给出相关技术对接人。
  • 突出信心式:先提出疑问,然后再介绍冲突和情境,最后给出解决方案。这里留个开放式思考给读者,这个结构在哪些日常工作场景中可以被采用。

本文旨在为日常工作中虽思路较为清晰但却因为表达能力不佳而工作效率被拉低的技术PM同学提供帮助。如何快速建立结构化思维并能时时运用,作为训练该思维的金字塔原理,不妨从每一次工作日志、工作周报、向TL汇报方案的场景中进行尝试和实践。

相关文章
|
3月前
|
存储 前端开发 中间件
『软件工程10』结构化系统分析:数据流图和字典案例分析
该文章通过具体案例分析了在软件工程中如何运用数据流图和数据字典来进行结构化系统分析,帮助明确系统的信息流程和数据定义。
『软件工程10』结构化系统分析:数据流图和字典案例分析
|
4月前
|
机器学习/深度学习 数据挖掘 数据处理
"揭秘数据处理新境界:基于维度的算术操作,如何颠覆你的数据操作思维?"
【8月更文挑战第19天】基于维度的算术操作革新了数据处理方式,尤其在面对多维数据时更为直观高效。例如,Python的NumPy库支持对多维数组执行如加法、乘法等操作,自动处理维度匹配,简化复杂计算。此方法不仅通用性强,且在科学计算、机器学习等领域应用广泛,如图像处理中的像素级运算。理解和掌握基于维度的操作对于数据科学家至关重要。
43 2
|
5月前
|
测试技术 UED
软件测试的科学与艺术:从数据导向到逻辑严密的实践
本文旨在探讨软件测试领域中数据导向和逻辑严密性的重要性,并分析如何通过科学严谨的方法提升测试效率和质量。文章首先概述了软件测试的基本概念和挑战,随后深入讨论了数据在测试设计和结果分析中的关键作用,以及如何利用逻辑推理来构建有效的测试案例和识别潜在缺陷。最后,本文提出了一系列实践建议,旨在帮助测试人员更好地整合数据驱动和逻辑推理方法,以实现软件测试的最优化。
48 0
|
监控 数据挖掘 关系型数据库
结构化思维的理解与思考
结构化思维是一种将信息要素从无效转化为有序,提炼核心要点,将信息转化为有结构的知识,更好的帮助大脑理解和记忆,并支持我们清晰表达的通用能力。
1176 2
结构化思维的理解与思考
|
数据挖掘
数据分析思维(四)|分类/矩阵思维
在进行数据分析工作时,我们往往会涉及到多个核心指标,而对于不同数值核心指标的结合又会产生多种不同的结果,我们将相似结果的内容放到一起进行统一决策就会大大节省数据分析的时间,这种思想我们称之为分类思维
数据分析思维(四)|分类/矩阵思维
|
7月前
|
设计模式 自然语言处理 算法
摆脱复杂图谱术语,7个原则搞定Schema建模
本文我们结合蚂蚁域内的多个业务场景,举例说明结合SPG规范的结构与语义解耦的知识建模及schema设计方法。
|
机器学习/深度学习 数据采集 存储
数据分析思维|思考问题的25个方式汇总
数据分析思维|思考问题的25个方式汇总
|
数据挖掘
数据分析思维(五)|逻辑树思维
在很多数据分析场景中我们需要梳理分析的逻辑,需要进行指标从大到小的拆分,这时候我们可以顺着影响分析结果的因素进行层层溯源,从而抓住问题的核心。为了有更清晰的逻辑结构,常常采用逻辑树(又称问题树、分解树)进行整体过程的呈现。逻辑树使用层级的结构将每个大问题的所有子问题进行罗列,然后再将子问题的子问题进行罗列,以此类推,当问题不能够被拆分时形成一个完整的逻辑树。
数据分析思维(五)|逻辑树思维
|
存储 分布式计算 监控
OushuDB 小课堂丨描述性分析如何利用数据做出更好的决策
OushuDB 小课堂丨描述性分析如何利用数据做出更好的决策
123 0