不重不漏的分析方法:MECE分析法

简介: 麦肯锡的巴巴拉·明托(Barbara Minto)顾问在金字塔原理中提到的一个重要原则就是MECE,那么满足MECE的分析方法就是MECE分析法,全称 Mutually Exclusive Collectively Exhaustive,中文意思是“相互独立,完全穷尽”。 也就是对于一个重大的议题,能够做到不重叠、不遗漏的分类,而且能够借此有效把握问题的核心,并成为有效解决问题的方法。

怎么做MECE

MECE主要是用来帮助问题的分析人员找到所有影响预期或者目标的关键因素,并找到所有可能的解决办法。使用它能够帮助管理者快速的对问题进行排序、分析,并快速的找到合适的解决办法。


MECE是通过条理化和最大的完善度理清了你的思路,MECE从你的解决方案的最高层次开始——列出你所必须解决的问题的各项组成内容。


那么使用MECE分析法的两种方法如下:


第一种:通过鱼刺图的方式在主要问题的基线上进行问题的分解,找到全部问题的解决办法,这样有助于问题的分析以及解决方案的对比,从而快速的找到最优的办法。

第二种:通过头脑风暴的找到全部问题,在不考虑资源约束的情况下给出全部的解决方案,在全部过程中方案和方案的相互结合很有可能出现新方案。最后再将各种方案的资源等的约束加上,这样通过综合的对比分析找出最优解决办法。

MECE的步骤

对于问题的标准动作:  收集信息->描述发现->得出结论->提出方案。

![](https://raw.githubusercontent.com/crisschan/pic_down/master/20200817105402.png)


再将一个问题分解为更详细的内容或者方法的时候,主要有两条原则,第一就是完整性,也就是说不能分解过程中将原来问题的一些keyword丢失了,第二就是独立性,也就是在分解过程中各项工作之间要相互独立,不能互相交织在一起,这也是MECE方法四个单词的重点。当你觉得这些内容已经确定以后,仔细琢磨它们。是不是每一项内容都是独立的、可以清楚区分的事情?如果是,那么你的内容清单就是"相互独立的"。


MECE法的适用性

MECE更容易通过结构化思维理清楚问题的本质逻辑,更加有利于将问题思考的更加完善、有条理,在分析事实、创建假设、证明或者证伪的分析过程中都有着很大的优势。但是这里的结构化思维并不是分解思维,而是通过条理分析完成的问题解决方案的寻找,这样在理清问题的过程中并没有否认事物之间的相互联系。

目录
相关文章
|
7月前
|
数据采集 运维 监控
|
7月前
|
数据可视化
R语言两层2^k析因试验设计(因子设计)分析工厂产量数据和Lenth方法检验显著性可视化|数据分享(一)
R语言两层2^k析因试验设计(因子设计)分析工厂产量数据和Lenth方法检验显著性可视化|数据分享(一)
|
7月前
|
移动开发 数据可视化
R语言两层2^k析因试验设计(因子设计)分析工厂产量数据和Lenth方法检验显著性可视化|数据分享(二)
R语言两层2^k析因试验设计(因子设计)分析工厂产量数据和Lenth方法检验显著性可视化|数据分享(二)
|
7月前
|
机器学习/深度学习 存储 供应链
【软件设计师备考 专题 】运算基本方法:预测与决策、线性规划、网络图、模拟
【软件设计师备考 专题 】运算基本方法:预测与决策、线性规划、网络图、模拟
105 0
|
7月前
|
机器学习/深度学习 人工智能 算法
评价模型:层次分析法
评价模型:层次分析法
112 0
评价模型:层次分析法
|
算法 数据挖掘 调度
数据驱动的两阶段分布鲁棒(1-范数和∞-范数约束)的电热综合能源系统研究(Matlab代码实现)
数据驱动的两阶段分布鲁棒(1-范数和∞-范数约束)的电热综合能源系统研究(Matlab代码实现)
145 0
|
机器学习/深度学习
差异基因通路富集分析的统计学假设-个人见解分享
本文主要分享了学习 “差异基因通路富集中使用的 超几何检验方法背后意义” 的个人见解
282 0
|
数据采集 设计模式 存储
全基因组重测序流程【超细致!!】
全基因组重测序流程【超细致!!】
|
机器学习/深度学习 数据挖掘 大数据
层次分析法(AHP)原理以及应用
层次分析法(AHP)原理以及应用
2687 0
层次分析法(AHP)原理以及应用