结构化拆分是指自上而下分析问题时，把问题逐层分解成更细节的部分，每次拆分都遵循“MECE”原则。结构化拆分的最终呈现形式往往是树状的逻辑结构。
结构化拆分给问题分析带来了明确的结构和顺序，在一定程度上遏制了人们面对问题时马上要解决的冲动。在重大问题面前如果缺乏结构化拆分能力，人们在讨论和决策中往往会在各种毫无联系的单点思绪之间跳跃，这样不仅浪费时间，更不能保证最终决策的质量。
结构化拆分是后天培养出来的思维习惯，与前文所述的本能的“快速思考”相反，结构化拆分需要有意识地主动调用。而获得结构化拆分能力也不是一蹴而就的，需要逐步深入。
从最简单的名词切分开始，探究一下“切”的定律和功用。切分名词是最容易理解的，也是人们最擅长的。因为名词的子目录分类是人们从小就被反复强化的必学内容。让我们打开记忆的大门，重温小学语文课堂的场景。
语文老师在黑板上一撇一捺地写了“人”字后，会和蔼可亲地问：“人分为几种啊？”
学生们会争抢着回答：“男人和女人。”老师马上说：“对的，这是按照‘性别’分的。”
学生们接着说“工人、农民、警察……”老师点头后会说这是按照“职业”划分的。
如果有同学说：“人分为农民和女人！”老师则会指出，这是错误的分法，因为划分标准不一样：农民是职业，女人是性别。
以上的练习其实是用不同维度来切分“人”这个品类。“切”人的利器就是老师反复强调的“性别”“职业”等，这些在结构化战略思维中被统称为“维度”。
任何常用的名词品类，都可以用多个维度来划分下一层的子分类。就“人”这个品类为例，常用的维度就十分丰富：地域（如北方人）、国籍（如中国人）、性别（如女人）、年龄（如中年人）、年代（如古人）、财富（如富人）、身高（如巨人）、道德品质（如好人）、颜值（如美人）和学历（如大学毕业）等（见图2-2）。总而言之，每个描述人的形容词都可能成为划分的维度。
如果按照是否掌握了结构化战略思维能力来划分，世界上的人就会被分为两种：“思辨者/解决问题的人”和“吃瓜群众”。
在日常生活中，很多形容人的词汇其实是多个维度的组合，比如“美女”是颜值和性别两个维度的组合，“高富帅”和“矮矬穷”是身高、经济状况和颜值三个维度的组合，等等。
使用MECE原则切分时，尤其是在商业战略类问题的讨论中，要求衡量的维度满足“具体可衡量”的客观标准。如果缺乏量化客观标准，虽然切分也同时满足MECE的两项要求，但每次对子品类具体个体归属的判断都会面临模棱两可的窘境。例如，如果以“好和坏”的道德标准作为划分维度，在“具体可衡量”层面就十分具有挑战性。
结构化战略思维十分强调科学精准划分，杜绝简单粗线条的划分。要把“好”和“坏”用明确数据标准做区分，给每个判断以充足、具体又可衡量的指引，这并不是一蹴而就的容易事。例如，我们判断一个人是好人还是坏人，首先要明确以哪套道德标准为界定的基础。世界上存在很多道德标准，甚至有些道德标准相互矛盾。统一道德标准背景后，还要把具体的行为标准提炼出来。例如，如果公益捐赠是个好的行为，那么什么频率或金额才算达标？是否跟个人财富总额成比例？如果是，比例应该是多少？除了捐赠还有其他类似的行为，它们之间关系如何？各种具体问题接踵而至，都需要我们进行进一步商讨。
网友评论