01 分析问题的三大原则
第一个大的原则，就是一定要基于事实来进行分析。
基于事实，它可以弥补经验的不足。
不是在靠经验解决问题，是靠分析解决问题。
很多时候经验会存在不足，经验越多其实束缚就越大。
当内外部环境发生变化的时候，过往的失败经验未必现在还会导致失败，过往的成功经验同样的也未必能够同样引向成功。
事实可以增加一个方案的可信度的。
基于事实既然如此之好，为什么我们看到很多的企业，他没有办法在企业内部做到这一点，而要花那么多钱去请一个咨询顾问来做一个基于事实的分析呢？这里面是有两个挑战。
第一个挑战就是，你看到的是不是事实的全部？
其实越是成功的企业，可能越会忽略外部市场新发生的一些情况。
第二个挑战：一个成功的企业，很多时候是畏惧知道事实的真相的。
第二个特别重要的原则，叫做结构化分析。
麦肯锡在分解、分析一个复杂的商业问题的时候，所遵循的一个方法或者是原则，这个原则的核心叫做MECE ，它的全称叫做Mutually Exclusive Collectively Exhaustive，中文的翻译就是相互独立，完全穷尽。
不管用什么样的路径，用什么样的方式去切分一个复杂的问题，第一层的子问题的数量都不要太多，因为如果第一层的子问题的数量太多的话，整个团队的精力或者是人的精力就会被分散。
比如说，一个企业面对的问题是“企业不挣钱，现在在亏损，这怎么办？”那其实无非也就是俩原因，一个就是你收入变少了，还有一个就是你成本增加了，没有第三种原因。
第三个原则，叫做以假设为导向，就是要大胆假设，小心求证。
找到有可能引发这种结果所有有可能的因素之后，用小心求证的方式，基于事实一个一个地去进行验证或者是验伪。
一些小的技巧，配合着这三个原则，这是麦肯锡的顾问如何提出解决方案的一些思路。
第一个，经验的作用是可以避免重复劳动，当我们验证了现在的内外部环境可能和当时在某一些领域是一样的情况下，当时的成功的经验在现在依然是可以被重复使用的
第二个特别重要的，在考虑解决方案的时候，一定要从系统的角度去进行解决。
什么叫做系统化的解决方法呢？就是你一定要考虑到客户力所能及的范畴在哪儿，而不是提出一个基于结构化分析完美的解决这个问题的方法，你一定要考虑到客户的能力、时间、成本、偏好。
同时还有一点很重要，当我们结构化地把一个复杂问题分析完了以后，为每一个子项去找到最合适的解决方案，可是当它凑到一起的时候，这些子项的解决方案有可能是冲突的。
这个时候就一定要选择一个平衡。
第三个就是不要执着于难以解决的问题。
02 解决问题的方法
怎么样能够组建一个高效的团队，同时怎么样能够让这个团队在项目期间，高效地工作，有凝聚力？
第一就是一定要选择最合适的成员，合伙人来挑项目经理，项目经理来挑团队成员，
设定一个团队的行为规范“The team norm”。
所谓的行为规范完全是团队成员自己来设定的，大家都会说自己的行为偏好，比如我可能会说：“多晚都行，别让我早起床，我受不了。”有的同事会说：“多累都行，但是每周工作日我至少要去两次健身房。”大家每一个人都有自己倾向的行为方式。
维护这个底线，每周做总结，问以下三个问题
第一个问题，这周你高兴不高兴？第二个问题，你觉得这周你做的工作有没有价值？对客户有没有价值？第三个问题，你觉得你有没有学到新东西？
保持团队的凝聚力要很谨慎地选择团队的活动。
我们怎么样能够让这个团队的工作效率比较高？一个方法是在进行团队活动的时候，或者说进行个别沟通的时候，一定要注意他的行为倾向是什么或者他的偏好是什么？所以让人去做他喜欢做的事，这个真的是增强效率的一个方面，人做自己擅长的事的时候，效率是最高的。
让每一个人在自己被分配的任务进度完成的同时，也知道整个项目是怎么回事。
我们在分析的时候怎么去发掘一些不太被人注意的，或者以前被忽略的东西呢？有两个点，
第一个就是规律。当一件事情始终发生，或者是当一定的条件满足，它一定会发生的时候，那么这个就是值得我们关注的
第二个就是例外。我们发现可能这些东西都没有变，输入的条件都没有变，但是结果发生了很大的意外。
黑天鹅事件，就是发生的概率很小，但是发生之后影响很大。可是还有一个特点：它每次发生了之后，回过头来看，你都能解释它为什么发生，它都是符合逻辑的。
那么为什么在之前很少有人能够预测到黑天鹅事件的发生？就是因为它是由例外事件而导致发生的。
在头脑风暴的时候，虽然要激发大家的发散性思维，但是一定要围绕要解决的这个问题来进行发散，
这个问题要解决的是什么、问题的边界、我们已经掌握的事实，大家要有共同的意识。
解决问题本身不是目的，这个问题解决了之后，能产生什么样的价值才是目的。
这就是麦肯锡方法和通常我们寻找具体解决一个问题的方法的最大的不同：首先结构化地分析问题，然后系统化地解决问题。他解决的是这个“问题”，而不是你当下所处的这个“环境”。
