什么是MECE分析法?
MECE分析法也叫(枚舉分析法),全稱 Mutually Exclusive Collectively Exhaustive,中文意思是“相互獨(dú)立,完全窮盡”:即對(duì)于一個(gè)重大的議題,能夠做到不重疊、不遺漏的分類,而且能夠藉此有效把握問題的核心,并解決問題的方法。
MECE分析法是麥肯錫的第一個(gè)女咨詢顧問巴巴拉·明托(Barbara Minto)在《金字塔原理》中提出的一個(gè)很重要的原則,也是麥肯錫思維過程的一條基本準(zhǔn)則。
MECE把一個(gè)工作項(xiàng)目分解為若干個(gè)更細(xì)的工作任務(wù)的方法。它主要有兩條原則:
- 完整性(無遺漏):指分解工作的過程中不要漏掉某項(xiàng),要保證完整性;
- 獨(dú)立性(無重復(fù)):強(qiáng)調(diào)每項(xiàng)工作之間要獨(dú)立,每項(xiàng)工作之間不要有交叉重疊。
MECE分析法具體步驟
第一步:確認(rèn)問題是什么?
也就是要明確當(dāng)下討論的問題到底是什么,以及我們想要達(dá)到的目的是什么。這個(gè)范圍決定了問題的邊界。這也讓”完全窮盡“成為一種可能。換句話說,MECE中的”完全窮盡“是指有邊界的窮盡。
第二步:尋找MECE切入點(diǎn)
所謂的切入點(diǎn)是指,你準(zhǔn)備按什么來分,或者說大家共同的屬性是什么。比如,是按顏色分、按大小分、按時(shí)間序列分還是按重要性分?這一步是最難的,但也是最關(guān)鍵的。
在找切入點(diǎn)的時(shí)候,切記以終為始。這個(gè)時(shí)候需要反復(fù)思考,你當(dāng)初要解決的【問題】或當(dāng)初分析的【目的】是什么,即你希望分類后解決什么問題,得出什么結(jié)論。
如果實(shí)在是想不到什么分類的切入點(diǎn),你可以試試最簡單的一種對(duì)稱二分法:A和B。比如正和反、高和矮、胖和瘦等等。
當(dāng)然,還有一種常用的方式,那就是“拿來主義”,正如《麥肯錫方法》里提到的,不要試圖重新發(fā)明輪子,這個(gè)世界上已經(jīng)有很多分析模型,大多數(shù)都符合MECE原則,可以直接拿來使用,
比如SWOT分析、PEST分析、麥肯錫7S分析等等。
第三步:考慮 分類可否再細(xì)分
比如對(duì)客戶的分類如果按男和女來分,的確是滿足MECE原則,但僅僅這么分對(duì)于我們的營銷策略有什么幫助嗎?不管走到哪一步,請(qǐng)時(shí)刻記住【以終為始】,從營銷的角度來看,你可能還要按職業(yè)、收入、年齡、居住區(qū)域等要素進(jìn)一步細(xì)分,才有可能得出你想要的東西。
第四步:確認(rèn)有沒有遺漏或重復(fù)
分完類之后必須重新檢視一遍,看看有沒有明顯的遺漏或重復(fù)。建議畫出一個(gè)金字塔結(jié)構(gòu)圖,用可視化的方式比較容易發(fā)現(xiàn)是否有重疊項(xiàng)。
MECE分析法案例:頭痛原因分析
MECE分析法的優(yōu)勢(shì)
運(yùn)用MECE分析法,人們?cè)诠ぷ髦心軌蚋玫貙栴}拆分以分析,也能夠在匯報(bào)解決方案時(shí)有條理有邏輯地將各種信息整合在一起,讓聽者更易理解。MECE分析法具有以下5大優(yōu)勢(shì):
- 條理清晰
- 全面周密
- 便于檢驗(yàn)
- 分析透徹
- 窮根究底
MECE分析法的缺點(diǎn)?
MECE分解只是進(jìn)行完整問題定義之基礎(chǔ),離問題分析和解決還差很遠(yuǎn),特別是面對(duì)復(fù)雜問題的時(shí)候,雖然分解的過程是完整和相互獨(dú)立的,但是最終分解完成后的各個(gè)分解要素之間是相互影響的,現(xiàn)實(shí)中的問題往往是一個(gè)復(fù)雜的網(wǎng)狀結(jié)構(gòu),傳統(tǒng)MECE分解的簡單樹狀結(jié)構(gòu)是不適用的。
MECE分解偏靜態(tài)分析,而要素之間的關(guān)聯(lián)依賴和影響,要素真正之形成過程路線是動(dòng)態(tài)分析,動(dòng)態(tài)加靜態(tài)結(jié)合的分析才是完整的分析,由要素間相互影響和作用形成的動(dòng)態(tài)平衡架構(gòu)則是我們需要的系統(tǒng)思維。
總而言之
“相互獨(dú)立,完全窮盡”的MECE法則無疑會(huì)讓你受益,也許你此前從未聽說過這一法則,那么在對(duì)其有所了解后,就盡快采取行動(dòng)吧,你一定會(huì)從中獲得驚喜的。
本文經(jīng)授權(quán)發(fā)布,不代表增長黑客立場,如若轉(zhuǎn)載,請(qǐng)注明出處:http://m.gptmaths.com/quan/65140.html