1. 初心——探寻更底层的思维模型

最初写这个专栏文章，是想用文字的形式记录自己整理空间物品的过程，并形成自己一套方法，让生活变简单。

后来发现，其实工作中信息的整理和生活物品整理方法是相通的。

于是想，通过自己梳理工作的过程，再重新梳理一遍自己的SOP（Standard Operating Procedure，标准操作流程），让工作更简单。

后来发现，其实这些SOP流程，底层的大流程是类似。

于是想，有没有更基本或更底层的方法可以概括解决所有问题？

起初产生这个疑问，是发现自己的写作的流程、学习的流程、和做产品规划定位的流程是类似的，都是⎡收集-整理-内化-输出⎦这几步，只是每一步用到更具体的方法和工具。

为了验证自己的这个假设，我又重读了过去读过的多本书，以及收听了很多课程。惊喜地发现，真的有很多前辈和老师也提到了这个思维模型。

这就是我今天准备跟各位分享的主题：

持续自我升级的心法——⎡P-IPO模型⎦

2. 什么是⎡P-IPO模型⎦

⎡P-IPO⎦即为⎡Problem⎦、⎡Input⎦、⎡Process⎦、⎡Output⎦四个单词首字母缩写。是解决所有问题，以及持续自我升级的核心方法。

其实我们成长就是在不断解决问题，而之所以会称之为问题，是因为我们以前没有遇到过，用既有的知识无法解决，需要向外界吸收新知，内化为自身加以运用，才能最终解决问题。

2.0 以问题为中心

之所以要把⎡Problem⎦一定要注明，是因为，我们其实在做很多事情之前，其实往往在问题的表象和过程中迷失，而忽略了，⎡解决问题⎦才是做事的核心目标。

拿看书学习为例，学习最终的目的是为了解决某个问题，如果不是带着问题来学，多半是看个热闹，没有实质性的收获。

其实本身我写这篇文章，就是按照这个模型走的。我最初的问题就是，希望探求⎡有没有这样一套底层的基础方法可以解决通用的问题，这样我就能够更快地理解和进入到未知的领域⎦，这就是我要解决的问题，带着这个核心问题，我进行了如下几个步骤：

2.1 收集

起初是在⎡得到⎦听许岑老师的一堂精品课⎡有效训练你的研究能力⎦，大王总能用他缓慢而精准的岑式幽默深入浅出道出问题本质。何为⎡研究能力⎦，其实就是解决陌生问题的能力，那如何解决，方法就是⎡搜集资料——处理资料——创造输出⎦。

然后老师在讲如何做到搜集资料，或者说是如何确保资料⎡足量⎦而又⎡节制⎦时，提到了曲凯老师的⎡怎样成为解决问题的高手⎦中的⎡MECE法则⎦，于是直接就一块听了曲凯老师的课。

在听课的时候，自己莫名感觉好像听过，突然想起来，年初的时候，好像在⎡一块听听⎦上听过一堂类似的课，翻回去一查，果真有，竟然也是曲凯老师讲的，当时他的⎡人生IPO模型⎦还是挺震撼到自己的。曲凯老师用他的这套的⎡人生IPO模型⎦即⎡获取信息输入——大脑处理——总结输出⎦模型概括了他人生目标、几次职业转型底层的共同点就是都是在用模型解决各领域的问题。

另外老师解决问题的具体步骤，让我想到了⎡麦肯锡方法⎦，⎡麦肯锡方法⎦中解决问题的核心流程是⎡定义问题——找出关键驱动因子——建立初始假设——收集数据——验证假设——提炼输出⎦，⎡麦肯锡⎦解决问题的核心方法，虽然不同的作者具体的表达略有不同，但底层的核心步骤依然是⎡建立假设——收集数据——验证假设——提炼输出⎦ 。

曾任职于麦肯锡长达20余年的大前研一在他的⎡思考的技术⎦中，根据自身曾为数千个企业个案进行指导、诊断及进言的经验，创造出解决问题的逻辑思考法。他认为，有了的逻辑思考方法，不但可以导出正确的解答，而且对于任何性质的工作都是有效的。并且，他认为其实⎡麦肯锡⎦的这套方法，其实与⎡科学研究方法⎦是一样的。在解决问题之前，必须不断重复假设、验证、实验。于是在维基百科中查了关于⎡科学方法⎦的定义，以及科学研究的步骤。

⎡科学方法⎦（英语：scientific method）指的是检查自然现象、获取新知识或修正与整合先前已得的知识，所使用的一整套技术。为了合乎科学精神，这方法必须建立于收集可观察、可经验（empirical）、可量度的证据，并且合乎明确的推理原则。维基百科有一张科学方法步骤图，可参见文末扩展⎡参考文献⎦链接，翻译为如下7步

⎡   1.Make Observations(发现问题)

——2.Think of Interesting Questions（提出课题）

——3.Formulate Hypotheses（明确问题，提出假设）

——4.Develop Testable Predictions（开发可测试的方法）

——5.Gather Data to Test Predictions（收集数据验证假设）

——6.Refine，Alter，Expand，or Reject Hypotheses（精练、调整、扩展或放弃假设）

——7.Develop General Theories（生成通用理论）⎦

以上，就是自己在研究最初问题⎡有没有这样一套底层的基础方法可以解决通用的问题⎦时所进行的数据收集。

可能这个收集过程比较零散，存在了很多联想与扩展，不过，对于我们专业工作问题的数据收集上是需要刻意培养一些套路和方法的，以提高我们信息获取的效率。

数据收集渠道与方法

一. 工作专业领域数据信息渠道需要⎡养⎦

在专业领域需要⎡养⎦自己的信息渠道，如果身边有领域的高手，直接请教，看看他的订阅能少费很多弯路。或是关于领域精英的文章或书籍，是较快获取信息渠道的好方式。

二. 获取一二手信息源是提升效率的关键

信息渠道也是分层的（以下出自古典老师⎡跃迁⎦里对于知识源头的解读）。

一手：知识源头：研究论文，行业的学术期刊，行业最新数据报告；

二手：忠实转述一手信息。含金量很高，忠实转述，但是有清晰的论据和出处。

三手：为传播而简化和极端化观点的陈述。

四手：根据以上理论和畅销书，加入各种个人故事和情绪因素的鸡精文。（就尽量少读，如果有错误的误导，读多了都是毒）。

另外，遇到问题，寻找出处，是一种快速辨别信息真伪的有效方法。找到自己专业的一二手信息源，其实是提升认知效率的关键。

三. 高效搜索

专业性问题，请学会使用Google。关于搜索的技巧，之前李笑来老师曾经好多次提到，并专门写过文章 [正确高效实用Google](http://zhibimo.com/read/xiaolai/reborn-every-7-years/C04.html)，当然，你最好保持怀疑的态度，自己收集-整理-内化-找到答案。

2.2 整理

如果说⎡收集⎦是信息的统一汇总的过程，那么⎡整理⎦其实是，重绘作者逻辑的过程。

整理的步骤

一. 去脏数据

在数据统计分析领域，去脏数据是一个必须的步骤，因为一些错误对结果及结论有致命性的影响。这里，我指的⎡去脏数据⎦是去除对解决问题无关的数据。

在收集数据的过程中，难免会因为个人偏好，而收集很多数据，有一些看似精彩的数据，其实对验证假设并无根本用处，切记不要为了用上数据而用。

二. 还原、重绘作者逻辑

我们无论是阅读、听得到音频、看知乎Live…… 这些信息获取后，需要再回看会听，并重绘作者思路，以理解作者逻辑。无论是用思维导图，或是纯文本的摘记，理清作者观点的主旨，以论证的层级和逻辑关系，是整理这一步的目的和输出。

2.3 内化

⎡内化⎦的过程是整个过程的重点，也是高潮。⎡内化⎦是将内部思维与外部思维打散再重建的过程。

内化步骤

一. 对比⎡外部思维⎦和⎡内部思维⎦

将第2步数据整理的产物统称为⎡外部思维⎦，即我们希望作为论证证据或学习对象的数据。自己原本对于问题的理解和解决叫⎡内部思维⎦。⎡外部思维⎦可能有很多个，因为你读了很多作者相关的文章或书籍，将这些放到一起，进行对比。

二. 找规律，抓本质

在对比的过程中，你一定会发现一些相似处（即规律）与不同处，通过这些相似和不同，你可以发现规律，以及抽丝剥茧，找到问题本质及用数据验证。

三. 重构逻辑

将核心关键节点，重新按照思维模型，进行逻辑推导与演绎（证明解决问题的通路），这就是升级后的内化产物。每个领域都有一套已成型的思维模型，可利用这些思维模型来梳理逻辑。

这样描述起来，可能有点抽象，类似的场景，比如，我们在进行产品规划过程中的竞品调研与分析，其实就是应用的这个过程，调研的过程好比数据的收集与整理过程，那分析的过程其实就是内化的过程，对比行业竞品与公司产品以及公司核心价值之间的关系，从而得出改进的思路，则为内化的结果。

2.4 输出

输出，在新手阶段是复杂而又艰难的。

因为有很多时候，头脑中的观点，想法，甚至在你大脑中已经形成框架，但是，你无论怎么组织语言，感觉就是说不清楚。

于是你不得不重新梳理，再梳理，直至，你能以一条主线贯穿说出来。

其实造成这种，脑子中有东西，就是说不清楚的情况，主要有如下两方面原因。

输出困难的根源

一. 妄想用平面的文字，填充立体的思维。

⎡选择一条路，就坚定地走下去⎦

虽然说，写作是认知的逆向工程，文字是立体思维的线性表达（之前写过一篇文章里里，提到过写作，我的「个人MVP+」成长模型）。但，平面终究是平面。我们学习立体几何，在纸上画立体图像，我们也只是，以一个侧面的角度，去脑补整个立体。我觉得写作也如是，我原来总是会有很多思路，好像哪一种思路都可以到达终点。就像一个立体图形，你从哪个侧面都能在纸上画出该图形。但一幅立体图形，只能有一个作品。能把这一面画好就不错了。到达终点的路有无数条，但你一次只能选择一条。观点的主线也只能选择一条。

二. 不克制——与观点无直接关系的论点，即使再精彩，也要克制住表达的冲动

⎡路上的野花不要采⎦

头脑中的思路是网状的，你在每一个界面，其实都会有一种映像展现，你总是怕遗漏每一个细节点，于是，你想把每一个角度，都说一遍，这样看似说清了。

但事实上，大脑对于事物的吸收，是以一条主线贯穿的形式，与主线无紧密关系的点，即使再精彩，也要克制住要表达的冲动。我就往往犯这个错误，例如上一篇1W字不克制的文章，现在回过头看看，这个是非常失败的一次经验吧。

输出方式

其实输出的方式有很多，职场常用输出方式：

一. 口头表述

二. 书面/文章

三. 幻灯片

四. 正式会议演讲汇报

我觉得，我们可以用一种方式，同时锻炼这四种形式的能力，就是从⎡写作⎦开始。

1. 你可以将问题解决的起始、分析、论证过程用⎡文字⎦的形式进行输出。这不就是通常所说演讲的逐字稿么；

2. 你在分析、论证过程中，势必会用到一些事实或逻辑框架图表，来辅助观点的阐述，将重点观点和图表进行抽象提取，这不就是在制作⎡幻灯片⎦么；

3. 最后，汇报工作时，配合幻灯片，按照逐字稿逻辑进行⎡演讲⎦；

4. 如果领导没时间，你只有3分钟在电梯里跟领导汇报你的工作，那就是⎡口头表达⎦的重点，你要有一个核心主题，并且你能用1分钟，或3分钟分别表达出你的观点。

3. ⎡P-IPO模型⎦适用范围·注意事项

3.1 以问题为中心

以上过程，无论是⎡收集⎦⎡整理⎦⎡内化⎦还是在⎡输出⎦过程中，都要克制，时刻想着解决问题这一核心目标。

1. 在过程中忘记目标。

这个问题最容易发生在，信息收集阶段。很多时候，我们甚至在收集阶段，很容易陷入具体的内容中，有时候通过不断深入的链接，⎡跑偏⎦是非常容易发生的问题，

2. 以解决问题为中心，这样最大程度地决定了你工作的价值。

我们往往为了让过程和结果，趋近完美，总是不免陷入大而全的误区，但大而全代表了无限的时间成本和金钱成本，完美是我们抵制的最大诱惑。时刻记住，解决问题这个核心目标，可以最大程度地提高我们的工作效率和价值。

一次做一件事，一次解决一个问题，以问题为中心。

3.2 模型是为了更快理解其他工作流类方法

这个模型只是最基础的模型，有了它，能够让我们更简单地，或以更本质的方式，去理解，我们工作中已经既定的一些流程和方法。也是让我们内化流程变得更有效率的基础。

但我们大可不必，每次都从头开始。

3.3 不要重造轮子，并尽最大可能寻找轮子出处

我们进入任何一个领域，最快速的方法就是直接站在巨人的肩膀上。

就像⎡麦肯锡方法⎦中说的“不要重新造轮子，要利用已有的经验”。其实在任何一个行业，都已经有现存的方法论和工具，我们可以直接拿来就用，但要保持探索和怀疑的精神。

行业中的思维工具，大多出自于基础的实验科学，因为实验科学有更严密的推导逻辑，每深入研究一个领域，可以深入了解一下每一条思维工具和典故的出处，探索最初发明人想解决的根本问题，应该会有更深入的理解和更发散性的启发。

就像⎡穷查理宝典⎦中查理芒格用⎡多元思维模型⎦发起跨学科的攻击，来进行稳健地投资判断。

4. 总结

以下图表为今日分享的全部内容：

有时候，其实很神奇，有一个观点，你突然脑子里蹦出来，这个观点好像是你自己创建的一样，但你再看很多书，或查阅很多资料，你会发现和作者有很多共鸣（这些资料有可能是你以前就读过的，但当时并没有注意到），让我怀疑，这些东西到底是不是自己想到的。

有一天我重读博恩·崔西的那么《吃掉那只青蛙》时，里边引用了伽利略的一句话，让我豁然开朗：

你无法教会别人他原本不知道的东西，你只能让他注意到他本来就知道的东西。

—— 伽利略

这应该就是知识内化的实质——

⎡在原有的思维关联上，叠加或重构思维关联的过程⎦。

如果我们不断强化和加速这一过程，那么我们将持续获得自我升级。

参考文献

[1] 许岑.有效训练你的研究能力[Z].得到精品课，2017

[2] 曲凯.如何成为解决问题的高手[Z].得到精品课，2017

[3] 曲凯.人生操作系统[Z].微信-一块听听，2017

[4] [日]大前言一.思考的技术[M].中信出版社，2008

[5] [美]艾森·拉塞尔.麦肯锡方法[M].机械工业出版社，2009

[6] 古典.跃迁[M].中信出版集团,2017

[7] [美]彼得·考夫曼.穷查理宝典[M].中信出版社

[8] 正确高效实用Google[Z].知笔墨，http://zhibimo.com/read/xiaolai/reborn-every-7-years/C04.html

[9] 科学研究方法.Wikipedia.https://zh.wikipedia.org/wiki/%E7%A7%91%E5%AD%A6%E6%96%B9%E6%B3%95