2.1.2　拆解和定位问题

在对问题有一个宏观的认知之后，需要对问题进行拆解和定位，这是问题分析中最重要的一个环节。当问题被拆分得足够细、足够清晰的时候，方法也往往能够自然而然地浮出水面。但是，现实的问题通常是特别宏大且复杂的，让人无从下手。因此，这些复杂问题可以通过拆解并定义到“元问题”来建立对问题的微观理解。

元问题指那些最本质、细小的问题。现实问题的复杂是因为掺杂了多个维度和变量，而在人们解决问题的过程中会把复杂问题拆解成一个个元问题，然后一一解决所有的元问题。因此，在问题分析的过程中，可以用公式思维拆解问题、构建问题的层次结构以及运用MECE法则（mutually exclusive collectively exhaustive, MECE）将复杂问题拆解成元问题，并在此基础之上进行定性和定量分析。

1．用公式思维拆解问题

在机器学习领域中，研究人员经常会先将问题用公式化的形式展现出来。这里指的并非是完整的问题建模过程，而是在拆解问题阶段考虑清楚问题的影响因素，并利用简单的公式展现出问题目标，为后续建模过程做准备。例如，在广告业务领域，对于解决广告部门“如何提升广告收入”的业务目标进行分析。这是一个宏观的问题目标，如果不进行拆解，就难以阐述解决问题的具体步骤。通过公式思维的拆解，可以简单地得出一个业务公式：广告收入=活跃用户数×商业流量比例×人均广告展示数×广告点击率×单次点击广告价格。通过这个公式可以将宏观的问题拆解成细小的元问题，明确提高广告收入可以通过提高活跃用户数、提高商业流量比例、提高人均广告展示数、提高点击率以及提高单次点击价格等方式来解决。

所以，每个复杂问题的背后都有可拆分的若干个元问题。在实际业务当中，拆分的元问题也被称为关键绩效指标（key performance indicator, KPI）。

2．构建问题的层次结构

层次结构也为树结构，可以表示从属关系、并列关系、问题的流程等，通过构建问题的层次结构可以将一个复杂问题拆分为若干个元问题，方便定位到元问题。例如，在广告领域使用漏斗分析模型（见图2.4）。

漏斗分析模型以层次的结构展现了广告投放的整个流程，从广告的展示到用户的点击、访问，再到实质的咨询与下单，过程中每个环节都会产生用户的转化与用户流失，并逐层递减。将提升广告收入拆分成元问题之后，每个元问题都有可以提升的方面，例如可以通过调整关键词数量、检索量、匹配方式以及关键词排名来提升广告的展现量；通过改善关键词排名、广告创意来提升广告的点击量；通过提升网站的反应速度来提升广告的访问量；通过提升网站质量、改善用户体验来提升广告的咨询量，以及通过培训企业销售人员来提升广告的订单量。

可以发现，通过构建问题的层次结构，复杂问题变得更为直观，并且解决方案呈几何倍增多，领导者还可以将不同元问题变成任务，清晰地分配给其他团队成员，提升解决问题的效率。

3．MECE法则

用公式思维拆解问题以及构建问题的层次结构是为了科学地拆解复杂问题，但仅是将问题拆解到底还不够，还需要使用麦肯锡的MECE法则，保证元问题不遗漏、不重叠。图2.5展示了麦肯锡对于问题的思考方式与MECE法则。

从图2.5可以看出，麦肯锡对于问题的分析即为问题层次结构的构建，同时各层都需要符合MECE法则。更进一步来说，所谓MECE法则的不遗漏、不重叠是指在将问题的整体划分为不同的部分时，尽量保证划分后的各部分之间相互独立（Mutually Exclusive）、所有部分完全穷尽（Collectively Exhaustive）。

只有将问题的所有情况都考虑进去了，并且拆解成的各个元问题之间没有重叠关系才能更好、更高效地解决整个问题。