浅谈科学研究的方法论在实际企业中的应用

我只是一个虾纸丫 提交于 2020-03-19 03:11:31

个人初步总结了以下5个步骤,后面会根据具体生产实践进行更新完善。。。

1.发现真正的问题

“半亩方塘一鉴开,天光云影暗徘徊,问渠哪得清如许,为有源头活水来。”——宋朝著名的理学家、诗人朱熹的《观书有感》。大概意思就是:半亩大的一块水塘平静就象一面镜子,天上的霞光彩云在水面上荡漾,问一下水塘里的水为什么这样清亮,还不是因为有源源不断的清水流进来。这首诗表明了诗人的一种治学态度,无论是做技术还是做科学研究,生命力是最重要的。

互联网行业日新月异,技术更新迭速度代极快,对从业人员提出了很高的要求,一旦慢了,懒了,怠惰了,很有可能就像大浪淘沙一样被行业淘汰。因此,做到终身学习,不轻易给自己设限,不断地迭代进步,不断成长并更新自己的知识体系,就显得尤为重要。

一般来说,吸收新鲜的东西又有两条路径:一条是直接路径、一条是间接路径。所谓直接途径就是动手实践。邓爷爷老人家说的好:实践是检验真理的唯一标准。不得不说:实践可以高效地获取第一手资料,但同时也具备一定的局限性。因为实践是基于个人的经验,容易陷入经验主义的微观陷阱。有的时候,当你欢天喜地的以为自己有了惊人的发现或者发明,结果一调研才发现别人已经在几百年前就已经发现并解决了,你说尴尬不尴尬。人的一生是短暂的,应该高效的去做有意义的事情。不要像蛮牛一般乱冲乱撞,最后一无所获。因此要学会借力,就像太极里面的以力打力,学会用巧劲儿,有时会做到四两拨千斤,出奇制胜,那么间接途径就显得尤为重要了。间接途径就是站在巨人的肩膀上看问题。做文献调研,文献综述,对某个领域内的已有知识从宏观上把控,形成自己的知识体系,然后选定一个关键点,就是发现关键问题。然后进行深挖,总会挖出矿的。

2.收集信息并分析问题

收集信息,这个就不多说了吧,互联网资源一抓一大把,谷歌、百度、书籍、论文、专利。关键是如何分门别类,敏锐的捕捉细节,抓住关键线索,然后抽丝剥茧,才能破案。

分析问题,谈几个方法论的玩仍:

1.七问分析法:参考本人博客文章:  https://www.cnblogs.com/Kevin0626/p/12507383.html

2.鹰眼分析法:形象点理解就是像鹰一样占据制高点,俯瞰全局,先对问题有个宏观的把控,在脑海里面形成一个大的图像。此外,还要结合微观层面上的分析。就像毛爷爷老人家所说:战略上藐视敌人,战术上重视敌人 。既要有战略部署,又要有战术思考。 所谓战略即决定全局的策略,战术则是解决局部问题的方法。这样就能做到,既见森林,又见树木,粗中有细。

3.提出假设

在商业世界里,几乎所有决策,都是在信息有限的情况下做出“假设”,即先对问题做一个推测性回答。
好的假设,可以无限靠近正确答案,甚至就是答案。调研就是一门不断靠“提出假设-验证假设”积累起来的学问。 本质上来说,这种提出假设、验证假设的做法,其实就是小步快跑、快速迭代的思维方式。拓展:局部最优解与全局最优解的通俗理解:  https://www.cnblogs.com/joeman/archive/2013/03/14/2958824.html
最重要的,好的假设,得基于事实。
对一个商业调研来说,支持一个假设的事实,不看态度,看行为。我把有效的行为分为三类:
1.可量化的行为。
我们常说,听其言,观其行。态度代表愿望,行为决定结果。这就是第一类事实:可度量地行为。
2.不可篡改的行为。
有时候光看行为结果是不够的,你还要分辨这些数据是不是反映了一个真实的行为过程。
3.隐秘的行为。
隐秘的、浸入在用户使用场景里的行为信息,很难通过大数据或问卷获得。但这种信息即使样本再少,也还是极具参考价值。
可量化的行为、不可篡改的行为、隐秘的行为。一个好的假设,一定逃不开这三类事实的支持。收集的事实类型越多,假设的质量也越高。
很多时候,好的假设不是基于几个有效事实,就能定下来的,好的假设也可能不只一个。它一定是个动态的过程,需要你随着事实不断丰富,去迭代和调整。需要用到一对非常好用的思考模型:纵向逻辑和横向逻辑。
纵向逻辑推演的目的是:看这个假设下面的事实是不是足够丰富,能让假设得到及时修正。推演的方法是多问自己几次:“真是这样吗?有没有说不通的地方?”
横向逻辑推演的目的是:看基于同样的事实还有没有更多的假设,能让假设更完整,解决问题的思路更多。推演的方法是多问几次: “只是这样吗?有没有别的可能?”。
对于生活里的一般问题来说,做到了有事实依据,又做到了纵向和横向的逻辑推演。你基本就算得出了一个好的假设。但对于商业问题来说这还不够。你还需要两条辅助线,帮你判断这个假设能不能作为决策的指导。
第一:你的假设是不是在成本边界内?好的假设一定是在资源有限条件下的最佳解决方案。客户问,怎么提升品牌知名度?你说,增加5倍的广告投放。这个假设很好,但它一定越过了成本边界。没有成本考虑的假设,事实再充分,推导再严谨,都是正确的废话。
第二:你的假设是不是能导出决策动作?客户说,我们产品卖得不好,怎么回事?如果你说,因为竞争太激烈。这就是没有导出决策动作。如果你说因为竞争对手的logo更大,包装颜色更亮,更吸引人,这时候他才知道该做什么。

4.验证假设

学习过程是一个假设—验证的过程。即人们根据已有的经验和知识,对于将要吸收学习的知识,有一个假设(预判),然后通过思考和验证,证真:证明假设的真(新知识被吸收);或者证伪:证明假设的假(调整已有的知识经验,使得新的信息得以被容纳)。
拓展,机器学习算法的通俗理解:

https://www.cnblogs.com/xiaojingang/articles/4344425.html

再说到产品研发,产品开发的最大风险就是是做了用户不需要的东西。尤其是投入了几个月(甚至几年)的时间闭门造车,结果却发现做出一个没人用的产品,不可不谓悲壮。所有的项目创始人都怀有一个或大或小的愿景,但愿景其实是个很可疑的东西,在成功之前,你无法知道你的愿景究竟是一个可执行且需求广泛存在的伟大理想,还是一个愚蠢的空想。乔布斯在2003年iPod发布前几个月因为对苹果的股票没有信心放弃了一大笔期权,而向董事会谈判换来了一个执行价格更低数量更少的期权;现在战无不胜的腾讯当年也几乎以几百万人民币的价格出售。但他们其实都具备一种创业者普遍欠缺的特质:及时反思总结。
实际的假设验证过程中,应遵循下述流程:
1.调研需求,将抽象内容落实为用户画像,用户历程图等
2.设计原型,比如app原型,服务蓝图
3.设计MVP,即最好可行产品,能够让用户使用
4.验证原型,记录原型验证中的可优化点
5.不断迭代,完善你的MPV

5.解决问题

解决问题就是以事物运动内在机理为基础,寻求一个有效的解决方案。解决方案中最为关键的是方法论的问题。通过分析问题,也会为我们采用研究问题的方法打下基础。涉及定性的因素的,我们可以使用文字进行定性分析。涉及定量因素的,我们建立计量模型,进行量化分析。 下面简单介绍几种方法论:

1.费曼学习法:参考本人博客文章:  https://www.cnblogs.com/Kevin0626/p/12495784.html
2.金字塔原理:参考《经典的高效思考和表达的思维模型——金字塔原理》:
https://baijiahao.baidu.com/s?id=1618559373273845188&wfr=spider&for=pc
3.头脑风暴法:参考MBA智库百科—头脑风暴法词条:
https://wiki.mbalib.com/wiki/%E5%A5%A5%E6%96%AF%E6%9C%AC%E6%99%BA%E5%8A%9B%E6%BF%80%E5%8A%B1%E6%B3%95

 

标签
易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!