上文说过新人容易变无头苍蝇，就是缺少了一个塔尖、一个中心论点、一个下刀的地方。麦肯锡为了解决这个困扰，提出了假设先行的方法。

　　新人的缺点是什么？他们会以分析为乐，为分析而分析。试图找出一切关联、一切因素。如果我是新入行的产品经理，我会找出所有的竞品作分析，想产品的突破点在哪里。如果我是新入行的活动运营，我会试图分析所有的爆款活动，想一个完美的综合方案。可是结果真的能好吗？

　　上面的两个例子，很大可能，最终都停留在浅显的层次。因为没有方向，没有目标，也就无法深入。我们当中的大部分人都不善于批判自己的想法，缺少批判性思维。你连自己的想法都判断不了，怎么做出决策？

　　什么是假设先行？就是以假设作为思考的起点。我不需要做全局的思考，而是先问出一个问题，然后思考解决它：我这款产品的特点在A功能吗？这款产品对用户们很有吸引力吗？我的活动如何在朋友圈引发传播？怎么让用户在活动中更爽？

　　在做出假设后，引导思维去挖掘分论点，然后分析。比如我希望活动传播，我要考虑哪些人会传播，他们是因为利益引诱还是情感触动？传播的过程应该什么样，方便还是复杂？这样的分析思维，比堪堪想一个空中楼阁的完美方案靠谱多了。

　　不管问题形式是如何、是否还是能不能，只要作出了假设，就能用MECE原则画出金字塔结构。不要想着从无尽的业务和数据中找出规律，这叫大海捞针。这种根据问题作为中心论点形成的结构化思维，叫做问题树／逻辑树 Issue Tree。

　　可以通过搜索引擎图片查找Issue Tree或者问题树逻辑树，有很多案例，英文为佳。

　　（附图是维基百科中的IssueTree案例）

　　假设抽丝剥茧后的每一个论据都应该能用是或否回答。分析思维和数据分析不一样，数据分析追求数据的精确度，而分析思维不需要，只要能回答问题，是和否足够了。

　　假设会被否定或者拒绝，我认为产品对用户有吸引力，但是最后所有的论据，包括留存率、用户使用时长、功能使用率、用户评价都是否定，那么吸引力也就不成立，atv直播，此时应该修改假设：产品的某一方面有问题，然后继续画新的问题树。

　　不要害怕修正错误的假设，不要寻找事实强撑错误的假设。

关键驱动因素

　　接下来谈剪枝。MECE虽然能画出详尽的结构，但不意味着我们要全部分析。维基百科案例中的IssueTree，有些分论点层层展开，有些分论点就嘎然而止。很多论点我们没有深入必要，需要对这部分论点论据舍弃，目的是找出关键驱动因素。

　　关键驱动因素是分析的核心，应该聚焦于这些因素，不然你会有数不完的因素要分析。如果一家企业成本的关键因素是地租、房租，那么就不应该深入分析办公用品成本，否则你分析出这个月公司厕纸成本上升了50%，是因为我们CEO吃坏肚子上了很多次厕所，你信不信被揍死？

　　麦肯锡有句名言：不要妄想烧干大海。就是指不要试图对所有因素分析，尤其在数据证明的过程，非常费苦功。

　　企业利润的关键驱动因素是利润和成本，用户吸引力的关键驱动因素是留存率。利润和成本还能再找出其中的细分关键因素，留存率也一样。这才是我们要的。

　　一旦找到关键驱动因素，可以基于此展开数据调研、取证、分析和结论，而不是对所有问题树开展。为什么需要围绕关键驱动因素？这里有一个新的核心法则，大名鼎鼎。

　　二八法则！

　　在任何一组东西中，最重要的只占其中一小部分，约20%，其余80%尽管是多数，却是次要的。80%的成绩，归功于20%的努力；市场上80%的产品可能是20%的企业生产的；20%的顾客可能给商家带来80%的利润……

　　既然如此，为何要分析无关紧要的因素？问题树也遵循这一法则，20%的分析过程将决定80%的分析结果。

　　不论你分析企业的利润、还是用户的活跃，只要抓住关键即可。因为一款内容产品，80%的内容一定由核心用户提供；一款电商产品，80%的GMV一定是少部分买买买用户下单。围绕核心关键因素展开的数据分析，是最有效果的。

　　需要了解的方式方法到这里结束了，如果对麦肯锡其他方法感兴趣，可以业务时间再学习。