Дерево логики: как решать насущные проблемы по науке

Как вы решаете проблемы? Одни отправляются на прогулку, чтобы сменить обстановку и прояснить разум. Другие садятся и составляют подробный список плюсов и минусов. Кто-то полагается на инстинкт, принимая незамедлительные решения, а кто-то делает выбор постепенно, чтобы избежать осмысления более крупных проблем. Чарльз Конн, соавтор недавно опубликованной книги «Гарантированное решение проблем», предлагает другой подход. Он считает, […] …

Как вы решаете проблемы? Одни отправляются на прогулку, чтобы сменить обстановку и прояснить разум. Другие садятся и составляют подробный список плюсов и минусов. Кто-то полагается на инстинкт, принимая незамедлительные решения, а кто-то делает выбор постепенно, чтобы избежать осмысления более крупных проблем.

Чарльз Конн, соавтор недавно опубликованной книги «Гарантированное решение проблем», предлагает другой подход. Он считает, что большинство проблем можно эффективно решить, во-первых, очень четко «сформулировав, в чем состоит проблема», а во-вторых, «показав структуру проблемы с помощью логических деревьев».

Логическое дерево — это визуализация, охватывающая все составные части проблемы с целью упростить определение гипотезы, которую затем можно проверить с помощью данных и анализа. В своей книге Конн и его соавтор Роб Маклин используют примеры применения логических деревьев к проблемам, начиная от социально сложных — как относиться к изменению климата и начать что-то делать по этому поводу — до ежедневных личных решений.

В одном из примеров описывается, как семья Конна использует логическое дерево, чтобы решить, в какой город переехать. Они сужают почти 30 возможных вариантов до одного: Кетчум, Айдахо. «Мы жили там 14 лет. Мы действительно это сделали», — говорит Конн.

Логическое дерево для решения семьи Конна выглядело так:

В дереве «Где нам жить?» следует отметить два момента. Во-первых, показатели были собраны, а затем разбиты на составные части и взвешены. Конн говорит, что вся семья, включая детей, принимала участие в решении, какими должны быть эти элементы и насколько они важны, назначая каждому процент. Другой очевидный момент — то, что последний параметр — демография и преступность — был вычеркнут. По словам Конна, после небольших первоначальных изысканий стало понятно, что между рассматриваемыми городами нет достаточной разницы, чтобы считать этот фактор важным. Он также свел все показатели расстояния в одну метрику: сколько времени ему понадобится, чтобы добираться до Западного побережья на работу.

В этом случае параметры были результатом мозгового штурма семьи и охватывали вопросы, которые они считали важными. Более сложная проблема может привести к появлению гораздо большего количества показателей, и в самом начале даже может быть неясно, каковы они. Конн и Маклин выступают за то, чтобы начать с вопроса и попытаться понять, что на него влияет, добавляя и убирая переменные, пока не станет ясно, что нужно учитывать.

Даже на ранней стадии создание дерева может быть поучительным. (Я попробовала этот прием, чтобы решить стоит ли мне переезжать в следующем году. После простого взгляда на проблему визуально стало более ясно, что нужно лучше изучить, и прояснились мотивы возможного переезда.) Чтобы приблизиться к решению, Конн проделал дополнительную работу. Он собрал данные по 28 университетским городам, отыскав параметры, которые помогут ответить на вопросы о климате и школах. Семья посетила города, чтобы оценить их общее настроение и сформировать свои субъективные оценки. Затем Конн распределил все данные на шкале от 1 до 100, чтобы показатели можно было сравнивать друг с другом.

Некоторые проблемы сложнее

Определение проблемы и ее устранение с помощью логического дерева — это только первые два шага из семи, которые Конн и Маклин разработали благодаря годам консалтинговой работы в ряде компаний с McKinsey&Company и последующему опыту в таких областях, как инвестиции в возобновляемые источники энергии, образование и ритейл. Их книга призывает сначала определить проблему, потом детализировать ее при помощи логического дерева, а затем пройти еще пять шагов: расставить приоритеты, создать план работы, использовать аналитику, обобщить информацию и передать результаты, например, клиенту (или своей семье).

Тому, кто захочет изучить весь метод от начала до конца, придется прочитать книгу, но создание даже простого дерева поможет понять, какую именно проблему вы пытаетесь решить. В другом примере Маклин и его жена Пола, которые живут в Австралии, хотят ограничить выбросы углекислого газа и рассматривают возможность установки солнечных батарей на крыше. Окупятся ли инвестиции, и если да, то когда? Стоит ли сделать это сейчас или подождать, пока цены упадут? Вместо неопределенного вопроса «Как можно ограничить выбросы углекислого газа?» использование логического дерева помогает сузить вопрос до чего-то решаемого: «Стоит ли сейчас устанавливать солнечные батареи на крышу?» (Спойлер: они установили.)

В книге много примеров, касающихся бизнеса, но личные решения стоят особняком, потому что для них нужно меньше объяснений. Должен ли травмированный бегун сделать операцию на колене? Для этого есть логическое дерево:

Подобные подходы могут быть знакомы людям из консалтинга, инженерии или стартапа. Но важность навыка решения проблем, которому можно обучать отдельно, вне какой-то конкретной дисциплины, признается во всех областях. В прошлом году в докладе Всемирного экономического форума «Будущее рабочих мест» заявлялось, что комплексное решение проблем — это один из важнейших навыков, необходимых людям, работающим в экономике будущего.

Конн говорит, что использование логического дерева особенно полезно для небольших групп, члены которых могут задавать вопросы друг другу и разбивать работу на управляемые части. «Это особенно хорошо работает, если вы создаете команды для этого», — говорит он. Они не обязательно должны быть ограничены формальной структурой. «Для таких вопросов, как «Где нам жить?», включите в команду своего партнера. Сделайте свою большую семью командой».