复杂问题的解决能力为什么重要？

复杂问题是指由多个相互作用和影响的因素组成，具有不确定性、动态性和非线性的特征，难以用简单的规律或模型描述和解释的问题。复杂问题具有以下几个特点：

多元性：复杂问题通常由多个因素或变量组成，这些因素之间存在相互作用和影响；动态性：复杂问题通常是动态变化的，即其特征和表现会随时间变化而改变；不确定性：复杂问题的因素之间存在相互作用和影响，因此其表现和结果往往是不确定的，无法准确预测和控制；非线性：复杂问题的因素之间存在非线性关系，即因果关系不是简单的线性关系，难以用简单的规律或模型描述和解释；

复杂问题的特性导致我们不能通过简单的判断找到行之有效的答案，需要掌握足够的方法/工具以及足够的经验实践，进而通过不断地探索和尝试对问题进行求解，找到最佳解决方案。

复杂问题的解决方法

1、界定问题（审题）

对问题的界定是解题的第一步，如果这一步就错了，那么无论后面的方案多么完美，也得不到想要的答案，因为你已经输在了起跑线，基于一个错误的前提假设进行任何推演都无法得到正确的答案。

古希腊哲学家亚里士多德提出过一个观点：每个系统中存在一个最基本的命题，它不能被违背或删除。

这也就是后面被大部分人所熟悉的第一性原理：回归事物最基本的条件，将其拆分成各要素进行解构分析，从而找到实现目标最优路径的方法。

有效界定问题的方式之一是用第一性原理的方法去挖掘问题的本质原因，从问题的表象入手，不断对问题进行拆解，拆解到组成问题的最基本要素，分析各要素之间的关联关系，找到产生问题的最关键要素也就找到了问题的本源。

2、假设驱动（给答案）

假设不是拍脑袋，是有一定科学依据的作答，可能它不是最终的答案，但是给问题提供了一个解决的思路或方向，可以基于这个前提进行下一步的行动，避免一直停留在想的阶段。

假设驱动的价值在于行动起来，这与精益创业理论中的MVP异曲同工，先有一个方向然后快速试验，通过反馈评估效果，从而为下一步的行动提供指导建议。

假设驱动也需要我们给出一个前提假设，如何能够给出一个相对合理的前提假设呢？高效的途径：内在的积累、外部的信息获取；

外部的信息获取：

调查研究，通过外部的内容收集获取到足够多的信息来帮助你进行假设的提出；头脑风暴，通过团队的力量，产生思维碰撞，从中找到问题解决的灵感；寻求专家，找到问题所在领域的专家，通过与高手的交流找到解决问题的方向与思路，这种方式也能扩展你看待问题的视野；

内在积累：

这种方式依靠你过往实践中积累的大量经验，当你具备足够多的经验的时候，面对一个新的问题，能够快速想到一个解题的方向去验证。

内在积累没有好的方法去学习，更多的还是依靠经验的积累，培养解决问题的本能。

3、分而治之（解构）

分而治之，就是对金字塔原理的实践落地：将一个待解决的问题，拆解成三到九个一级核心元素，然后再把这三到九个一级元素，每个分解成下一层三到九个二级元素，如此再往下最终形成一个多层级多节点的金字塔结构。

金字塔结构的搭建需要遵循三个原则：横向不重不漏、纵向支撑、体现价值。

横向不重不漏（MECE原则），指每一个层级的元素之间不能有重复且尽可能不遗漏，保证每一个层级的多个元素之间的独立性及完整性。

纵向支撑，指下一个层级元素对上一个层级元素来说能够起到支撑作用，是存在逻辑关联关系的。一般来说每一个低层级的元素都是为了证明更高一个层级元素的合理性。

体现价值，指无论问题的解决方案还是组成解决方案的元素都是有价值的，能够为问题解决提供有效的支持，而不是为了搭建金字塔而盲目罗列元素。

4、去繁就简（聚焦）

金字塔搭建完成后，对于解决方案来说就形成了多个todo，哪些是必须存在的哪些是可以去掉的，在时间、精力有限的前提下，做决策显得尤为重要。

二八原则其实就是在有限游戏下的最佳游戏策略：面对搭建好的解决方案金字塔，第一步是重新审视组成金字塔的每一个基础要素（todo），是不是必须存在的？可不可以去掉？去掉对最终结果有什么影响？

奥卡姆剃刀定律：如无必要，勿增实体，越简单，越有效。十四世纪英格兰的逻辑学家、圣方济各会修士奥卡姆的威廉在《箴言书注》2卷15题说，切勿浪费较多东西去做，用较少的东西，同样可以做好的事情。

分而治之的目的是做加法，尽可能穷举出所有对解决问题有帮助的元素；而去繁就简则是做减法，通过减法有所聚焦，能够在资源有限的前提下追求解决效率的最大化。

少能够聚焦，多反而造成解决方案臃肿和解题过程中的困扰。

关于复杂问题解决能力的一些观点

1、资源的最佳利用和效率的最大化是人类永恒不变的主题，所有的问题、所有的解决方案最终都会回归到资源和效率上

2、乌卡时代没有一劳永逸的解决方案，事物的变化速度远超过往，在有限条件下寻求当下的最优解才是最高效的解决方案

3、不要试图解决所有的问题，投入100%的精力在最重要的事情上，在现实世界里，局部最优往往就是全局最优，不要试图真正实现全局最优