人人都是設(shè)計師
凡是以將現(xiàn)存情形改變成理想情形為目標(biāo)而構(gòu)想行動方案的人都在搞設(shè)計。
我們生來便是設(shè)計師，設(shè)計是我們生命中絕大部分時間的主線任務(wù)，設(shè)計職業(yè)生涯、設(shè)計幸福的婚姻、設(shè)計自己的人生故事。設(shè)計雄安發(fā)展規(guī)劃，設(shè)計一家公司、設(shè)計一個產(chǎn)品，設(shè)計無時無刻不在我們身邊。
從適應(yīng)性系統(tǒng)理解設(shè)計，就要去思索內(nèi)部系統(tǒng)、外部環(huán)境以及目標(biāo)之間的關(guān)系，這是一切創(chuàng)造的開始，也是人之所為人最大的樂趣。
最優(yōu)化問題的數(shù)學(xué)化解法
最優(yōu)化方法的邏輯是：設(shè)計問題的「內(nèi)部環(huán)境」由一組給定的備選行動方案來表現(xiàn)。這些備選方案可以詳細(xì)給出，但更經(jīng)常地是由規(guī)定了任務(wù)領(lǐng)域的命令變量來表示。「外部環(huán)境」則由一組參量表征，我們可以確切地知道這些參量的大小，也可能只知道他們的概率分布。
內(nèi)部環(huán)境適應(yīng)外部環(huán)境所要實現(xiàn)的目標(biāo)由一效用函數(shù)確定，或許再補(bǔ)充上幾個約束條件。因此最優(yōu)化問題就是要求出一組可接受、與約束條件相容的命令變量的值。在環(huán)境參量值給定的情況下，命令變量的這組數(shù)值使效用函數(shù)達(dá)到極大。
最優(yōu)化問題一旦形式化就成了標(biāo)準(zhǔn)的數(shù)學(xué)問題，使一受到約束的函數(shù)最大化，那么，用以推出答案的邏輯顯示就是數(shù)學(xué)賴以建立的謂詞演算標(biāo)準(zhǔn)邏輯。
在沒有經(jīng)過一定學(xué)術(shù)訓(xùn)練的情況下，我們解決工作或生活中的問題時，多數(shù)是憑借過去的經(jīng)驗或直接推理，因此，我們解決問題的方式往往是線性式的，從1到2、3、4、5，直到找到給出解答。
而西蒙對解答問題提供了兩個更高階的思維工具：構(gòu)造表象，數(shù)學(xué)化。
拿互聯(lián)網(wǎng)產(chǎn)品的一些問題舉例，當(dāng)我們思考如何提升產(chǎn)品價值、銷售額、關(guān)注數(shù)時，可以從一個具象的問題抽離出抽象的表象，再借由數(shù)學(xué)化公式，也可以對問題進(jìn)行更底層的分析。數(shù)學(xué)化之后，約束條件、命令變量、環(huán)境參量立馬變得清晰可見，我們只要把命令變量對環(huán)境進(jìn)行最大程度的適應(yīng)匹配，便可以找到最優(yōu)化或者說相較普通解法更滿意的解法。
比如：
- 互聯(lián)網(wǎng)產(chǎn)品價值=功能+體驗+用戶參與價值
微信為何價值巨大？即時通信記憶基于朋友圈的社交功能，簡單易用的體驗，上億用戶的參與，中國網(wǎng)民最大的虛擬需求場景，最終搶占了多數(shù)國民的注意力資源。不同的產(chǎn)品階段，其約束條件和命令變量都不一樣。
又如：
- 銷售額=活動流量付費(fèi)率客單價
- 關(guān)注數(shù)=內(nèi)容質(zhì)量文章數(shù)量更新頻率*重復(fù)曝光率
數(shù)學(xué)化之后解答問題的過程是這樣的，首先，考察滿足外部環(huán)境限制的所有可能狀態(tài)；然后，從此集合中找到滿足目標(biāo)的其他約束條件、又使效用函數(shù)最大化的特定狀態(tài)。在一個滿足所有這些條件的狀態(tài)中，命令變量會取什么值，然后作出結(jié)論說，這些就是命令變量應(yīng)當(dāng)取的值。
問題數(shù)學(xué)化的思維是職場高手和新手的巨大差別，它把問題塞進(jìn)了和基于經(jīng)驗的線性思考完全不同的思維框架，放佛進(jìn)入了另一個時空，它把問題簡化成一個有美感的公式，以此為撬動問題的杠桿，它綜合考慮了外在環(huán)境、內(nèi)在環(huán)境，它會促進(jìn)解答者檢索搜索樹，避免遺漏，這樣的思維大殺器不得不掌握。
流程化思維
備選方案搜索的一個特點是：解決方案（即構(gòu)成最后設(shè)計的完成行動）是由一個單元行動序列構(gòu)成的。備選方案空間的大小之所以如此驚人，是因為并不需要很多個單元行動就可以組合出很多很多種行動序列。
在我們談?wù)摂?shù)學(xué)化思維之后，最優(yōu)化問題依然可以從西蒙提到「行動序列」獲得啟發(fā)。將問題單元放在構(gòu)成了完整行動的序列的相應(yīng)位置來考察，這樣做獲益良多。
我們之所以無法解決問題，是未曾找到一條順暢的高速公路。比如，設(shè)計提升用戶注冊數(shù)的方案：
- 訪問-demo-注冊-試用
- 訪問-注冊-demo-試用
行動序列的單元沒有變化，僅僅只是調(diào)整了單元的順序，最終帶來的結(jié)果卻非常不一樣。用戶是反感注冊的，把demo體驗提前，用戶能更快地感知到產(chǎn)品價值，最終帶來的價值轉(zhuǎn)化必定大得多。
現(xiàn)實世界中的解決問題系統(tǒng)和設(shè)計程序不僅僅是將單元方案裝配成問題的解答，還得搜尋適當(dāng)?shù)难b配件。因此，行動序列在更替?zhèn)€別單元之后就產(chǎn)生了新組合，新解法。
凡是由于做不到最優(yōu)而追求滿意的所有各種情形都有一個特征：雖然現(xiàn)有備選方案的集在某種抽象意義上是「給定的」（我們可以規(guī)定一個發(fā)生者，它保證最終能產(chǎn)生所有這些方案），但它偏偏在切合具體情況的意義上不是「給定的」。
受實際計算能力的限制，我們不可能產(chǎn)生出所有可接受方案，然后再比較它們的相對優(yōu)劣。即使我們足夠幸運(yùn)，最好方案很早就產(chǎn)生了出來，但我們只有等到全部方案都出來后將它們?nèi)匆槐?，才能發(fā)現(xiàn)它是最好的。現(xiàn)在，我們?yōu)榱藵M意化而采取這樣一種尋找備選方案的方式，使得在僅僅少量搜索后一般就能找到可接受的方案。
至此，我們可以得出一個有待驗證的假設(shè)：我們之所以找不到問題的解法，很大程度在于手里的備選方案實在太少，手里的排列組合實在太少，可嘗試及驗證的路徑太少，因此往往限于都不滿意的困境。
在數(shù)學(xué)化之后，我們從西蒙手中獲得的另一個思維利器則是——流程化思維，流程化是拆分成多個行動單元，對行動單元做順序排列、拆解、更替、組合，實際上依然是在數(shù)學(xué)化的范疇內(nèi)，對約束條件、命令變量做整合優(yōu)化，直到找到一條滿意的路徑。
人生的多籃子策略
經(jīng)濟(jì)學(xué)早就告訴我們，將雞蛋放在一個籃子里的風(fēng)險最大，分裝到幾個籃子里的做法經(jīng)常是高效的。也就是說，不要一條路走到黑，結(jié)果要么大獲全勝，要么一敗涂地，而要從一開始就探索幾條嘗試性的路徑，接著，從嘗試性路徑中再跳出幾條在當(dāng)時看來最有前途的路子。如果改在走著的某條路徑開始顯得前景不那么光明了，可用另一條路在原來的優(yōu)先次序上拍得較后的路徑來代替。
這個策略最實際的應(yīng)用是LinkedIn和Paypal的聯(lián)合創(chuàng)始人Reid Hoffman的ABZ理論，他認(rèn)為，你在任何時刻，手中都需要有三個計劃：A計劃、B計劃和Z計劃。
A計劃，是一個當(dāng)下你覺得值得你去持續(xù)投入，并獲得部分產(chǎn)出和安全感的計劃，好比一份你現(xiàn)在正在投入和從事著，且還算滿意的工作。
B計劃，則是一個A計劃以外，你給自己培育的某些機(jī)會。B計劃是那些當(dāng)下看起來還不足以成為你的職業(yè)，但你對其存有興趣或長遠(yuǎn)看好，值得去長期投入和關(guān)注的事情。B計劃追求的是「可能的自我」，是在實際的行動中培育出多種可能的自己，它相當(dāng)于火箭最上面的部分，如果末尾的火箭燃料燒盡，那它們就會成為你職業(yè)生涯最有利的助推器。
最后是Z計劃。Z計劃是一個用來應(yīng)對最糟糕狀況的備用計劃，即：假如有一天，你倒霉透頂，你的A計劃和B計劃都失敗或失效了，你應(yīng)該有一個可以保證自己生存底線的計劃。
你無法預(yù)測未來，只能創(chuàng)造未來
準(zhǔn)確的預(yù)測難在哪里？
1.好的預(yù)測要么要求對有待預(yù)測的現(xiàn)象有理論認(rèn)識，作為預(yù)測模型的基礎(chǔ)，要么要求待預(yù)測現(xiàn)象是十分有規(guī)律的，以致可以對他們簡單地進(jìn)行外推。
由于人類事物的數(shù)據(jù)很少滿足后一條件，因此，我們的預(yù)測只能與理論處于同一水平。
- 預(yù)測的第二個前提條件是擁有關(guān)于初始條件的可靠數(shù)據(jù)。
設(shè)計的數(shù)據(jù)問題不是預(yù)測，而是為未來構(gòu)造可供選擇的場景，分析它們對理論誤差和數(shù)據(jù)誤差的敏感性。預(yù)測全球變暖的準(zhǔn)確路徑是一項吃力不討好的任務(wù)，更可行、更可用的是制定一些可供選擇的政策，在適當(dāng)?shù)臅r候退出這些政策可以減緩變暖速度，減弱其不良影響，并利用其正面效應(yīng)。
因此，我們明白了預(yù)測是件吃力不討好的事情，世界時刻在變化，我們能做的事提高自己的理論水平，知曉世界的大方向在何處，剩下的便是一步一個腳印的設(shè)計行動策略，以及行動。
設(shè)計思維：7個設(shè)計課題的融合
西蒙提出設(shè)計科學(xué)課程的7個中心課題：
- 作為已知備選方案間進(jìn)行合理選擇的邏輯框架的效用論和統(tǒng)計決策理論
- 實際求出現(xiàn)有方案中的哪個為最優(yōu)的方法體系
- 改動標(biāo)準(zhǔn)邏輯以適應(yīng)對備選方案的搜索。設(shè)計解答是一系列行動序列，對于滿意化滿標(biāo)，所尋求的可能狀態(tài)很少是唯一的，搜索的是實現(xiàn)目標(biāo)的充分行動而不是必要行動
- 目前狀態(tài)與理想狀態(tài)之間的差別的并行分解的利用。分解方法是有著廣泛用途的解題技術(shù)，手段-目的分析是其中一個例子
- 將搜索用的資源分配給備選的、已進(jìn)行了部分探索的行動序列
- 復(fù)雜結(jié)構(gòu)的組織及其設(shè)計過程的組織的隱含意義
- 設(shè)計問題的表現(xiàn)：構(gòu)造作為問題表現(xiàn)的框架的組織，外套限制因素建立表象，表現(xiàn)非量化的問題
我嘗試把這七個課題融入到斯坦福大學(xué) Design School 的「設(shè)計思維模型」理解中。
第一步：Empathize（“移情理解”，意思是要有同情心，同理心，感知客戶有些什么問題）。
在西蒙的設(shè)計科學(xué)中，這里指的是理解內(nèi)部環(huán)境、外部環(huán)境，是理解客戶的需求，是移情到需求場景。這也是「現(xiàn)場管理」，是去問「我們的客戶是誰，客戶重視的是什么？」創(chuàng)新必定來自于外部，你只有把眼光擴(kuò)張到外部世界，才有可能看到機(jī)會。
第二步：Define（下定義）
在了解客戶之后，用一句很精簡的話來告訴別人你這個團(tuán)隊或者項目是想要做什么。
《人工科學(xué)》之前的章節(jié)已經(jīng)討論過，適應(yīng)系統(tǒng)分為目標(biāo)、外部環(huán)境與內(nèi)部環(huán)境，體內(nèi)平衡是內(nèi)部系統(tǒng)與目標(biāo)之間的關(guān)系始終保持不變。在了解內(nèi)部系統(tǒng)和外部需求之后，對目的/任務(wù)/問題做出明確的定義。
第三步：Ideate（“設(shè)想”，其實就是做頭腦風(fēng)暴，盡可能多的去想解決方案，想自己項目可能涉及到的人，然后再簡化為一個具體的方法）。
頭腦風(fēng)暴有其固有的局限性，但作為初期檢索備選方案時并非不可用。在前文已經(jīng)對頭腦風(fēng)暴做過批判，我們反對無盡的隨意生成想法，推崇試驗式，避開窮舉式搜索，作出假設(shè)，先把一個巨大空間縮小成小空間，在多種假設(shè)的牽引下縮小搜索范圍。通過效用論和統(tǒng)計決策理論對備選方案進(jìn)行合理選擇。
當(dāng)我們尋求令人滿意的方案時，一旦發(fā)現(xiàn)「候選者」，我們就可以問：「這一方案滿足所有的設(shè)計標(biāo)準(zhǔn)碼？」=》「下一步我應(yīng)在哪里搜索」=》「我什么時候停止搜索，以某種解答作為令人滿意的解答?！顾仁撬阉鞯膶?dǎo)向機(jī)制，又是以判斷何時結(jié)束搜索的滿意化程度的標(biāo)準(zhǔn)。
第四步：Prototype（“原型”，用最短的時間和花銷來做出解決方案）。
數(shù)據(jù)是驗證想法最有利的武器，數(shù)據(jù)來自于現(xiàn)場而非憑空想象，備選方案的一系列行動序列要達(dá)到最優(yōu)化，只有實踐之后才知道應(yīng)該改動什么標(biāo)準(zhǔn)邏輯就。也只有先行探索部分關(guān)鍵的行動序列，才能把資源更合理的利用。
通過數(shù)學(xué)化和流程化設(shè)計出解決問題的「原型」，便可以到現(xiàn)場去驗證了。
第五步：Test（顧名思義，測試產(chǎn)品原型）
Test是通過測試產(chǎn)品原型去重新審視自己的產(chǎn)品，甚至是去完善早前定下來的POV。
人類，若視作行為系統(tǒng)，行為隨時間而表現(xiàn)出的表觀復(fù)雜性主要是我們所處環(huán)境的復(fù)雜性的。
測試是為了了解復(fù)雜性、進(jìn)而簡化復(fù)雜性，最終拆解出核心簡單結(jié)構(gòu)，匹配和適應(yīng)環(huán)境。
