本文目录导航：
掌握这49个常用思维就能更聪明？
掌握这49个常用思维，你就能变得更聪明
混沌大学创始人李善友教授说：成年人的学习不是记住更多的信息，而是要学会运用更多的模型！模型是前人知识和经验的沉淀，学习模型可以让我们更快速，更全面的了解一个领域的知识！只要我们能掌握49个通用的思维模型，那我们就能解决工作和生活中80%的问题了！一起来看看都有哪些常用的思维模型吧！
1.名称：四象限时间管理；特征描述：分清每一件事。
2.名称：20/80法则；特征描述：做最有价值的事情。
3.名称：GTD法则；特征描述：把事情做完。
4.名称：ZTD时间法则；特征描述：终极简单的效率系统。
5.名称：柳比歇夫法则；特征描述：记录你的时间。
6.名称：番茄工作法；特征描述：将时间切分为小单位。
7.名称：清单工作法；特征描述：让复杂工作变简单。
分类二：沟通思维模型。
1.名称：乔哈里视窗；特征描述：沟通什么最有效。
2.名称：PREP原则；特征描述：清晰表达自己的观点。
3.名称：STAR沟通法则；特征描述：面试说明自己的个人成就。
4.名称：关键沟通7原则；特征描述：如何解决难题，不伤感情。
5.名称：SCRTV表达；特征描述：把思想装进别人的脑袋。
6.名称：FFC赞美法；特征描述：简单的赞美方法。
7.名称：FIRE模型；特征描述：用事实说话。
8.名称：钩子表达法则；特征描述：临场讲话套路。
9.名称：RIDE说服模型；特征描述：改变他人决定。
10.名称：ADISE反馈模型；特征描述：高效反馈。
分类三：思考管理模型。
1.名称：六顶思考帽；特征描述：全面创意思考工具。
2.名称：5Why思考法；特征描述：探究问题本质。
3.名称：GAF思考法；特征描述：全面考虑所有因素。
4.名称：RAD决策；特征描述：如何认识一件事物。
5.名称：MECE法则；特征描述：麦肯锡思考术。
6.名称：DOCA；特征描述：决策量化。
7.名称：ProACT决策模型；特征描述：决策流程。
8.名称：WRAP决策；特征描述：掌握关键决策。
9.名称：KT决策法；特征描述：最负盛名的决策模型。
10.名称：U型思考；特征描述：本质思考法。
分类四：阅读思维模型。
1.名称：费曼法则；特征描述：最强的学习方法。
2.名称：整体性学习；特征描述：知识不是孤立的。
3.名称：茂木速读法；特征描述：快速读完一本书。
4.名称：整体阅读；特征描述：30分钟读完一本书。
5.名称：RIA便签法；特征描述：将知识转化为能力。
6.名称：多重阅读；特征描述：快速吸收一本书的精华。
7.名称：SQRRR读书法；特征描述：世界公认读书最快的方法。
8.名称：SCORE学习法；特征描述：综合性学习法。
9.名称：主题阅读；特征描述：最快掌握一门学科。
分类五：工作管理模型。
1.名称：7W工作分析公式；特征描述：寻找合适的下属去完成项目。
2.名称：6W2H工作表；特征描述：三张表提升你的工作效率。
3.名称：WOOP模型；特征描述：制定一个切实可行的计划。
4.名称：PDCA循环；特征描述：高效执行工作的关键。
5.名称：WBS工作分解；特征描述：将目标分解为任务。
6.名称：ITS工作法；特征描述：工作要讲方法。
7.名称：OKR工作法；特征描述：高绩效工作法。
8.名称：5S管理原则；特征描述：整理是一套管理流程。
9.名称：减压工具；特征描述：职场之减压妙法。
10.名称：POA行动力；特征描述：提升你的执行力。
分类六：目标管理模型。
1.名称：SMART原则；特征描述：有效管理你的目标。
2.名称：MORS法则；特征描述：所有目标都可以被执行。
3.名称：6W3H目标管理；特征描述：分析细化目标。
十种思维逻辑
很多优秀的职场人士，不是说能力如何强，而是长于思考。
大家都说某个人“做事有章有据”，究其根本，在于人家的思维逻辑强，而且能真正应用于实际工作中。
我把这些内容罗列出来，细细一看——道理都懂，就看怎么用！按说，只要长时间训练，这些思维逻辑就能深深地刻在脑海中，形成本能。
但是，真正能用起来的还是凤毛麟角。
所以，按我自己的欠缺程度来排序，将这些内容一一记录。
——————————————一、闭环：有始有终、循环往复管理学科中，有个管理工具（或思维方式）叫“PDCA循环”。
它最大的作用是“持续性改进”，在企业管理中适用于方方面面，如产品研发、人力资源管理、项目管理等。
也适用于个人管理，目前本人正在试验中。
P，即Plan。
做事前先做计划，知道目标是什么，采取什么动作，规避什么风险。
这个计划再简单，也比没有好。
有意识地去制作计划，能够训练自己的规划意识，对我来说，有计划，能很大程度减轻“茫然无措的焦虑感”。
D，即Do。
执行力是很多人最欠缺的特质：想法很棒、计划很完美、资源都到位，就是动不起来！比如我的例子，不管是因为拖延症，还是完美主义，最后都统一归结为执行力的问题。
让自己动起来的唯一方法，就是自己骂自己一通，然后做着做着就上手了。
C，即Check。
执行过程中，要有随时停下来检查、控制变量的意识。
在运营工作中，“灵活应变”是基本要求，盲目执行不可取。
要灵活应变，就得定期复盘，可能是每个月，每周，每天，甚至是下一刻。
复盘出来的结果只有两种：好的经验、坏的教训。
A，即Act。
因为费脑子去想这些问题了，所以不能浪费，要把这些经验、教训标准化，形成下一步行动方案。
好的经验要吸收，踩过的坑要迈过去。
由此产生新一轮的PDCA。
“闭环”意识的实际应用，在于“循环往复”，它带来的最大影响，应该是“螺旋式上升”。
二、试验：敢尝试、会尝试获得的知识、经验，要去尝试，证明它是可行的、有价值的。
没有被证明过的知识、经验，都是空谈。
所以，一定要去试验，拿结果来说话。
我的工作履历中，一直和产品研发岗打交道，深受影响的一个试验方法就是“A/B Test”。
比如，我们准备迭代一个新页面，但是拿不准某个icon的命名效果，那就两个方案一起上，以测出来的结果为准，大家喜欢哪个就用哪个。
这就是典型的“A/B Test”，很简单，也很实用。
同时，“试验”应贯穿于所有策略中，无论是组织管理、产品研发，还是个人管理，都要持续不断地尝试新方案，在不断的试错中收集有效反馈，确保最后结果是经过“对比论证”的，“试验”越多，其结果越接近于正确。
爱迪生有句话挺好——“我没有失败，我只是发现了种不成功的办法”。
三、数据：Data tell the truth很多人做决策、说话，凭感觉——“差不多”、“我觉得”、“估计”、“可能是”......这类词汇在国人口中太容易出现了。
原因就在于对数据的不重视，或者不能有效利用数据。
我经历过很多次打脸后，才猛然意识到数据的重要性，对数据的使用也是逐步建立、丰富起来的。
严谨的性格背后是一整套数据体系的支撑，每一次优化都来自数据提供的真相。
数据管理，先做好数据埋点。
埋点，主要关注这几个层面：人力：做个人管理，就自己一人，没什么好考虑的。
涉及协作的，要看人员数量、能力擅长/缺陷（可以评分）、关系亲密程度（评分）、社会背景（评分）等。
总之，人力方面的数据化，一是罗列指标，二是评分制，让定性尽可能转化为定量。
时间：每人每天的时间都是24小时，这一点上大家都是公平的，差距体现在24小内的利用程度。
做好时间的统计，最核心的指标是时间上的投入产出比。
仅仅在“玩手机”一项，就可以查看各个APP的时间占用时长，再去看每个APP的收入如何，就很清楚哪些行为是真正有价值的。
资金：记账，是各种理财知识的基础，不记账，从一开始就对钱无感，何谈理财？所以对资金的数据分析，第一步就是做好记账。
懒得记也没关系，把收入、支出渠道统一到支付宝，它可以自动记账，年底还能来一份年度账单，方便的很。
数据思维的训练，可以分为三步：1、确立指标体系数据好找，但是哪些是我需要的，哪些是多余的，这些都要提前想清楚，所以“指标”才是最重要的。
体系的构建，除了多项指标的集合之外，还需要三个对比维度：和自己比、和竞争对手比、和大盘比。
2、收集数据指标建好之后，就是让数据进到这个体系内。
一是做好数据埋点，二是找一个汇总分析工具，三是生成报告（最好能自动提醒）。
3、优化这里的“优化”，分为两个含义：一是动作上的优化，二是指标上的优化。
第一个：指标没问题，数字真实，反映出来的问题，就是需要优化接下来的动作。
第二个：措施、执行上都没问题，数字也对，但是达不到指标，或很容易达成指标，那就是指标有问题、不合理，要么改数值，要么换指标。
四、逻辑链：懂逻辑的人不要太可怕“逻辑”这个词很虚，大部分人都听过，但是很少人能理性对待逻辑，更别提熟练使用。
从学术上讲，逻辑包括形式逻辑、辩证逻辑。
形式逻辑分为归纳、演绎；辩证逻辑包含矛盾、对称。
归纳，可以理解为科学家——把大量实验结果的原因找出来，上升为科学理论。
演绎，可以理解为侦探——根据已知的理论，从现象出发，推测出结果。
辩证，其内容复杂，很难一下子概括出来，建议通读《毛泽东选集》。
逻辑链的意思，就是从某个节点出发，分别向前、向后去探究，链条越长，越能抓住事物本质。
1、多问几个“为什么”：包括证据、限定条件，即“怎么证明这个结论，大前提是什么”？探究原因，有助于理解问题根源。
2、多问几个“然后呢”：第一是会出现几种结果，第二是各自的限定条件是什么，第三各自的触发概率是多少？深挖结果，有助于提出行动方案。
懂逻辑的人，总是能根据现有的情况，采用相对合理的策略去执行，以最小成本换取最高收益。
五、决策树：排除干扰，追求精准做产品设计，特别是涉及到用户操作这一块，对“决策树”的概念肯定不陌生。
从顶端设计开始，一层一层地往下开展，每个模块都能分出好几条支线，最终形成一个庞大的树状结构。
每一层划分，都有参考依据，比如考虑职业选择时，可以罗列出年龄、兴趣、能力擅长、薪资、职级等；越接近顶端，其参考依据的权重越高，比如最看重的是薪资，低于3万月薪的不考虑，面临众多机遇时，就能排除掉一大批干扰项；参考依据有变化时，需要调整决策树的机构，比如更看重职级，主管、经理都不考虑，那就看看总监级别的职位。
总而言之，决策树的作用，归根结底，就是用来排除，要的就是精准结果。
六、时间：谁都逃不过改变时间序列的最大影响，在于万事万物都会改变，可能从某一节点来看，它是不变的，但是时间一拉长，肯定有明显的变化。
所以，固步自封是坚决反对的，积极面对新的变化，才是趋利避害的基本态度。
对于时间序列特点，可以从三个角度来看：1、趋势：数学分析中很重视趋势，它是一直长期的单调状态（递增或递减），趋势变化的那个点被称为“拐点”。
股市曲线图最能说明这个特点：单个交易日内的股价变动很频繁，但是时间一拉长，比如1个月，或者1年，能够很明显的看到这只股票的整体趋势如何。
所以必须站在时间跨度很大的环境下，才能洞察趋势的变化，之后能做的就是“顺势而为”。
比如袁世凯，顺势反清，成为民国实权第一人；逆势称帝，抑郁含恨而亡。
2、季节：短时间的波动规律，比如降雨表、用电表，很典型的季节性表现。
而且，现实情况中，季节与趋势是互相结合的：拉长时间来看趋势；固定时间来看谷峰变化。
3、周期：长时间的波动，即为“周期变化”。
宏观经济中有个规律，大概十年左右发生一次经济危机，十年，就是经济繁荣与衰退的变化周期。
有周期意识的，比有趋势思维的，要高出一个层次。
因为趋势有终点，大趋势上扬时，需要保持足够警惕，等待拐点的来临，一旦情形有变，立刻抽身而去。
所以，我们需要着重锻炼自己的时间序列意识。
目的也很简单：一是预判未来走向，二是识别异常情况，三是设置安全区域。
但很难实现，能实现的那些人，已经在历史上证明了自己。
七、相关性：繁杂数据中找出隐形关联没有必然关系的时候，我们就去找相关关系。
现实中的各项数据、事物关联等，是错综复杂的，特别是当今的“大数据时代”，繁杂的信息让人应接不暇，更别提好的处理方法。
找相关，只看最显著的两个要素之间的数据关联：正相关、负相关、不相关、非线性相关。
最方便的查看工具，就是坐标轴，Excel中有相关性的图表，直接套用即可。
当然，严谨的决策，不能只看某一种维度的相关性，它只是一个不错的视角而已。
八、漏斗：厚积才能薄发搞运营的都清楚这个模型：AARRR模型，典型的漏斗思维。
Acquisition：获取Activation：活跃Retention：留存Revenue：收入Refer：传播每一层都有一定的容量，漏斗越往下，容量越小；每层之间的比例，即转化率。
对应地，我们能做的，一是扩大容量；二是提升比例。
即增加数据量，提高转化率。
无论是做企业方面的用户管理，还是做个人方面的收入提升，都是同样的道理。
所以，什么时候都要强调“夯实基础”的重要性。
九、矩阵：可量化的指标才是好的指标我在大学的专业课上，印象最深的就是“波士顿管理矩阵”，后来的工作中也频频用到，主要是为了做选择。
按照BCG Matrix的理念：每块业务，都可以简单的按照“市场份额”、“增长率”两个维度来设定矩阵。
对应地，这个矩阵会产生4个象限：低份额+低增长：瘦狗业务低份额+高增长：问题业务高份额+低增长：奶牛业务高份额+高增长：明星业务确定好业务的性质以后，砍掉“瘦狗”、调整“问题”、维持“奶牛”、发展“明星”——决策也随之产生。
其他事项也可以套用：首先找准两个最关键的维度，其次列出四个象限，最后评估各个模块并决策。
十、分类：人以类聚，物以群分运营工作，最基础的工作思维就是分类，再复杂也能分得出来，也必须得分出来。
因为运营工作的要求之一是精准，精准的前提是分类。
只有细分，才能精准地抓到各个细节，加以定位，才好做决策。
换到个人管理上，也是一样：健身保养、思维提升、技能训练、人际加强等，再琐碎的事项，都能装到各个桶里。
分类的作用，就是理出脉络，精准地制定行动方案。
它应该是最基本的处事思维。
系统动力学模型框架
【书籍/课程名称】《模型思维》系统动力学模型【类型】书籍目录框架/课程框架 【关键词】 * 系统动力学模型，系统论，源汇，捕食者-猎物模型，洛特卡-沃尔泰拉方程，行动间接影响，非直观结论 【摘要】 * 系统动力学模型可以分析那些有反馈和相互依赖性的系统，可以用于对生态和经济、供应链和生产过程建模。
* 系统动力学模型可以提高我们通过包含正反馈和负反馈的逻辑链进行思考的能力。
* 系统动力学模型通常要包括源（source）、汇（sink）、存量（stock）、流量、速率和常数等组成部分。
源产生对系统的输入，汇吸收输出，存量跟踪变量的水平，流量刻画各存量水平之间的反馈，速率和常数用于流量，流量可以是随时间变化的，也可以是固定不变的。
* 系统动力学模型可以同时包括正反馈和负反馈。
当变量或属性的增加导致同一变量或属性的更大增加时，就会出现正反馈；负反馈会抑制趋势，往往带来理想的属性，防止泡沫和崩盘，负反馈有助于提升系统鲁棒性。
* 使用系统动力学模型，我们通常可以确定复杂性的原因。
当系统既包括正反馈又包括负反馈时，就会产生复杂性。
* 这些模型与马尔可夫模型的不同之处在于，在这里速度是可以调整适应的（它起到了转移概率的作用）。
因此，这种模型不一定会达到均衡。
我们必须运行模型才能看清楚会发生什么。
此外，因为不必求解结果，所以也不用担心假设的易处理性。
【一、系统动力学模型】* 任何一个系统动力学模型都由源、汇、存量和流量组成。
源产生存量；存量是某个变量的数量或水平；流量描述了存量水平的变化；汇能够捕获来自存量的流量输出；汇和源是不包含在模型中的过程的“占位符”；存量水平会根据源和流量随时间推移而变化。
* 系统动力学模型使用如图所示的表征系统。
源和汇用云表示，存量用方框表示，流量用箭头表示并附以加号或减号标识，可变流量用倒三角形表示，而不变流量则用被流量箭头对穿的圆圈表示。
正箭头表示正反馈（更多会带来更多），负箭头表示从一个变量到另一个变量的负反馈。
* 【二、捕食者-猎物模型】* 我们需要构建出捕食者-猎物模型的定量版本：洛特卡-沃尔泰拉方程。
* * 这两个微分方程分别描述了野兔和狐狸的数量随时间发生的变化。
当方程等于零时，野兔和狐狸的数量不再改变，系统处于均衡状态。
* 第一个均衡是灭绝均衡（extinction equilibrium），野兔和狐狸都不复存在。
* 第二个均衡是内点均衡（interior equilibrium），在内点均衡中，狐狸和野兔的数量均为正。
* 模型可以产生符合直觉的结论，也能够产生不那么直观的结论。
这个模型表明，狐狸的均衡数量完全不依赖于狐狸的死亡率；野兔的均衡数量不依赖于野兔的增长速度，也不依赖于野兔被狐狸吃掉的速度，而是取决于狐狸的死亡速度和狐狸将野兔吃掉“转化为”更多狐狸的速度。
对于这些结果，直觉“失败”了，因为我们无法直观地想清楚这里面的反馈机制。
* 能够得出像这样的非直观结论，正是系统动力学模型的标志特征。
直觉在这里“失败”了，因为我们只锁定了直接影响而未能思考整个逻辑链。
即便增加（或减少）速度或流量的直接影响是增加（或减少）存量，系统以正反馈和负反馈的形式产生的影响也意味着，其他存量的值也会发生改变，因此速度或流量变化的净效应可能会减少、会被抵消，甚至可能会被逆转。
* 在运行模型之前，我们并不知道这个方程组是否将会产生均衡、周期性、随机性，抑或复杂性。
我们所知道的只是，均衡的确存在。
【三、系统动力学模型的应用】* 系统动力学模型既可以包括正反馈回路，也可以包括负反馈回路。
正反馈回路可能导致良性循环，也可能导致恶性循环。
系统动力学模型可以帮助我们预测恶性循环。
* 虽然从“事后诸葛亮”的角度来看，这种恶性循环似乎是显而易见的，但是我们其实无法保证，即使澳大利亚的决策者当时已经构建了一个系统动力学模型，他们明白采取这项政策会带来的恶劣后果。
重要的是，写出系统动力学模型，至少有可能会帮助他们看到，银行存在保险制度会在金融体系内产生更加广泛的影响。
如果是这样，他们应该是有可能会注意到这个恶性循环的。
这个例子还说明了数据的局限性。
* 从事后回顾的角度来看，负反馈中有许多似乎都是显而易见的，但是要想提前做出预测，可能就不是一件容易的事情了。
写出一个定性的系统动力学模型能够使这些反馈回路变得清晰，从而帮助我们成为更好的思考者。
【四、认知升级】* 构建一个有用的系统动力学模型的“艺术”体现在，既要包括足够多的细节来揭示我们的直觉哪里行不通，但是也不能包括过多的细节，以至于会创造一个像现实世界一样混乱的泥淖。
最有用的系统动力学模型都位于边界上。
这些模型可以揭示出意想不到的效应，并有助于更好地采取政策行动。
* 系统动力学模型的巨大价值部分在于能够帮助我们深入思考自己行动的影响。
我们通常都能够考虑到政策的直接影响：对窗口征税能够增加收入；安装防抱死制动器能够挽救生命。
但是我们并不一定随时都会考虑到间接影响，也就是各种正反馈和负反馈。
这些模型恰恰能帮助我们更清晰、更深入地进行思考。