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而構(gòu)想行動方案的人都在搞設(shè)計玷氏。
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)腋舌，設(shè)計職業(yè)生涯盏触、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)劃赞辩，設(shè)計一家公司雌芽、設(shè)計一個產(chǎn)品，設(shè)計無時無刻不在我們身邊辨嗽。
從適應(yīng)性系統(tǒng)理解設(shè)計世落，就要去思索內(nèi)部系統(tǒng)、外部環(huán)境以及目標之間的關(guān)系糟需，這是一切創(chuàng)造的開始屉佳，也是人之所為人最大的樂趣。
最優(yōu)化問題的數(shù)學化解法
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)篮灼。這些備選方案可以詳細給出忘古，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∽缬眨「外部環(huán)境」則由一組參量表征髓堪，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娘荡。
內(nèi)部環(huán)境適應(yīng)外部環(huán)境所要實現(xiàn)的目標由一效用函數(shù)確定干旁，或許再補充上幾個約束條件。因此最優(yōu)化問題就是要求出一組可接受炮沐、與約束條件相容的命令變量的值争群。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)達到極大大年。
最優(yōu)化問題一旦形式化就成了標準的數(shù)學問題换薄，使一受到約束的函數(shù)最大化，那么翔试，用以推出答案的邏輯顯示就是數(shù)學賴以建立的謂詞演算標準邏輯轻要。
在沒有經(jīng)過一定學術(shù)訓練的情況下，我們解決工作或生活中的問題時垦缅，多數(shù)是憑借過去的經(jīng)驗或直接推理冲泥，因此，我們解決問題的方式往往是線性式的壁涎，從1到2凡恍、3、4怔球、5嚼酝，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)造表象庞溜，數(shù)學化革半。
拿互聯(lián)網(wǎng)產(chǎn)品的一些問題舉例碑定，當我們思考如何提升產(chǎn)品價值、銷售額又官、關(guān)注數(shù)時延刘，可以從一個具象的問題抽離出抽象的表象，再借由數(shù)學化公式六敬，也可以對問題進行更底層的分析碘赖。數(shù)學化之后，約束條件外构、命令變量普泡、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)境進行最大程度的適應(yīng)匹配审编，便可以找到最優(yōu)化或者說相較普通解法更滿意的解法撼班。
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垒酬，簡單易用的體驗砰嘁，上億用戶的參與，中國網(wǎng)民最大的虛擬需求場景勘究，最終搶占了多數(shù)國民的注意力資源矮湘。不同的產(chǎn)品階段，其約束條件和命令變量都不一樣口糕。
又如：
- 銷售額=活動流量付費率客單價
- 關(guān)注數(shù)=內(nèi)容質(zhì)量文章數(shù)量更新頻率*重復曝光率
數(shù)學化之后解答問題的過程是這樣的缅阳，首先，考察滿足外部環(huán)境限制的所有可能狀態(tài)景描；然后十办，從此集合中找到滿足目標的其他約束條件、又使效用函數(shù)最大化的特定狀態(tài)超棺。在一個滿足所有這些條件的狀態(tài)中橘洞，命令變量會取什么值，然后作出結(jié)論說说搅，這些就是命令變量應(yīng)當取的值。
問題數(shù)學化的思維是職場高手和新手的巨大差別虏等，它把問題塞進了和基于經(jīng)驗的線性思考完全不同的思維框架弄唧，放佛進入了另一個時空，它把問題簡化成一個有美感的公式霍衫，以此為撬動問題的杠桿候引，它綜合考慮了外在環(huán)境、內(nèi)在環(huán)境敦跌，它會促進解答者檢索搜索樹澄干，避免遺漏逛揩，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)成的麸俘。備選方案空間的大小之所以如此驚人辩稽，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)學化思維之后从媚，最優(yōu)化問題依然可以從西蒙提到「行動序列」獲得啟發(fā)逞泄。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，這樣做獲益良多拜效。
我們之所以無法解決問題喷众，是未曾找到一條順暢的高速公路。比如紧憾，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到千，僅僅只是調(diào)整了單元的順序，最終帶來的結(jié)果卻非常不一樣赴穗。用戶是反感注冊的憔四，把demo體驗提前，用戶能更快地感知到產(chǎn)品價值望抽，最終帶來的價值轉(zhuǎn)化必定大得多待榔。
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?shù)难b配件程癌。因此璧诵，行動序列在更替?zhèn)€別單元之后就產(chǎn)生了新組合，新解法辑奈。
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)生者苛茂，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」鸠窗。
受實際計算能力的限制妓羊，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)劣稍计。即使我們足夠幸運躁绸，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)匆槐槌枷拍馨l(fā)現(xiàn)它是最好的【还危現(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硅则，使得在僅僅少量搜索后一般就能找到可接受的方案淹父。
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怎虫，很大程度在于手里的備選方案實在太少暑认，手里的排列組合實在太少困介，可嘗試及驗證的路徑太少，因此往往限于都不滿意的困境蘸际。
在數(shù)學化之后座哩，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捡鱼，對行動單元做順序排列八回、拆解、更替驾诈、組合缠诅，實際上依然是在數(shù)學化的范疇內(nèi)，對約束條件乍迄、命令變量做整合優(yōu)化管引，直到找到一條滿意的路徑。
人生的多籃子策略
經(jīng)濟學早就告訴我們闯两，將雞蛋放在一個籃子里的風險最大褥伴，分裝到幾個籃子里的做法經(jīng)常是高效的。也就是說漾狼，不要一條路走到黑重慢，結(jié)果要么大獲全勝，要么一敗涂地逊躁，而要從一開始就探索幾條嘗試性的路徑似踱，接著，從嘗試性路徑中再跳出幾條在當時看來最有前途的路子稽煤。如果改在走著的某條路徑開始顯得前景不那么光明了核芽，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理論酵熙，他認為轧简，你在任何時刻，手中都需要有三個計劃：A計劃匾二、B計劃和Z計劃哮独。
A計劃，是一個當下你覺得值得你去持續(xù)投入察藐，并獲得部分產(chǎn)出和安全感的計劃借嗽，好比一份你現(xiàn)在正在投入和從事著，且還算滿意的工作转培。
B計劃，則是一個A計劃以外浆竭，你給自己培育的某些機會浸须。B計劃是那些當下看起來還不足以成為你的職業(yè)惨寿，但你對其存有興趣或長遠看好，值得去長期投入和關(guān)注的事情删窒。B計劃追求的是「可能的自我」裂垦，是在實際的行動中培育出多種可能的自己，它相當于火箭最上面的部分肌索，如果末尾的火箭燃料燒盡蕉拢，那它們就會成為你職業(yè)生涯最有利的助推器。
最后是Z計劃诚亚。Z計劃是一個用來應(yīng)對最糟糕狀況的備用計劃晕换，即：假如有一天，你倒霉透頂站宗，你的A計劃和B計劃都失敗或失效了闸准，你應(yīng)該有一個可以保證自己生存底線的計劃。
你無法預測未來梢灭，只能創(chuàng)造未來
準確的預測難在哪里夷家？
1.好的預測要么要求對有待預測的現(xiàn)象有理論認識，作為預測模型的基礎(chǔ)敏释，要么要求待預測現(xiàn)象是十分有規(guī)律的库快，以致可以對他們簡單地進行外推。
由于人類事物的數(shù)據(jù)很少滿足后一條件钥顽，因此义屏，我們的預測只能與理論處于同一水平。
- 預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)耳鸯。
設(shè)計的數(shù)據(jù)問題不是預測湿蛔，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)誤差的敏感性县爬。預測全球變暖的準確路徑是一項吃力不討好的任務(wù)阳啥，更可行、更可用的是制定一些可供選擇的政策财喳，在適當?shù)臅r候退出這些政策可以減緩變暖速度察迟，減弱其不良影響，并利用其正面效應(yīng)耳高。
因此扎瓶，我們明白了預測是件吃力不討好的事情，世界時刻在變化泌枪，我們能做的事提高自己的理論水平概荷，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)計行動策略碌燕，以及行動误证。
設(shè)計思維：7個設(shè)計課題的融合
西蒙提出設(shè)計科學課程的7個中心課題：
- 作為已知備選方案間進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
- 改動標準邏輯以適應(yīng)對備選方案的搜索继薛。設(shè)計解答是一系列行動序列，對于滿意化滿標愈捅，所尋求的可能狀態(tài)很少是唯一的遏考，搜索的是實現(xiàn)目標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)蓝谨，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灌具、已進行了部分探索的行動序列
- 復雜結(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譬巫，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 Design School 的「設(shè)計思維模型」理解中咖楣。
第一步：Empathize（“移情理解”，意思是要有同情心缕题，同理心截歉，感知客戶有些什么問題）。
在西蒙的設(shè)計科學中烟零，這里指的是理解內(nèi)部環(huán)境瘪松、外部環(huán)境，是理解客戶的需求锨阿，是移情到需求場景宵睦。這也是「現(xiàn)場管理」，是去問「我們的客戶是誰墅诡，客戶重視的是什么壳嚎？」創(chuàng)新必定來自于外部，你只有把眼光擴張到外部世界末早，才有可能看到機會烟馅。
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隊或者項目是想要做什么然磷。
《人工科學》之前的章節(jié)已經(jīng)討論過郑趁，適應(yīng)系統(tǒng)分為目標、外部環(huán)境與內(nèi)部環(huán)境姿搜，體內(nèi)平衡是內(nèi)部系統(tǒng)與目標之間的關(guān)系始終保持不變寡润。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舅柜。
第三步：Ideate（“設(shè)想”梭纹，其實就是做頭腦風暴，盡可能多的去想解決方案致份，想自己項目可能涉及到的人变抽，然后再簡化為一個具體的方法）。
頭腦風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绍载。在前文已經(jīng)對頭腦風暴做過批判太伊，我們反對無盡的隨意生成想法，推崇試驗式逛钻，避開窮舉式搜索，作出假設(shè)锰提，先把一個巨大空間縮小成小空間曙痘，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行合理選擇立肘。
當我們尋求令人滿意的方案時边坤，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)計標準碼谅年？」=》「下一步我應(yīng)在哪里搜索」=》「我什么時候停止搜索茧痒，以某種解答作為令人滿意的解答∪邗澹」它既是搜索的導向機制旺订，又是以判斷何時結(jié)束搜索的滿意化程度的標準。
第四步：Prototype（“原型”超燃，用最短的時間和花銷來做出解決方案）区拳。
數(shù)據(jù)是驗證想法最有利的武器，數(shù)據(jù)來自于現(xiàn)場而非憑空想象意乓，備選方案的一系列行動序列要達到最優(yōu)化樱调，只有實踐之后才知道應(yīng)該改動什么標準邏輯就。也只有先行探索部分關(guān)鍵的行動序列届良，才能把資源更合理的利用笆凌。
通過數(shù)學化和流程化設(shè)計出解決問題的「原型」，便可以到現(xiàn)場去驗證了士葫。
第五步：Test（顧名思義乞而，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为障。
人類晦闰，若視作行為系統(tǒng)，行為隨時間而表現(xiàn)出的表觀復雜性主要是我們所處環(huán)境的復雜性的鳍怨。
測試是為了了解復雜性呻右、進而簡化復雜性，最終拆解出核心簡單結(jié)構(gòu)鞋喇，匹配和適應(yīng)環(huán)境声滥。
