第1章 议题思考 解决问题之前，先查明问题

费米（Enrico Fermi）对于数学也很擅长。如果有必要的话，他也可以运用复杂的数学计算，但他首先会确认是否有那个必要。他是用最少的努力与数学工具交出成果的高手。

——汉斯·贝特（Hans Bethe）

汉斯·贝特：美国物理学家，1967年诺贝尔物理学奖得主。

恩里科·费米：生于意大利的物理学家，1938年诺贝尔物理学奖得主。

引自《天才物理学家列传》（Great Physicists: The Life and Times of Leading Physicists from Galileo to Hawking），威廉·H·克鲁柏（William H. Cropper）著。

1.1 查明议题

本书曾在导论中说过为了不要走上事倍功半的“败者之路”，一定要查明议题。不要为了解决问题就立即动手尝试各种可能，而是应该从查明议题开始。也就是从讨论“什么有必要找出答案”开始，并以“为此必须先弄清楚什么”的思考流程着手分析，这才是最标准的做法。即使分析结果与预设不同，但最后成为有意义的输出（成果）的概率仍然很高。因为如果找到了“对往后的讨论具有重大影响”的答案，无论在商业上还是研究上都会有显著进步。

一般人看到问题，很容易首先就想“赶快找到答案”，但是，真正首先应该做的是判断该解答问题本身，也就是“查明议题”，然而这可能是违反人类本能的问题解决法。在还不知道具体内容时，就听到“要明确表达最终想要传达的是什么”这种命令，越是认真思考的人就越会感到不愉快。因此，“船到桥头自然直，反正实际动手之后就会知道该怎么做”的想法横行。就像大部分的人都体验过的那样，这正是做白工、生产力低的解决方式。还有认为“不用实际动手做，自然而然就会知道”、可以跳过查明议题的步骤，这种想法也是造成失败的元凶。

如果没有先查明“什么有必要找出答案”这个议题就来处理问题，之后一定会产生混乱，目标意识会变得模糊，从而做了许多白工。无论在商业还是研究领域，几乎没有一个人独自处理问题的情况吧？在团队内部先针对“这是为了什么而做”统一共识，并订好“折返点”，一次无法完成，就多花几次时间进行检讨。这个原则在制作企划案时也是一样的。当生产力下降的时候，团队整体要针对议题调整达到共识。折返回到起点，整理一下“究竟这个计划是要找出什么问题的答案”。然后，在那时也正好可以再次确认成员们是否还充满斗志、所有人对于问题的理解还是否相同。

你有没有个人专属的智囊团？

在工作或研究经验尚浅的时候，不建议一个人进行查明议题的工作，因为你可能会有很多像是“如果可以验证这个问题的话，我就很厉害吧！”这样的想法。但是，如果不是对该领域具有相当深的认识的人，恐怕不会知道“这对接收者而言是否真的有震撼力”。而且，经验不足的人也不知道为了要证明自己想传达的内容，需要做哪些分析或验证。甚至，即使对上述部分都有充分的了解，但若缺少具有说服力的实际验证方法，一切就都毫无意义了。

要查明议题，就需要判断“实际上有没有震撼力？”“能否以具有说服力的方式验证？”“是否能够传达给接收者？”这些问题，这时就要有某种程度的经验与“选择力”。

在这样的情况下，找个可靠的商量对象是最简便快速的方式。这正是老练又有智慧的人或是对该课题领域具有直接经验的人展现知识见闻的时机。在顾问公司里，一个团队中一定会加入资深顾问，而美国研究室中包含指导教授在内的学位审查委员会，就是发挥这样的功能。就算不属于特定组织，也希望你能针对各个讨论主题先找到可靠的商量对象。

就连一般企业人或学生也是，当你在写论文、报道、专著或博客时，找到所谓的“那个人”，请毫不犹豫地提出见面商量的邀约。另外，研究院、智库之类的机构也有许多可以洽谈的专家。事实上，是否拥有这种“智囊团人脉”正是表现突出与表现不突出的人之间的显著差异。

1.2 试拟假说

重要的是“自己的立场是什么？”

关于议题的查明，很多人只做到“必须先决定类似这样的事情”这种“主题整理”的程度便停止了，但这样根本完全不够。如果想等展开实际的讨论之后再次思考“议题是什么”，时间再多也不够用。为了避免产生这样的结果，就算勉强，也要事先建立具体的假说（hypothesis）。绝对不要说“不试试看怎么知道”这种话，在这时候能否站稳脚跟、坚持到底，对后续的影响将非常大。

为什么呢？理由有三。

1.针对议题找答案

原本就需要采取具体的立场、实际建立假说，才能成为可以找到答案的议题。例如：“××市场规模现在究竟如何？”这只不过是单纯的“提问”。这时候，通过设立“××市场规模是否正在逐渐缩小？”这一假说，才会成为可以找到答案的议题。也就是说，假说才能让原本单纯的提问，摇身一变成为有意义的“议题”。

2.知道所需的信息及该做的分析

只要没有提出假说，在讨论的阶段与想找出答案的阶段，就无法确定甚至无法发现上述内容是否明确。建立假说才能第一次明确真正需要的信息以及要做的分析是什么。

3.让分析结果的解释明确化

在没有假说的情况下就开始进行分析的话，将很难解释分析的结果究竟是否充分，最后只是徒劳无功。

我亲眼见过在日本的公司里有说一声“某某人，你先针对快要实行的新会计准则做一下调查”来分配工作的做法。可是这样根本令人搞不清楚究竟要调查什么事情、要调查到什么程度才好。而这里，正是假说登场的时机。

“在新会计准则下，我们公司的利润是否有大幅下滑的可能性？”

“在新会计准则下，对我们公司利润的影响是否达到一年一百亿日元的规模？”

“在新会计准则下，竞争者的利润也会改变，那我们公司的地位是否会相应变差？”

“在新会计准则下，各业务的会计管理及事务处理上，是否有可注意的地方，让负面影响降到最低？”

若根据这种程度的假说交代工作的话，被交代工作的人自己也可以明确知道该调查什么内容、到什么程度。通过建立假说的方式，让该找出答案的议题明确化，如此一来，可大幅减少无谓的工作，如此一来，就能提高生产力。

凡事都化为“语言、文字”

看见议题并对其建立假说之后，接下来，就要化为语言或文字。

当出现“这就是议题吗？”“这就是要查明的地方吗？”的想法时，马上用语言表达出来是很重要的。

为什么？这是因为用语言或文字表达议题，我们才会更明确地认识到自己该如何看待这个议题、想要弄清楚的是哪两者的分岔点。如果没有用语言或文字来表达，不仅自己，就连团队内部也会产生误解，结果会导致不可挽回的误差，并浪费时间、白忙一气。

把准备彻底执行的议题与假说写在纸上，或将计算机文件转化为文字，听起来也许会觉得很简单，但是，大多数的情况往往是看起来容易、做起来难。如果深入追究无法用语言或文字表达的原因，就会发现这是因为查明议题与建立假说的方式不够周全。转化成文字时，就会知道“究竟想要说什么”目前落实到什么程度；转化为语言时，有一时语塞讲不出来的地方，就表示没有找到议题所在，换句话说，这就是还没提出假说就想直接着手进行的结果。

当我说出“用语言或文字表达议题”“坚持将议题诉诸语言或文字到病态的程度”这些话时，许多人都很吃惊：因为我作为一个“理工科型思维且凡事分析的人”，从我口中说出“要重视把概念诉诸语言或文字”这种话，似乎令人很意外。

我想，这也是基于议题进行的思考的本质受到误解的地方。

如果不将议题诉诸语言或转化为文字，就无法整合概念。“画画”或“图解”也许有助于掌握意象，但是，要确实定义概念，就只能靠语言或文字（包含数学式、化学式）──这种被人类创造出来之后历经数千年淬炼，至今出错最少的思考表达工具。在此我先强调一下，若不使用语言或文字，人类会很难进行明确清晰的思考。

世界上的人大致可以分为两种：“视觉思考型”（即用视觉上的意象进行思考的类型）与“语言思考型”（即用语言进行思考的类型）。我是典型的视觉思考型的人，相应的，由于日本人使用汉字，因此多数人都属于视觉思考型。

将议题诉诸语言或转化为文字，对“视觉思考型”的人而言，尤其重要。

视觉思考型的人大致可以理解语言思考型的人所说的内容，但相反的，视觉思考型的人所说的内容对语言思考型的人来说则几乎全都无法理解。世界上属于语言思考型的人占多数，所以视觉思考型的人若不能对自己打算处理的议题加以语言化，将大幅降低团队的生产力。

我在刚进入职场的时候也是如此，虽然脑中浮现了许多点子，却无法将点子落实成语言，想说的话无法顺利传达给周围的人们，因而受了很多苦。但当我有意识地反复提醒自己“将议题转化为语言或文字”之后，过了一段时期工作忽然就变得轻松起来。

听起来好像很容易，然而一旦要实际执行，就会发现知易行难，这并不是那么简单的事情。不用语言或文字明确表达是许多人的思考习惯，所以我建议各位读者，必须刻意进行自我训练。

用语言或文字表达时的重点

在此先举出一些利用文字或语言表达议题、假说时，必须注意的重点。

1.加入“主语”和“动词”

句子越简单越好。因此简单又有效的方法就是“用包含主语和动词的句子来表达”。日文中的句子可以没有主语，所以时常出现“在事情进展过程中，大家所想的都不一样”的状况。如果加入主语与动词，就可以消除语句中模糊不清的部分、瞬间大幅提高假说的准确度。

2.用“WHERE”“WHAT”“HOW”取代“WHY”

议题的语言化还有一个秘诀，就是要注意表达的句型。

好的议题句型不是用“为什么……”这种“WHY”问句，大部分是采用“WHERE”“WHAT”“HOW”中的某一个句型。

·“WHERE”——“哪一边？”“目标在哪里？”

·“WHAT”——“该做什么？”“该避免什么？”

·“HOW”——“该怎么做？”“该如何进行？”

“WHY”句型中没有假说，对于究竟想要弄清楚什么问题的是非黑白并不明确。所以读者们应该可以理解在按照“找出答案”的观点整理议题之后，为什么大多会采用“WHERE”“WHAT”“HOW”句型。

3.加入比较句型

在文句中加入比较句型，也是不错的想法。如果是需要查明“某某是A还是B”的议题，与其用“某某是B”的句型，不如用“某某并不是A，而是B”的句型。

例如，假设有某个关于新产品开发方向性的议题，与其说“该加强的是操作性”，不如使用“该加强的不是有关处理能力的那种硬件规格，而是操作性”这种句型，用对比的句子表达，想要找出什么问题的答案就全都变得很明确。如果可以的话，请各位读者一定要利用这个技巧。

1.3 成为好议题的三要素

关于“好议题”，我们再进一步深入思考。

所谓“好议题”，就是可以让自己或团队振奋起来，而且经过完整验证，其效果更可让接收者不禁赞叹。像这样的议题有三个共同点。

1.属于本质性的选项

好的议题必须是一旦找出答案，就会对之后的讨论方向产生重大影响。

2.含有深入的假说

好的议题含有深入的假说。其深入程度，会让人一碰到这个议题就产生质疑：“要明确立场到这个程度吗？”也就是“颠覆常识的视角”或用“新结构”解释普遍情况。这么一来，当完成验证时，无论是谁都会认同由此产生的价值。

3.可以找到答案

也许读者会发出“咦？”的疑问，可是这里强调的是，好的议题必须“确实可找到答案”，因为这世界上“虽然重要却找不到答案的问题”多得不得了。

接下来我将对 “好议题的三要素”（图1-1）做更详细的介绍。

要素①：属于本质性的选项

具有震撼力的议题总会牵涉某种本质性的选项。必须是像“往左还是往右”这种其结论会产生重大改变的事情，才能称为议题，也就是说“有本质性的选项就是关键性的问题”。

在科学领域中，大型议题多数都很明确。在我所主攻的脑神经科学界，19世纪末的大型议题之一就是“脑神经是如网络般相连接的巨大结构，还是具有以某个长度为单位的集合体”。后来，经神经科学之父圣地亚哥·拉蒙·卡哈尔（Santiago Ramóny Cajal，1906年诺贝尔生理学或医学奖得主）研究，证实是“具有以某个长度为单位的集合体”，现在该基本单位称为“神经元”（neuron，或译为神经细胞）。在科学界也有其他几个大型议题，像是自古闻名的“地心说与日心说”，还有最近在印度尼西亚的洞窟内发现的一种叫做“弗洛勒斯人”（Homo floresiensis）的矮小人种，与现代人类系统是否相关等。

具备选项，而且不同选择将对未来的研究产生重大影响的议题，才是好的议题。

那么，在商业界的情况又是如何？

以某食品商检讨“商品A不畅销”的原因为例，试想一下。大多数的时候，一开始会提出的主要议题大概是“究竟是‘A不具备产品优势’，还是‘A虽然具备产品优势，但销售方法不好’”。因为根据不同选择，之后重新检视策略时的重点将有很大变化。

某连锁便利商店在检讨“整体营业额下降”的原因时，一开始会提出的议题应该是“究竟是‘店铺数量减少’，还是‘每一家店铺的营业额下降’”。若是前者，该课题就是讨论店铺扩展速度或者是店铺的撤店及加盟退出率；若是后者的话，问题就在于展店及运营方式。

无论哪一种可能都会让人认为“有道理”，但实际上大多数案例都无法像这样将议题查明到这个程度，而是自认为“商品本身很好，是销售方式不对”“问题一定是出在于店铺的扩展上”等，于是就贸然采取行动了。先来查明最大的分歧点是很重要的。另外，要查明“本质性的选项”时，提前对容易误入的“议题陷阱”保持警觉，也是很有效的方法。

如何分辨“假议题”？

在导论中我也曾提到过，世上大部分被称为“问题”或是让你想要查查看的问题，大多数都不是当下真正有必要立刻找出答案的问题。因此我们要特别注意，不要被这种“假议题”迷惑。

假设某个饮料品牌长期业绩萧条，全公司一起检讨如何重新振作。此时经常会看到的议题选项是“‘是否该以现在的品牌继续奋斗下去’还是‘该更新为新品牌’”。

可是，这时候首先应该弄清楚的是品牌萧条的主要原因吧？如果不知道“究竟是由于‘市场规模缩减’还是‘在与同行的竞争中落败’”的话，就根本无从判断“修正品牌的方向性”究竟是不是议题。

假设原因是市场规模缩减，那么通常在进行品牌的修正之前，必须先重新检视所设定的目标市场才行。这么一来，“品牌方向性的修正”不仅不是议题，甚至根本什么都不是。在最初阶段，准确挑出这种乍看起来几可乱真的“假议题”，是很重要的关键。

这种乍看之下很像是议题的情况，大部分也都是不需要或是不应该在当下找出答案的情况。每当这时，我们就要回头反思：“现在是否真的必须找出这个答案？”“真的应该从这里找出答案吗？”这样一来，就能尽可能地避免在做了白工之后才后悔“那时候根本没必要勉强那么做”。

议题并非静止不动，而是动态变化

另外，还有一点希望各位先记在心里——议题是“浮动目标”，也就是说，“议题并非静止不动，而是在动态变化”。特别是在处理商业问题时，这一点尤为关键。

议题指的是“应该找出答案的问题”，也就是“正确的问题”，即使处理的是相同的业务或主题，一般都会随着公司、部门、时间、会议或是说话对象的不同而变化。由于议题是“现在必须找出答案的事情”，所以实际上会随着责任部门或立场的不同而改变，甚至还时常可以见到对某人而言是议题，但是对其他人而言就不是议题的情形。

有一个典型的例子是，议题时常会随着作为议题主语的“企业”的不同而变化。即使是在相同的商品领域讨论经营战略，随着企业的不同，议题需要查明的地方也不同。就算业界本身看起来也许相差不多，但对于业界是以什么方式看待，或那具有什么样的意义，将会因为企业各自的历史、文化及策略等的不同而完全不同。

例如，来思考一下如下的场景——苹果公司（Apple）正在拟定以“iPad”为主的平板电脑市场策略。首先，应该很容易就想到从这个市场发迹的苹果公司，和其他的企业所要查明的地方会有很大区别吧？甚至还会想到是否该拥有自家企业专属的操作系统，或与其他公司以什么方式共享操作系统等。随着这些问题的答案不同，其中的涵义也会跟着改变。

在认为“议题就是这个”的时候，请确认一下它的主语。如果即使改变了“对谁而言”的主语仍可成立的话，很可能就要再确认一下查明议题的步骤是不是还不够完善。

另外，还有些情况是在进行重要决策之后，周围的议题根本就不成议题了。

例如，假设某家汽车厂针对“未来时代油电混合车的新趋势”进行讨论，一般可能会举出很多讨论项目，像是“应以何种引擎与马达技术为基础？”“如何管理电池？”“要开发哪一款车型？”等需要找出答案的议题。但是，这时候如果状况转变成“由于高层的交涉，决定接受由竞争对手公司提供的技术授权”的话，这些议题中的大多数恐怕都必须重新改过。

在科学界，“一旦有新发现，科学家就必须重新检视作为前提的事实”，也是同样的状况。

要素②：含有深入的假说

好议题的第二要素，就是“含有深入的假说”。下述固定程序将有助于让假说更为深入。

推翻常识

要加深假说的程度，一个很简单的方法就是“列出人们普遍相信的事项，从中找找有没有可以推翻的部分，或利用不同的观点也可以说明的部分”。“推翻常识”在英文中有“违反直觉”的意思，称作“counterintuitive”，我们就是要找到这种“违反直觉”的部分。这时，找熟悉该领域的人进行访谈应该会很有帮助；或者在计划刚开始的阶段，听听专家或第一线（现场）人员的说法，就可以知道在该领域中普遍相信的内容，也就是所谓的“常识”。相较于从书中学习，像这样当“凭身体五感获得的常识”获得反证时，印象会更为深刻。

比方说，在日常生活中看起来觉得“太阳绕着地球转动”的地心说，与事实证明“其实是地球绕着太阳转动”的日心说，正是堪称经典的最佳写照。对于在日常生活中身体无从感觉的“时间与空间的关系”，当时爱因斯坦提出“时间与空间为一体”的相对论引发了相当大的震撼，也是很典型的案例。“光”等于“波”等于“粒子”的量子力学，其基本逻辑也是因为在眼睛可以看得见的大千世界里没有“波”等于“粒子”的存在，所以才会令人感到震惊。主张“我们生存的世界中属于最大存在的宇宙，一开始是起自于一个点”的大爆炸理论，也是因为违反“最大始于最小”的直觉，形成了特殊的对比，所以才具有震撼力。

再举一个很有名的科学案例。在20世纪40至70年代，生物学界有一个大型议题是：“生命体的能量吸收是如何进行的？”作为食物被摄入体内的碳水化合物在细胞内进行分解，最后变成水和二氧化碳，这时候“燃烧”所释放的能量大部分都成为腺苷三磷酸（ATP，adenosine triphosphate）——一种磷酸化合物——而被吸收。这就是呼吸的本质，且成为所有生命活动的直接能量来源。关于这个能量的吸收，大部分人之前都认为与其他生物化学反应一样，是“在细胞内的连锁性化学反应”，但英国生物化学学者彼得·米切尔（Peter Dennis Mitchell）主张是“在离子穿透过粒线体膜的时候产生吸收”，并且加以证明。解开世纪大问题的米切尔于1978年得到诺贝尔化学奖。这也是推翻之前常识的典型案例。

在科学界，像这种迫使主要架构发生改变的发现，往往会造就很多新的研究领域；在商业界，则往往导致彻底地重新检视策略与计划、找到竞争者未察觉的发现或视角，这将成为重要的策略优势。

商业上含有深入假说的议题大致有以下几种：

以为正在扩大的市场，却在先行指标的阶段大幅缩减。

相对于以为会比较大的区块A，从收益的角度看，却是区块B较大。

以销售量为主进行竞争的市场，事实上产品的市场占有率越高，利润越少。

核心市场的市场占有率扩大了，但成长型市场的市场占有率却缩小了。

也许会有人认为：“那么重要的事情，怎么可能会忽略呢？”但是，我在业界顶尖企业的项目中曾发现类似的状况。希望各位读者时常思考一下，你所相信的信念或前提有没有任何遗漏。

用“新结构”理解所见所闻

用于得到深入假说的第二个程序是，思考能否用“新结构”来理解所见所闻。这究竟是什么意思呢？其实是因为人对于看惯的事物得到了前所未有的认识时，真的会受到很大的冲击。其中一个做法就是刚才介绍的“推翻常识”，而还有一个做法就是以“新结构”理解所见所闻。

这是由我们脑神经系统的构造所导致的。我们的脑中没有相当于计算机的“内存”或“硬盘”的记忆装置，只有神经之间彼此联结的构造而已。也就是说，神经间的“联结”就变成了基本的“理解”的来源。因此，当有些以前以为没什么关系的信息之间竟然产生了联结时，我们脑中就会感到很强的震撼。所谓“人类了解了什么事”，换句话说，就是“发现两个以上不同的已知信息之间产生了新的联结”。

以新结构理解所见所闻有四种类型（见图1-2）：

1.找到共通点

最简单的新结构就是找到共通点，也就是说，对于两个以上的事物，只要看出某个共通的部分，人就会恍然大悟。与其说“某人在墨西哥建国时，对于团结两个对立阵营有很大的贡献”，还不如说“某人是墨西哥的坂本龙马”，只要是日本人都会觉得后者比较好理解。如果说“办公室用的打印机和大楼内的空调，收益结构相同”，人们只要知道其中某一种结构，就会点头赞同说“原来如此”。一般说手臂与鸟类的翅膀其实是相同的器官，只是进化成不同形状而已，这也是一样的道理。

2.找到相关性

第二个新结构是找到相关性。即使不知道完整的整体样貌，只要知道多个现象之间的相关性，人就觉得已经有所了解。

只要知道“保罗和约翰是好朋友，大致都采取相同的行动”“约翰与理查德对立，采取完全相反的行动”这些信息，只要看保罗最近的行动，就能大致知道理查德在做什么了。

在科学领域中有一个典型的案例，就是“完全不同的荷尔蒙在脑内相应的两个受体（receptor）有功能上的相关性”。若说成十个不同的荷尔蒙与受体间存在系统性的关系，就可能向理解大幅迈进。事实上，就有几个这种类型的研究获得了诺贝尔奖。

3.找到群组

第三个新结构是找到群组。将讨论对象分成几个群组，因此，之前原本看起来是像一个或无数个类型的事物，可以判断成特定数量的群组，而加深发现程度。

群组的典型案例是商业上的“市场区隔”（segmentation）。将市场基于某个观点进行划分，只要观察各个群组各自不同的动向，就会获得与之前不同的结果，从而使得对自家商品或竞争对手商品的现状分析与未来预测变得更容易。

4.找到规则

第四个新结构是发掘规则。当知道两个以上的事物有某些普遍机制或数量上的关系，人就会觉得能够理解。

许多物理法则的发现都属于这个类型。比如，“从桌上掉落的铅笔”“从地球仰望月亮（稳定地飘浮着）”这些都可以用相同的逻辑（地心引力）解释。

到目前为止，在商业上找到的例子不多，但是，两个看起来八竿子打不着却包含规律的事例倒是不少。比方说，如果知道“工业汽油的交易价格有起伏时，十个月后，玉米等农产品的价格将会同样波动”这个固定模式，就会发现更深层的结构。

就算无法在一开始就发现能“推翻常识”的强有力的议题，也不需要失望。就如同之前一直在说明的，思考能否用“新结构”解释现象，是另一种正面攻略。然后若能以这些相联结的观点验证新事项，就会产生更深入的见解与震撼。与朝永振一郎（Sin-Itiro Tomonaga）一起获得诺贝尔物理学奖的理查德·费曼（Richard Feynman）曾经说过：“科学的贡献在于看见未来，让推理成为发挥功能的工具。”这正体现了获得深入结构性理解的本质。

要素③：可以找到答案

即使是“属于本质性的选项”而且充分“含有深入的假说”的问题，也有不是好议题的情况，那就是无法找出明确答案的问题。也许有人会质疑：“有那样的问题吗？”但其实有很多问题是无论用什么解决方式，都不可能用已有的办法或技术找到答案。

我在研究领域的老师之一山根彻男（Dr. Tetsuo Yamane）曾经告诉过我一个故事。在20世纪60年代，山根老师还就读于加州理工大学（Caltech，California Institute of Technology）时，曾从当时还在追求天才称号的费曼那里听到这样一番话：

“重力与电磁力都属于三度空间，与距离的次方成反比”，这确实是非常值得研究的现象。可是我建议不要接触这类问题比较好，因为现在还无法预料能否找得到答案。

在五十年后的今天，该问题尽管经过为数众多的天才们研究，仍然尚未解决，费曼果然是正确的。

在科学界，就像费曼提到的例子一样，存在许多“即使以前就知道这是个谜团，却因为没有可以找出答案的实际办法而束手无策”的问题，等找到办法才终于能够展开研究的问题多得数也数不清。

在问题提出后过了三百多年才终于解开的“费马最后定理”（Fermat’s Last Theorem），也是在普林斯顿大学任教的英国数学家安德鲁·怀尔斯（Andrew John Wiles）用尽近代数学的浑身解数才终于解开的，这正是“等找到办法才终于得以成为好议题”的一个例子。

生物学家利根川进（1987年诺贝尔生理学或医学奖得主）说过的话，也充满启发性：

杜贝可博士（Renato Dulbecco）后来最称赞我的地方，是他认为我善用当时可利用的技术，在濒临最前端的边缘之处，找出目前生物学剩下的重要问题中，有什么是可能可以解决的……无论有多么好的点子，如果没有可以实现的技术，就绝对无法实现。但在大家认为因没有技术而无法实现的问题当中，也有某些情况处于比较微妙的边缘地带，若能善加利用当时可用的技术到极致，就有可能勉强完成。

杜贝可博士是1975年诺贝尔生理学或医学奖得主，他是利根川进的指导老师之一，他的教诲让利根川进完全掌握了好议题的本质。无论是多么关键的问题，只要是“找不出答案的问题”就不能称为好议题。“在能找出答案的前提下最具震撼力的问题”，才能成为有意义的议题。就算无法直接找出答案，但通过分解问题，若有可以找到答案的部分，就将那部分划分出来作为议题。

在商业界中，类似的问题也是堆积如山。

例如，定价的问题。“如果三至八家企业占据了大半市场（实际上大部分的市场都是这样），该如何设定商品定价？”这实际上是非常难的问题，至今仍没有明确的“固定程序”，也就是没有可以经过分析找出确切答案的方法。如果参战的只有两家公司，还可以灵活运用博弈论（Game Theory），对该前进的方向找出相当程度的答案；一旦竞争企业达到三家以上，战况立即就变得复杂许多。

就算可以看见所有的问题，但仍有大量让人束手无策，或是目前还找不到清楚的解决方法的问题，这是不容忽视的事实。而且，也有一些问题是别人可以解决，但却超出自己所能处理的范围。虽然也可以不去想太多就去处理，但只怕一旦验证方法瓦解，无论在时间方面还是所费的功夫方面，都可能会造成不可挽回的损失。

不是“具有震撼力的问题”就可以直接成为“好议题”。而且就如同费曼所说的，必须认识到的确存在“目前几乎不可能找到答案的问题”的事实，且不要在这类问题上花时间，这是很重要的事情。

因此，成为“好议题”的第三个条件，就是查明“是否可以用既有的方法，或现在可着手进行的解决方法找出答案”。在可以看见议题选项的阶段，必须用这样的观点再次重新检视。

如导论中所述，就算假设关心的问题有一百个，“真正应该在当下找出答案的问题”顶多两三个而已。而且，其中“在现阶段拥有找出答案的办法的问题”又只剩下半数左右。也就是说真正应该在现在找出答案的问题，而且是可以找到答案的问题，即议题，只占我们认为是问题的问题总数的1%左右而已。（详见图1-3）

查明议题比较理想的方式，就应像年轻时的利根川教授那样，对于就算所有人都觉得“该找出答案”却又“束手无策”的问题，从中发掘那些觉得“如果用我的办法就能找出答案”的这种“位于死角的议题”。无论世上的人说什么，都应该经常问自己：“能否以我自己独具的观点找出答案？”如果说有什么经验可以超越学术上或业务领域中的解决方式的话，大部分都是因为拥有这种“自己独具的观点”。

1.4 用于确立议题的信息搜集

取得用于思考的材料

在了解“所谓好的议题是什么？”和“建立假说的重要性”之后，接下来，必须思考该如何获得用于发掘上述内容的“材料”。

也许大部分的主管会责骂下属：“怎么可以用假说那种不确定的推论为基础谈事情？”但是，如果光用理论看问题或切入问题点，也就是只凭理论找到与议题、假说的联结，是一件很困难的事。无论对谁而言都一样，无论是专门解决问题的资深顾问、干练的社长，还是顶尖的研究者都是如此，当遇上知识不足或者答案并非显而易见的主题时，就只好搜集数据作为建立假说的线索。

那么，为了要得到线索，究竟该怎么做呢？针对所处理的主题及对象“粗略地获取用于思考的材料”——也就是不要花费太多时间，只要搜集主干结构的信息，亲身感受一下对象的状态。在这里与其追求详细数字，不如着眼于整体的流程与结构。

在大学念书时从事专题研究，可能要花费几个月的时间。然而，一旦毕业进入职场后，这种做法就非常没有效率，根本称不上是“生产力高”的做法。想办法将议题明确化、有效率地进行重要的验证并更新假说，才能在每一天都真正实现“高生产力”。大多数的情况下，从建立假说到验证为止，短则一个星期、长则十天可以绕完一个循环。所以，最开始的步骤，就是搜集用于思考而提出假说的资料，尽可能在二至三天就完成；访谈等需要花时间做准备的部分，要事先做好准备工作。

话虽如此，光凭这些说明，各位读者还是难以理解具体该做些什么吧？所以，我整理了一些技巧来搜集用于选定议题的信息。

技巧①：接触一手信息

第一个技巧就是接触“一手信息”。所谓的一手信息，就是没有经过任何人过滤的数据。具体而言，展开以下行动会有成效：

·以制造生产为例：站到生产线与调度的第一线（现场），与第一线人员聊一聊。如果时间允许，一起动手进行某项作业。

·以销售为例：前往销售的第一线。比如，站在店门口听取顾客的声音；可以的话，和顾客一起行动。

·以商品研发为例：前往使用商品的第一线，与使用商品的顾客对话。询问顾客为什么使用该商品？该商品与其他商品如何区分使用？在不同场合应该如何使用？

·以研究为例：前往研究该主题者或该方法者的研究室，实际听他说并观察现场。

·以地方县市为例：以地方县市为调查对象时，凡事眼见为凭。此外，建议再去拜访与该地方县市采取相反行动的地方县市，了解差异。

·以资料为例：针对未经加工的第一手原始数据，观察变化的类型或特征进行理解。

听起来也许是很基本的事情，但是，却很少有人对这些事情可以做到如同呼吸一般理所当然。越是被称赞为“优秀”“聪明”的人，越是只用头脑思考，想要以乍看之下很有效率的方式从各种读物等二手信息中获取线索，而这正是致命伤，因为在建立重要的假说时，这会变成以“戴着有色眼镜看信息”的态度思考。

很多时候，只要没有眼见为凭、亲身感受，就无法理解第一线（现场）究竟发生了什么事。因为时常会有乍看之下毫不相干的事物，一到现场却是紧密的联动关系，或者本应是联动的事物却彼此分离的情况。这些状况都是只要没到现场查看就无法理解，这是在间接的简报、报告或论文等二手信息中，绝对不可能会提出的死角。

无论如何表达，二手信息只不过是显示了从拥有众多层面的复合性质的对象中，巧妙地抽取出来的某一个片段式的信息而已（详见图1-4）。所谓的“事实”，只要不是直接看见的人就无法认知。因此，建议花费几天时间，集中接触一手信息，这样将令我们对发生在自己身上的事实有切身体会，并提供强而有力的方针帮助我们建立明确的假说。

另外，到各个现场接触一手信息的时候，就会听到现场人员由经验所衍生出来的智慧。不只可以听到无论读多少文字信息都不会知道的重点，甚至可以询问他拥有什么样的问题意识，像是现在面临的瓶颈、不赞同一般人说法的原因、实际行动时真正应该确定的事情等，可以一口气吸收那些用钱也买不到的智慧。

大部分的日本公司很少将公司内部的事情直接咨询外部专家，这真的很可惜。如果说原因在于“因为有很多事对公司外部需要保密，所以不能与外部交流”，那大部分的情况其实只是想太多。

向不认识的人进行电话访谈，英文称之为“cold call”，学会这项工作后，生产力将急遽提升。只要好好地告诉对方你在正当的公司工作或在大学、研究所进修，“涉及有保密义务的内容完全不用说出来，现在所问到的内容只用于内部讨论”等，大部分人都会做出配合。其实，我也曾进行过数百次“cold call”，被拒绝的次数很少。因此，如果想要提高生产力，这是个好方法。

技巧②：掌握基本信息

搜集信息的第二个技巧就是从一手信息中获得感觉，同时将世间常识和基本事项在某种程度上加以整合，按照MECE原则快速扫描（调查）。

这时候，一定要特别注意“避免只凭自己的想法就拍板定案”。首先应确定所处理课题领域中的基本知识。一般在商业上推敲业务环境的话，只要持续观察下述要素：

1.业界内的竞争关系

2.潜在进入者

3.替代品

4.业务下游（顾客、买家）

5.业务上游（供货商、供应企业）

6.技术和创新

7.相关法规

其中1至5项是由麦可·波特（Michael Porter）所提倡的“五力”（Five Forces），再加上6至7项合计七个项目的发展，在起步的阶段应该就足够了（图1-5）。

学会观察上述要素的发展之后，实际上在扫描中需要确定的就是“数字”“问题意识”和“架构”这三点。

数 字

在科学界，以数字为根基是理所当然的现象，在商业界也很常见。例如在讨论业务整体的时候，会提出“市场规模”“市场占有率”“营业利益率”“（上述指标的）变化率”之类的数字，在零售业会以竞争者的观点提出“每日单位营业额”“存货周转”“顾客人均消费额”等数字。从整体的角度，根据“不知道就无法继续讨论”的一系列数字来确定大致情况。

问题意识

所谓“问题意识”，是依循过去以来的脉络，找出该领域、业界、企业的常识，与课题领域相关的一般共识，以及从前是否讨论过、讨论的内容及结果等。要涵盖全部的“如果不知道这些，与该领域的人就无法进行对话”的内容，并确认是否遗漏了重要的观点。

架 构

无论在哪一个领域，都需要以下的信息：到目前为止课题整理的情况，课题周围的事情如何定位；并要了解正在讨论的问题在既有架构中是什么样的定位，以及什么样的解释。具体而言，活用下述方法可以帮助你轻易掌握整体情况。

·总论、评论

·杂志、专业杂志的专题报道

·分析报告或年度报告

·主题相关书籍

·教科书中相符的几页

看书时不妨避开讨论关键技术的专业部分，而只看其中有关基础概念及原则的内容。为了培养时间轴上的宏观角度，同时吸收新旧观点，这也是不错的方式。

技巧③：不要搜集过头或知道过头

第三个技巧是刻意地将搜集信息的深度保留在概要阶段，也就是“不要做过头”。虽然这与速读术或高效能工作术的理念大不相同，但搜集信息的效率必定有其极限，当信息过多的时候，将无法更有智慧。这种情形称为“搜集过头”与“知道过头”。

搜集过头

用于搜集信息的努力、时间和其所获得结果的信息量，在某种程度上呈正比关系，一旦超过某个程度时，迅速吸收新信息的速度就会慢下来。这正是“搜集过头”。就算投入大量的时间，具有实际效果的信息也不会呈等比增加（图1-6）。

知道过头

“知道过头”是更严重的问题。在“搜集过头”的图1-6中也可看出，在到达某个信息量之前，智慧确实会快速涌现；可是当超过某个量的时候，快速产生出来的智慧会减少，而最重要的“自己独具的观点”逐渐接近于零。是的，“知识”的增长不一定会带动“智慧”的增长，反而必须经常持有一个观念——信息量在超过某个程度之后，将会造成负面效果（图1-7）。

对某个领域的一切都了如指掌的人，要产生新的智慧是极为困难的，因为手边所拥有的知识几乎超越了所有想法。就如同一流的科学家达到该领域的权威地位后，就不再像年轻时期那样会产生强烈的点子，这是一样的道理。

而且，这也是顾问公司存在于商业界的理由之一。一流企业应该已经招揽了众多业界专家，却还是以高薪雇用顾问，其中有一个很大的原因就在于因为企业主“知道过头”，所以受到该领域的禁忌或“必须论”的刻板印象束缚，无法产生新的智慧，因此需要“旁观者清”的管理顾问从旁协助。越聪明、越优秀的人，越容易达到“知道过头”的状态，一旦达到该状态就越难逃脱知识的限制。

当人对某个领域有兴趣，在刚获得新信息的阶段，一开始会有各种关心的内容或疑点。每次在向他人求教这些问题或找到答案的过程中，都会加深自身的理解，并涌现新的观点或智慧。在这些观点或智慧未消失的时候，也就是在不要变成“知道过头”的范围内，停止搜集信息，这正是在搜集用于确立议题的信息时的秘诀之一。

1.5 确立议题的五个方法

运用一般的做法无法找到议题时

遵守好议题的条件、找寻本质性的分岔点、尝试可否进行结构性了解、考虑可否推翻现在一般人所相信的常识，并且到现场去找寻决定议题的材料、接触一手信息（不要搜集过头）——可是，即使如此，可能还是会有“不懂究竟什么是议题？”的情况出现。这时候，究竟该怎么办呢？

最简单的方法，就是让头脑休息片刻，然后再一次重复刚才介绍的基本步骤，再次接触信息、与有见识的人讨论。但也会遇到信息太充足，甚至搜集过头，或用于找出议题的智慧不够的情况。接下来先介绍在这种情况下可以使用的五种方法（图1-8）。

方法①：删减变量

有时候相关的要素太多，如此一来，“什么是重要的要素？什么是决定关键？”甚至连“究竟有没有这样的东西存在？”都看不见了。“世上的消费”和“自然界各种生物间角色的相关性”等主题就是典型的例子。

例如，假设想要了解以下事项：Twitter与Facebook等社交网站服务（SNS，social network service）对商品购买行为有什么影响？用什么数值可看出上述影响？若普及是否存在临界值般的数值？这些问题间具有什么样的相关性？这时候，因为要素太多，可想而知我们很难采取什么办法能够找出所有相关性。假设就算运气好，可以获得数据资料从而了解某些信息的来龙去脉，但大多数要素都彼此相关，因此恐怕也无法进行验证，让所有人都赞同。

在这种情况下，就要思考“能否删减变量”，换句话说，就是能否删减要素或限制要素。比方说，“商品购买行为”涵盖的范围太大，可以将商品领域限定为 “数字家电”。如果这样仍然范围太大的话，就再将讨论的对象缩减为“数码相机”“打印机”等，这么一来，变数就会减少一个。其次，针对社交网站服务，也可以按群组分为“微博、博客、社交网站”等。在这里，相信这些用于找出议题而搜集到的一手信息，尤其是听取的用户的意见等，就可以作为参考了。通过这个方式，可将原本多达几十个的变量减少到几个而已。

像这样将与问题相关的要素，通过限定对象或按群组分类的方法加以删减，真正的议题通常就因此而变得清楚可见。

方法②：可视化

人类是用眼睛思考的动物。因此大多数的时候眼见为凭，只要看得见形状，就会快速地觉得对于该对象有了某些了解（即使逻辑上并未理解，仍会有此认知）。实际上，我们脑中的枕叶大部分都用于“看东西”，用眼睛看见形状后就会快速地让本质性的重点显现出来。因此，第二个解决方式就是活用脑的这个特质，进行可视化。要完成可视化有几个典型的做法。（图1-9）

如果讨论对象主题本身与空间有关时，比方说，在讨论“店铺中的陈列方式”时，可以排列出相互的关系并制成图画。重叠摆放的物品就画成上下重叠，于是就很容易可以看出哪里和哪里的联结还不够清楚，或哪里和哪里的排列会有问题等这些需要查明的地方，而这就是议题。

当处理步骤有既定的顺序时，就将所有步骤由前到后，像拼图的碎片一样一字排开，可以简单地直接在纸上画图，也可以运用便利贴或单字卡等。在排列的过程中，将逐渐可以看见课题的本质，比如整合这个步骤才是真正的议题，或删除这个其实不是议题的步骤等。

想要表现得到的几个主要属性（X轴或Y轴）的数值时，用图表进行可视化是很有效的方法。

选择两个属性画图表，或者将两个属性相乘或相除的结果设定为一个轴（例如X轴），再将别的要素设定为另一个轴（例如Y轴）。也有很多时候只要图表化，就可以看见大部分的案例都可以分成几个群组。这个时候，将以上（或以下）特定的数值标上颜色，群组将会更明显。

比方说，如果讨论啤酒新产品的方向性，可暂且以宣传上时常用到的清淡与浓烈度为轴试着画图表。于是就能看见以下述扩展为前提要查明的地方（议题）：手边既有商品处于哪个位置，市场的趋势是朝向哪里，基于上述状况口味的方向性可能会朝向哪里等。

方法③：从最终情形倒推

要快速整理议题的扩展时，可以从“究竟最终想要的是什么？”开始思考，这也是很有效的方法。

例如想要思考自己三至五年的中期事业计划时，设计“想象中的情形与到达目标的正确路径”，正是成为“最终想要的成果”。

然后再更进一步思考要知道什么才能决定“愿景”。于是就需要下述项目：

1.现在的业务状况（市场观点、竞争观点）；

2.该以什么作为业务目标的景象；

3.三至五年后的目标，最关键的因素该放在哪里（是要守住相对优势的地位，还是要积极开发市场等）；

4.对于当时的强项及符合自家企业制胜模式的想法；

5.用数值表现可以如何表达。

这时候，1至5项分别就是该找出答案进行查明的地方，也就是议题。

接下来，思考一下在科学界的情况。

假设在脑神经科学的领域里，想要验证“某特定基因的变异，将造成在五十岁后罹患阿兹海默症的概率大幅提高”而进行研究：

·50岁之后，具有某特定基因变异的人，比其他人更容易罹患阿兹海默症，而且比例高很多。

·该差异在50岁之前并不明显。

针对这个议题至少需要验证上述两点，并可推测若验证下述事项，将成为验证该议题时相当有力的佐证。

·这种变异的发生概率与岁数无关，但五十岁以上的阿兹海默症患者中，具有该变异的人数比例相较于其他岁数的患者高很多。

这个解决方法，就是像这样将需要查明的议题按照从最按终情形倒推的方式思考。而且，利用这个方法可以将议题结构化（此部分将于第二章详细说明）。

方法④：反复问“So what?”（所以呢？）

如果提出当作议题的口袋选项中，多数是一看就是理所当然的问题时，反复问“So what?”（所以呢？）这个假设的问题，将会非常有效果。一而再、再而三地对自己或对团队内部重复问问题，由此让假说越来越具体，该验证的议题也会越琢磨越有深度。这个解决方式与丰田汽车的改革运动中“问五次‘为什么？’”（为了查明原因反复询问“为什么？”以追寻问题核心的办法）有异曲同工之妙，只是这里不用于查明原因，而是用于查明该找出答案的议题。

比方说，设定下列描述为议题，会如何呢？

全球气候变暖是错误的。

其中，究竟什么是“错误的”说得不清不楚，自然无法找出答案。对这个句子询问“所以呢？”回答若是：

全球气候变暖，并不是全球一致共通发生的现象。

至少可以看见一个该找出答案的重点（气候变暖的状况在全区域内是否一致）。只是，各地区的气候当然多少会有差异，所以这还不足以成为议题。于是再进一步深入问“所以呢？”回答若是：

全球气候变暖现象，只有北半球部分地区发生。

限制地点，若加上说：

被视为全球气候变暖根据的资料都以北美及欧洲为主，地点有偏向性。

则验证的重点就成为明确的议题。再进一步针对定义模糊的部分“刻意地”继续问“所以呢？”：

主张全球气候变暖者的资料，不只地点偏向于集中在北美及欧洲，数据的获得方法或处理方式也有失公正。

如此一来，该找出答案的重点就成为更明确的议题了。（图1-10）

1939年1月16日，全球首例核分裂实验成功的消息传到恩里科·费米的耳里。以洞察力卓越而闻名的费米就指出“如果进行核分裂的话，当下会释放出非常大的多余能量”“这时候，多余的数个中子也会释放出来”，其结果是“因为被释放出的中子会去撞击下一个铀，于是会呈现级数倍增，可能会显示出连锁反应”。这正是通过反复问“所以呢？”从而找出议题的完美实例。当时具有前所未有的视角，后来发展成为目前电力供应的主力——核能发电，甚至原子弹。

不过，反复问“所以呢？”以进一步琢磨假说的工作相当累人，光是提出假说，不知不觉可能就花了很多时间，而且大多情况也都累到头脑已经无法转动的程度。一开始难有进展也是正常的，所以建议大家与其一个人拼命，倒不如以团队的力量一起用头脑风暴的方法进行较好。

方法⑤：思考极端的实例

当要素与变量牵涉在其中时，尝试将几个重要变量先填入极端的数值，就能看出哪个要素的变动会成为关键。

例如，假设在以会员为对象的生意上，面临收益无法提升的问题。一个生意通常具有多个收益来源。在“商品营业额＝收益A”“会员费＝收益B”“招揽广告＝收益C”等情况下，究竟哪个变量真正对提升收益有效果，并不是那么容易就可以看得出来。这时候想想看将“市场规模”“市场占有率”等基本要素填入极端的数值，将会发生什么事？

假设“市场变成十倍，或变成五分之一的话”“市场占有率变三倍，或变三分之一的话”，再进行思考。如果能像这样将关键的要素选项缩减至三个左右，那么就可以看清楚“将来哪个要素在本质上真的会有巨大影响力”，从而将之定为议题。

＊＊＊

到目前为止，各位觉得怎么样？虽然这不是全部，但如果善用这些方法，我们都能够借此找到本质性的议题，提出深入的假说。

如果这么做还不顺利的话，请思考是否有其他能够解开议题的情形再重新进行设定；万一这样还是很困难的话，就当作“该议题找不出答案”，再寻找有没有其他的本质性议题，这实际上就是解决方法。