課題解決のためのクリティカル・シンキング（3）

このnoteについて

先日、GLOBIS Unlimited(英語版)で全てのマイクロラーニングのコンテンツが無料で提供されていました。

その中で、クリティカルシンキングについて学びなおす機会があったので、特にクリティカル・シンキングを使った課題解決のプロセスについて
全５回のnoteにまとめました。

今回はその第３回です。課題解決のプロセスのうち、WHEREにフォーカスします。

WHERE を見つける

第１回で、課題とは　現状と理想と間の解消すべき差分　と定義し、
第２回で、課題の要因を見つけるには　outputに着目すべし　としました。

そうやってWHATを発見したら、次にWHEREです。
WHEREを見つけるにはMECEとロジックツリーを使います。

MECE

これまでの進め方で
利益が理想よりも減少していることが課題と定義でき、
その要素として来客数をWHATとして特定できたとします。

さらに来客数の「どこ」に要因があるか知りたい場合に、
来客数を細分化することが必要です。

そのとき、思いつくままに来客を
「２０代」と「３０代」と「サラリーマン」と「女性」などと分けても
「どこ」は正確には判断できませんね。
相互に重複しているし、漏れもありそうです。

MECEは　抜けもれなく網羅する　ための基本的なフレームワークです。

Mutually：相互に
Exclusive：重複せず
Collectively：全体として
Exhaustive：漏れがない
状態を指します。

MECEにわける基準は、３つあります。

１つめは、一般的な区分となっているものです。年代・男女などです。全体をもれなく分解できます。どこに区分されても、１つの区分にしか入りません。

２つめは公式にあらわせるものです。
売上は単価✕販売された数
利益は売上ーコスト

３つめは、プロセスとして表せるものです。
AIDMAやPDCAなどがあります。

ロジックツリー

MECEにデータを分解できたとします。
検討箇所がたくさん出てくると思います。
どこから手をつけて行けばいいのでしょうか？

その判断にロジックツリーを使うと効果的です。

ロジックツリーで、広い範囲のデータを、階層構造のデータに分解します。

そうすることで、データ同士の関連を把握でき課題の場所を特定できます。

例えば課題がコストだとします。
コストはこのような関係に分解できます。

コストの構成要素のうち、考えるべきところと、考えなくてよいところを分けることができます。

このようにすることで、
・特定の課題を、全ての可能性のなかから見つけやすくする
・課題の原因を特定しやすくする
・課題解決方法をつくりやすくする
ことが可能になります。

こうして、WHAT　が　WHERE　にあることが理解できました。

そうしたら、次にWHYです。

次回に続く