創新的支點:不是直覺靈感, 而是拆解出現實洞見

哈佛知識+ HBR +
瀏覽人數:12404
解決問題的最佳辦法,不在你的腦袋裡, 而在你對現實的拆解中。

解決問題一直碰壁,要怎麼找出創新的解決問題方法呢?

這個時代因為科技的推陳出新,各個產業均開始創新當道,都希望知道如何透過創新來轉型。只是創新談何容易,過往看到很多企 業創新往往都是靠直覺,但是愈創新,離使用者越來越遠。

我們誤以為創新就是一種靈感,只是發生在腦袋裡直覺一閃的東西。但事實上,真正的創新並非如此。

真正的創新,建立在對使用者想要解決問題的基礎上,以及建立在對使用者的多面向情境(功能性 / 情緒性 / 社會性)的分析上, 由此出發去深度瞭解使用者,然後才產生洞見(Insights)。這並 非憑空想像或靈感一來,而是需要更多的心力不斷的拆解問題。

但因為大多數人不會如此做,以為創新是不需要分析,不需要大量資料整理的。這也很像大多數人解決問題時,都想要憑著直覺, 但往往跌得鼻青臉腫。

但事實上,透過深入拆解現實問題而來的創新,反而容易產生真正差異化的創新,而且這樣的創新不只有單點突破(單點突破常常 只有一點水花,就像水滴到水面上的漣漪,清清淡淡的,無法產生 太多效果),而是包含從思維開始的系統性轉變,這樣的創新更具 結構力、影響力與延續力。

早上的奶昔,下午的奶昔

在克里斯汀生博士最新力作《創新的用途理論:掌握消費者選 擇,創新不必碰運氣》中,我閱讀完正發覺這是第一性原理與拆解 問題,在創新的延伸應用。

在克里斯汀生博士書中有一個非常經典的案例,那就是如何增加奶昔的銷售量。

某連鎖店花了好長一段時間研究,希望透過焦點訪談,去找出 如何讓消費者多買一些奶昔的關鍵因素。依照顧客回饋,他們做 了很多嘗試,但是業績仍毫無起色,一點成長都沒有。

於是,克里斯汀生博士嘗試用他的創新方法來解構問題,回到最根本的「現實面」重新展開架構,他問:「顧客購買奶昔是為了解 決生活中什麼任務呢?」

從這個問題出發,重新研究後發現,大多數顧客白天喝奶昔是為了消磨時間,排解通勤開車的無趣,又能有飽足感。那麼有哪些產 品可以滿足同樣需求呢?能滿足這樣需求的競爭產品就是:香蕉、 貝果、甜甜圈、早餐棒、冰沙、咖啡等等,而不只是其他連鎖店的 奶昔或飲料。而下午跟晚上奶昔購買又是不同的用途。

另一方面,顧客如果下午想要喝奶昔,則通常是作為增進親子關

係的媒介,許多家長都會拒絕孩子種種要求,但總還是會希望滿足 孩子的某些需求,奶昔就成了一個好的出口。供應小杯的奶昔,讓 人迅速吸完,又不會讓家長產生太大罪惡感。這時候,「下午的奶 昔」不像晨間時跟香蕉、巧克力或甜甜等食物競爭,而是跟逛玩具 店或是打球的時間競爭。

透過了解顧客在特定情境下想完成的任務而想出解決方案,這就是拆解與第一性原理的延伸應用方式。並且我們在這裡學會:

要從分析現實作為支點, 來找出解決問題的創新出口。

創新不是天才之作,而是分析現實的結果

就像最近幾年非常火紅的共享經濟,也是一種創新洞見。在《經濟學人》的定義中,共享經濟就是「在網路中,任何資源都能出租」。

過往很多資源都是要用時很緊急,不用時卻很閒置的狀態,像是買車通勤就是如此,週一到週五可能只有上下班會用到車,其他時 間還要繳納停車費跟保養,閒置時間都是浪費的。

所以 Uber / Lyft 等共享汽車出爐,就讓很多閒置車輛得到了運用。Airbnb 也是一樣的道理,只是轉換成閒置房間共享。

我們看到的是這些企業的創新,覺得他們都很天才。但仔細分析背後的原因:

其實無非都是在「解決現實問題」,並且在「現實情境」中找到洞見。

因為,現實才是創新最好的支點。

不創新,就等死

只是有時候我會思考,創新是好事嗎?

當你是受益者時,就會認為是好事。當你是受害者時,就會認為是壞事。因此當 Uber 服務推廣到每個國家時,總是會受到當地計程車業者大力反彈,因為當地計程車業者的生計受到影響了。

只是目前看起來這樣的浪潮是無法太長時間用法令保護的,因為交通工具本質上就是將人或物從甲地安全運送到乙地,所有權跟使 用權都是後來延伸的議題,Uber 取代計程車行的轎車模式,直接讓顧客透過平台簡化步驟地去中間化趨勢已經勢不可擋。

這其實也就是前面所說的「第一性原理」,其中有不可變之處, 但其他都是可變之處,立基於現實,我們可以找到自己創新的途徑。

在時代洪流裡,我們無法阻止現實的改變,那麼我們自己就必須立基現實問題,去找到自己的創新途徑。

而且現在許多國家切入發展的無人車自動駕駛,所影響的層面遠比 Uber 更大。

像這幾年不斷推陳出新的機器人也是,波士頓動力公司 (Boston Dynamics) 機器人已經發展到可以翻跟斗跟跑步,亞馬遜 (Amazon) 倉儲與阿里巴巴 (Alibaba) 旗下的菜鳥網路倉儲都是運用大量機器人分揀物品,全天候科技報導,傳統倉內的揀貨員,工作七個半小 時,行走2萬7,924步,只能揀貨1,500件,就已達人工揀貨的極限; 而在菜鳥網路智慧倉內,配合機器人,揀貨員僅行走 2,563步,揀貨量可達 3,000 件。這都是科技帶來的便利,但也表示需要的人力也大幅度減少。

那目前為什麼還需要人工揀選?因為機器目前做不到揀選確認的動作,要規劃出來成本還太貴,目前人工比較便宜,只是當未來技 術突破後,機器人都做得到效率成本化來揀選時的話,那人在揀選 物品上就一定被機器人所取代。

或者才前幾年發生的事,2017年 Google的圍棋程式AlphaGo, 才打敗世界棋王柯潔震驚世界,大家都還在思考如何打敗AlphaGo的相關策略, 結果AlphaGo已經被打敗, 被自己的新版本AlphaGo Zero打敗。

AlphaGo的團隊於2017年10月19日在《自然》雜誌上發表了一篇文章,介紹了AlphaGo Zero,這是一個沒有用到人類資料的版本,比以前任何擊敗人類的版本都要強大,通過跟自己對戰, AlphaGo Zero經過3天的學習,以100:0的成績超越了AlphaGo Lee的實力,21 天後達到了AlphaGo Master 的水平,並在40天內超過了所有之前的版本。

當電腦程式已經會自主學習,人類的價值在哪?

因此,當整個時代的創新不可阻擋時,要思考如何讓自己從受害者變成受益者!可以從下面幾個角度來思考:

Step 1. 先釐清自己產業價值鏈的現實全貌,找出自己目前所在的位置。

可以多看很多單位做的產業價值鏈報告,因為知道自己在產業的 哪裡才能夠比較有整體觀的系統思考,然後才能夠掌握自己的所在 位置。不然一個人非常急切,因為焦慮而想要改變,但又橫衝直撞, 就很像摸黑開槍,卻希望命中目標一樣,根本是天方夜譚。

無論是面對自己的職涯選擇,還是面對自己的各種問題,都是如此。

AlphaGo,於2014年開始,由英國倫敦Google DeepMind開發的人工智慧圍棋程式,使用了蒙地卡羅樹搜尋與兩個深度神經網路相結合的方法, 其中一個是以估值網路來評估大量的選點,而以走棋網路來選擇落子。在這種設計下,電腦可以結合樹狀圖的長遠推斷, 又可像人類的大腦一樣自發學習進行直覺訓練,以提高下棋實力。

Step 2. 當去中間化趨勢不可擋,思考自己哪些工作會被機器人所取代而去除。

上網查詢,看看哪些工作已經逐漸被機器人取代,那就把那些領域圈起來,以及自己有哪些工作會被取代,如果被取代的機會比較 大,就表示要有危機意識,要開始思考之後的出路。

Step 3. 規畫往高附加價值的領域移動。

多數人不喜歡改變,所以常常會有溫水煮青蛙的慘劇發生,那時要改變已經來不及了。

根據前面步驟規劃,低附加價值的工作被機器人取代了,因此要讓自己往高附加價值區塊移動,看是否要同一產業,或是相關延伸 產業,甚至跨產業都可以,這時候就會發現自己可能不一定能夠轉 換過去,那就表示能力還不足夠,但是相對於其他人,因為我們已 經找出現實問題所在,所以仍有一些時間可以學習跟累積,來因應 未來可預期的變化。

或者,我們也可以從這些現實問題中,找到自己創新的機會,進而開發創新產品 / 服務,都是相當可行的解決方案。

關鍵就是,無論是工作、問題中的創新解決辦法,乃至於自己面對創新時代的自我革新,都一樣必須先透過分析現實,產生現實洞 見,而不是憑著直覺橫衝直撞。


本文摘錄自《拆解問題的技術:讓工作、學習、人生難事變簡單的30張思考圖表》一書,趙胤丞著,PCuSER電腦人文化出版。



哈佛知識+ HBR +

《哈佛商業評論》全球繁體中文版編輯部摘錄精選商管新書。


本篇文章主題創新