作者┃Open Quest

 

在7月24日，我们邀请到 Ivan老师分享系统思考的应用案例。相关报道请查看以下链接内容：

【应用案例分享】系统思考-Mastercard 如何成功挽救市占率

在该次分享当中，Ivan 老师介绍当年 Mastercard 如何运用系统思考扭转了市占率下滑的危机，并且详细介绍了项目团队的工作方法以及项目的成果，让大家更完整地认识这个案例。在分享过程中，参与者出于对系统思考以及案例的好奇而提出了许多问题。我们把 Ivan 老师对这些问题的回答编辑成文章，希望能够帮助到更多人认识并学习系统思考。

 

关于杠杆点的识别

问题1：今天看到的这个案例中，高杠杆点是通过敏感度测试(Sensitivity Analysis)找到的。请问还有一些其他的寻找事半功倍的杠杆点的方式吗？

问题2：如何识别和利用杠杆点？在复杂的系统中，哪些是真正的杠杆点，如何确保干预这些点会带来预期的系统变化？

回答：要寻找高杠杆点有几个方式，其中最严谨的是根据量化模型的模拟结果来判断，例如在分享中提到的敏感度分析（sensitivity analysis)。然而，由于建构量化模型需要投入较多的时间与资源，所以通常在使用系统思考的时候只能画出质化的系统图，此时可以通过两种方式判断：

1. 根据系统图的结构：例如如果有很多环路都会经过某个变量，表示这个变量有可能是杠杆点。
2. 结合实际的经验或现有数据来判断，例如两个结构类似的环路，我们有可能借由经验或数据来分辨哪个环路的作用比较强。

至于如何确保我们对于复杂系统的干预会带来预期的变化，我的经验是，我们没办法“保证”我们的干预一定会带来想要的改变，因为当我们说“XX是高杠杆点”时，只是我们基于对系统现有知识的“最佳猜想”，一个干预究竟会对系统带来什么影响，还是要实施之后才会知道。尽管如此，我们还是可以从两方面提升我们的胜率：

1. 仔细思考干预的实施(implementation)：也就是思考干预的实施会受到哪些因素的影响，并且针对那些可能影响干预顺利实施的风险因素设计配套措施。为了做到这点，我们其实也可以把干预实施的过程也画成系统图，这会帮助我们有更好的判断。
2. 持续迭代：也就是在干预实施之后，观察系统的反应，并且在需要的时候做出调整。在“调适性领导”(Adaptive Leadership)有一句话：“当你开始实施你的干预方案之后，你的方案就不是你自己的了。”也就是说，此时我们就无法要求我们的干预方案一定要照我们的预想发展，而是只能倾听、感知系统，并且适时作出调整，也就是“与系统共舞”。

 

关于系统思考的案例

问题3：关于系统思考解决的业务问题，实际案例在哪里可以获取，类似案例库。

问题4：是否可以推荐，比较经典的，系统思考方法论解决企业实物问题的案例，作为用以给客户做开启思考模式的用途的。

回答：关于系统思考的案例，我们在沙龙中有提到系统动力学网站的案例库：https://systemdynamics.org/resources/successful-applications/

当中涵盖了不同领域的系统思考使用案例。

如果是中文的资料，我记得彼得・圣吉的《第五项修炼》以及邱昭良博士的《如何系统思考》也有介绍一些案例。

如果习惯阅读英文材料，可以拿“Systems Thinking”与“System Dynamics”，搭配你有兴趣的领域的英文关键词在在互联网上搜寻，很可能就能找到与你自己的情境类似的案例。

 

关于应用系统思考对于专业领域知识的要求

问题5：想了解一下Mastercard这个case里面的顾问是否有信用卡这个领域的专业知识

回答：在MasterCard的案例中，顾问团队不仅包括系统思考专家，还包括消费金融领域的专家。

根据我过去的经验，有些人在学习系统思考之前，并没有其他领域的实务经验。他们可能会对系统思考有一个误解，认为可以直接将系统思考应用于不同的领域。我认为，尽管系统思考具有一定的普适性，但若要在某个特定领域有效应用，还是需要深入学习该领域的专业知识，或者邀请该领域的专家共同参与。

举例来说，有些人希望利用系统思考来帮助客户制定战略，可能会“天真地”认为只要为客户画出系统图，就等同于制定了战略。然而，我认为，要将系统思考用于特定领域的战略制定，不仅需要掌握系统思考的专业知识，还需要：

1. 了解战略的本质：需要知道战略的内涵和质量标准。
2. 认识该领域的特性：确保战略可以实际执行。例如，在医药领域的客户需要考虑政府法规、医疗机构、医疗人员社群团体等因素。

通过结合系统思考与特定领域的专业知识，才能更好地为客户制定切实可行的战略，并有效解决复杂问题。

 

如何评估系统思考的应用效果

问题6：如何评估系统思考应用的效果？有哪些工具和方法可以用来评估系统思考在实践中的应用效果？

回答：当人们运用系统思考做出决策后，通常需要经过一段时间才能看到决策执行后的成果。例如，在MasterCard的案例中，是在项目结束数年后才看到显著成效。因此，如果希望在系统思考应用的当下就评估其成效，可以使用系统思考领域中的一个评估方法——“CICC”，即：

• 是否有助于沟通（Communication）
• 是否帮助提取洞察（Insights）
• 是否帮助达成共识（Consensus）
• 是否让众人对未来的行动有高度承诺（Commitment）

这些指标可以帮助我们快速判断系统思考在短期内的应用效果。具体的评估方式通常通过问卷调研或访谈来进行，以收集参与者的反馈并衡量这些方面的改善程度。

通过这种方法，我们可以在决策实施前就评估系统思考的初步效果，并为后续行动提供指导。

其实我认为这个评估方法，也很适合用来评估引导方法的成效，不知道大家怎么看呢？

 

关于系统边界的界定与因素的取舍

问题7：如何界定系统的边界？在分析一个问题时，如何确定哪些因素应该包括在系统内，哪些应该排除在外？

如何确保数据的准确性和完整性？系统思考依赖于准确和全惡面的数据，如何收集和验证这些数据？

回答：以上两题都是跟系统图的完整性有关，所以我就一并回答。

在绘制系统图的时候，界定系统图的边界是非常重要的。尽管我们常会说“一切事物都是相互关连”，但是在实务上我们对因素不可能无所不包，所以终究得面对“哪些因素要包括在系统内”“哪些要排除在外”的问题。通常我们会用以下方式来界定系统边界：

1.可否重现系统过往的行为：如果建构的是量化模型，我们可以根据模型是否能够重现系统过往的行为趋势，来判断是否已经包含足够多的因素。如果模型可以重现过往的行为趋势，我们就有一定的信心，认为这个模型已经把大部分重要的因素包含进来了，此时就不需要另外添加了。但是如果只有建构质化的系统图，这个方法就不太适用。

2.是否涵盖相关的子系统：如果我们认为一个议题有好几个子系统牵涉其中，就要留意画出来的系统图是否有涵盖这些子系统。

3.是否涵盖相关利益相关方的观点：如果我们认为一个议题牵涉到多方利益相关方的，就要确保系统图当中有相关的变量与因果关系可以代表这些利益相关方的观点。

4.是否重要利益相关方的认可：在我们试图处理某个复杂问题时，如果我们必须要获得某几位重要利益相关方的支持与密切合作，才能够处理这个问题，那么我们就得要让这些相关方认可我们所绘制的系统图已经足够完整。如果有一方认为不够完整，就要了解对方认为缺少的是什么，再把那些缺失的部分补充进来。

5.建立因素清单：不论是要用前述哪种方式来判断完整性，我都会建议可以有一张“因素清单”，也就是列出与议题相关的因素，并且把这张清单分成“包括在系统图”以及“目前暂时不包括在系统图”两区块。这样做的好处是，即使我们暂时决定先不要把某些因素放入系统图，我们也会知道我们“排除了什么”，未来当我们认为系统图不够完整时，就可以看看“目前暂时不包括在系统图”这个区块当中，有哪些因素是可以被我们“捡”回来的。

至于所谓数据的准确性与完整性，我故且把它们合称为“数据质量”。我理解的是，每种类型的数据，都会有相对应的质量标准、搜集与验证方法，因此我会建议可以询问相关专家。此外，我也会建议针对要用的数据准备一张“数据质量清单”，也就是列出所搜集的数据，并且列出你对每一项数据的“信心等级”，例如拥有最高信心等级的数据，可能是那些“有多方可信的量化纪录的来源，而且不同来源之间并没有矛盾”的数据，中度信心等级可能是“没有量化纪录，但是有大量的质化纪录作为作证”，低度信心等级可能是“没有量化与质化纪录，只有某一利益相关方的记忆作为来源”的数据。

但是无论要如何确保数据的准确性与完整性，有一件很重要需要记得的是，“即使我们没有搜集到足够质量的数据，还是可以试着把我们对于问题的理解绘制成质化的系统图”，随着我们对问题的认识、搜集到的数据越多，就还是可以回过头让系统图变得更完整。也就是说，我们决定要不要把一个问题画成系统图，不是“因为我们有完整准确的数据”，而是“因为我们认为这个问题重要且复杂”。

虽然这两题是针对系统思考而问的，我认为其实我们也可以反思：在我们平常解决问题的时候，是如何确保思考的完整性与数据的质量呢？

Laura老师补充：如果单做引导，不使用系统思考，3、4、5可以很容易的做到。1、2复杂度如果中等，可以用一些参与的形式还原。我发现如果复杂度或者观点差异度高、子系统多，光靠纯引导不加系统思考难度会非常高。