例子：作為一名新任經理(角色)，我想打造一支高度協(xié)同合作的團隊(意圖)，以便我能夠完成下一年度更具挑戰(zhàn)性的業(yè)績數(shù)字(預期結果)
W2（Who）他人視角：
問一下分配任務的領導、合作任務的同事，他們對此的觀點是什么？這個視角有個很典型的例子：做個工作匯報，我們是讓聽取方清楚，還是自己爽。
W3（What）描繪目標：
找個安靜的環(huán)境獨處，聆聽自己的心聲，把這個任務的具體目標清楚的寫下來。這些目標必須是清晰、可衡量的。最后別忘了把這些目標分享給與任務直接相關的人們，通過郵件、微信等等。
我們將這種做法稱為升維思考，從一開始就陷入具體任務中，對有效的任務管理毫無益處，不能以終為始，我們的工作從一開始就注定要失敗。一方面，很多人對于結果的重要性很困惑。他們往往認為意圖而不是結果才是最重要的，他們會理所當然地認為 :“如果我認為自己的意圖、觀點和行動能夠帶來好的結果，但事實卻沒有，這也不是我的錯?！?這種“我盡力了”的思維邏輯相當普遍。因為未知，多數(shù)人更相信自己的直覺判斷，偏好當下即時的滿足，勝過對未來回報的投入。
另一方面，我們常常通過直覺瞬間就能還原自己的“初心”，但直覺常常也是錯覺。如果面對的是簡單的或后果并不嚴重的任務，如網購，外出就餐，依賴經驗的直覺判斷即使錯了，也可以變成我們吸取的經驗教訓。但面對復雜的任務場景，如客戶競標講解、向新老板的第一次匯報、求職面試、 結婚生子等，直覺判斷的錯誤造成的后果往往比較嚴重。
為了避免錯覺導致嚴重的后果，我們需要啟動結構化思維，通過升維思考，辨識體現(xiàn)你初心的預期結果，然后通過時間視角、他人視角，基于事實，加以求證，最終描繪出實現(xiàn)任務預期結果的具體可衡量的目標。
3
降維打擊解難，三F步步為贏
面對復雜工作任務，當我們通過升維思考明確了具體可衡量的目標后，該如何去實現(xiàn)它？回到工作任務的具體場景中降維打擊。
行動清單：
F1（Fix It）一時一事，分步精進：
把復雜的工作任務分階段，每個階段分步驟。至少可以分為三個階段：前、中、后，設定里程碑，逐個擊破，迭代前進。每階段至少可以分三步：事前、事中、事后，實現(xiàn)早贏、快贏的階段目標。
圖片來自《拆·解》
一段一段的沖刺跑對于大多數(shù)人來講要遠遠好于路程漫長，沒有停頓的馬拉松。一次搞定一件事，要遠比胡子眉毛一把抓好得多。特別是面對前所未有的新任務、復雜和高難度的任務時，遵循事前學習、事中行動、事后反思，也許是最行之有效和簡單易行的方法了。在這里行動后的反思尤為重要，聰明的人會從自己犯的錯誤中學習，更聰明的人會從別人犯的錯誤中學習，最聰明的人則會從別人取得的成功中學習。
F2（Focus）要事第一，分級聚焦：
找到任務中最重要的工作，即對結果最具影響的事情，全身心地關注這個工作，直到最終完成。這樣做的前提是按照要事優(yōu)先的原則對事情進行優(yōu)先排序。
MoSCoW 就是常用的分級排序模型。
M 代表 Must(必須有)，S 代表 Should(應該有)，C 代表 Could(可以有)，W 代表 Won‘t(現(xiàn)在可以沒有)。
我們對于自己同時執(zhí)行多項任務的能力往往存在嚴重的高估。這方面的專題研究者戴維 · 三本松報告顯示 : “人們之所以同時執(zhí)行多項任務，并不是因為他們擅長這 么做，而是他們容易分心，難以克制自己去做另一件事 的沖動?！睋Q句話說，那些最喜歡同時執(zhí)行多項任務的人往往自制力較弱，沒有辦法讓自己長時間集中精力。而專注恰恰又是那些成功人士共同的特征。
因此，要想實現(xiàn)早贏、快贏的階段目標，時間有限、 精力有限、資源有限，需要貫徹“斷舍離“:斷掉各種誘惑，舍棄一切對結果不重要的任務，暫時脫離一下自己的舒適區(qū)。
F3（Filter）化繁為簡，分類篩選：
工作任務管理中一個很常見的場景是當我們的想法和能力之間的矛盾沖突加劇了任務的復雜程度，無從進行分級聚焦時該怎么辦？下面這個簡單的2?2矩陣，通過分類清楚的為我們縷清了思路，找到了想法和能力之間的落腳點和打擊點。
圖片來自《拆·解》
盡管分級聚焦比較容易理解，但在實際工作中，特別是復雜混序的工作任務常常面臨著兩難選擇。尋求單一的正確答案不再可行。這時候就需要對復雜問題進行有效分解，然后分門別類地確定解決策略，再按照優(yōu)先等級分步處置。
怎么樣？現(xiàn)在是不是開始找到擺脫工作任務管理思路亂、動手難的法門了呢？如果答案是肯定的話，相信你的心情煩也會逐漸緩解了。
這套結構化的項目管理思維方法是不是簡單易學、上手易用？解決復雜問題的法門一定不是復雜的！基于面對未知的、快速變化的混序場景的基本策略：升維思考，不忘初心；降維打擊，化繁為簡，我們構建出一個3W和3F的場景拆解模型 。
聯(lián)系客服
