★ FEATURED ARTICLE 逻辑推理的分类这件事我是被一次内部培训逼着梳理清楚的。当时要给一批刚转岗做数据分析的同事讲怎么把结论说圆我原本以为讲讲演绎推理就够了结果台下点头归点头一到归纳推理和类比推理就集体走神问出来的问题全是这两个不是一回事吗。那次之后我才意识到绝大多数人对逻辑推理的分类只有模糊印象知道演绎推理、归纳推理、类比推理这三个名字却说不清它们的边界在哪、什么时候该用哪个、踩了坑怎么救。这篇文章我打算把这三种推理拆开讲透尤其是演绎推理因为它是唯一能给你必然结论的工具也是最容易被用错的一个。读完你至少能拿到三样东西一张判断推理类型的速查表、一套演绎推理的完整检查流程、以及归纳和类比这两类或然推理的可靠性控制方法。不管你是写报告、做技术排查、做产品决策还是单纯想在群里吵架时逻辑更硬一点这套东西都能直接用。1. 逻辑推理分类的整体框架与判断标准1.1 三种推理真正的分水岭结论的必然性先给一个我自己的定义方式比教科书那句从一般到个别、从个别到一般好用得多。判断一个推理属于哪一类我只看一件事前提为真的情况下结论有多大概率是真的。演绎推理的答案是百分之百不存在例外只要前提真、形式对结论必然真归纳推理的答案是大概率但可能翻车样本再多也只是提高概率永远留一条缝类比推理的答案更弱有可能取决于相似点是否关键。举个三句话的例子你能立刻感受到区别。演绎所有金属在常温常压下都是固体前提有瑕疵但先假设为真汞是金属所以汞是固体。这个结论从形式上讲是被前提锁死的前提错是前提的问题推理本身没问题。归纳我检验过的一千种金属都是固体所以所有金属都是固体。结论看着挺像样但一旦遇到汞就崩了。哪怕把样本加到十万种逻辑上仍然不能保证下一万零一种是例外。类比汞是金属汞在常温下是液体水银温度计里的液体和汞性质相近所以水银温度计里的液体在常温下是液体。这个推理成立但它靠的是性质相近这个模糊桥梁。提示判断类型时不要看句式长短也不要看有没有数学符号。只看结论是否被前提完全锁定。1.2 为什么我不用思维方向当第一分类维度很多教材把演绎推理叫从一般到特殊把归纳推理叫从特殊到一般把类比推理叫从特殊到特殊。这套说法好记但有个大坑它会让你误以为分类的关键是方向而方向其实只是现象。我见过太多人因为这个说法栽跟头。比如有人说我从所有客户案例里总结出一条规律这是归纳其实如果他手里握着的是公司规定所有订单必须审核这种一般性前提然后推出某个订单必须审核那还是演绎。反过来一个人从张三会死、李四会死推到所有人都会死方向确实是特殊到一般这是归纳没错但如果他补充了一句因为人有新陈代谢、细胞会衰老而新陈代谢必然导致死亡这个推理的强度就完全变了更接近一种带机制解释的科学归纳。所以我的做法是先用结论必然性定性再看方向做辅助标签。这样分类出来的结果才稳定不会因为表达方式变化而漂移。1.3 三类推理的适用边界对照我整理过一张表放在笔记本第一页随时翻。这张表回答的是什么场景下我该用哪种推理比单纯记定义有用得多。对比项演绎推理归纳推理类比推理结论强度必然前提真则结论必真或然概率性成立或然强度通常更低信息量变化结论不超出前提范围结论超出前提范围结论通常超出前提范围典型起点一般性规则、定义、公理观察到的个案、样本、数据一个已熟悉的相似对象典型风险前提错、形式无效样本偏差、以偏概全类比点与结论不相关最擅长的事把规则落到底、验证一致性发现规律、形成假设解释陌生事物、跨领域迁移最怕的事拿错误前提硬推拿小样本下大结论拿表面相似当成本质相似记住这张表的一个推论演绎推理不产生新知识它只是把前提里已经藏着的东西挖出来归纳和类比才产生新知识代价是不保证正确。这句话解释了一个常见困惑——为什么科学发现靠归纳和类比提出假设却必须靠演绎和实验去验证。前者负责猜想后者负责证伪分工不同。1.4 拿到一个论证先问的四个问题这是我实际工作中用的判断流程四步走完一个论证的成色基本就清楚了。第一问结论是什么很多人读完一整段话其实连对方结论都没抓住。先把结论单独拎出来写成一句话。第二问支撑这个结论的前提有哪几条逐条列出来标上事实还是观点。观点型前提本身就需要另外的支撑。第三问前提和结论之间是什么关系是前提真则结论必真的形式关系演绎还是前提多则结论可能真的概率关系归纳还是两者相似所以推断类比第四问如果这条推理链条断了断在哪一环把断点找出来比笼统地说我觉得不对有用一百倍。提示第四问是区分有逻辑思维和有逻辑感觉的分水岭。绝大多数人的逻辑批评停在感觉不对而真正有用的是指出断点在第几个前提、哪一条推理步骤。2. 演绎推理详解从三段论到形式化验证这一节是全文最重的部分因为标题里专门标了详解。我尽量把演绎推理拆到能直接上手操作的程度。2.1 演绎推理成立的两个硬条件演绎推理要成立必须同时满足两个条件缺一不可。第一前提全部为真。注意是全部不是大部分。演绎链条对前提真假的容忍度是零一条假前提就能把整条链条的结论打上问号。第二推理形式有效。形式有效指的是假如前提为真结论是否必然为真这个结构层面的问题。形式有效和前提为真是两回事这是初学者最容易混淆的地方。举个同时踩两个坑的例子所有程序员都懂算法小张懂算法所以小张是程序员。这个推理形式是无效的因为懂算法的人可能是产品经理、可能是数学老师。就算你把前提换成真的形式依然无效。反过来所有会飞的都是鸟企鹅会飞所以企鹅是鸟形式是有效的但两个前提都假结论仍然不可靠。你看形式有效救不了假前提真前提也救不了无效形式。注意判断演绎推理时先判形式、再判前提。顺序反过来会让你被内容带跑看到一句感觉对的话就放过形式错误。2.2 三段论的解剖大项、中项、小项与周延性三段论是最经典的演绎形式结构是两句前提加一句结论。它的三个词项有固定叫法结论的谓语叫大项结论的主语叫小项只在前提里出现、结论里消失的那个词叫中项。标准例子所有哺乳动物都需要呼吸大前提鲸是哺乳动物小前提所以鲸需要呼吸结论。这里需要呼吸是大项鲸是小项哺乳动物是中项。中项的作用是搭桥它把大项和小项连起来连完就退场。三段论最常见的错误是中项不周延说白了就是桥没搭稳。看这个所有优秀员工都按时完成工作小李按时完成工作所以小李是优秀员工。中项是按时完成工作但它在前提里只覆盖了优秀员工这一小部分并没有覆盖所有按时完成工作的人所以这座桥只能单向通行。形式上的说法是中项在两个前提里都没有被断定全部外延因此无法完成连接。另外还有两个高频错误四名词错误前提里同一个词出现了两种含义实际上变成了四个词项中项根本没搭上和大项不当周延结论里出现了一个比前提中范围更大的断言。四名词错误的典型样子物质是不灭的这张桌子是物质所以这张桌子是不灭的。这里第一个物质是哲学上的抽象概念第二个物质是日常物品的材质同一个词承载了两个含义中项其实不存在推理失效。这种错误在商业汇报里极其常见因为很多行业术语本身就多义。2.3 假言推理肯定前件与否定后件以及两种经典谬误假言推理处理如果……那么……结构是日常使用频率最高的一种。它有两个有效形式、两个无效形式记住这四个就等于掌握了大部分。有效的第一个形式叫肯定前件如果P那么QP成立所以Q成立。比如如果服务器磁盘占用超过90%那么监控会告警现在占用是94%所以监控会告警。这个链条是封闭的前提真结论必然真。有效的第二个形式叫否定后件如果P那么QQ不成立所以P不成立。还拿上面那个例子监控没有告警所以磁盘占用没有超过90%。注意这个形式的有效性依赖于前提的那句如果是严格成立的如果告警规则里还有仅在业务时段生效这类附加条件那这条件就升级成如果P且R那么Q否定后件时就得小心。无效形式的第一个叫肯定后件如果P那么QQ成立所以P成立。这是最常见的错误日常对话里遍地都是。如果下雨地面就湿地面湿了所以下雨了。显然错洒水车也能让地面湿。无效形式的第二个叫否定前件如果P那么QP不成立所以Q不成立。如果下雨地面就湿没下雨所以地面不湿。同样错理由一样。我做过一个统计在我审过的产品方案文档里肯定后件这类错误占了逻辑问题的近四成。它之所以顽固是因为它符合人的直觉联想结果出现了人会本能地回推原因。要破除它唯一的办法是把可能还有其他原因这句话强制写出来。2.4 选言、联言与二难推理的实战用法选言推理处理要么A要么B结构。有效形式是否定肯定式要么A要么B不是A所以是B。注意这里的前提必须是互斥且穷尽如果A和B之外还有C推理立刻失效。大量误判都来自穷尽性没验证比如这次故障要么是网络问题要么是代码问题可实际上还有可能是配置漂移。联言推理处理既A又B结构规则简单整体成立则每个分项成立但反过来分项各自成立不能推出整体成立。张三会写代码、会做设计推不出张三能独立完成一个完整项目因为整体还依赖协作、时间安排等条件。二难推理是两个假言加一个选言组合起来逼出结论。经典结构如果方案A推行成本会超预算如果方案B推行进度会延期要么推行A要么推行B所以要么超预算要么延期。二难推理是个很好用的决策工具但要注意破局方法一是证明选言前提不穷尽还有方案C二是证明某个假言前提不成立其实A推行不会超预算三是指出结论荒谬从而反推前提有问题。这三种破法在评审会上非常好用。2.5 演绎推理的高频错误清单错误名称表现形式快速识别方法肯定后件由结果回推原因问一句还有没有别的可能原因否定前件条件不成立就断定结果不成立检查条件是否必要但不充分中项不周延搭桥的词没覆盖全部范围看中项在两个前提里是否都全部四名词错误同一词两种含义把关键词换成明确定义再读一遍循环论证结论被塞进前提找前提里是否隐含结论偷换论题论证过程中结论变形开头结论和结尾结论是否同一句实操心得这张表我打印过贴在工位上审方案时逐条过。用了两周之后就形成条件反射了看到因为结果出现了所以原因一定是X这类句子脑子里会自动弹警告。2.6 手把手把一段日常说辞改写成有效演绎链光看理论没用我拿一个真实场景走一遍全流程。原话是这样的来自一次需求评审用户投诉变多了肯定是我们上周改版改坏了。第一步找出隐藏结论上周的改版导致了投诉增加。第二步把隐藏前提全部挖出来写成显式形式前提1如果上周改版导致了投诉增加那么投诉量应该在改版后明显上升。 前提2投诉量在改版后确实明显上升。 结论上周改版导致了投诉增加。第三步判形式。这是典型的肯定后件由如果P那么Q和Q成立推出P成立无效。第四步补救。要做的是排除替代原因把推理改成归纳演绎的组合。具体操作先列出同期所有可能影响投诉量的变量比如客服响应时长变化、某次促销带来新用户比例上升、外部舆情、季节性波动、统计口径调整。然后逐项检查时间点是否吻合用求异法第3节会讲对比有改版的组和没改版的组。如果只有改版这一项在时间上和幅度上匹配那结论就从肯定降级成高度可能这才是这条证据能支撑的强度。第五步给结论定强度等级写进文档初步判断改版与投诉上升存在强相关置信度中等建议灰度回滚验证。你会发现改完之后结论变弱了但可信度反而上升了而且给出了验证路径。这就是演绎思维最大的价值它不能帮你找到真凶但能帮你快速排除那些看起来像推理其实不是的说法。3. 归纳推理从样本到规律的可靠性控制归纳推理是产生新知识的引擎也是出错最多的地方。它的问题不在结构而在样本。3.1 完全归纳与不完全归纳的分界归纳推理分两种。完全归纳是把一个类别里的所有对象都检查一遍再下结论。比如本周五个工作日的日报都提交了所以本周日报全部提交这结论是必然的实质上已经接近演绎。完全归纳的适用条件很苛刻对象数量有限且可穷尽。不完全归纳是从部分对象推断整体这才是我们平时说的归纳。它又分两小类简单枚举归纳只靠见得多下结论比如我见过的所有东北人都很豪爽。这种推理强度最弱因为它没有机制支撑遇到反例就崩。科学归纳在枚举之外还给出了因果机制。比如这批设备的故障都发生在温度超过40度时因为温度升高会导致某元件参数漂移进而触发保护这里有机制解释强度明显更高。区分标准很简单能不能回答为什么。我的建议是凡是要写进正式文档的归纳结论尽量往科学归纳的方向靠哪怕机制只是初步假设也比纯枚举强。3.2 穆勒五法找因果的五把钳子穆勒五法是归纳推理里最实用的一套工具专门用来从观察中找因果关系。我按好用程度排序讲。求同法多个场合出现同一结果找出它们共同的因素。比如三个不同城市的门店都出现了转化率下滑共同点是都在同一周上线了新的结算流程那这个流程就是重点嫌疑。求异法两组情况一组有某因素、一组没有结果不同则该因素可能是原因。这是最接近对照实验的方法强度最高。做产品灰度测试用的就是它。求同求异并用法先在各组内用求同法找出共同因素再在不同组之间用求异法对比双重确认。强度更高但要求数据量也更大。共变法某因素变化时结果也随之变化两者同步。比如广告投放量每增加10%订单量增加约3%这就是共变关系。注意共变只说明相关不说明因果可能是第三方因素同时影响了两个变量。剩余法已知一部分原因对应一部分结果把已知部分扣掉剩下的结果归因于剩余因素。比如总成本上涨了8%其中原材料贡献了5%、人力贡献了2%剩下1%需要另找解释这才发现是物流费率调整。注意穆勒五法能帮你定位嫌疑因素但不能直接定因果。要下因果结论最好补上机制假设再用求异法做一次对照验证。3.3 归纳强度的四个控制变量同样是从样本推整体为什么有的结论靠谱有的不靠谱我总结出四个变量挨个检查一遍结论的成色就清楚了。第一是样本量。样本太小随机波动就能主导结果。一个很实用的经验值是如果你要比较两个方案每组样本少于30个时任何差异都要谨慎对待。第二是样本代表性。这是比样本量更致命的问题。一万个样本全来自同一个渠道也只能代表那一个渠道。检查方法是列出你的目标人群特征再看样本的分布是否匹配尤其是年龄、地域、使用习惯这些会显著影响结果的维度。第三是反例处理。归纳推理里一个反例的信息量远大于一百个正例。看到反例的正确做法不是这是个特例而是问这个特例是否代表了一整类我忽略的情况。汞这个反例就推翻了一整条金属都是固体的结论。第四是机制解释。有机制支撑的归纳遇到新场景时你能预判它是否适用没有机制的归纳只能靠继续观察。3.4 实操给归纳结论打分的表格我在做数据结论时会用一张简单评分表四项各25分总分低于60就不写进结论只在附录里提一句。检查项25分标准15分标准5分标准样本量每组≥300且差异显著每组30至300每组低于30代表性覆盖所有主要渠道与人群覆盖主要渠道单一来源反例处理主动搜索并解释反例知道有反例未深究忽略反例机制解释有明确可验证的机制假设有模糊机制猜想纯枚举无机制这张表最大的好处是把我觉得这个结论挺稳变成了可讨论的分数。团队评审时不再吵数据够不够而是直接对着格子说哪一项该加分。3.5 归纳推理的经典陷阱清单以偏概全样本少还推得远。判断口诀是样本范围不能小于结论范围你只观察了三个客户就不能说客户普遍反映。幸存者偏差只看到活下来的样本。最典型的场景是只看成交客户反馈忽略所有流失客户得出的产品结论必然偏乐观。破解方法很直接强制把失败样本纳入统计。赌徒谬误认为独立事件的概率会因为历史结果而补偿。连续五次抛出正面不代表第六次更可能反面。因果倒置把结果当原因。看到用高端设备的人收入更高未必是设备带来收入也可能是收入高的人才买得起。样本污染统计口径中途变了。比如两个月的对比里第二个月把加购也算进了下单那这个增长完全没意义。实操心得每次看到一条漂亮的增长曲线我第一反应不是高兴而是去翻口径文档。真实工作里口径变更导致的假增长比业务真实增长更常见。4. 类比推理结构映射与迁移的艺术类比推理经常被低估因为它的结论强度最低。但实际工作中类比是唯一能在信息不足时快速给出方向感的工具用好了价值极高。4.1 类比的底层机制从属性映射到关系映射类比推理的基本结构是A具有属性a、b、c、dB具有属性a、b、c所以B也可能具有属性d。这里的关键在于a、b、c是否和d相关。更高级的一种类比是关系类比它比的不是属性而是对象之间的关系结构。比如心对于人体的作用类似于发动机对于汽车的作用这里比的是核心动力源这个关系角色而不是形状或材质。关系类比通常比属性类比可靠因为它抓住了结构层面的相似。还有一种叫模型类比工程上用得最多。比如用电路模型去类比热传导因为两者的微分方程形式相同所以电路里成熟的分析方法可以直接迁移到热学问题上。这种类比之所以强是因为背后有数学同构支撑。4.2 类比可靠性的决定因素类比的可信度取决于三件事我按重要性排序。第一相似点与结论的相关性。这是核心。你拿两家公司类比说他们增长曲线很像所以我们的增长也会很快但相似点只有曲线形状而决定增长的是市场容量、竞争格局、获客成本这些结构性因素那这个类比就毫无价值。相似点必须落在能影响结论的关键变量上。第二相似点的数量与多样性。一个相似点是巧合十个跨越不同维度的相似点就不太像巧合了。但注意数量不能替代相关性一堆无关的相似点加起来还是零。第三是否存在关键差异。这是最容易被忽略的一步。找完相似点之后必须专门找差异点尤其要找那些如果它不同结论就不成立的差异。这一步做完很多类比会自动崩塌这是好事早崩比晚崩好。4.3 类比在工程与日常中的三个高价值用法用法一解释陌生概念。这是类比的经典用途。要给非技术同事讲清楚缓存讲技术原理没用说缓存就像你把常用的调料放在灶台边不用每次开橱柜就行。解释型类比不要求严谨只要求即时可理解所以哪怕相似度不高也没关系只要抓住核心特征。用法二跨领域迁移方法。这是我个人最看重的用途。做用户增长时我借鉴过餐饮行业的翻台率思路做技术架构时我借鉴过城市交通的分层设计主干道、支路、巷子对应不同流量层级。迁移的关键是先把源领域的结构抽出来再看目标领域是否也有同构结构而不是照搬具体做法。用法三生成待验证假设。类比不能直接给结论但能给出值得一试的方向。比如这个产品的用户流失模式很像订阅制软件那订阅制里管用的挽留策略是不是也能用这就把类比变成了实验的起点。4.4 类比的两个致命错法机械类比把不同层次的对象强行放在一起比。比如公司就像一个大家庭这种说法用来说团队氛围还行但如果用来推导管理规则就危险了——家庭不以业绩考核成员公司要。类比一旦跨过了它适用的范围就会误导决策。表面类比只比可见特征不比内在机制。看到两个 App 界面都用了极简风格就断定它们的用户留存逻辑一样这完全是看皮不看骨。破解方法是在类比时强制写出这两个对象在哪个维度上相似、这个维度为什么会影响结论。注意任何用于决策支持的类比都必须附上关键差异一栏。没有差异分析的类比可信度按零算。4.5 实操三步验证一个类比是否站得住拿一个真实的例子走一遍。有同事说某短视频平台的推荐算法效果很好我们把它那套做法搬到我们的电商场景里应该也能提升转化。第一步列出源领域的关键结构。短视频推荐的核心结构是海量候选内容、极快的消费反馈几秒内完成一次曝光-反馈循环、用户偏好漂移快。它的算法优势建立在反馈密集这个基础上。第二步列出目标领域的关键结构。电商的场景是候选商品数量有限、反馈链路长从看到到下单可能隔几天、用户偏好相对稳定但决策更依赖价格和信任。第三步找关键差异。反馈密集这一条在两个领域完全不同。短视频算法大量依赖即时反馈做快速迭代而电商缺少这种即时信号直接搬过来会因为信号稀疏而失效。结论算法框架可以参考但核心的迭代节奏和特征设计必须重做不能照搬。走完这三步原本一句听起来很有道理的话变成了一个有明确边界的技术判断。这就是类比推理的正确用法它负责打开思路不负责给答案。5. 三类推理的协同使用与实战工作流三种推理不是三选一它们在真实工作里是接力使用的。这一节我用一个完整案例把它们串起来。5.1 完整案例一次线上故障的推理全过程场景某天早上监控显示订单创建成功率从99.5%掉到92%持续了二十分钟后自行恢复。第一步演绎推理做快速筛查。我们手上有几条硬规则比如如果数据库连接池耗尽那么日志里会出现连接超时的错误码。先查这个明确条件日志里有连接超时错误码。用肯定前件推出连接池确实耗尽过。再补一条如果没有流量突增那么连接池不太可能耗尽。查流量数据没有突增。这里用的是否定后件流量没突增所以肯定还有别的原因导致连接池耗尽。这一步没有找出根因但快速排除了一个方向。第二步归纳推理找模式。把过去半年所有类似故障拉出来用求同法找共同点。发现六次故障里有五次都发生在早上八点五十到九点十分之间共同点是都处于定时任务密集执行的时段。再用求异法对照那些同样在早高峰但没有定时任务的日期没有出现故障。两条方法交叉验证指向定时任务与业务高峰叠加这个模式。第三步类比推理生成假设。这个现象让我想到城市交通早高峰不是因为路不够宽而是因为大量车辆同时涌入。类比到系统上问题可能不是资源总量不足而是短时间内资源申请过于集中。基于这个类比提出假设定时任务在同一时间点集中启动瞬间占用了大量连接。第四步回到演绎验证。写一个明确的检验式如果定时任务集中启动是原因那么在故障时段关闭定时任务成功率应该恢复正常。做了一次演练验证恢复符合预期。整条链路闭合。这个案例说明一件事演绎负责划边界和验证归纳负责找模式类比负责提假设三者缺一条链都不完整。只靠演绎你永远只能验证已有规则发现不了新问题只靠归纳你会得出相关性但不知道机制只靠类比你只能得到模糊方向。5.2 三类推理对照速查表场景首选推理理由配套动作有明确规则要落到具体案例演绎结论必然最可靠逐条验证前提真伪面对一堆无结构数据找规律归纳能从样本反推模式做代表性检查与反例搜索遇到完全陌生的领域类比能快速借经验搭框架补关键差异分析要对外宣布结论演绎归纳双重支撑更稳明确置信度等级做决策方案评审演绎二难能把取舍摊开检查选言前提是否穷尽做创新假设归纳类比产生新方向的主要来源设计验证实验5.3 日常训练法每天十分钟的逻辑复盘逻辑能力不是读出来的是练出来的。我用的方法很简单每天挑一天里听到的一句断言做十分钟复盘四步走。第一步把断言原话写下来尽量不改。第二步把它拆成前提和结论。第三步判断它属于哪类推理并验证形式是否有效。第四步写出一个反例或者写出能让它更强的一种补充证据。举个例子今天听到同事说这个功能上线后用户活跃度提升了说明这个功能很受欢迎。拆开看前提是上线后活跃度提升结论是功能受欢迎。这是肯定后件式的推理同期可能还有运营活动、版本更新、季节性因素。一天一个例子一个月下来你会发现自己在会议上的反应速度明显变快因为你不再需要事后回想刚才哪里不对而是当场就能指出来。6. 常见问题与排查技巧实录6.1 常见问题速查表问题现象可能原因排查动作推理看着对但结论总被推翻大概率是形式无效用第2.5节表格逐条比数据支持结论但被质疑样本代表性不足检查样本渠道与目标人群匹配度方案评审总吵不出结果缺少共同的推理标准引入推理类型标注先对齐前提类比说服力弱相似点与结论不相关补做相关性分析与差异分析事后总结写不出结论归纳强度不够还硬下结论用第3.4节打分表决定是否写进正文反复出现同类判断错误缺少形式训练每天做一次十分钟复盘6.2 我踩过的三个坑第一个坑把形式有效当成了结论正确。早年我做过一份很有信心的分析报告推理链条形式上没毛病但第一条前提是从一次非公开讨论里听来的数字我没核对。结果整份报告的结论都建立在一个错误数字上。那次之后我养成了一个习惯所有推理链条的第一步都要标上数据来源和核对状态。形式的可靠不能替代前提的真实这句话我后来写在每一份报告的首页。第二个坑用归纳结论去指导需要精确判断的事。有一次我根据三次历史经验归纳出这个类型的需求一般两天能做完然后按这个节奏排了计划。第四次遇到的需求体量是之前的五倍直接延期一周。教训是归纳结论必须标注适用范围超出样本分布的场景不能套用。现在我在给估时结论时会补一句该估值仅适用于与历史样本同量级的需求。第三个坑用类比说服别人结果被反问倒。我曾经用一个餐饮行业的例子论证某个产品策略讲得挺顺结果对方一句我们和餐饮的用户决策成本差了一个量级就让我说不出话。那次让我明白类比在说服场景里是最弱的工具因为它太容易被找到一个反例。要用类比就一定要自己先把差异点摆出来主动承认边界反而更有说服力。6.3 写报告与汇报时的落地建议如果你要把这套东西用到实际输出上我给几条具体建议。审自己的文档时把每一个因此所以说明之后的句子单独标出来看它前面的支撑是演绎、归纳还是类比然后分别检查演绎查前提真伪和形式归纳查样本和反例类比查相似点相关性和关键差异。对外汇报结论时主动标出置信度。我的习惯是分三档已验证结论必然高置信多项证据交叉支持待验证初步假设需实验。这个标注看起来是多写了一行实际能极大降低被追问时的压力因为你已经主动承认了边界。做决策评审时用二难推理把选项摊开逼着大家面对取舍而不是停在我全都要。如果有人说两个方案的优点都保留那就说明选言前提不穷尽应该继续找第三个方案而不是硬拼两个方案。提示不要指望对方也懂这些术语。沟通时用这个结论的前提是什么有没有反例相似点关键吗这种大白话提问效果比说你这里犯了肯定后件的错误好得多后者只会让人防御。最后说一个我自己一直在用的小方法。我把这三种推理当成三种不同的检查工具写完任何一段需要说服别人的内容都会问自己三个问题我的演绎链有没有断点我的归纳样本能不能支撑我推的范围我用的类比相似点真的落在关键变量上吗这三个问题问完文字通常要改掉三成但改完的东西我自己敢签字。至于这三种推理本身的训练我觉得最快的路径不是背定义而是找一天里听到的最有道理的一句话把它拆开看看究竟是哪种推理在起作用坚持一个月你对听起来有道理这个东西的免疫力会明显变强。
阅读完成 · 觉得有帮助？
