1. 如何處理海量信息
簡單說就是使用大數據技術進行處理
2. 如何用結構化思維處理海量信息
結構化思維是一種 從無序到有序的思考過程 ，通過這種結構化思考,我們可以把問題拆解成一個個自己能解決的小部分。
在這個拆解過程當中你可以 建立一個先總後分的立體化思考方式 ，先看問題的關鍵方面,然後再往下分析,從而實現從總體到局部的鳥瞰，不再狗泥於細枝末節。
如果我們將這種思維方式具象成一幅畫,那麼它就是一張金字塔結構的樹狀圖,上面小,下面大。
從縱向上看,最頂端就是你需要解決的問題,下一層是支撐解決問題的不同方面,再下一層就是支持這些不同方面的原因,或者叫子理由。當然,你還可以不斷地再往下拆解每一個子理由。
橫向上看,每一個層級的子理由也要符合結構化。也就是說,要 通過歸類分組的方式將信息排序和窮盡 。
每次你在進行邏輯推演的時候,可以嘗試著使用這張圖,把你的思維過程畫下來。
面對信息往往有兩種情況：
一種,是你有明確的目標,或者是待解決的問題。那麼,你在主動識別信息的時候,就要特別去關注信息和你的標之間的關聯，這個時候你只需要去找你所關注的 關鍵詞 就好了。
另一種,是被動地接受大量的復雜信息。
這個時候，就需要結構化維的方式去思考。
接收信息的時候， 首先,找到信息中的結論 。
結論就是中心思想,是個觀點,也就是從一定的
立場或角度出發,對事物和問題的看法。
表示結論的提示詞比如:因此、由此可知、可以斷定、所以等等。
一般出現在開頭和結尾。
如果是面對面地交談,你可以問問對方,所以呢。
接下來去找支持結論的理由。
關注信息里的一些提示比如:原因是、因為這
個事實、有下列原因、鑒於、證據是、第一
第二、第三等等。
第三步是找出客觀事實。
什麼是客觀的呢?
數據和不帶感情色彩的，它是通過金字塔結構拆到最後,支撐結論和理由的東西。
有客觀事實來支持結論和理由，並且理由和結論還有證明和被證明的邏輯關系，這個信息就是具有真實性與可靠性的。
因此，面對海量信息，我們可以通過尋找結論、尋找相應支撐理由和事實，這樣縱向上的總分結構，來識別梳理信息。如圖所示：
3. 面對海量信息，我們怎麼辦
這是最好的時代，這是最壞的時代
移動互聯網極大地豐富了我們獲取信息的渠道，也給普通的個體提供了便捷的學習和發聲機會，然而「碎片化」「信息洪流」「收藏控」等的背後的確也體現了不少人的焦慮、甚至恐慌。
曾經有一份倫敦大學研究者的報告說，信息過度對人的影響可能比吸大麻還糟。他們聲稱，如果你吸一支大麻煙，你的智商可能暫時會減少四分；可是只要處於隨時收發資訊的狀態，你的腦袋甚至可能完全關機。
面的著海量信息，我們怎麼辦呢？如何去判斷信息的真實性和可靠性呢？
《結構思考力》的作者李忠秋老師說，我們日常中面對的信息往往有兩類，一類是我們主動識別的，另一類是被動接受的。由此，我們可以根據面對信息的兩種場景，去高效識別信息。
一、當有明確目標時或者是有待解決問題時
在面對信息時，重點關注信息和目標之間的關聯性。怎樣去找信息和目標之間的關聯性呢？這里主要能力就是搜索能力，最常用的方法，就是根據目標利用關鍵詞檢索。為什麼這樣做呢？主要是可以根據目標快速檢索需要的信息，同時過濾不必要的信息。比如，你的朋友要找海外銷售代表的薪酬待遇。如果你只是網路：海外代表，薪酬待遇，那就是一堆雜亂的信息。先搞清楚要找什麼？在哪裡找更好？思考發現海外銷售代表其實是一個職務，而薪酬待遇，可以細分的各個地區的，國家的。所以，要准確的，盡可能詳細的描述要找什麼？你理順後，就知道，其實你直接去招聘網站搜索就可以了，注冊主流的招聘網站，把該職位的關鍵字輸入進去，即可。
面對紛繁復雜的信息，先理清自己搜集信息的目標、或者與近期自己關注的話題對應，主動檢索要點信息，既可以快速地找到需要的信息，同時也可以過濾掉無效的信息。
二、 當被動接收信息時
無論是日常生活中還是工作中很大一部分信息都是被動的，面對被動信息時，我們的接收質量會受到信息的表達方式和自身注意力、了解力的影響。《金字塔原理》中曾說，任何事情都可以歸納出中心論點，中心論點可由三至七個論據支撐，每個一級論點可以衍生出其他的分論點，理清事情的關鍵在於把握事情的核心論點和論據。與此類似，李忠秋老師進一步提出了如何運用結構化思維的方式對信息高效識別。
1. 重點是識別結論、理由和事實
如何找到結論呢？結論就是中心思想，通常是一個核心觀點。
如何找到結論呢？
a. 找到信息找的表示結論的提示詞。這點類似於我們之前做閱讀理解中，提到的關鍵詞，如「因此」「所以」「重點是」。
b.關注信息中的幾個重要位置，比如信息的開頭、結尾。
如何找到理由呢？關注信息提示詞如「因為」「原因是」
什麼是客觀事實呢？客觀事實通常是不帶感情色彩或者有數據支撐的。
三、 如何如何判斷真實性與可靠性？
《結構化思維》中，提到了兩個要點：
要有客觀事實來支撐結論和理由
理由和結論之間要有證明和被證明的邏輯關系（信息才完整可信）。
例如，公共游泳池有可能成為威脅健康的公害，很多公共游泳池並不能嚴格遵守衛生法，因此在水生細菌的感染提供了空間，研究表明，60%的公共泳池都不能保證水裡的氯含量達到正常水平，任由游泳者感染疾病，很多游泳者在使用公共浴池以後開始患病。
論題：公共游泳池是不是一個健康的隱患？結論：是的。
理由：很多公共游泳池都不能遵守衛生法。具體的理由有以下兩點
（1）60%的公共泳池不能維持正常的含氯水平。
（2）很多人使用公共游泳池以後生病了。
因此，在分析信息的真實可靠性時，可以從兩步著手：首先，找出論題，然後找出作者的結論，檢索判斷信息中論證的要點。
綜上，面對海量信息時，《結構化思維》根據我們面對信息的場景提出了對應的思維方式：
一、有明確目標接收信息時，運用關鍵詞檢索法把握信息和目標之間的關聯性。
二、被動接受信息時，運用結構化思維，重點是提取信息中的核心論點、識別論據判斷論據和理由的完整性和邏輯關系。
4. 如何在海量數據中尋找和分析信息
如何在海量數據中尋找和分析信息
雖然大數據這個概念炒的非常火，但是大數據內部運作的邏輯，其實和我們傳統行業是比較類似的。比如如果傳統行業做實業的話，首先要有地基，你要有廠房，要有原材料，然後做加工，接下來設計成獨立的產品，給客戶帶來獨特的體驗。我們剛才講的開放雲就是大數據的地基和廠房，原材料就是在線上和線下產生的海量數據。這個是我們現在網路目前每天數據規模，2013年是25PB，這個數字在快速的變化，我們現在處理的能力已經提高一倍，數據上目前是50PB，增長了一倍，這個就是我們目前大資料庫要處理的數據的原材料。那麼有了原材料接下來該怎麼辦？
數據存儲
稍微看一下我們目前的大數據處理能力的三層架構。首先我們有海量的數據儲存能力，然後在這個基礎上，我們會做很多智能的分析，在這個基礎上我們做很多大數據的產品，我們會逐步的開放這三個方面的能力。先說一下海量數據，做實業的各位領導和專家們，如果你有原材料，最關鍵的下一步要做兩件事，一件事情是物流，第二件事情是原材料的標准化，要把原材料製成毛坯，在這個基礎上才能實現你的產能。
在海量數據的處理上是這樣的，網路三年前我們的架構是左邊這樣一個模式，在這個時候我們的數據傳輸，我們數據的儲存都是每個產品線有自己的方式，我們大概用了兩年的時間構建現在的數據儲存方式，解決兩個問題，一是數據的傳輸。現在網路很多產品線要實時產生大量海量的數據，這些數據都需要被實時的儲存一個地方。
但是這些產品線的數據格式都是異構的。我們做了非常多的標准化的工作，在基礎上形成了第一個海量數據儲存的產品，叫通用的數據倉庫。在使用這個通用的數據倉庫，我們第一個構建了實時的海量數據的傳輸平台，那麼任何一個產品線產生的數據都能夠實時的傳送到這個數據倉庫裡面。另外我們做了實時的數據標准化的工作，無論你的數據是什麼樣的格式，到我們數據倉庫裡面都以同樣的格式來儲存，有了這個物流，有了這個標准化，我們能夠在這個基礎上對數據進行更多的分析和加工。
那麼從這開始，網路的數據就開始在大數據部門進行各種各樣的處理過程。
數據分析
這個圖有點復雜，這是數據在網路的一個生命周期，這邊涉及到很多的技術細節，我會詳細一一介紹。這里我想強調的是整個數據的流程是全自動化的，從數據的生成，數據的傳輸，數據的標准化，到最後數據的歸類，數據的分析，都是全自動化的。這裡面我是很高興跟大家宣布，我們這套全自動化的流程，並形成了我們自己的產品。
這個產品我們現在有一個英文名字叫Query Engine，是一套標準的海量數據儲存方案，首先無論你的數據是什麼樣的，經過我們的處理會把它做成數據標准化，當你的數據實時生成，我們有非常好的數據傳輸框架，保證你的數據上傳到網路的開放雲，在上面進行建模，進行各種各樣可視化分析和決策的過程。我們已經成功了上傳分析一家合作企業將近10T的關於新能源方面的一些數據。網路非常歡迎傳統企業，如果你有海量的數據，你需要各種各樣的分析和操作的話，來接洽我們，來使用我們這款產品。
當這個數據已經被結構化儲存以後，我們希望在這個基礎上能夠進行各種各樣的智能化分析。就像傳統行業有自己的產品設計中心一樣，會對產品進行各種各樣的分析、排列組合，做各種各樣的實驗。在這個實驗的基礎上能夠產生出比較好的產品，能夠滿足用戶的需求。那麼在大數據部門也有這樣的需求，也需要有大數據產品的設計中心，在這個設計中心需要做很多實驗，做出適用於網路，適用於客戶的數據產品。所以這個產品經過四個月的努力，我們也已經對外開放。就是之前高級總監朱永忠介紹的，大家可以通過這個域名去訪問。
在這上面，我們大數據新產品的設計中心，可以進行很多實時的智能分析，做很多的實驗，對產品進行很多排列組合，看哪一種產品能夠最適合行業，滿足網路的需求。
大數據產品
那麼有了這樣的開放能力，下面給大家介紹在這個基礎上大數據部研發出來的三個大數據產品，希望能夠對在座的做實業的朋友有幫助。
第一個產品叫網路司南，專門針對於當企業發展到一定的階段，有了一定的品牌影響力的企業，能夠讓企業對自身的品牌有更客觀的了解，一共是三個方面。第一個是品牌分析，實際上你應該很想知道你的品牌在那個同行業里它的定位怎麼樣，周邊的人是如何看待你這個品牌的，對你這個品牌的口碑怎麼樣。而且我們把它做到基本上是實時的，你可以此時此刻知道大家對你品牌的口碑到底怎麼樣。
另外一方面，關注你的品牌，應該一定有一批已經比較忠實的用戶了，那麼這些人除了關注你的品牌，像剛才陳總講的一樣，除了關注你的品牌，他還關心什麼別的，他還對什麼樣的東西感興趣。這些我們通過基於統計的用戶畫像也能夠告訴你。
另外一個這些人是通過什麼渠道來了解到你的品牌，他是通過IPAD，是通過手機，通過看電視，還是通過PC、還是移動互聯網的瀏覽，這樣以後做營銷行為，就知道如何很快的影響到你的受眾，什麼樣的渠道是最有效的。那麼通過這幾個方式，我們都能夠告訴大家你的品牌到底處在什麼樣的狀態。
給大家看兩個司南在品牌上的應用。第一個叫代言人。很多品牌到了後期推廣的時候，都有找代言人的需求。什麼樣的代言人在你最想影響的受眾是最有號召力。之前是一些拍腦袋的決策，但是通過我們司南，通過海量的數據，通過海量的用戶行為分析，可以幫助你做一個決策的科學。實際上我們已經通過大數據的分析，可以產生出超過一千家的企業，他們最合適的代言人到底是哪一位。如果哪位老總也想嘗試自己品牌的話，可以和我們合作，我們可以告訴你，通過我們的數據，什麼樣的代言人，對於你的受眾會產生最大的品牌號召力。
另外一個是輿情分析，實際是跟品牌的口碑最像。你的企業里有一系列的產品，每一個產品可能有輕微的差異化，就像我們的化妝品一樣，每一款產品在用戶中的口碑到底怎麼樣，用戶喜歡這些產品什麼樣的功能，不喜歡這些產品什麼樣的功能。在之前，很多公司通過調研公司到各個城市，通過實時的訪談獲得一些統計數據。整個過程要耗費一個月左右。通過我們的輿情分析，幾乎可以實時告訴你這個答案，到底有多少用戶是喜歡這個功能，有多少用戶不喜歡這個功能。一個是通過一個月，一個是通過實時，這樣的話就有時間差了。這個時間差就是網路大數據能給傳統行業帶來的競爭力。
這是我們第一款基於大數據的工具，叫網路司南。
另外就是我們的預測平台產品。預測這個產品說的已經比較多了，這次想跟大家說的是，當我們發布了預測產品，並且取得了比較好的效果，很多公司，或者是一些政府部門會跟我們接洽，能不能幫我們也分析一下數據。比如景點希望我們幫他預測下一步七天的人流到底多還是不多。有的企業希望讓我們幫他預測下一步季度營業額是否能跟上一個季度匹配。
我們現在非常高興的把我們的預測平台能力開放出來，你不需要再去接洽網路的產品經理做這樣的事情，只要你使用我們的開放平台上傳你的數據，我們後面就會基於一系列各種各樣的數據分析，智能的演算法和網路後台自己的數據幫你做一些決策和分析。希望能夠幫助傳統企業做決策分析的時候能夠多一些科學的決策依據。
另外一個是我們的推薦。我們現在非常高興把我們這個能力也開放出來，非常可惜我們目前只面對互聯網的站長，站長可以定定製到底想用我們推薦的哪一方面的技術和性能、功能，非常靈活的為他的網站做推薦。但實際上我們最想做到的是把我們這套推薦引擎，和傳統行業結合起來，和很多實時推薦結合起來，在這塊也非常希望傳統的行業能跟我們接洽，把我們這種非常先進的線上推薦的技術和線下的場景結合起來，在線下發揮更大的功能。
三個產品只是揭開了冰山一角，在大數據這個方面，產品設計的想像力其實是很多很多的，我們在這方面也非常興奮，後面我們也會陸續推出一系列的大數據產品，請大家期待。網路願意與更多的人一起合作，在大數據這個方向上給網路，給行業、給用戶帶來更多的價值。
5. 如何處理互聯網路上的海量信息
海量數據的優化處理,一方面要合理使用資料庫工具和合理分配系統資源;另一方面要有好的處理方法。好的優化處理方法及其優化查詢能進一步提供查詢效率,提高用戶的查全率和查准率。
6. 處理海量數據時，如何擺脫人工篩選實現自動化--- excel攻略
有的時候統計工作特別繁瑣，如果數據量少，簡單的篩選還可以完成相應的工作。當數據非常龐大的時候，僅僅靠人工篩選很難准確及時地完成任務。
比如，面對一列繁雜的數據，需要整理出所有出現過的數據的頻次，並且將之歸類，按照每項分別出現多少次，按照降序依次整理成圖表是一件非常困難的事情。那麼善於使用EXCEL與否決定了一個人的工作效率。下面介紹一種方法，可以有效的從一列繁雜的混亂的數據中篩選出所有的類別，並且加以排序，形成圖表。
假如需要統計的海量數據文本在C列。選擇文本所在列C列，點擊數據---刪除重復項。即可以得到所有不重復的分類文本。為了後續操作方便，建議在第一步中，刪除重復項的操作中，將C列先復制到A列或者你想要復制到的任何一列，再進行第一步的操作。
以復制到A列為例。在A列中得出不重復的分類文本之後，可以開始統計每個分類文本在原文本中所出現的次數。
為了後續生成圖表，將A列篩選出的不良項，粘貼復制到D項。 （注意：不在 D 項直接操作第一步動作的原因是，為了防止後續重復使用此文本時候造成混亂，所以建議第一步在A 列操作。）
用countif函數開始統計每個在第一步中選出的不重復項在原文本所在C列的次數。在E2中輸入公式=countif(C列，D2)，則可以統計出D2項在C列出現的次數。往下拖動，則可以統計出各項文本在原文本中出現的次數。
3.1 上圖是已經排序之後的結果。一般篩選出來的數據是隨機的。選擇D列與E列，點數據---排序，會出現以下對話框。
3.2 點擊添加條件，按照下圖文本中設置。
3.3點擊確定，所選中文本會按照降序排列。
選取D列與E列，然後插入圖表，可形成按照降序排列的直方圖。
於是，繁雜而龐大的數據在幾分鍾內可以搞定。並且此類文本可以反復利用，非常方便快捷。當別人還在苦苦搜索不同類項目的時候，你可以出去吃喝玩樂啦。
7. 在海量信息中找到自己想要的信息的小技巧
本書借鑒《時代周刊》對新書評價等級的標注方法，提出了由粗到細的精讀方法。這個方法包括三個步驟：隨便翻翻、略讀和精讀。
我們先看第一步，隨便翻翻。首先把與我們閱讀主題相關或相似的文章在瀏覽器中，用新的標簽頁一一打開，而且只點不讀，直到把所有想看的文章都點過為止。【先把想看的文章直接篩選出來】這種做法如同綜藝節目的海選環節一樣，讓每個打開的頁面在一起競爭，然後用一個相對比較低的門檻快速淘汰絕大部分候選者。這樣，我們就能夠直接跳過一些不符合標準的頁面，減少時間的浪費。第二步就是略讀。針對已經打開的那些通過隨便翻翻挑選出來的頁面，一條一條地快速瀏覽其中的內容，一旦看到值得仔細讀的內容，就把它臨時保存下來，這樣就能快速處理掉雞肋信息，而且還能加深印象。最後一步就是精讀。【在想看的文章中篩選出值得仔細讀的信息然後保存下來】能夠到達這一步的文章已經非常少了，每天也只有那麼幾篇而已。這時我們便可以找空閑時間把他們仔細讀完，而且一旦發現內容確實不錯，可以使用印象筆記等軟體進行在線保存，方便日後查找使用。這種閱讀方式能夠對閱讀內容進行類比、遴選，避免我們浪費時間閱讀品質較差的文章。【把保存好的文章的信息作精讀】
【做主題式閱讀的時候可以用這個方法。搜索工具不同用到的操作不同，但背後的心法是一樣的，就是把看起來跟主題相關的文章先單獨篩選出來，然後再通過瀏覽的方式確認哪些信息值得閱讀，把值得閱讀的信息單獨保存下來做精讀】
8. 3. 怎樣歸納整理信息
這一講，我要跟你說說結構化思維在信息整理和歸納中的應用。
在這門課的開頭，我們說了結構化思維是一個立體化的分析方式。相信你還記得，金字塔結構圖可以分為橫向和縱向的拆解：
上一講，我們說的是面對海量信息，如何通過尋找結論、尋找理由和事實，來識別梳理信息，其實是一個 縱向上的總分結構 。
這一講，我們要解決的問題是，當你梳理了一堆結論、理由、子理由，列在了金字塔結構上之後，如何在橫向上對它們進行分類和排序，也就是結構化思維的 橫向拆解 。
首先，我來講一講，為什麼一定要對信息進行分類。
因為，人類的大腦一次性接收信息的量是有限的，而大腦又有自動將某些具有共同特點的事物進行歸類和重組的能力。換句話說， 一個分類里相近的事物會更容易記一些 。
我舉個例子你就明白了，假設你是一位銷售，你總結了跟客戶拉近距離的九條心法，想要向老闆匯報。它們分別是：
如果你真的把這九條一條一條向老闆匯報的話，可以想像，效果是很差的。而一旦你把不同的條目進行分類，信息就會變得非常清晰、簡單。
比如，把這些心法分成：（1）你無時無刻都要做的；（2）根據顧客的不同反應分別去應對的。
那麼，以上信息就變成：
「無論什麼時候都要對顧客保持微笑，有目光接觸，展現個人風格和使用正面的語言。當顧客有不同反應時，又要有特別的應對。比如，顧客有購買意願時，應當上前去詢問、引導；當顧客想離開時，可以遞上宣傳冊，歡迎再次惠顧。」
你看，分類以後，是不是變得非常清晰、簡單、直接了呢？
那麼如何分類呢？我先告訴你一個在現實生活中，可以通用的分類法則，叫MECE法則。
這個法則來自於麥肯錫，中文意思是「相互獨立、完全窮盡」。簡單來說，就是使用MECE法則分類， 各個要素之間要保證不能有交叉，也不能有遺漏，也就是「不重不漏」 。
舉個例子，把人分為男人和女人，就符合MECE法則。因為從人的生理結構上來說，除了男人就是女人。但如果把人分為男人和未婚女人，就有問題了，因為沒有窮盡，把已婚女人給遺漏了；把人分為男人和已婚人士，又出現了重復，因為男人里邊有已婚的，已婚里邊有男人。
在信息分類的時候，MECE就好比一把尺子，可以用來判斷信息要素是不是分類清楚了。所以下次你再遇到一大堆信息的時候，就可以嘗試著用MECE法則先窮盡要素，再分析清楚 。
我給你布置一個作業，相信很多人都會遇到在工作報告，或表格當中有一項叫「其他」。這個「其他」很可能就是因為分類不MECE導致遺漏在外面的。
我建議你，下次再看到「其他」的時候，想一想，它是不是可以列入上面的某一類，或者怎樣分類就能做到不重不漏，把所有的信息都列進去，而不需要有「其他」這項了。
歡迎你把你的觀察寫在文稿下方的留言區和我互動。
對於怎樣才能做到不重不漏，我給你提供5種方法，這也就是MECE的5種分類法：
1. 二分法 。 這個分類方式在日常生活中比較常見，其實就是把信息分成A和非A兩個部分。
比如國內、國外，他人、自己，已婚、未婚，成年人、未成年人，左右，男女，收入和支出，專業和業余等等。
2. 過程法 。 也就是按照事情發展的時間、流程、程序，對信息進行逐一的分類。
你在日常生活當中制定的日程表，解決問題的6個步驟，達成目標的3個階段，其實都屬於過程分類。 過程分類法特別適合用於在對項目進展和階段的匯報上。
這講開頭說的「銷售的九條心法」，其實也可以用過程法來進行分類。比如，可以分為顧客進店、店內接待和送客這三個步驟。你可以這樣說：
「顧客進店時，要對顧客保持微笑，有目光接觸；顧客在店時，要注意對顧客保持觀察、傾聽，提供專業建議，並進行正面引導；送客時，要尊重客人意願，並表達持續服務的姿態。」
3. 要素法。 聽起來好像有點深奧，但其實你在生活當中也經常使用。
比如說優秀員工的7種品質、公司的組織架構圖等等，其實都是把一個整體分成不同的構成部分。可以是從上到下，從外到內，從整體到局部。 這種分類方法是用於說明事物的各個方面特徵的。
4. 公式法。 也就是說，可以按照公式設計的要素去分類，只要公式成立，那這樣的分類就符合MECE原則。
比如，銷售額=單價×數量，這里就是把銷售額通過公式拆解成了單價和數量。
前些年很多外資企業面試題里，經常有這樣的題目，讓你去計算中國有多少車輛，北京有多少個餐館等等。其實他們並不是真的想知道中國到底有多少車，而是考察你對信息的歸納、整理能力，看你能不能用一個公式的方法把信息進行不重不漏的整理，也就是一個人結構化思考的能力。
5. 矩陣法。 這種分類方式也很常見，舉個例子你就明白了。比如我們在安排工作的時候，有一種分類方式，是把你的工作分成以下四種：（1）重要緊急，（2）重要不緊急，（3）不重要但緊急，（4）不重要也不緊急。
然後可以把它們填到4個象限當中去，這4個象限就是我說的2×2矩陣。這種分類方式就叫做矩陣法。
這種分類方式的關鍵在於，你要使用2次二分法，什麼意思呢？比如：
你給員工布置任務，你可以先用二分法把員工分為有意願做任務的員工和沒有意願做任務的員工；然後再從另外一個維度再用一次二分法，把員工分成有能力做任務的員工和沒有能力做任務的員工。
接著，你把這兩個不同的類別交叉，就可以得到一個四個象限的類別，它們分別就是有能力有意願，有能力沒意願，沒能力有意願和沒能力沒意願。得出的這4項分類是MECE的，它是不重不漏的。
講完了5種MECE的分類方法以後，我希望你知道的是， MECE的好處不僅僅是可以對全部信息進行歸類整理，還在於，你對事物的構成要素進行MECE思考的時候，甚至可以激發你沒有想到的點子，拓展你的思路 。
對於大部分情況來說，MECE法則是一個較為通用的分類法則，但在某些場景下我們還有更直接的模型，可以把現有的信息，分類放到一些分類模型當中去。
比如，在考慮市場戰略的時候有一個常用的模型叫做3C，即公司（Company）、顧客（Customer）、競爭對手（Competitor）三個英文單詞的首字母。按照這三個要素進行戰略歸類的時候，就可以防止公司出現忽視用戶需求、市場行情，自顧自去開發產品，導致血本無歸的情形。
再比如，在做市場營銷決策的時候，有個4P結構，是由產品（Proct）、價格（Price）、渠道（Place）和營銷（Promotion）四個詞的首字母構成的。制定決策的時候，將這四個要素考慮完備，就可以避免陷入「低價格一定有好營銷」的誤區。
類似的模型還有很多，你平時可以留心積累一些，做個有心人。把這些思考結構作為你的工具，根據你的工作需要，去選擇不同的工具。
這一講，我們說了如何用結構化思維對信息進行整理和歸納。
我給你講了5種MECE分類的方法，保證你在對信息分類的時候可以做到不重不漏。同時，我還給你介紹了兩種特定場景下的分類工具，你在平時的工作當中還可以去積累更多其他的工具。
下一講，我會告訴你如何用結構化思維來總結和概括信息。
本講MECE法則的分類方法中，「公式法」非常特別，很多外企面試也喜歡考察。那具體怎樣用「公式法」對問題進行拆解呢？
「得到」上有一門課《怎樣成為解決問題的高手》，其中有具體的案例，帶你估算北京地鐵的客運量、煎餅攤的收入。感興趣的話，推薦你點擊下圖看看。