1. 如何处理海量信息
简单说就是使用大数据技术进行处理
2. 如何用结构化思维处理海量信息
结构化思维是一种 从无序到有序的思考过程 ，通过这种结构化思考,我们可以把问题拆解成一个个自己能解决的小部分。
在这个拆解过程当中你可以 建立一个先总后分的立体化思考方式 ，先看问题的关键方面,然后再往下分析,从而实现从总体到局部的鸟瞰，不再狗泥于细枝末节。
如果我们将这种思维方式具象成一幅画,那么它就是一张金字塔结构的树状图,上面小,下面大。
从纵向上看,最顶端就是你需要解决的问题,下一层是支撑解决问题的不同方面,再下一层就是支持这些不同方面的原因,或者叫子理由。当然,你还可以不断地再往下拆解每一个子理由。
横向上看,每一个层级的子理由也要符合结构化。也就是说,要 通过归类分组的方式将信息排序和穷尽 。
每次你在进行逻辑推演的时候,可以尝试着使用这张图,把你的思维过程画下来。
面对信息往往有两种情况：
一种,是你有明确的目标,或者是待解决的问题。那么,你在主动识别信息的时候,就要特别去关注信息和你的标之间的关联，这个时候你只需要去找你所关注的 关键词 就好了。
另一种,是被动地接受大量的复杂信息。
这个时候，就需要结构化维的方式去思考。
接收信息的时候， 首先,找到信息中的结论 。
结论就是中心思想,是个观点,也就是从一定的
立场或角度出发,对事物和问题的看法。
表示结论的提示词比如:因此、由此可知、可以断定、所以等等。
一般出现在开头和结尾。
如果是面对面地交谈,你可以问问对方,所以呢。
接下来去找支持结论的理由。
关注信息里的一些提示比如:原因是、因为这
个事实、有下列原因、鉴于、证据是、第一
第二、第三等等。
第三步是找出客观事实。
什么是客观的呢?
数据和不带感情色彩的，它是通过金字塔结构拆到最后,支撑结论和理由的东西。
有客观事实来支持结论和理由，并且理由和结论还有证明和被证明的逻辑关系，这个信息就是具有真实性与可靠性的。
因此，面对海量信息，我们可以通过寻找结论、寻找相应支撑理由和事实，这样纵向上的总分结构，来识别梳理信息。如图所示：
3. 面对海量信息，我们怎么办
这是最好的时代，这是最坏的时代
移动互联网极大地丰富了我们获取信息的渠道，也给普通的个体提供了便捷的学习和发声机会，然而“碎片化”“信息洪流”“收藏控”等的背后的确也体现了不少人的焦虑、甚至恐慌。
曾经有一份伦敦大学研究者的报告说，信息过度对人的影响可能比吸大麻还糟。他们声称，如果你吸一支大麻烟，你的智商可能暂时会减少四分；可是只要处于随时收发资讯的状态，你的脑袋甚至可能完全关机。
面的着海量信息，我们怎么办呢？如何去判断信息的真实性和可靠性呢？
《结构思考力》的作者李忠秋老师说，我们日常中面对的信息往往有两类，一类是我们主动识别的，另一类是被动接受的。由此，我们可以根据面对信息的两种场景，去高效识别信息。
一、当有明确目标时或者是有待解决问题时
在面对信息时，重点关注信息和目标之间的关联性。怎样去找信息和目标之间的关联性呢？这里主要能力就是搜索能力，最常用的方法，就是根据目标利用关键词检索。为什么这样做呢？主要是可以根据目标快速检索需要的信息，同时过滤不必要的信息。比如，你的朋友要找海外销售代表的薪酬待遇。如果你只是网络：海外代表，薪酬待遇，那就是一堆杂乱的信息。先搞清楚要找什么？在哪里找更好？思考发现海外销售代表其实是一个职务，而薪酬待遇，可以细分的各个地区的，国家的。所以，要准确的，尽可能详细的描述要找什么？你理顺后，就知道，其实你直接去招聘网站搜索就可以了，注册主流的招聘网站，把该职位的关键字输入进去，即可。
面对纷繁复杂的信息，先理清自己搜集信息的目标、或者与近期自己关注的话题对应，主动检索要点信息，既可以快速地找到需要的信息，同时也可以过滤掉无效的信息。
二、 当被动接收信息时
无论是日常生活中还是工作中很大一部分信息都是被动的，面对被动信息时，我们的接收质量会受到信息的表达方式和自身注意力、了解力的影响。《金字塔原理》中曾说，任何事情都可以归纳出中心论点，中心论点可由三至七个论据支撑，每个一级论点可以衍生出其他的分论点，理清事情的关键在于把握事情的核心论点和论据。与此类似，李忠秋老师进一步提出了如何运用结构化思维的方式对信息高效识别。
1. 重点是识别结论、理由和事实
如何找到结论呢？结论就是中心思想，通常是一个核心观点。
如何找到结论呢？
a. 找到信息找的表示结论的提示词。这点类似于我们之前做阅读理解中，提到的关键词，如“因此”“所以”“重点是”。
b.关注信息中的几个重要位置，比如信息的开头、结尾。
如何找到理由呢？关注信息提示词如“因为”“原因是”
什么是客观事实呢？客观事实通常是不带感情色彩或者有数据支撑的。
三、 如何如何判断真实性与可靠性？
《结构化思维》中，提到了两个要点：
要有客观事实来支撑结论和理由
理由和结论之间要有证明和被证明的逻辑关系（信息才完整可信）。
例如，公共游泳池有可能成为威胁健康的公害，很多公共游泳池并不能严格遵守卫生法，因此在水生细菌的感染提供了空间，研究表明，60%的公共泳池都不能保证水里的氯含量达到正常水平，任由游泳者感染疾病，很多游泳者在使用公共浴池以后开始患病。
论题：公共游泳池是不是一个健康的隐患？结论：是的。
理由：很多公共游泳池都不能遵守卫生法。具体的理由有以下两点
（1）60%的公共泳池不能维持正常的含氯水平。
（2）很多人使用公共游泳池以后生病了。
因此，在分析信息的真实可靠性时，可以从两步着手：首先，找出论题，然后找出作者的结论，检索判断信息中论证的要点。
综上，面对海量信息时，《结构化思维》根据我们面对信息的场景提出了对应的思维方式：
一、有明确目标接收信息时，运用关键词检索法把握信息和目标之间的关联性。
二、被动接受信息时，运用结构化思维，重点是提取信息中的核心论点、识别论据判断论据和理由的完整性和逻辑关系。
4. 如何在海量数据中寻找和分析信息
如何在海量数据中寻找和分析信息
虽然大数据这个概念炒的非常火，但是大数据内部运作的逻辑，其实和我们传统行业是比较类似的。比如如果传统行业做实业的话，首先要有地基，你要有厂房，要有原材料，然后做加工，接下来设计成独立的产品，给客户带来独特的体验。我们刚才讲的开放云就是大数据的地基和厂房，原材料就是在线上和线下产生的海量数据。这个是我们现在网络目前每天数据规模，2013年是25PB，这个数字在快速的变化，我们现在处理的能力已经提高一倍，数据上目前是50PB，增长了一倍，这个就是我们目前大数据库要处理的数据的原材料。那么有了原材料接下来该怎么办？
数据存储
稍微看一下我们目前的大数据处理能力的三层架构。首先我们有海量的数据储存能力，然后在这个基础上，我们会做很多智能的分析，在这个基础上我们做很多大数据的产品，我们会逐步的开放这三个方面的能力。先说一下海量数据，做实业的各位领导和专家们，如果你有原材料，最关键的下一步要做两件事，一件事情是物流，第二件事情是原材料的标准化，要把原材料制成毛坯，在这个基础上才能实现你的产能。
在海量数据的处理上是这样的，网络三年前我们的架构是左边这样一个模式，在这个时候我们的数据传输，我们数据的储存都是每个产品线有自己的方式，我们大概用了两年的时间构建现在的数据储存方式，解决两个问题，一是数据的传输。现在网络很多产品线要实时产生大量海量的数据，这些数据都需要被实时的储存一个地方。
但是这些产品线的数据格式都是异构的。我们做了非常多的标准化的工作，在基础上形成了第一个海量数据储存的产品，叫通用的数据仓库。在使用这个通用的数据仓库，我们第一个构建了实时的海量数据的传输平台，那么任何一个产品线产生的数据都能够实时的传送到这个数据仓库里面。另外我们做了实时的数据标准化的工作，无论你的数据是什么样的格式，到我们数据仓库里面都以同样的格式来储存，有了这个物流，有了这个标准化，我们能够在这个基础上对数据进行更多的分析和加工。
那么从这开始，网络的数据就开始在大数据部门进行各种各样的处理过程。
数据分析
这个图有点复杂，这是数据在网络的一个生命周期，这边涉及到很多的技术细节，我会详细一一介绍。这里我想强调的是整个数据的流程是全自动化的，从数据的生成，数据的传输，数据的标准化，到最后数据的归类，数据的分析，都是全自动化的。这里面我是很高兴跟大家宣布，我们这套全自动化的流程，并形成了我们自己的产品。
这个产品我们现在有一个英文名字叫Query Engine，是一套标准的海量数据储存方案，首先无论你的数据是什么样的，经过我们的处理会把它做成数据标准化，当你的数据实时生成，我们有非常好的数据传输框架，保证你的数据上传到网络的开放云，在上面进行建模，进行各种各样可视化分析和决策的过程。我们已经成功了上传分析一家合作企业将近10T的关于新能源方面的一些数据。网络非常欢迎传统企业，如果你有海量的数据，你需要各种各样的分析和操作的话，来接洽我们，来使用我们这款产品。
当这个数据已经被结构化储存以后，我们希望在这个基础上能够进行各种各样的智能化分析。就像传统行业有自己的产品设计中心一样，会对产品进行各种各样的分析、排列组合，做各种各样的实验。在这个实验的基础上能够产生出比较好的产品，能够满足用户的需求。那么在大数据部门也有这样的需求，也需要有大数据产品的设计中心，在这个设计中心需要做很多实验，做出适用于网络，适用于客户的数据产品。所以这个产品经过四个月的努力，我们也已经对外开放。就是之前高级总监朱永忠介绍的，大家可以通过这个域名去访问。
在这上面，我们大数据新产品的设计中心，可以进行很多实时的智能分析，做很多的实验，对产品进行很多排列组合，看哪一种产品能够最适合行业，满足网络的需求。
大数据产品
那么有了这样的开放能力，下面给大家介绍在这个基础上大数据部研发出来的三个大数据产品，希望能够对在座的做实业的朋友有帮助。
第一个产品叫网络司南，专门针对于当企业发展到一定的阶段，有了一定的品牌影响力的企业，能够让企业对自身的品牌有更客观的了解，一共是三个方面。第一个是品牌分析，实际上你应该很想知道你的品牌在那个同行业里它的定位怎么样，周边的人是如何看待你这个品牌的，对你这个品牌的口碑怎么样。而且我们把它做到基本上是实时的，你可以此时此刻知道大家对你品牌的口碑到底怎么样。
另外一方面，关注你的品牌，应该一定有一批已经比较忠实的用户了，那么这些人除了关注你的品牌，像刚才陈总讲的一样，除了关注你的品牌，他还关心什么别的，他还对什么样的东西感兴趣。这些我们通过基于统计的用户画像也能够告诉你。
另外一个这些人是通过什么渠道来了解到你的品牌，他是通过IPAD，是通过手机，通过看电视，还是通过PC、还是移动互联网的浏览，这样以后做营销行为，就知道如何很快的影响到你的受众，什么样的渠道是最有效的。那么通过这几个方式，我们都能够告诉大家你的品牌到底处在什么样的状态。
给大家看两个司南在品牌上的应用。第一个叫代言人。很多品牌到了后期推广的时候，都有找代言人的需求。什么样的代言人在你最想影响的受众是最有号召力。之前是一些拍脑袋的决策，但是通过我们司南，通过海量的数据，通过海量的用户行为分析，可以帮助你做一个决策的科学。实际上我们已经通过大数据的分析，可以产生出超过一千家的企业，他们最合适的代言人到底是哪一位。如果哪位老总也想尝试自己品牌的话，可以和我们合作，我们可以告诉你，通过我们的数据，什么样的代言人，对于你的受众会产生最大的品牌号召力。
另外一个是舆情分析，实际是跟品牌的口碑最像。你的企业里有一系列的产品，每一个产品可能有轻微的差异化，就像我们的化妆品一样，每一款产品在用户中的口碑到底怎么样，用户喜欢这些产品什么样的功能，不喜欢这些产品什么样的功能。在之前，很多公司通过调研公司到各个城市，通过实时的访谈获得一些统计数据。整个过程要耗费一个月左右。通过我们的舆情分析，几乎可以实时告诉你这个答案，到底有多少用户是喜欢这个功能，有多少用户不喜欢这个功能。一个是通过一个月，一个是通过实时，这样的话就有时间差了。这个时间差就是网络大数据能给传统行业带来的竞争力。
这是我们第一款基于大数据的工具，叫网络司南。
另外就是我们的预测平台产品。预测这个产品说的已经比较多了，这次想跟大家说的是，当我们发布了预测产品，并且取得了比较好的效果，很多公司，或者是一些政府部门会跟我们接洽，能不能帮我们也分析一下数据。比如景点希望我们帮他预测下一步七天的人流到底多还是不多。有的企业希望让我们帮他预测下一步季度营业额是否能跟上一个季度匹配。
我们现在非常高兴的把我们的预测平台能力开放出来，你不需要再去接洽网络的产品经理做这样的事情，只要你使用我们的开放平台上传你的数据，我们后面就会基于一系列各种各样的数据分析，智能的算法和网络后台自己的数据帮你做一些决策和分析。希望能够帮助传统企业做决策分析的时候能够多一些科学的决策依据。
另外一个是我们的推荐。我们现在非常高兴把我们这个能力也开放出来，非常可惜我们目前只面对互联网的站长，站长可以定定制到底想用我们推荐的哪一方面的技术和性能、功能，非常灵活的为他的网站做推荐。但实际上我们最想做到的是把我们这套推荐引擎，和传统行业结合起来，和很多实时推荐结合起来，在这块也非常希望传统的行业能跟我们接洽，把我们这种非常先进的线上推荐的技术和线下的场景结合起来，在线下发挥更大的功能。
三个产品只是揭开了冰山一角，在大数据这个方面，产品设计的想象力其实是很多很多的，我们在这方面也非常兴奋，后面我们也会陆续推出一系列的大数据产品，请大家期待。网络愿意与更多的人一起合作，在大数据这个方向上给网络，给行业、给用户带来更多的价值。
5. 如何处理互联网络上的海量信息
海量数据的优化处理,一方面要合理使用数据库工具和合理分配系统资源;另一方面要有好的处理方法。好的优化处理方法及其优化查询能进一步提供查询效率,提高用户的查全率和查准率。
6. 处理海量数据时，如何摆脱人工筛选实现自动化--- excel攻略
有的时候统计工作特别繁琐，如果数据量少，简单的筛选还可以完成相应的工作。当数据非常庞大的时候，仅仅靠人工筛选很难准确及时地完成任务。
比如，面对一列繁杂的数据，需要整理出所有出现过的数据的频次，并且将之归类，按照每项分别出现多少次，按照降序依次整理成图表是一件非常困难的事情。那么善于使用EXCEL与否决定了一个人的工作效率。下面介绍一种方法，可以有效的从一列繁杂的混乱的数据中筛选出所有的类别，并且加以排序，形成图表。
假如需要统计的海量数据文本在C列。选择文本所在列C列，点击数据---删除重复项。即可以得到所有不重复的分类文本。为了后续操作方便，建议在第一步中，删除重复项的操作中，将C列先复制到A列或者你想要复制到的任何一列，再进行第一步的操作。
以复制到A列为例。在A列中得出不重复的分类文本之后，可以开始统计每个分类文本在原文本中所出现的次数。
为了后续生成图表，将A列筛选出的不良项，粘贴复制到D项。 （注意：不在 D 项直接操作第一步动作的原因是，为了防止后续重复使用此文本时候造成混乱，所以建议第一步在A 列操作。）
用countif函数开始统计每个在第一步中选出的不重复项在原文本所在C列的次数。在E2中输入公式=countif(C列，D2)，则可以统计出D2项在C列出现的次数。往下拖动，则可以统计出各项文本在原文本中出现的次数。
3.1 上图是已经排序之后的结果。一般筛选出来的数据是随机的。选择D列与E列，点数据---排序，会出现以下对话框。
3.2 点击添加条件，按照下图文本中设置。
3.3点击确定，所选中文本会按照降序排列。
选取D列与E列，然后插入图表，可形成按照降序排列的直方图。
于是，繁杂而庞大的数据在几分钟内可以搞定。并且此类文本可以反复利用，非常方便快捷。当别人还在苦苦搜索不同类项目的时候，你可以出去吃喝玩乐啦。
7. 在海量信息中找到自己想要的信息的小技巧
本书借鉴《时代周刊》对新书评价等级的标注方法，提出了由粗到细的精读方法。这个方法包括三个步骤：随便翻翻、略读和精读。
我们先看第一步，随便翻翻。首先把与我们阅读主题相关或相似的文章在浏览器中，用新的标签页一一打开，而且只点不读，直到把所有想看的文章都点过为止。【先把想看的文章直接筛选出来】这种做法如同综艺节目的海选环节一样，让每个打开的页面在一起竞争，然后用一个相对比较低的门槛快速淘汰绝大部分候选者。这样，我们就能够直接跳过一些不符合标准的页面，减少时间的浪费。第二步就是略读。针对已经打开的那些通过随便翻翻挑选出来的页面，一条一条地快速浏览其中的内容，一旦看到值得仔细读的内容，就把它临时保存下来，这样就能快速处理掉鸡肋信息，而且还能加深印象。最后一步就是精读。【在想看的文章中筛选出值得仔细读的信息然后保存下来】能够到达这一步的文章已经非常少了，每天也只有那么几篇而已。这时我们便可以找空闲时间把他们仔细读完，而且一旦发现内容确实不错，可以使用印象笔记等软件进行在线保存，方便日后查找使用。这种阅读方式能够对阅读内容进行类比、遴选，避免我们浪费时间阅读品质较差的文章。【把保存好的文章的信息作精读】
【做主题式阅读的时候可以用这个方法。搜索工具不同用到的操作不同，但背后的心法是一样的，就是把看起来跟主题相关的文章先单独筛选出来，然后再通过浏览的方式确认哪些信息值得阅读，把值得阅读的信息单独保存下来做精读】
8. 3. 怎样归纳整理信息
这一讲，我要跟你说说结构化思维在信息整理和归纳中的应用。
在这门课的开头，我们说了结构化思维是一个立体化的分析方式。相信你还记得，金字塔结构图可以分为横向和纵向的拆解：
上一讲，我们说的是面对海量信息，如何通过寻找结论、寻找理由和事实，来识别梳理信息，其实是一个 纵向上的总分结构 。
这一讲，我们要解决的问题是，当你梳理了一堆结论、理由、子理由，列在了金字塔结构上之后，如何在横向上对它们进行分类和排序，也就是结构化思维的 横向拆解 。
首先，我来讲一讲，为什么一定要对信息进行分类。
因为，人类的大脑一次性接收信息的量是有限的，而大脑又有自动将某些具有共同特点的事物进行归类和重组的能力。换句话说， 一个分类里相近的事物会更容易记一些 。
我举个例子你就明白了，假设你是一位销售，你总结了跟客户拉近距离的九条心法，想要向老板汇报。它们分别是：
如果你真的把这九条一条一条向老板汇报的话，可以想象，效果是很差的。而一旦你把不同的条目进行分类，信息就会变得非常清晰、简单。
比如，把这些心法分成：（1）你无时无刻都要做的；（2）根据顾客的不同反应分别去应对的。
那么，以上信息就变成：
“无论什么时候都要对顾客保持微笑，有目光接触，展现个人风格和使用正面的语言。当顾客有不同反应时，又要有特别的应对。比如，顾客有购买意愿时，应当上前去询问、引导；当顾客想离开时，可以递上宣传册，欢迎再次惠顾。”
你看，分类以后，是不是变得非常清晰、简单、直接了呢？
那么如何分类呢？我先告诉你一个在现实生活中，可以通用的分类法则，叫MECE法则。
这个法则来自于麦肯锡，中文意思是“相互独立、完全穷尽”。简单来说，就是使用MECE法则分类， 各个要素之间要保证不能有交叉，也不能有遗漏，也就是“不重不漏” 。
举个例子，把人分为男人和女人，就符合MECE法则。因为从人的生理结构上来说，除了男人就是女人。但如果把人分为男人和未婚女人，就有问题了，因为没有穷尽，把已婚女人给遗漏了；把人分为男人和已婚人士，又出现了重复，因为男人里边有已婚的，已婚里边有男人。
在信息分类的时候，MECE就好比一把尺子，可以用来判断信息要素是不是分类清楚了。所以下次你再遇到一大堆信息的时候，就可以尝试着用MECE法则先穷尽要素，再分析清楚 。
我给你布置一个作业，相信很多人都会遇到在工作报告，或表格当中有一项叫“其他”。这个“其他”很可能就是因为分类不MECE导致遗漏在外面的。
我建议你，下次再看到“其他”的时候，想一想，它是不是可以列入上面的某一类，或者怎样分类就能做到不重不漏，把所有的信息都列进去，而不需要有“其他”这项了。
欢迎你把你的观察写在文稿下方的留言区和我互动。
对于怎样才能做到不重不漏，我给你提供5种方法，这也就是MECE的5种分类法：
1. 二分法 。 这个分类方式在日常生活中比较常见，其实就是把信息分成A和非A两个部分。
比如国内、国外，他人、自己，已婚、未婚，成年人、未成年人，左右，男女，收入和支出，专业和业余等等。
2. 过程法 。 也就是按照事情发展的时间、流程、程序，对信息进行逐一的分类。
你在日常生活当中制定的日程表，解决问题的6个步骤，达成目标的3个阶段，其实都属于过程分类。 过程分类法特别适合用于在对项目进展和阶段的汇报上。
这讲开头说的“销售的九条心法”，其实也可以用过程法来进行分类。比如，可以分为顾客进店、店内接待和送客这三个步骤。你可以这样说：
“顾客进店时，要对顾客保持微笑，有目光接触；顾客在店时，要注意对顾客保持观察、倾听，提供专业建议，并进行正面引导；送客时，要尊重客人意愿，并表达持续服务的姿态。”
3. 要素法。 听起来好像有点深奥，但其实你在生活当中也经常使用。
比如说优秀员工的7种品质、公司的组织架构图等等，其实都是把一个整体分成不同的构成部分。可以是从上到下，从外到内，从整体到局部。 这种分类方法是用于说明事物的各个方面特征的。
4. 公式法。 也就是说，可以按照公式设计的要素去分类，只要公式成立，那这样的分类就符合MECE原则。
比如，销售额=单价×数量，这里就是把销售额通过公式拆解成了单价和数量。
前些年很多外资企业面试题里，经常有这样的题目，让你去计算中国有多少车辆，北京有多少个餐馆等等。其实他们并不是真的想知道中国到底有多少车，而是考察你对信息的归纳、整理能力，看你能不能用一个公式的方法把信息进行不重不漏的整理，也就是一个人结构化思考的能力。
5. 矩阵法。 这种分类方式也很常见，举个例子你就明白了。比如我们在安排工作的时候，有一种分类方式，是把你的工作分成以下四种：（1）重要紧急，（2）重要不紧急，（3）不重要但紧急，（4）不重要也不紧急。
然后可以把它们填到4个象限当中去，这4个象限就是我说的2×2矩阵。这种分类方式就叫做矩阵法。
这种分类方式的关键在于，你要使用2次二分法，什么意思呢？比如：
你给员工布置任务，你可以先用二分法把员工分为有意愿做任务的员工和没有意愿做任务的员工；然后再从另外一个维度再用一次二分法，把员工分成有能力做任务的员工和没有能力做任务的员工。
接着，你把这两个不同的类别交叉，就可以得到一个四个象限的类别，它们分别就是有能力有意愿，有能力没意愿，没能力有意愿和没能力没意愿。得出的这4项分类是MECE的，它是不重不漏的。
讲完了5种MECE的分类方法以后，我希望你知道的是， MECE的好处不仅仅是可以对全部信息进行归类整理，还在于，你对事物的构成要素进行MECE思考的时候，甚至可以激发你没有想到的点子，拓展你的思路 。
对于大部分情况来说，MECE法则是一个较为通用的分类法则，但在某些场景下我们还有更直接的模型，可以把现有的信息，分类放到一些分类模型当中去。
比如，在考虑市场战略的时候有一个常用的模型叫做3C，即公司（Company）、顾客（Customer）、竞争对手（Competitor）三个英文单词的首字母。按照这三个要素进行战略归类的时候，就可以防止公司出现忽视用户需求、市场行情，自顾自去开发产品，导致血本无归的情形。
再比如，在做市场营销决策的时候，有个4P结构，是由产品（Proct）、价格（Price）、渠道（Place）和营销（Promotion）四个词的首字母构成的。制定决策的时候，将这四个要素考虑完备，就可以避免陷入“低价格一定有好营销”的误区。
类似的模型还有很多，你平时可以留心积累一些，做个有心人。把这些思考结构作为你的工具，根据你的工作需要，去选择不同的工具。
这一讲，我们说了如何用结构化思维对信息进行整理和归纳。
我给你讲了5种MECE分类的方法，保证你在对信息分类的时候可以做到不重不漏。同时，我还给你介绍了两种特定场景下的分类工具，你在平时的工作当中还可以去积累更多其他的工具。
下一讲，我会告诉你如何用结构化思维来总结和概括信息。
本讲MECE法则的分类方法中，“公式法”非常特别，很多外企面试也喜欢考察。那具体怎样用“公式法”对问题进行拆解呢？
“得到”上有一门课《怎样成为解决问题的高手》，其中有具体的案例，带你估算北京地铁的客运量、煎饼摊的收入。感兴趣的话，推荐你点击下图看看。