ทำไมหนังสือเล่มนี้ถึงสำคัญ
Charles Conn และ Robert McLean เป็นอดีตที่ปรึกษาและผู้บริหารระดับสูงของ McKinsey & Company (Conn เคยเป็น CEO ขององค์กรหลายแห่งและกรรมการของ Rhodes Trust) หนังสือเล่มนี้กลั่นกระบวนการแก้ปัญหาแบบ McKinsey ออกมาเป็น "7 ขั้นตอน" ที่เป็นระบบและทำตามได้จริง พร้อมตัวอย่างจริง 30 กว่ากรณี ตั้งแต่เรื่องส่วนตัว (ควรติดโซลาร์เซลล์ไหม) ไปจนถึงปัญหาระดับโลก (โรคอ้วน การประมงเกินขนาด)
หนังสือตอบคำถามที่สำคัญที่สุดในยุคที่ทุกอย่างซับซ้อนและเปลี่ยนเร็ว — เมื่อเจอปัญหายากที่ไม่มีคำตอบสำเร็จรูป เราจะคิดอย่างเป็นระบบเพื่อหาทางออกที่ดีที่สุดได้อย่างไร? ผู้เขียนเรียกทักษะนี้ว่า "the one skill that changes everything" — ทักษะเดียวที่เปลี่ยนทุกอย่าง เพราะมันใช้ได้กับทุกปัญหา ทุกอาชีพ ทุกระดับ ตั้งแต่การตัดสินใจส่วนตัวไปจนถึงกลยุทธ์องค์กร
ถ้าอ่านจบแล้วจะเปลี่ยนอะไร? — คุณจะมี "กระบวนการ" ที่ใช้ซ้ำได้กับทุกปัญหา แทนที่จะคิดมั่วๆ หรือกระโดดไปหาคำตอบเร็วเกินไป นี่คือทักษะแกนกลางของอาชีพที่ปรึกษา — และถ้าคุณอยากสร้างธุรกิจ advisory นี่คือ "เครื่องมือทำมาหากิน" ที่ลูกค้ายอมจ่ายเพื่อมัน
เนื้อหาหลัก — กระบวนการแก้ปัญหา 7 ขั้นตอน
ขั้นที่ 1: Define the Problem — นิยามปัญหาให้คมชัด
แก่นความคิดหลัก: ปัญหาที่นิยามไม่ดี แก้ไม่มีทางได้ดี — ขั้นแรกและสำคัญที่สุดคือการนิยามปัญหาให้ชัดเจน ว่ากำลังจะตอบคำถามอะไรกันแน่ ใครคือผู้ตัดสินใจ มีข้อจำกัดและเกณฑ์ความสำเร็จอะไร
การอธิบายที่เห็นภาพ: ผู้เขียนใช้ "Problem Definition Worksheet" — กรอบที่บังคับให้ระบุปัญหาให้เฉพาะเจาะจง วัดผลได้ มีกรอบเวลา ระบุผู้มีอำนาจตัดสินใจ และเกณฑ์ที่จะใช้ตัดสินว่า "แก้สำเร็จ" คนส่วนใหญ่รีบข้ามขั้นนี้แล้วกระโดดไปหาคำตอบ — เช่น ถามว่า "เราควรลดราคาไหม" ทั้งที่ปัญหาจริงอาจเป็น "ทำไมยอดขายตก" ซึ่งมีทางแก้มากกว่าการลดราคา การนิยามที่กว้างหรือแคบเกินไปจะพาทั้งกระบวนการไปผิดทาง
Key Takeaway: ใช้เวลากับการนิยามปัญหาให้คมก่อนเสมอ — ระบุให้ชัดว่ากำลังตอบคำถามอะไร ใครตัดสินใจ และอะไรคือเกณฑ์ความสำเร็จ เพราะปัญหาที่นิยามผิดนำไปสู่คำตอบที่ถูกของคำถามที่ผิด
ขั้นที่ 2: Disaggregate the Problem — แตกปัญหาด้วย Logic Tree
แก่นความคิดหลัก: แตกปัญหาใหญ่ที่ซับซ้อนออกเป็นชิ้นเล็กๆ ที่จัดการได้ ด้วยเครื่องมือที่เรียกว่า "logic tree" (แผนภูมิเหตุผล) โดยยึดหลัก MECE
การอธิบายที่เห็นภาพ: MECE (อ่านว่า "มี-ซี") ย่อมาจาก Mutually Exclusive, Collectively Exhaustive — แต่ละกิ่งของต้นไม้ต้อง "ไม่ทับซ้อนกัน" (mutually exclusive) และ "รวมกันแล้วครบถ้วน" (collectively exhaustive) เปรียบเหมือนการแยกชิ้นส่วนเครื่องยนต์ออกมาดูทีละชิ้นโดยไม่มีชิ้นไหนซ้ำหรือตกหล่น ผู้เขียนแนะนำ logic tree หลายแบบ — factor tree (แตกตามปัจจัย), lever tree (แตกตามสิ่งที่ปรับได้), hypothesis tree (แตกตามสมมติฐาน), และ decision tree เช่น ปัญหา "กำไรตก" แตกได้เป็น รายได้ (ราคา × ปริมาณ) ลบ ต้นทุน (คงที่ + ผันแปร) แล้วเจาะแต่ละกิ่งต่อไป การแตกปัญหาทำให้เห็น "จุดที่ต้องเจาะ" ชัดเจน แทนที่จะจมอยู่กับความซับซ้อนทั้งก้อน
Key Takeaway: แตกปัญหาใหญ่เป็น logic tree ที่ MECE — ไม่ทับซ้อนและครบถ้วน เพื่อเปลี่ยนปัญหาที่ดูเกินกำลังให้กลายเป็นชิ้นเล็กๆ ที่วิเคราะห์ได้ทีละชิ้น
ขั้นที่ 3: Prioritize — จัดลำดับและตัดกิ่งที่ไม่สำคัญ
แก่นความคิดหลัก: ไม่ใช่ทุกกิ่งของต้นไม้สำคัญเท่ากัน — จัดลำดับความสำคัญและ "ตัดกิ่ง" (prune) ที่ไม่มีผลกระทบมากหรือเราควบคุมไม่ได้ออก เพื่อโฟกัสพลังงานไปที่จุดที่สำคัญจริง
การอธิบายที่เห็นภาพ: ผู้เขียนใช้เครื่องมือ 2x2 matrix — แกนหนึ่งคือ "ผลกระทบ" (impact) อีกแกนคือ "ความสามารถในการมีอิทธิพล/ควบคุม" (ability to influence) กิ่งที่อยู่มุม "ผลกระทบสูง + ควบคุมได้สูง" คือจุดที่ต้องทุ่มเท ส่วนกิ่งที่ "ผลกระทบต่ำ" หรือ "เราทำอะไรไม่ได้" ให้ตัดทิ้งไปก่อน เปรียบเหมือนการตัดแต่งกิ่งต้นไม้เพื่อให้สารอาหารไปเลี้ยงกิ่งที่ให้ผลจริง ขั้นนี้คือสิ่งที่ป้องกัน "การวิเคราะห์ทุกอย่างจนไม่ได้ทำอะไร" (analysis paralysis) — เพราะเราเลือกเจาะเฉพาะสิ่งที่สำคัญที่สุด
Key Takeaway: จัดลำดับด้วยเกณฑ์ "ผลกระทบ × ความสามารถในการควบคุม" แล้วตัดกิ่งที่ไม่สำคัญทิ้ง — เพื่อทุ่มพลังงานไปที่จุดที่สร้างความแตกต่างได้จริง ไม่ใช่กระจายจนเบาบาง
ขั้นที่ 4: Workplan — วางแผนงานและมอบหมาย
แก่นความคิดหลัก: เปลี่ยนกิ่งที่จัดลำดับแล้วให้เป็น แผนงาน (workplan) ที่ชัดเจน — แต่ละชิ้นมีสมมติฐานที่จะทดสอบ มีงานวิเคราะห์ที่ต้องทำ มีผู้รับผิดชอบ และมีกำหนดเวลา
การอธิบายที่เห็นภาพ: หลังจากรู้ว่าจะเจาะกิ่งไหน ต้องแปลงเป็น "ใครทำอะไร เสร็จเมื่อไหร่ ใช้ข้อมูลอะไร" ผู้เขียนเน้นการตั้ง สมมติฐาน (hypothesis) สำหรับแต่ละกิ่ง — เดาคำตอบไว้ก่อน แล้วออกแบบการวิเคราะห์เพื่อ "ทดสอบ" ว่าเดาถูกไหม วิธีนี้ทำให้การวิเคราะห์มีทิศทาง ไม่ใช่เก็บข้อมูลมั่วๆ ทุกอย่าง ผู้เขียนยังพูดถึง "the one-day answer" — การให้คำตอบเบื้องต้นแบบเร็วๆ ตั้งแต่วันแรกจากสมมติฐานที่ดีที่สุด แล้วค่อยปรับเมื่อมีข้อมูลมากขึ้น เพื่อไม่ให้ติดอยู่ในการวิเคราะห์นานเกินไป
Key Takeaway: แปลงปัญหาที่จัดลำดับแล้วเป็นแผนงานที่มีสมมติฐาน ผู้รับผิดชอบ และกำหนดเวลา — และกล้าให้ "คำตอบวันแรก" จากสมมติฐานที่ดีที่สุด เพื่อให้การวิเคราะห์มีทิศทางและไม่ยืดเยื้อ
ขั้นที่ 5: Analyze — วิเคราะห์ โดยเริ่มจากง่ายก่อนยาก
แก่นความคิดหลัก: ลงมือวิเคราะห์ — แต่หลักสำคัญคือ เริ่มจากเครื่องมือที่ง่ายที่สุดก่อน (heuristics และ rules of thumb) แล้วค่อยขยับไปสู่การวิเคราะห์ที่ซับซ้อนเมื่อจำเป็นเท่านั้น
การอธิบายที่เห็นภาพ: ผู้เขียนเตือนว่าอย่ารีบกระโดดไปใช้เครื่องมือวิเคราะห์ขั้นสูง (regression, machine learning, Monte Carlo, game theory) ตั้งแต่แรก — ให้เริ่มจาก "Occam's razor" (คำอธิบายที่ง่ายที่สุดมักดีที่สุด), การประมาณคร่าวๆ (back-of-envelope), และค่าสถิติพื้นฐาน ก่อน บ่อยครั้งคำตอบเผยตัวตั้งแต่การวิเคราะห์ง่ายๆ โดยไม่ต้องลงทุนกับโมเดลซับซ้อน เครื่องมือขั้นสูงมีไว้สำหรับปัญหาที่ "สมควร" เท่านั้น — เมื่อความเสี่ยงสูงหรือข้อมูลซับซ้อนจริงๆ การใช้เครื่องมือหนักกับปัญหาเบาคือการเสียเวลาและทำให้หลงประเด็น
Key Takeaway: วิเคราะห์โดยเริ่มจากเครื่องมือที่ง่ายและเร็วที่สุดก่อน — heuristics, การประมาณคร่าวๆ, ค่าสถิติพื้นฐาน แล้วค่อยใช้เครื่องมือขั้นสูงเฉพาะเมื่อปัญหาคู่ควรจริงๆ
ขั้นที่ 6: Synthesize — สังเคราะห์ผลให้เป็นเหตุผลที่ร้อยเรียง
แก่นความคิดหลัก: การวิเคราะห์ที่กระจัดกระจายไม่มีค่าจนกว่าจะถูก "สังเคราะห์" (synthesize) ให้กลายเป็นข้อสรุปและเหตุผลที่ร้อยเรียงเป็นเรื่องเดียวกัน — จาก "ผลการวิเคราะห์" สู่ "ข้อโต้แย้งที่มีพลัง"
การอธิบายที่เห็นภาพ: หลายคนสับสนระหว่าง "การวิเคราะห์" (แยกชิ้นส่วนออกมาดู) กับ "การสังเคราะห์" (ประกอบกลับเป็นข้อสรุป) ผู้เขียนชี้ว่าขั้นนี้คือการดึงผลจากทุกกิ่งมาตอบคำถามตั้งต้น — "แล้วมันแปลว่าอะไร? (so what?)" การสังเคราะห์ที่ดีจัดเรียงเหตุผลแบบมีตรรกะ (สอดคล้องกับหลัก Pyramid Principle) จากข้อสรุปหลักลงไปสู่หลักฐานสนับสนุน เพื่อให้ผู้ฟังเข้าใจและเชื่อ ปัญหาคือคนมักหยุดที่ "ข้อมูลเยอะ" โดยไม่ก้าวไปสู่ "ดังนั้นเราควรทำอะไร"
Key Takeaway: เปลี่ยนผลการวิเคราะห์ที่กระจัดกระจายให้เป็นข้อสรุปที่ร้อยเรียงมีตรรกะ — ตอบคำถาม "so what?" ให้ได้ เพราะข้อมูลที่ไม่ถูกสังเคราะห์เป็นข้อสรุป ก็ยังไม่ใช่คำตอบ
ขั้นที่ 7: Communicate — สื่อสารด้วยการเล่าเรื่องที่ทรงพลัง
แก่นความคิดหลัก: คำตอบที่ดีที่สุดไร้ค่าถ้าสื่อสารไม่เป็น — ขั้นสุดท้ายคือการ "เล่าเรื่อง" (storytelling) ที่พาผู้ฟังจากปัญหาไปสู่ทางออกอย่างมีพลังและน่าเชื่อถือ
การอธิบายที่เห็นภาพ: ผู้เขียนแนะนำโครงสร้างการเล่าเรื่องแบบ Situation–Complication–Resolution — เริ่มจากบริบท (สถานการณ์ที่ทุกคนเห็นพ้อง) → ปมปัญหา (อะไรเปลี่ยนหรือคุกคาม) → ทางออก (ข้อเสนอของเรา) การสื่อสารที่ดีไม่ใช่การเทข้อมูลทั้งหมดใส่ผู้ฟัง แต่คือการนำเขาผ่านเส้นทางความคิดอย่างเป็นขั้นเป็นตอนจนถึงข้อสรุปที่ "รู้สึกว่าหลีกเลี่ยงไม่ได้" สำหรับที่ปรึกษา ความสามารถในการสื่อสารคำตอบให้ผู้บริหารเข้าใจและลงมือทำ คือสิ่งที่ทำให้การวิเคราะห์กลายเป็นผลกระทบจริง
Key Takeaway: ปิดท้ายด้วยการเล่าเรื่องแบบ Situation–Complication–Resolution — พาผู้ฟังจากปัญหาสู่ทางออกอย่างเป็นขั้นตอน เพราะคำตอบที่ยอดเยี่ยมแต่สื่อสารไม่เป็น ก็ไม่ก่อให้เกิดการเปลี่ยนแปลง
แนวคิดสำคัญที่ตัดผ่านทั้งเล่ม
1. Process Over Genius (กระบวนการเหนือพรสวรรค์)
แก่นของทั้งเล่มคือ — การแก้ปัญหาที่ดีไม่ได้มาจาก "ความฉลาดพิเศษ" แต่มาจาก "กระบวนการที่ดีและทำซ้ำได้" 7 ขั้นตอนนี้ทำให้ใครก็ตามแก้ปัญหาซับซ้อนได้อย่างเป็นระบบ ไม่ต้องพึ่งการดลใจหรือการเดา
2. Logic Trees & MECE (แตกปัญหาอย่างมีโครงสร้าง)
หัวใจของการคิดแบบที่ปรึกษา — แตกปัญหาด้วย logic tree ที่ไม่ทับซ้อนและครบถ้วน (MECE) เพื่อเปลี่ยนความซับซ้อนที่เกินกำลังให้กลายเป็นชิ้นที่จัดการได้
3. Start Simple, Then Go Deep (เริ่มง่ายก่อนลึก)
ทั้งในการวิเคราะห์และการให้คำตอบ — เริ่มจากสมมติฐานและเครื่องมือที่ง่ายที่สุดก่อน ("one-day answer" และ Occam's razor) แล้วค่อยขยับสู่ความซับซ้อนเมื่อจำเป็น เพื่อหลีกเลี่ยง analysis paralysis
4. From Analysis to Story (จากวิเคราะห์สู่การเล่าเรื่อง)
สองขั้นสุดท้าย (synthesize + communicate) เตือนว่างานแก้ปัญหาไม่จบที่ "การวิเคราะห์" แต่จบที่ "การทำให้คนเข้าใจและลงมือทำ" — การสังเคราะห์เป็นข้อสรุปและการเล่าเรื่องที่ทรงพลังคือสิ่งที่เปลี่ยนการวิเคราะห์ให้เป็นผลกระทบ
สรุป Key Takeaways รวม
-
นิยามปัญหาให้คม — ระบุให้ชัดว่าตอบคำถามอะไร ใครตัดสินใจ เกณฑ์ความสำเร็จคืออะไร
-
แตกด้วย Logic Tree แบบ MECE — ไม่ทับซ้อน ครบถ้วน เปลี่ยนปัญหาใหญ่เป็นชิ้นที่จัดการได้
-
จัดลำดับและตัดกิ่ง — โฟกัสกิ่งที่ "ผลกระทบสูง + ควบคุมได้" ตัดที่เหลือทิ้ง
-
วางแผนงานด้วยสมมติฐาน — ใครทำอะไรเมื่อไหร่ และกล้าให้ "คำตอบวันแรก"
-
วิเคราะห์จากง่ายไปยาก — เริ่ม heuristics และประมาณคร่าวๆ ก่อนเครื่องมือซับซ้อน
-
สังเคราะห์เป็นข้อสรุป — ตอบ "so what?" ให้ได้ ข้อมูลที่ไม่สังเคราะห์ยังไม่ใช่คำตอบ
-
สื่อสารด้วยการเล่าเรื่อง — Situation–Complication–Resolution พาผู้ฟังสู่ข้อสรุปที่หลีกเลี่ยงไม่ได้
-
กระบวนการเหนือพรสวรรค์ — การแก้ปัญหาที่ดีคือทักษะที่ฝึกได้ ไม่ใช่พรสวรรค์
-
หลีกเลี่ยง analysis paralysis — ความเร็วและการจัดลำดับสำคัญกว่าความสมบูรณ์แบบ
-
ทำซ้ำได้กับทุกปัญหา — กระบวนการเดียวใช้ได้ตั้งแต่เรื่องส่วนตัวจนถึงกลยุทธ์องค์กร
ประยุกต์ใช้กับบริบทเจ้าของธุรกิจที่อยากสร้าง Advisory
1. นี่คือ "เครื่องมือทำมาหากิน" ของ Advisory
ทักษะ 7 ขั้นตอนนี้คือสิ่งที่ลูกค้า advisory จ่ายเงินซื้อ — ความสามารถในการรับปัญหาที่ยุ่งเหยิงของลูกค้า แล้วทำให้มันชัดและแก้ได้อย่างเป็นระบบ ฝึกใช้กระบวนการนี้จนเป็นธรรมชาติ แล้วมันจะกลายเป็น "วิธีการ" ที่คุณขายได้
2. ใช้เป็น "Paid Diagnostic" ของคุณ
เชื่อมกับแนวคิด Win Without Pitching — ขั้นที่ 1-3 (นิยาม + แตก + จัดลำดับปัญหา) สามารถออกแบบเป็นบริการ "Business Diagnostic" ที่มีค่าฟี ลูกค้าจ่ายเพื่อให้คุณวินิจฉัยปัญหาธุรกิจเขาด้วย logic tree ที่ชัดเจน ซึ่งเป็นทั้งคุณค่าและประตูสู่งานใหญ่
3. สร้าง Framework ที่เป็นแบรนด์ของคุณ
แปลงกระบวนการนี้เป็น "playbook" หรือ framework เฉพาะที่ใช้ชื่อหรือสไตล์ของคุณ (เชื่อมกับ Million Dollar Consulting เรื่อง intellectual property) — เครื่องมือที่เป็นระบบทำให้บริการ advisory ของคุณ scale ได้ สอนทีมได้ และสร้างความแตกต่างจากที่ปรึกษาที่ "คิดมั่วๆ"
4. ใช้กับธุรกิจตัวเองก่อน เพื่อสร้าง Case Study
ก่อนขายให้คนอื่น ใช้ 7 ขั้นตอนนี้แก้ปัญหาจริงในบริษัทของคุณเอง — ผลลัพธ์ที่จับต้องได้จะกลายเป็น case study ที่ทรงพลังที่สุดในการสร้าง market gravity และความน่าเชื่อถือ
5. สอนทีมให้คิดเป็นระบบ
ถ้า advisory ของคุณโตเป็นทีม กระบวนการนี้คือ "ภาษากลาง" ในการแก้ปัญหา — ทำให้จูเนียร์ส่งมอบงานคุณภาพได้โดยไม่ต้องพึ่งคุณทุกขั้น (เชื่อมกับเรื่อง leverage ใน Managing the PSF)
"ปัญหาที่ยากที่สุดในโลกไม่ได้ถูกแก้ด้วยคนที่ฉลาดที่สุด แต่ด้วยคนที่มีกระบวนการคิดที่ดีที่สุด — แตกมันออกเป็นชิ้น จัดลำดับสิ่งที่สำคัญ แล้วเล่าเรื่องของทางออกให้คนอื่นเชื่อและลงมือทำ" — เรียบเรียงจากแนวคิดของ Charles Conn และ Robert McLean