每个人应该都遇到过这样的时刻，那就是遇到一个问题，不知道该如何下手，或者说一点思路都没有。有的人会选择去找别人请教，有的人会选择放弃，有的人会选择冥思苦想去找解决方案，但不一定是完整的方案，可能是东一个点，西一个点。
此处推荐一个个人感觉很好的思考工具给大家，这个工具就是HMW，英文全名是How Might We？
我自己理解为我们可以怎么，方法起源于国外知名设计公司IDEO，后续传播至Google和Facebook，感兴趣的可以自行了解更多。
先说一个工作中很常见的案例，程序员经常说的一句话就是你这个实现不了，每当这个时候，场面就会一度十分尴尬。
为了避免这种情况，又要去实现我们自己想要的效果，我就会先问为什么实现不了，然后再往下聊，聊到最后开始问如果想要实现这种效果，我们需要怎么做？
这个时候一般就会有结论了，是没时间、没资源还是实现成本过高，然后反向去解决这些问题就好。
你看这和HMW是不是有异曲同工之妙，就换了一个发问方式，然后就能够找到合适的解决方案，更何况HMW是一套通用的思考方式，怎样，要不要了解一下？
有不少关于HMW的资料、文章，顺序也不太一样，我这里按照自己用起来的顺序和大家一起分享下。
主要包括否定、转移、积极、脑洞大开和分解这几部分。
否定
顾名思义就是先把这个念头否决掉，即我不做的话，会有什么影响？
很多时候，我们或者别人的很多想法可能都是没有经过深思熟虑的，所以需要先反问到为什么要做这个事情，不做的话会有什么样的后果。
之前需求评审的时候，我们产品VP经常会问这么一个问题，这个需求不做会怎样，有什么问题么，会死人不？
如果明确这个东西要做的话，再看是否是全部都需要做，有没有哪些是本期可以先不做，后续再说的，以及有没有哪些是可以不需要做的。
转移
我们都有过这样的经历，希望把一些和自己关联不大的事情转给其他的人，或者是把某些东西做成规范化的流程，能实现自动化最好。
这里说的转移也是，一方面看能不能把这个问题转给最需要解决的人，另一方面看能不能把这个问题交给系统来解决。
比如运营找你来要发一个什么什么奖励，每次都需要人工去操作，那这种情况下其实是可以做成自动发，这样就不需要人工干预了，运营同学也就能去做其他更有价值的事情了。
还有一种情况是我们面临的这个问题比较难解决，这个时候就可以看看可不可以通过其他的方式来实现类似的效果，或者虽然效果会打折扣，但实现比较简单。
比如之前做信息流的时候，面临的一个问题就是没办法筛选出来优质的内容来做推荐，人工筛选的话没人力，也没那么多的时间，机器推荐的话，没有数据积累，冷启动解决不了。
最终用的解决方案就是常规的热门算法，先人工定义了几个因子和权重，算了一个简单的热度分，跑了一段时间之后，开始引入机器学习的算法。
积极
这里考虑的就是怎么让出现问题的人自己能够去积极的解决这个问题。
有这么一个行为模型，行动=动机X能力X触发，那就可以从这几个方面分别下手。
动机可以分为两部分，内在动机和外在动机，内在动机就是自己自发愿意去做的事情，外在动机就是通过营造一个氛围，去调动你的动机，进而产生行动。
以买东西为例，奢侈品除外，绝大多数的物品，大家都是喜欢买便宜的，看到价格比原价低很多，这个时候我们就容易动心，再加上限时、限量、XX正在买这些外部刺激，很容易就形成了转化。
能力可以分为两种，一是增强能力，一是降低门槛。前者是通过某些特定的方式来提升用户本身的能力，比如教程、示范案例，后者主要是减少用户的成本，比如提供更简单上手的工具，缩减流程。
触发就是在特定的时间特定的场景下做特定的事情，只是轻轻一推，就能让用户完成对应的行为。典型的比如在用户完成了某些行为之后，再让用户分享，用户分享完好友再引导分享至群聊、朋友圈。
脑洞大开
如题，就是发动你聪明的大脑，想出来很多不管是否靠谱的想法，先不停的发散发散，最后再通过理性的思考和分析来判断哪些是靠谱的，哪些是可以先忽略的。
分解
基于要解决的特定问题，梳理清楚整个流程，然后看能不能把整个流程抽象成一个模型，再来看如何去解决。
以之前举例过的一个汽车过山洞的案例来看。
素材来源于互联网
我的答案更新过好几次，第一次是在一次产品分享会上看到的，当时是一脸懵逼，能想到啥算啥。
后来了解了一些系统能力相关的知识，从系统要素、关系、目的的角度来考虑，我给出的答案是：
系统里面包含的元素有货物、货车、山洞与道路，通过改变各元素就能实现过山洞的目的，比如：
放下部分货物、货车轮胎放气、山洞再凿开一些、路基降低一些等；
或者是直接闯过去、绕过去、把山洞炸掉等…
再后来，我了解到了第一性原理中的搭建模型，我给出的答案是：
目标是什么—过山洞，有哪些影响要素—汽车、山洞、路面。这样一个模型就抽象出来了：
目标：汽车通过山洞；
假定山洞到地面的高度为H1；
假定汽车的高度为H2；
保证H1>=H2即可安全通过。
按照这个模型再往下推导，只需要增大H1，或者降低H2即可，后续就是基于这两个思路进行继续推导。
这是模型内的方法，那如果要打破这个模型呢，比如绕过去、强行冲过去等…
这里说的分解就是通过预期的目标，目前的影响要素，找到一个可干预的模型，然后通过改变各要素和它们之间的关系来达成最终的目标。
说个比较简单的模型，营收=DAU*付费率*ARPPU，然后再往下不断地拆解，提升各变量就好。
最后
你可能会觉得，不就是一个小问题么，有必要搞这么复杂么。
看场景，具体问题具体分析，有的问题依靠你的直觉就好，有的问题需要的是系统思考。
举一个很头疼的事情，你的上司甚至大Boss找到你来说，我们打算做一个XX事情，你要不来主导一下吧？
事情靠谱的话，没什么好说的，直接执行就好。问题是如果不靠谱的话，你要怎么做？
以之前的认知水平，你可能觉得有问题，但不知道有什么解决方案，当你有了HWM这种思考方式，你就可以先思考思考这个事情本身。
看看要做的这个事情的背后原因是什么，当你不认可之前的方案的时候，你可以考虑下这么做的好处和坏处是什么，以及有没有更好的方案，然后再拿着你的思考结果去和对方进行沟通，而不仅仅只是反正我觉得这个事情不靠谱。
最后，需要避免的是手里有一把锤子，看什么都像是钉子。
我们需要的是一个工具箱，一个在对应场景下可以使用的不同工具，现在你已经有一个工具了，那就是HMW。
以上，就是本文的主要内容，欢迎斧正、指点、拍砖…
