關鍵問題分析與創新思維 PSDM + AI 課程

五大系統思考應用模塊

從混亂到可控的五模塊系統：看清全局、拆解真因、預見風險、正確決策、創意落地。

SA 狀況評估

廣!

掌握大局

PA 問題分析

細!

問題解決

PPA 潛在問題分析

遠!

超前部署

DA 決策分析

準!

正確決策

CA 創意分析

變!

突破框架

啟動 AI 互動功能

為了使用課程中的 AI 實戰演練，請選擇您的 AI 服務並貼上對應的 API 金鑰。

1. 選擇 AI 服務提供商:

Google Gemini Deepseek ChatGPT (OpenAI) Copilot (Microsoft)

2. 輸入您的 API 金鑰:

您的金鑰只會儲存在您目前的瀏覽器中。可從 Google AI Studio, Deepseek, 或 OpenAI/Azure 免費取得。

請注意：部分服務在免費額度用完後，可能需要您在該平台設定付款方式或儲值才能繼續使用。

SA: Situation Appraisal (狀況評估)

掌握大局，理清頭緒。

核心理念

SA（狀況評估）用來把「一團混亂」變成「可管理的議題組合」：先釐清有哪些議題、哪些最該先處理、下一步要走哪條分析路徑（SA/PA/DA/PPA/SA/CA/ or 直接行動），最後把它落到當責行動（Who/When/What/Where）。它是所有分析的起點，幫助我們從「見樹不見林」的困境中跳脫，看清全局。

AI 時代為何更需要 PSDM

常見陷阱

過度依賴：跳過釐清直接要答案
批判力下降：不驗證就採用
認知債務：越用越不會想

SA × AI 協作守則

先人腦 SA：先列議題、先排優先，再讓 AI 幫你整理與補盲點。
AI 當整理師：分類、彙整、提出可能漏掉的議題；決策仍是我們（優先序與分流需可追溯理由）。
強制驗證：回到事實、限制條件、數據與利害關係人，做一次「合理性檢查」。

系統關鍵思維

議題層: ①定義問題 Plan

把待辦、擔憂、問題全部列出 → 用 MECE 原則 (彼此獨立，全無遺漏)分類成 5–8 個議題大項(林)與小項(樹）。

邏輯層: ②優先次序 Do

用 S嚴重性/U緊急性/G成長性找出真正需要優先處理的關鍵少數。

邏輯層: ③決定流程 Check

把 Top 議題送進正確的下一步：PA(原因不明偏差)、DA(做出選擇)、PPA(潛在風險)、CA(創意生成) 或 SA(進一步釐清分切)。

行動層: ④當責行動 Action

明確 Who/ When/ What/ Where，並設定下一次回顧節點。

S/U/G 優先排序工具

初步可用簡單的ＨＬＭ或輸入每個議題的 S/U/G（1–10分）。

議題	S	U	G	Score	決定流程

SA 學習成效測驗

1. 狀況評估(SA)最主要的核心目的是什麼？

A. 找到問題的唯一真因 B. 預防所有未來可能發生的風險 C. 拆解複雜情況，理清頭緒並決定優先順序 D. 產生最多樣化的創意點子

2. 在SA中，使用MECE原則是為了達成什麼效果？

A. 確保議題的劃分不重疊、不遺漏 B. 確保每個議題都同樣重要 C. 確保只找出最緊急的議題 D. 確保所有議題都有解決方案

SA 實戰演練

先人腦 SA

1) 我目前的狀況概述

2) 我想到的議題清單

3) 限制條件（人/錢/時間/合規等）

PA: Problem Analysis（問題分析）

追根究柢，用事實與歸納/演繹邏輯找出最可能真因。

核心理念

當發生「實際」與「應有」的偏差（Deviation）且原因不明時，PA 的精髓是 用比較找線索、用證據做淘汰：透過系統性比對 IS / IS NOT 的差異，找出造成偏差的「獨特差異變化」並鎖定真因。

AI 時代提醒：AI 很會「講得合理」，但 PA 要求的是「可驗證」。
AI 提供假設，人類負責證明。（先人腦整理事實與差異，再請 AI 補盲點與產生驗證方案）

系統關鍵思維

議題層: ①定義問題 Plan

清楚描述偏差：What, Where, When, Extent (IS 顯性 vs IS NOT 隱性)，鉅細靡遺地收集「事實」，而非意見或猜測。

邏輯層: ②推理原因 Do

雙管齊下尋找可能原因，演繹法：從經驗出發，使用魚骨圖等工具發想。歸納法：專注於 IS/IS NOT 表格中的「差異點 Distinctions」和「變化點 Changes」，這是最客觀的線索來源。

邏輯層: ③辯證原因 Check

關鍵驗證步驟，從上面所有可能原因中進一步收斂排除後，找出最可能原因(MPC)，能解釋 IS/IS NOT 表格中的每一項事實。如果這個原因能完美解釋「為何發生在 IS，而未發生在 IS NOT」，那它很可能就是真因。

行動層: ④決策執行 Action

先採取治標 Containment 防止災情擴大，透過最後驗證實驗與觀察，證明該原因就是真因後，再採取治本 Corrective 措施根除問題。

問題描述

水平逆推歸納邏輯：IS / IS NOT 差異表 (尋找差異)

構面

IS (顯性)

IS NOT (隱性)

差異提示

Object
主體

Deviation
症狀

Geog
大場所

Location
小位置

Time
大時間

Pattern
週期/模式

Life Cycle
發症小時間

Count
幾個 (Obj)

Size
大小 (Size)

Quantity
數量 (Q)

Trend
趨勢

垂直正推演繹邏輯輯：魚骨圖或原因假設與驗證表

PA 學習成效測驗

1. 在 PA 中，IS / IS NOT 的「主要價值」是什麼？

A. 評估問題的嚴重性 B. 透過差異縮小可能原因範圍（找 Unique Change） C. 決定誰該負責解決問題 D. 提出創新解決方案

2. 你鎖定一個 MPC（最可能原因）後，下一步最正確的作法是？

A. 立即投入資源全面改善 B. 設計證據/實驗去驗證它能否解釋所有 IS/IS NOT C. 忽略它，改用直覺判斷 D. 只要 AI 說合理就採用

PA 實戰演練 (簡易版)

請選擇分析方法：

IS/IS NOT 要素 3x 5 Whys 要素 PM 要素數據分析要素 8D 要素

請在此描述您遇到的問題與相關數據：

PPA: Potential Problem Analysis（潛在問題分析）

先找風險，再設計「預防＋備援」：把未來的事故消滅在發生之前。

核心理念

任何計畫或行動都伴隨著風險，PPA 是一套將被動救火轉為主動防災的系統化方法。PPA 的目的是針對最關鍵的失敗模式，提前設計預防（Prevention）與備援/應變（Contingency），並建立早期預警指標，讓團隊在風險尚未爆發前就能介入。

AI 時代更需要 PPA之系統邏輯思維

新產品/新製程/新專案：需求不確定、變因多
重大變更：供應商/參數/人員/設備/流程切換
高風險情境：安全、合規、重大客訴、停線、交期
要提高成功率：在資源有限下提前佈局

系統關鍵思維

議題層: ①識別風險 Plan

列出可能失敗模式 (Failure Mode)或可能發生的潛在問題

邏輯層: ②優先次序 Do

對每個風險進行量化評估，RPN (風險優先數) = S (嚴重性) x O (發生率) x D (難檢測度)以 RPN 排序，找高風險項目。

邏輯層: ③可能原因 Check

針對 RPN 前幾項的大風險，進一步分析可能導致它發生的原因 (Likely Causes)。

行動層: ④結論決策 Action

Plan A 預防行動 (Prevention): 針對可能原因，降低風險的發生率(O)。

Plan B 應變行動 (Contingency/ Mitigation): 風險不幸發生，降低嚴重性(S)與思考提高檢測度(D)，如警報器等。

PPA 風險分析表（S×O×D 自動計算 RPN）

評分建議（1–10）：S=嚴重性 (Severity)、O=發生機率 (Occurrence)、D=難檢性 (Detection)。
系統會計算 RPN = S × O × D，並顯示 Top 5 需優先佈局。

#	潛在問題/風險	S	O	D	RPN	可能原因 (Likely Cause)	Plan A (Prevention)	Plan B (Contingency)	操作

Top 5 風險（優先處理清單）

尚未建立風險清單

PPA 學習成效測驗

1. PPA 的「核心」最接近下列何者？

A. 事後檢討，找責任歸屬 B. 先盤點風險並聚焦 Top 風險，提前設計預防＋備援＋預警 C. 只要列出所有風險清單就完成 D. 用直覺挑一個風險處理即可

2. 在 RPN（S×O×D）評分中，D（難檢性）分數越高代表？

A. 越容易及早發現 B. 越難及早發現 (Detection Difficulty)，因此風險越高 C. 影響越小 D. 與風險無關

PPA 實戰演練 (Original)

請在此描述您的計畫或專案：

DA: Decision Analysis（決策分析）

不是憑感覚選方案，而是用「標準＋權重＋數據」選出最適解。

核心理念

當你面臨 多方案選擇 時，DA 的任務是把「主觀討論」轉成「客觀比較」：
建立需求規劃 → 設定權重 → 量化評分 → 風險檢查 → 決策行動，找出最符合目標的最佳方案。先決定標準，再比較方案。

AI 時代更要用 DA

供應商/設備/方案/策略要「選擇」
跨部門意見衝突、各說各話
高成本或高風險決策
需要向高層/客戶「說服與佐證」
基於AI客觀大數據做決策

系統關鍵思維

議題層: ①規劃需求 Plan

把需求目的分為 Musts (必要) and Wants (需要) 並給予各需求權重分數。

邏輯層: ②發展選項 Do

刪除不符合基本條件的選項 Musts(基本門檻)並計算各選項權重與個別選項的決策矩陣總加權分數。

邏輯層: ③了解風險 Check

結合風險PPA了解選項的負面扣分與正面加分。

行動層: ④執行決策 Action

下出均衡的決策與風險對策。

加權決策矩陣（Weighted Decision Matrix）

決策標準	權重(1–10)

建議權重與評分：1–10（10 = 最重要 / 最好）。系統會自動計算：加權分數 = 評分 × 權重。

DA 學習成效測驗

1. 在 DA 中，Musts (必要條件) 的主要作用是什麼？

A. 作為硬性門檻，不符合者直接淘汰 B. 作為加分項，越高分越好 C. 用來計算風險回報率 D. 與決策無關

2. 為決策標準設定「權重」的目的為何？

A. 確保每個標準都一樣重要 B. 反映不同標準對達成目標的相對重要性 C. 為了讓數學計算更複雜 D. 為了配合 AI 的計算邏輯

DA 實戰演練

請在此描述您需要做的決策 (包含選項、評估標準 Wants 及權重)：

CA: Creativity Analysis（創意分析）

改變視角，突破框架。

核心理念

創新並非少數天才的專利，而是人人皆可學習的方法。CA 提供了一套系統化的 IDEA 框架，引導我們觀察、發散、收斂、演化，將創意轉化為有市場價值的 Innovation。

AI 輔助 CA 的時代來臨

我們需要新發明、新產品、新服務、新商業模式或新流程設計
AI 擁有強大的資訊搜尋與模式識別能力，能快速收集大量資料並發現隱藏關聯。
AI 可模擬不同情境與假設，快速生成多樣化方案，突破人類思維定勢。
AI 能進行複雜運算與模擬，評估方案可行性與潛在風險，輔助決策者判斷。

系統關鍵思維

議題層: ①想像/收集/界定/洞見 Insight

充分切換左右腦，利用如 Bionics,九宮格等工具發散感知觀察與定義議題。

邏輯層: ②運用場景 Domain

改變物件 Object, 時間 Time, 空間 Space 等不同維度觀點。

邏輯層: ③連接演化 Evolution

用 SCAMPER / TRIZ / 6 Thinking Hats 等類比連接發散思考逐步收斂產生創意。

行動層: ④創新行動方案 Action

把創意點子組合成創新方案，利用VPC, BMC, 設計思維等工具，快速迭代執行方案。

CA 學習成效測驗

1. 在IDEA創新框架中，哪一個階段最著重於透過同理心來了解客戶的痛點與爽點？

A. D (Domain Application) B. E (Evolution) C. A (Action) D. I (Insight)

2. SCAMPER工具中的「C」代表什麼意思？

A. 複製 (Copy) B. 結合 (Combine) C. 挑戰 (Challenge) D. 改變 (Change)

CA 實戰演練

請選擇分析方法：

SCAMPER TRIZ 六頂思考帽設計思維價值主張圖 (VPC) 商業模式圖 (BMC) 金字塔原理

請在此輸入您想創新的主題或產品：

結論與討論

課程總結心智圖 (點擊放大)

Nano Banana 視覺圖像 (點擊放大)

✓ 一個關鍵思考整合：邏輯思維 (左腦) 與創意思維 (右腦) 的交互運作。
✓ 二個邏輯必須兼具：演繹法與歸納法。
✓ 三個層次檢視：議題層、論證邏輯層、結論行動層。
✓ 四個步驟循環：以 PDCA 處理邏輯問題，以 IDEA 框架激發創新。
✓ 五個 AI 應用場景：在 SA, PA, PPA, DA, CA 中，善用 AI 作為輔助工具。

下載練習檔 (PSDM Excel Template.xlsx)

以人腦的智慧與判斷力為主導，駕馭 AI 的強大算力與知識庫，成為未來職場中無可取代的關鍵人才。