五大系統思考應用模塊
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。
請確認 Endpoint 包含完整的部署名稱,例如 `.../deployments/your-deployment-name`
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
當面對一團混亂、千頭萬緒的狀況時,SA 提供一個系統性的方法來拆解複雜情境,確立優先順序,並決定下一步的行動方向。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。
關鍵步驟解析
- 1. 規劃議題 (Plan - 審問): 將腦中所有待辦事項、擔憂、問題全部列出。接著運用 MECE 原則 (相互獨立,完全窮盡) 進行分類與歸納,將雜亂的關注點整理成幾個清晰、獨立的議題大項。
- 2. 輕重緩急 (Do - 慎思): 資源有限,不可能所有事都做。針對每個議題,從嚴重性(S)、緊急性(U)、未來性(G)三個維度進行評估,找出真正需要優先處理的關鍵少數。
- 3. 決定流程 (Check - 明辨): 針對高優先級的議題,判斷其問題屬性。這一步是關鍵的「分流站」:
- - 如果是「原因不明的偏差」,則進入 PA (問題分析)。
- - 如果是「需要做出選擇」,則進入 DA (決策分析)。
- - 如果是「未來可能發生的風險」,則進入 PPA (潛在問題分析)。
- 4. 當責行動 (Action - 篤行): 將分析轉化為行動。明確定義「誰(Who)」、「在何時(When)」、「做什麼(What)」,並啟動對應的分析流程。
SA 學習成效測驗
1. 狀況評估(SA)最主要的核心目的是什麼?
2. 在SA中,使用MECE原則是為了達成什麼效果?
SA 實戰演練
PA: Problem Analysis (問題分析)
追根究柢,找到真因
核心理念
當發生「實際」與「應有」的偏差 (Deviation),且原因不明時,PA 提供一套嚴謹的邏輯工具。其精髓在於「比較」,透過系統性地比對「是(IS)」與「不是(IS NOT)」之間的差異,從而找出導致問題的「獨特變化」,鎖定真因。
關鍵步驟解析
- 1. 定義問題 (Plan - 審問): 精準描述問題(物件+偏差),並利用 IS/IS NOT 表格,從 What, Where, When, Extent 四個構面,鉅細靡遺地收集「事實」,而非意見或猜測。
- 2. 推理原因 (Do - 慎思): 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」和「變化點」,這是最客觀的線索來源。
- 3. 辯證原因 (Check - 明辨): 這是最關鍵的驗證步驟。將上一步找出的「最可能原因(MPC)」,拿來解釋 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。
- 4. 決策執行 (Act - 篤行): 透過實驗或觀察來最終確認真因。確認後,立即採取治標行動 (Containment) 防止災情擴大,並規劃治本行動 (Corrective) 根除問題。
PA 學習成效測驗
1. 在問題分析(PA)中,「IS / IS NOT」分析的主要作用是什麼?
2. 當你找到一個「最可能原因(MPC)」時,下一步應該做什麼來驗證它?
PA 實戰演練
PPA: Potential Problem Analysis (潛在問題分析)
超前部署,防範未然
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」の系統化方法。它讓我們在行動前,先系統性地思考「哪裡可能出錯?」,並預先制定「預防」與「應變」計畫,大幅提高計畫の成功率。
關鍵步驟解析
- 1. 識別風險 (Plan): 針對計畫的每個步驟,腦力激盪所有可能發生的潛在問題。
- 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)。這個分數能幫助我們客觀地找出最需要關注的高風險項目。
- 3. 分析原因 (Check): 針對 RPN 最高的風險,進一步分析可能導致它發生的原因 (Likely Causes)。
- 4. 制定對策 (Action): 這是 PPA 的行動核心,分為兩個層面:
- - 預防行動 (Prevention - Plan A): 針對「原因」下手,採取措施來降低風險的「發生率(O)」。例如:增加教育訓練、建立防呆機制。
- - 應變行動 (Contingency - Plan B): 假設風險不幸發生,預先準備好對策以降低「嚴重性(S)」。同時也要思考如何提高「檢測度(D)」,例如增加警報器。
PPA 學習成效測驗
1. 在PPA中,RPN (風險優先數) 是由哪三個因素相乘得出的?
2. 「為新設備準備備用零件」是屬於PPA中的哪一種行動?
PPA 實戰演練
DA: Decision Analysis (決策分析)
權衡利弊,做出最佳選擇
核心理念
將決策過程從「直覺」和「感覺」提升到「系統」和「計算」。DA 提供了一個結構化、透明化的流程,將複雜的選擇題拆解為可評估的標準,讓團隊或個人能客觀地權衡利弊,並對最終選擇的風險有清晰的認識。
關鍵步驟解析
- 1. 規劃需求 (Plan): 這是決策的基礎。清楚定義決策的目的,並將評估標準分為兩類:
- - Musts (必要條件): 非有不可的門檻,用來「篩選」選項,不滿足者直接淘汰。
- - Wants (想要條件): 多多益善的加分項,用來「評分」。必須給予每個 Want 不同的「權重(Weight)」,以體現其相對重要性。
- 2. 發展選項 (Do): 進行評分與計算。先用 Musts 篩掉不合格的選項。然後為剩下的選項,根據 Wants 逐項評分 (1-10分),再將分數乘以權重,得出每個選項的加權總分。
- 3. 了解風險 (Check): 分數不是一切。針對分數最高的幾個選項,必須冷靜地分析其潛在的負面風險 (Adverse Consequences)。一個高分但風險極大的選項,未必是最佳選擇。
- 4. 執行決策 (Action): 做出最終選擇。理想的選擇是「加權分數最高」且「風險可控」的選項。一旦做出決定,就要為可能的風險制定應對計畫。
DA 學習成效測驗
1. 在決策分析(DA)中,「Musts (必要條件)」的主要作用是什麼?
2. 為何在DA中要為「Wants (想要條件)」設定權重(Weight)?
DA 實戰演練
CA: Creativity Analysis (創意分析)
突破框架,系統創新
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,引導我們將發散的「點子(Idea)」轉化為有市場價值的「創新(Innovation)」。它教我們如何從客戶需求出發,透過系統工具演化點子,並最終打造出成功的商業模式。
IDEA 創新框架解析
- I - Imagination / Input / Insight (想像/輸入/洞見): 創新的起點。透過同理心(Empathy)觀察,深入了解客戶的痛點(Pains)與爽點(Gains),從中發掘未被滿足的需求。
- D - Domain Application (運用場景): 尋找創新的「空隙」。思考將現有的技術或產品,應用到新的時間、空間或物件上。例如,將工業用纖維棉應用到個人衛生領域,誕生了衛生棉。
- E - Evolution / Evaluation (連接演化): 系統性地讓點子「進化」。運用 SCAMPER (替代/結合/調整/修改/他用/消除/重排) 或 TRIZ (發明性問題解決理論) 等工具,對現有方案進行破壞式重組,產生新的可能性。
- A - Action (創新行動方案): 將成熟的創意落地。使用設計思維(Design Thinking)來快速迭代原型,透過價值主張圖(VPC)確保產品與市場契合,最後用商業模式圖(BMC)規劃出可持續獲利的模式。
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?
2. SCAMPER工具中的「C」代表什麼意思?
CA 實戰演練
結論與討論
- ✓ 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。
最終目標: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。