当看板贯穿在各个理论之间时，不禁让我们担心容易被误导的全貌

系统思维就是把认识对象作为系统 ，从系统和要素，要素和要素，系统和环境的相互联系，相互作用中综合地考察认识对象的一种思维方法。系统思维以系统论为思维基本模式的思维形态，它不同于创造思维或形象思维等本能思维形态。系统思维能极大地简化人们对事物的认知，给我们带来整体观。

- 维基百科

当你看不见全貌时，就容易：讲不明白，说不清楚， 然后学习的时候快不起来 。 

举个例子：当我们看到项目在时间上有来不及的现象时，你很容易就会想那就多放几个工程师进去，就能多吃几张工作单（Tasks）到开发的栏位里去了，这样开发的速度不就能相对的变快了吗？ 这便是一种单纯的线性思维方式， 一种「基于一分耕耘，一分收获的思维 」方式 ，那二分耕耘是不是就应该有二分收获了呢？如果你这么想，你就会认为解答就是多投入几个人力来消化工作单不就成了吗。但这是一种错误的做法！

请务必变换个思维方式，因为在真实的世界里，产能是不能用等值累加的方式来计算的，事实是：当你增加人手时，产能反而会因为增加人手的初期先行下降（因为新加入的人员需要通过时间来学习才能像其他人有所产能，在这段新人需要熟悉的环境、学习新技能的时间里（所谓的前置时间），你反而必须浪费最熟这个系统的人来担任老师，负责教会新手，因此初期产能反而会不升反降），产能要经过一段时间后产可能上升。

项目来不及时，不要急着增加人手，先弄清楚真正的问题点在哪？

- 人月神话

 因果回馈图+ 提问

问对问题可以提供我们正确的思维路线，也能够触发自己反思的机会。它会让我们看得、想得更清楚，但我们要如何来避免落入线性思维呢？ 

系统动力学之父Jay Forrest为此发明了因果回馈图（CLD: Casual feedback Loop Diagram）来解决这个问题。

运用正向因果回馈图来判定系统的滚雪球效应。用负向或称之为平衡回馈图来判定造成系统平衡的因果元素。再加上时间延迟的考量因素，让我们得以分析并思考问题的解决模式。这便是采用因果回馈图模式来进行系统思维的分析工作。

1. 别被表象所迷惑了

跟自己说，看到的只是冰山的一角。宛如萨提尔女士的冰山理论所言，人们被观察到的外部行为，只是冰山浮出水面的一小部份，隐含在水面下的才是内在的应对，情绪，观点，期待，渴望及真正的自我。而系统思维最有意思的一部分便是他会随着时间变化而有所改变，他可能成长，停滞，衰退，震荡甚至随机的改变进化。因此时时的收集资讯，鉴古知今，便成了探索系统结构的基本动作，现在的人都称这种行为：大数据分析。

2. 在非线性的世界里，不要用线性的思维模式

这是我们依据看板来做决策时最容易陷入的麻烦之一，就是用一种线性的思考模式来研判问题，例如：在土壤里施100磅肥料，收成可增加10斗;如果施加200磅肥料，收成是不是可以增加20斗呢？那，300磅肥料，收成便可增加为30斗呢？ 

结论当然不是这么回事。真的这么做了，甚至可能会彻底破坏土壤的有机质，以至于什么再也长不出来了！ 

在真实世界里，事情往往是多方牵连的，也就是非线性关系的，也就是说我们必须用因果关系来推论反馈的原因和现象。此时，好的提问以及采用因果回馈图可能是避开线性思维的最佳方法。

3. 恰当的划定边界

有所取舍，确实最复杂的地方经常都会出现在边界上，但这些个边界其实都是人为的定义，是我们将系统硬做区分的，这是简化的来源也是基础，看板便是这样的一个系统，我们简化了许多资讯，让实体看板可以刚刚好显示足够的信息，这样做可以让我们看得更清楚，但也预作了假设，因此必须恰当的划定边界。

4. 看清各种限制因素

我们通常以单一的原因会引发单一的事件来进行思考。现在这个问题，可能就是先前我们那样做所引发的后果。这是我们眼界的浅短性所致，但是现实的生活里，往往是多个原因一同引发多个结果的复杂现象，因此挑选相关因子并做好衡量的工作，就成了决策成败的一大依据了。

这一点在近代的AI人工智能上也可能会有重大突破。但前题依然是我们要掌握正确的因素，才足以问对问题，否则再好的人工智能也很难给出好的回答。

5. 无所不在的时间延迟

在系统中每个存量都是一个延迟，这是我在凝视看板时最害怕的一件事了， 那便是「 时间延迟」，在真实世界里处处都是时间延迟，延迟时间的长短可以彻底的改变整个系统的表现，但我们在看板上因为它无法受控制，所以通常只是轻易的给上“红，黄，绿灯”来做依据判断便是了，因为它可能带来风险，所以标记它是一个风险，实在是一种神话级的处理方式。 

进行「衡量」可能是较好的一种处理方式（因为这样便有了机率的依据了）。但究竟该或不该花时间去做衡量可能才是关键的困难点。

6. 有限理性

我们都想做出理性的好决策，但先期的决策，不说你也知道它隐含着大量的不确定性，因此通常可以称它为猜测。因此尽量的收集资讯，做到自以为合理的决策便成了努力要达成的目标。敏捷在处理这个问题的方法是迭代与持续改进，若能越改越好自然可以逐渐趋近目标。反之，则应该讨论是否是认知太贫乏了，便需要一种跳脱的思维模式来支撑了。

 结论

系统思维的目的是在透过对系统进行分析之后， 依靠寻找到的杠杆点来进行事半功倍的解题。

作为一位专业的顾问，经常是在开发团队出状况的情况下才被请来解决难题的。人们总以为顾问是请来解决问题的，但实质上：身为一位资深顾问，必须跟你们说：「顾问只是请来让问题比较容易被解决的」。也就是说，真正解题的人还是要靠你们自己，顾问只是用较客观的角度，用经验来协助大家解题罢了而我们经常的解题方式，便是去寻找问题系统的“ 杠杆点 ” 。一种让我们能够正确的施力，并换来巨大成效的做法罢了！ 

上图是我的建议，最重要的三点是：

1）制定简单的规范，让团队经常做到自我管理；

2）形成一个自组织的团队；

3）并善用交互及外来的回馈。

让信息能够快速地在组织内流动，它便能经常可以化大问题成为小问题，让小问题成为生活的插曲罢了。

本文是李智桦老师在DevOpsDays 台北站的演讲总结，PPT下载地址：

链接: https://pan.baidu.com/s/1boQiygZ 

密码: gdwp

点击“阅读原文”，关注活动官网