前情回顾
第一篇，系统篇。把你的大脑类比做计算机，那么理性系统就是操作系统，这一篇从哲学和认知神经学的角度解释了这个系统的运行原理。你可能没看懂或者仍心存疑惑，没关系，因为那是哲学和科学的边界，反正又不一定对。
第二篇，数据篇。解释了外界的信息输入系统后，是如何被加工和存储的，这些数据是一切思考的基础，用一个哲学术语把它们统称为“世界观”。
第三篇，算法篇。解释了系统中的最小运算单元、运算原理和局限性，人们把这套算法称为“逻辑”。
这次是第四篇，也是最后一篇，应用程序篇，总结一些常用的思维方法。
前言：啰嗦几句心路历程
思维领域是我的兴趣点之一，我研究了相当长的时间，包括读了大量的书、学过很多课程、做过很多训练。应用篇，按道理应该最简单、最浅显的，但我却迟迟没写出来，为什么呢？原因是现在市面上讲思维方法的太多，耳熟能详的就有系统思维、创新思维、批判性思维、结构化思维，可惜它们之间并没有清晰的边界，所以我一直做不出一个合理的分类，不知道从哪头开始动笔。
直到最近，我终于想到了一种表达方式，所谓应用程序，就是为了在某些场景下解决问题才被调用的，所以按场景来写更容易让人了解到如何运用。在这个过程中，我仍然会把我觉得有价值的书附在上面，以便查阅，希望对你有用。
思维方法：用应用程序类比你的思维
你想开车去香山玩，但是不知道怎么走，此时你产生了一个需求或者说目的：“想获得到香山去的最短路径”。打开汽车导航，它会用三步帮你解决问题，分别是I-P-O：
输入（Input）：输入起点、终点和算路要求。
处理（Process）：导航程序基于地图数据、用特定的算法完成算路。
输出（Output）：导航程序用一种你能看懂的形式呈现出算路结果。
我们把程序拆解开，看下它解决问题的原理，会发现，关键在于它的两个重要组成部分：“数据结构”和“算法”。
数据结构是什么呢？数据结构（Data Structure）是计算机存储、组织数据的方式，是数据在计算机中的载体。一个好的数据结构，能有序、准确的编排信息，去粗取精、去伪存真。
算法又是什么呢？算法（Algorithm）是对计算机如何解决一个问题的完整步骤的描述。一个好的算法，能够对一定规范的输入，在有限时间内，得出满足要求的输出。
对应到刚才的例子，在汽车导航程序中：
- “输入”是由某种数据结构所承载的数据，它精确的描述了需要做什么。
- “处理”是算法具体的执行过程，他要解决的是怎么做的问题。需要注意的是，在运算过程中，地图数据也会以某种数据结构提供给算法使用
- “输出”和“输入”一样，也是由某种数据结构所承载的数据，只不过功能不同，它的核心是把运算的结果清晰的呈现出来，让人看懂。
如果你理解了应用程序解决问题的原理，那么把导航程序换成你的理性系统，在思考时，大概可以做这样的类比：
- 数据就是你脑中存储的信息，即“认知结构”或者叫“知识结构”。
- 数据结构就是你组织信息的方式。
- 算法则是你所用到的思维策略和过程。
从这个角度看，只要你搞懂了你的理性系统中有多少“数据结构”和“算法”，就可以持续的增加数量、优化质量，从而让你的思考更加的清晰和高效。下面，我基于自己所学，做一些总结。
一.你头脑中的那些“数据结构”：结构的存在具有客观性和必然性
在理性系统的每一次IPO过程中，结构有三个重要的作用：
首先，输入时，要用结构来保证信息的全面和准确。结构混乱，很容易造成信息的遗漏或冗余，导致整个思考就毫无意义。
其次，处理时，要用结构来匹配对应的算法，在运算时提供支撑。结构混乱，会影响思考的效率和结果的正确性。
最后，输出时，要用结构来保证信息的清晰和直观，便于让人理解。结构混乱，则会让你思考的结果难以被人接受。
下面不做证明题，列举一些常用的结构给你感受一下，相信结果不言自明。
1.“输入”（Input）常用结构
一些通用性的结构：
- 按时间顺序描述：step1/step2…
- 按空间顺序描述：level1/level2…
- 按数据的编号描述：1/2/3…
- 准确描述问题或任务：5W2H结构
- 准确描述目标：SMART原则
- 准确信息分类：MECE法则+逻辑图
- 统一对立的信息描述：二维四象限矩阵
- 多角度原因描述：人机料法环
各行各业也都有各自领域所积累的结构：
- 战略描述：SWOT、PEST
- 竞争力描述：波特五力模型、波士顿矩阵
- 业务描述：平衡计分卡、商业模式画布
- 营销描述：4P模型（产品/价格/营销/渠道）
2.“处理”（Process）中常用的结构
支撑运算的结构，通常都隐含着一种目的性，并匹配着一种简单的算法。也就是说，你按着结构填完数据的同时，也相当于完成了简单的算法运算。
一些通用性的算法和结构（采用这种格式“目的：算法 + 数据结构”）：
- 发现更多的问题：创造性思维（发散）+ 逻辑图
- 分析问题的根因：批判性思维（收敛） + 5why/鱼骨图
- 问题的跟踪闭环：正向思维 + PDCA
- 问题的分类汇总：归纳思维 + 亲和图
- 方案的选择决策：对比思维 + 决策树（Decision Tree）/ 概率树（Probability Tree）
- 聚焦找关键点：核心思维 + 二八原则
- 目标或任务分解：分解思维 + KPI / OKR / WBS
另外还有一类更抽象的框架性结构，这种结构的每一个环节需要很多小的IPO支撑，加到一起才能解决问题。一般每个领域都会有自己的一套专业化的框架，列举几个大家感受一下：
- 质量管理：六西格玛框架（DMAIC）
- 项目管理：价值/时间/范围/成本/质量/风险/组织
- 顾问解决问题：结构化思维（麦肯锡、3P原则）
3.“输出”（Output）常用结构
这种结构的核心目的是最短的时间内让人看懂，因此，它通常按人脑的思维习惯来组织数据。
- 写作/讲故事/汇报：SCQA（详见芭芭拉的金字塔原理）、总分总、英雄之旅模型
- 可视化呈现：表格、图标、思维导图、视觉引导图
4.科普：秩序性，结构的真相
有没有想过，你平时运用的“结构”到底是怎么来的呢？其实，结构是人脑感知到了自然界中的秩序，而形成的一种精神秩序。
首先是时间秩序，自然界中事物的变化皆有先后、早晚之分，人脑感知到了这种时间性，从而掌握了按时间排序的能力。
其次是空间秩序，由于物理规律的存在，很多事物间存在着空间上的依赖关系，包括有上下、层次、里外等等，人脑感知到了这种空间性，从而掌握了按空间排序的能力。
再次是因果秩序，人们发现很多事物在时间、空间的影响下，每一次都能呈现出一种确定的先后顺序，因此就总结出来数据之间的因果顺序。
最后则是逻辑秩序，人们在日常生活中，观察事物、发现问题、解决问题，就形成了很多经验或者说是套路，有些能帮人把事情思考的更全面，有些能帮人把问题处理的更快，有些则能帮人把事情描述的更易懂，这便有了逻辑顺序。
所以说，结构透视出的是人所认为的事物的客观规律。认知心理学家布鲁纳是这么总结的：掌握事物的结构，就是以允许许多别的东西与它有意义地联系起来的方式去理解它，简单的说，学习结构就是学习事物是怎样相互关联的。
二.你头脑中的那些“算法”：选择性价比最高的方法
为什么要选择算法？你的系统中确实有很多基础算法，像是归纳与演绎、分析与综合、比较与分类、抽象与概括，但是如果你要解决具体问题，就必须把它们编排起来，形成招式，组合运用，以达到性价比最高，即在有限时间内获得最优解。
举个例子，在汽车导航中，算路的底层算法原理很简单，就是拉迪杰斯特拉算法（单源最短路径算法）和A*算法（启发式搜索）。但是结合不同的场景就有不同的组合和变种，比如计算你家到附近超市的路线，和计算你家到海南岛的路线，计算量明显不同，但你的需求就是要在1秒内看结果，所以导航程序必须使用不同的算法策略满足你。
下面结合不同的目的，总结一些思考时常见的“算法”：
1.判断和评价——批判性思维，去伪存真
从现代信息科学的角度看，思考就是从外界获得信息，加工信息，从而形成新信息的途径和方法。如此看来，接收信息的正确与否是有效思考的先决条件，很多人正是由于缺乏这种“信息质检”的能力，所以对谣言、骗术、假消息没什么免疫力，更别提有效的思考了。
“批判性思维”，能帮你熟练和公正的评价信息的质量，让你具备检测错误、虚假、篡改、伪装和偏见的能力。
用它完成检验总体有四步：
- 第一，发现和质疑基础假设。
- 第二，检查事实的准确性和逻辑一致性。
- 第三，关注特殊背景和具体情况。
- 第四，寻找其他可能性。
举一个例子，有人告诉你一个观点：上大学没用。证据是他做了一个统计，调查了80%工作5年的人的收入，发现分布情况和是否大学毕业没有关系，所以证明大学没用，白白浪费了青春和学费。
你从直觉上看，发现论证的挺严谨，有统计学的数据支撑，样本满足大数定律，因果逻辑存在一定的必然性。但是，怎么总觉得有一种违和感呢？
此时，你只要用批判性思维的第一步检验一下，就会发现问题所在。这个观点隐含了一个前提，是一种价值观假设：收入是评判上大学有没有用的唯一标准。如果你认同这个价值观，那么自然可以，如果你认为还有很多重要因素啊，比如经历、人脉、智慧什么的，那么这个观点在你这里就是错的，你就不能把这段因果存在头脑中。
批判性思维看上去好像不难啊？为什么能用好的人不多呢？根据我的观察，大概有三个原因：
第一，认知不到这东西的存在，易被感性影响。
批判性思维是国外大学的必修课，但是在中国却很罕见，由于不知道，所以很多人无法运用，更容易被情绪、脑中混乱的逻辑影响。
第二，强依赖理性系统中的算法，即“逻辑”。
在检验的第二步，就是用事实和逻辑检验，如果逻辑思维不强，也很难辨别真伪。
第三，强依赖理性系统中的数据，即“世界观”。
在检验的第三、四步，非常依赖你的信息量，很多东西你不知道或者认识的高度、深度不够，自然容易认为选项只有这些。
小结
- 目的：准确的判断或评价
- 输入：待检验的事实或观点
- 处理：批判性思维 + 5why / 逻辑图
- 输出：检验后的事实或观点
批判性思维是一项非常重要的基础能力，尤其在防“忽悠”方面价值明显，属于越用越有价值的技能，值得你用一生时间来修炼。
参考书籍：《超越感觉》、《批判性思维（带你走出思考误区）》、《批判性思维工具》、《学会提问》（批判性思维领域的圣经）、《清醒思考的艺术》、《明智行动的艺术》
2.分析简单问题——正向思维，学会解题
回忆一下，生活中，你是怎么解决一些力所能及的问题呢？比如一道数学题怎么解的？出门忘了带公交卡怎么办？英语如何快速学习？好像，每次努力想一想就能找到答案。人们观察并总结了这类最常用的思考过程，将其称为“正向思维”。
“正向思维”就是沿袭某些常规去分析问题，按事物发展的进程进行思考、推测。它是一种从已知进到未知，通过已知来揭示事物本质的思维方法。
用它完成一次问题的分析，总体有三步：
- 第一，收集、记录因果逻辑。
- 第二，分解问题，直到找到问题本质，发现问题的根本原因。
- 第三，根据因果逻辑，由原因推到结果，找到答案。
你可能会问，自己到底是什么时候偷偷的掌握了这种思维方法呢？大概就是从你学会数学开始。这次不举生活中的例子，只给你一道小学数学证明题，希望可以帮助你理解原理，举一反三同样的来解决生活中遇到的问题。
说明：a2是a的二次方；a3是a的三次方，b同理。
条件：设a、b是两个正实数，且a≠b。
求证：a3+b3＞a2b+ab2成立。
证明：
1.只需证(a+b)(a2-ab+b2)＞ab(a+b)成立。
2.只需证a2-ab+b2＞ab成立。
3.只需证a2-2ab+b2＞0成立。
4.只需证(a-b)2＞0成立。
5.由已知条件可知，因为a≠b，即a-b≠0，
所以(a-b)2＞0显然成立，由此命题得证。
看明白了吗？这道题的“条件” 就是已知的因果逻辑，“求证”就是你要解决的问题，“证明”的1-4步，就是分解问题找到本质的过程，最后第5步就是基于因果逻辑，由因推出果。
正向思维及其常见，但是你可能会发现，除了解决数学以外，能在日常生活中把它用好的人似乎不多，为什么呢？根据我自己的观察，大概有三个原因，都和正向思维的局限性有关：
第一，不适合分析过于复杂的问题。
这里的复杂问题是指信息量过大，且难以分解的问题。比如多因果问题，一个问题的触发因素可能有无数种，你无法分解成多个单因果问题逐一击破。如果忽略了使用的场景，一定要硬想出一个结果，最后可能会由于没考虑很多隐藏的原因，得到错误的结论。
第二，正向思维每次只限对某一种事物进行思考。
如果一个人不能主动控制头脑中的信息，不能像解题一样集中精力，往往会忽略分解问题找本质的环节，容易被问题的表面现象迷惑，得不到正确的结果。
第三，正向思维强依赖你已经积累好的因果逻辑。
在思考前，你必须已经对相关事物的过去、现在有充分的分析，对它的发展规律也有充分的了解，形成了一个因果关系存在脑中。这一点就是要求你平常就要做一个因果逻辑的收集器，同时还要运用批判性思维，不停的积累正确的因果。这一点很多人是做不到的，尤其是头脑中已经积累了很多错误的结论、观念和经验的人，要做好是很难的。
小结
- 目的：针对简单问题求解
- 输入：明确的题目（表格 / 5W2H）
- 处理：正向思维 + 思维导图
- 输出：答案
希望你能记住那道证明题，很多你曾认为复杂的问题，用了正向思维之后，你会发现，只要能分解、能找到本质的问题，其实还是属于简单问题，只不过看上去繁杂而已。如果你能持续积累因果逻辑、持续打磨分解能力，长此以往，相信你遇到的问题中，“简单”问题的比例也会越来越多。
参考书籍：《简单思考》、《怎样解题》（很多解法都在数学中）、因果逻辑可从各学科的教科书中中收集。
3.分析复杂问题——系统思维，全局之眼
如果你平时喜欢观察人解决问题的方式，通常能观察到三类：
第一类是“乱拳论者”，基本不怎么思考直接行动：我什么都不信，我只相信我通过尝试、犯错得来的教训，这就叫乱拳打死师傅。
第二类是“经验论者”，查找经验后再行动：人家就是这么做的，成功了，我也要这么做。
第三类是“因果论者” ，先寻找问题本质，确定根因再行动：我已经分析清楚了，你只要做好这个，就可以得到那个。
从这三种思路所用到的逻辑规律上看，第一种属于基本没动脑；第二种是相信的简单枚举归纳法的，比较单纯；第三种则是信科学归纳法，然后用演绎法解题的，属于正向思维的解法。很明显，第三种相对最好，但是面对这个世界，这样就够了吗？可能还不够，因为现实生活中、工作中，你还会遇到很多“复杂问题”。
复杂问题是一种掺杂了多个维度和变量的问题，从因果关系上看，它有两个主要特点：
1.无法还原或分解成单因果的简单问题。如果强行分解，可能会破坏问题本身，亦或是分解后发现它还是复杂问题。
2.因和果之间不一定存在必然性。可能随时间变化，可能存在一定的概率，还可能存在不确定性。
好在人类已经有了一套解决这类问题的理论，就是“系统论”。
这世界上的所有东西，都是被规律作用着，以一种叫做“系统”的方式存在着。要素，是系统中你看得见的东西；关系，是系统中你看不见的、要素之间相互作用的规律；系统论就是用这种方式研究事物的理论。
“系统思维”则是基于系统论构建的一种思维策略。
思考时，把研究对象作为系统，从系统和要素、要素和要素、系统和环境的相互联系、相互作用中综合地思考。
系统思维的本质是一种先“降维”'再“升维”的思考策略，先简化你对事物的认知，提炼重点框架，在有限的时间内带来整体观。然后再从多个维度补充系统的细节
用它分析、解决问题大概有七步：
- 1.找到系统中关键要素。
- 2.找到要素之间的关联。
- 3.形成极简系统模型。
- 4.考察系统的整体性、动态性、平衡性等。
- 5.找到解题的关键要素。
- 6.调整要素，观察系统状态。
- 7.以此类推，迭代优化。
系统思考的例子都很复杂，我在本章最后附上写过的几篇文章的链接，感兴趣可以进去看看。这里，我只讲一个小故事，感受一下系统的力量：
人体是一个典型的复杂系统，医学里有种病叫红斑狼疮，表现为一种皮肤病，皮肤科反复研究、治疗、实验都没有用，因此最终被定义为是不治之症。直到人类把人体做了系统性的研究，梳理出影响皮肤的要素和关联之后才有了突破，原来疮只是呈现出的表象，真正的问题出在免疫系统，最后，由免疫科投入研究才开发出了治疗药物。
世界上有很多系统，凭人类现在的知识，是不可能了解全部信息，更不可能分割，在这种情况下，就可以用系统论的思路来解题。
小结
- 目的：针对复杂问题求解
- 输入：明确的题目（5W2H / 逻辑图）
- 处理：系统思维 + 因果循环图
- 输出：要素和要素之间的关联（因果循环图）
面对这个VUCA的世界（Volatility（易变性）、Uncertainty（不确定性）、Complexity（复杂性）、Ambiguity（模糊性）），你的大脑要能够接受复杂、多维和不确定性。乱拳论，会让你死在不必要的地方；经验论，会让小马不敢过河；因果论，会让你忽视世界的复杂。世界的变化越快，经验就越容易失效，好在万物皆有规律，希望你能训练一套自己的系统思维，洞悉规律，拥有一双全局之眼。
相关文章：
立体看世界（一）· 综述
立体看世界（二）· 关联性
立体看世界（三）· 整体性
参考书籍：《系统之美》、《整体的哲学》、《系统思考》、《第五项修炼》
4.创新——创造性思维，打破边界
你可能会奇怪，创新不是源于灵感吗？怎么会有思维方法呢？没错，灵感确实是创新的源泉，但是你有没有想过，“灵感”又是怎么来的呢？人真的能凭空创造出新事物吗？
要回答这个问题，我们先来回顾几个跨时代的创新品：
飞机：怀特兄弟用四个旧概念（风扇叶、自行车链、汽油引擎和翅膀）创造出来的。
电灯：爱迪生用三个旧概念（玻璃容器、真空和导线）创造出来的。
MTV：音乐+电视。（为什么是MTV…）
所以说，人创造新事物并不是无中生有的过程，创新的本质是选取旧事物，对之进行混合、变动、打破或构造，使之成为新事物。
“创造性思维”则是总结了人创造的规律后，给你提供了一套能激发灵感的思维策略，灵感一旦被激发，它会自动帮助你把旧事物变成新事物。
进行一次完整创新总体有四步：
第一，分解。惨无人道地砸碎原有的固有框架，把它拆解为一个个具体的组件、要素、或者属性。
第二，变化。对这些组件、要素、或者属性动手术，可以用减法策略删除、用除法策略重组、用乘法策略复制、用任务统筹策略赋予新任务、用逆向思维反推、也可以从多个不同的角度来分析。
第三，重组。用这些让人心中没底，甚至胆战心惊的手术，给原有事物整容后，整理整理，就出现了一种焕然一新，但还不知道有啥用的“新东西”。
第四，应用。最后，仔细观察这个整完容的“新东西”，倒过来想，它有啥新功能？在什么特殊的场景下，能有什么独特的新用处？如果找到了，恭喜你创新成功。
以上可以看到第二步最核心，涉及的方法、工具也非常多，下面举四个例子简单说明一下：
1.逆向思维方法，反推求新
你知道胶卷相机的原理吗？把胶卷放入相机，并卡在相机齿轮上，合上后盖开始拍照。拍一张，自动转动齿轮，收起这段胶卷，抽出一段新胶卷。全部拍完后，自动把所有胶卷反向卷回到胶卷盒，打开相机后盖，取出胶卷。
这个设计有个重大设计缺陷，你如果不小心打开相机后盖，所有拍过的照片，就会全部曝光。如何用最简单、有效的办法优化呢？
日本有一个老太太，她的思路是这样的：把胶卷放入相机，先自动把空白胶卷从胶卷盒里全部卷出来，然后拍一张，再反向收回到胶卷盒里一张，直到全部拍完。这样，万一相机后盖被打开，曝光的仅仅是空白胶卷。她把这个只改变齿轮转动方向就能解决问题的创意，申请了专利，最后卖给了柯达公司，获得了70万美元的专利费。
就是逆向思维法中的“结构逆向”，把事物按结构拆解后，再反向思考、重组。此外还有五种逆向方法，等你来用，它们分别是：功能逆向、状态逆向、原理逆向、序位逆向和方法逆向。
2.乘法思考策略，叠加求新
乘法策略就是在事物被分解后，把其中某一部分进行叠加复制。这个策略，在产品设计中非常常见：
如果你是做手机的？试试做两个镜头？基于这个尝试，出现了能自拍的手机。试试做三个镜头？前置一个，后置两个？后置两个镜头，手机拍照能力明显提升，甚至能拍3D视频。试试做两个屏幕？于是，你可以用正面的LCD屏幕刷微信，背面的电子墨水屏看书。
如果你是做计算机的呢？CPU被用过乘法策略后变成了双核、四核、八核；显卡变成双显卡；显示器单屏边为双屏。
3.六顶思考帽，多角度求新
事情都有多面性，你从不同角度看通常会有不同的结果，六顶思考帽就是能帮你打破固有偏见全面看问题的思考术：
戴上代表“信息”的白帽，你就必须充分搜集数据、信息和所有需要了解的情况，客观的思考。
戴上代表“价值”的黄帽，你要集中发现价值、好处和利益。
戴上代表“感觉”的红帽，你可以释放情绪和感受。
戴上代表“创造”的绿帽，你只专注于想点子，寻找解决办法。
戴上代表“困难”的黑帽，你只专注缺陷，找到问题所在。
戴上代表“管理思维过程”的蓝帽，你自己要成为裁判，站出来统筹安排思考顺序，分配思考时间。
一般来说用“蓝白黄黑绿红蓝”的思考方法，就可以从各个角度对一个事情做一轮完整的覆盖。此外，还有很多种戴法。比如，简单问题，可以戴“蓝白绿”；改进流程，可以戴“黑绿”；寻找机会，可以戴“白黄”；保持谨慎，可以戴“白黑”；做出选择，可以戴“黄黑红”等等。
如果你能熟练运用，相信你会发现对问题的很多新的观点，同时，你解决问题的效率也会大不同。
4.头脑风暴，组团共创
头脑风暴（Brain Storming），是由美国创造学家A.F.奥斯本发明的一种激发创造性思维的工具。它能用严谨的流程（自由思考、延迟批判、以量求质、结合改善），把所有智慧的子集“连接”起来，“激发”新的想法，产生一群人独自苦思冥想无法产生的创新。
这个方法在日本特别火。松下公司是头脑风暴的忠实信徒，他们仅在1979年内，就获得170万条设想，平均每个员工三条。日本著名创造工程学家志村文彦，也用这一方法帮助日本电气公司，并获得了58项专利，降低成本210亿元。
小结
讲到这里，相信你已经明白一件事：创新也是有套路的。现在已经到了一个全面创新的时代，每天都有新事物、新模式、新产品诞生。如果你忽略前人的总结，自己天天靠拍脑袋创新，那就好比没学过武功的人对抗会武功的人，也许你的“乱拳流”会偶尔取胜，但是终究难成高手。
参考书籍：《微创新》（系统创新思维）、《创新思维训练游戏》、《六顶思考帽（创新思维之父的两本著作）》
最后：哪个最重要？世界观、方法论还是实践
至此，我们已经把一次思考的过程拆解为数据结构和算法了，数据结构就是你组织信息的方式，算法就是你所用到的思维策略和过程，两者相加，才能算是一个相对比较完整的“方法论”。你明白了这些，相信很多根本性的问题就迎刃而解了，比如：
1.为什么你很清楚的了解了情况，可就是不知道该怎么办？
你可能只有数据，但是缺少一个帮你解决问题的方法，所以没办法完成一次正确的IPO。
2.为什么你学到了一个方法却用不好？
你拿到的“方法”，可能只有算法部分，它仅仅描述了解决问题的过程、流程或步骤，但是却没有告诉你用什么数据和数据结构来支撑它的运算。
3.为什么你辛苦找到了答案，却发现不是出题的人想要的？
你可能缺少一个用于输入的数据结构。运算还没开始前，其实你就已经跑偏了。
4.为什么你明明有了答案，别人就是听不懂？
你可能缺少一个用于输出表达的数据结构。你滔滔不绝的讲了半天，说的可能都是输入的数据、运算的过程，答案却需要听众来猜。
那么最后一个问题，世界观、方法论、实践哪个最重要呢？
要回答这个问题，我们最后做一次总结：
你大脑中有一个负责思考的操作系统叫“理性系统”，系统的底层算法叫“逻辑”。
你认识世界过程中，在系统里形成的巨大的数据库，这就是“世界观”。你为了解决问题，在系统中安装了很多应用程序，这就是“方法论”。
每一个程序都由两部分组成：数据结构和算法。
数据结构是你组织信息的方式，它能让你用最有效的方式运用你世界观中的数据。
算法则是你所用到的思维策略和过程，它能让你用最有效的方式运用你的逻辑，以解决具体的问题。
但是不要忘了，上述所有这些东西都仅存在你的头脑中，它们的本质是自然世界、现实世界在你脑中的信息映射，本身并不代表“真实”。你只有通过不断的实践，才能建立它们和真实世界的连接，持续的打磨、升级它们，才能保证这个系统能持续帮你解决现实中的问题。
人和人之间思维的核心差异，就是脑袋里这套理性系统，一般来说，一种比较悲催的情况是，你在用ios1.0时候，别人可能已经更新到ios12了。不过，还有一种更悲催的情况就是，你居然从来都没意识到，这系统居然能升级。
七.相关链接
第一篇：操作系统篇
第二篇：数据篇
第三篇：算法篇
第四篇：应用程序篇
单虓晗写于20180701