进行系统思考时容易掉入的几个陷阱（上）

麻烦的是，我们几乎完全愚昧无知，即使最博学的人也是无知的……知识获取从本质上看永远都是在破除无知，获得一些启示。我们关于世界的认识，首先告诉我们的就是，世界远远大于我们对它的认识。

1 被表象迷惑

尽管我们知道“所见即所得”不一定靠谱，但我们还是会经常被眼前的表象所迷惑。

比如一支NBA球队是一个系统，这个球队连胜时穿的都是红色球袜，于是队员们相信，只要穿红色球袜，就会取得胜利。

显然，这只是表象，连胜总有结束的时候，那时候大家就会明白，技战术的执行和配合，以及稳定的发挥才是赢得比赛胜利的关键。

正因为系统通常都是比较复杂的，它常常会呈现出一些表象来迷惑我们。当一个事件发生时，我们需要找到它背后的历史发展趋势和行为变化趋势。这样才能理解该事件发生的真正原因。

我们说，系统的结构决定了系统的行为，而系统的行为最终就表现为一个个的事件。所以，了解系统的结构是重中之重。

系统的结构，其实就是存量、流量和回路之间的相互作用。我们在进行系统思考时，不仅要看到表象的事件，还有看到内里的行为，最终还有理解起决定作用的结构。

比如一支球队获得了比赛的胜利，这是表象；某些球员打的很好，得分高，其他数据也不错，这是行为；更关键的是，球员们都良好地执行了教练的战术安排，这才是决定性的结构。

2 线性思维模式

什么是线性思维？就是认为某两个东西之间是成比例变化的。

比如一台机器1分钟生产10个零件，那么2分钟就生产20个零件。

为什么人们偏爱线性思维？因为它足够简单，易于理解。

但现实往往是非线性的，系统往往也是非线性的。

比如你有一块地，上面种植了农作物。你加10斤肥料，可以增产1斤；加30斤肥料，增产效果已经不大了；加50斤肥料，反而减产了。

为什么？肥料太多，农作物都被烧死了。

人人都知道，一分耕耘，一分收获。但十分耕耘，能得到十分收获吗？

大概率是不能的。首先，过度的勤奋可能会损伤自己的身体，得不偿失；其次，收获不仅和努力有关，也和运气有关。

比如都是名牌院校毕业，一个去了夕阳产业，一个去了朝阳产业。即使两个人的努力程度完全一样，但产业的不同导致了他们的发展是大不相同的。

一分价钱一分货，但十分价钱能买到十分货吗？显然也是不能的，因为这其中含有品牌溢价。

也就是说，你多付出的钱，并不是全部都投入到了产品的质量上，而是有很大一部分支持了品牌宣传的费用。

上面这些例子，都是系统非线性的体现。

3 边界划分不恰当

系统是复杂的，在边界上的表现更是说明了这一点。我们不可能清晰地将两个系统的边界划分开。

现在为什么强调跨学科融合发展，因为各个学科之间或多或少都有一些联系。基础学科和应用学科之间，并没有明显的边界。大学强调通识教育，也是这个道理。

那么问题就随之而来了，正是由于系统没有真正的边界，我们在思考一些问题时，如果没有恰当地划分边界，系统的行为就会和你的预期不一致。

我们先来看看如果将边界定得太窄，也就是说，只考虑最直接的因素，会发生什么结果。

比如你负责某条道路的交通规划，你发现这条路车很多、很堵，当下你就觉得拓宽马路，原来的4车道变6车道。结果拓宽之后呢，你发现，这条路还和以前一样，甚至比以前还堵。

如果你只是简单的拓宽道路的宽度，那么只会吸引来更多的车流和人流，因为大家都知道这条路不堵了，结果反而事与愿违，人人都走这条路，反而更堵了。

这就是将边界定的太窄，没有考虑到人们的出行习惯和生活方式，导致最终的结果差强人意。

但你把系统的边界定得太宽也不行，就是说在分析一个问题的时候，把所有大大小小的情况都考虑了进来，觉得这样才系统。

这种盲目堆积信息的做法，只会将真正的解决方案所掩盖。抓不住主要矛盾，被细枝末节的东西所牵绊，只会让你迷失。

比如一场比赛失利了，球员的各项数据都有。如果你每项指标都关注，可能你会抓不住重点，找不到比赛失败的原因。

因此，恰当地划分边界很重要，尽管系统没有真正的边界，但你要根据实际情况，找出合适的边界，才能解决问题。