【系統思考】簡單三步驟，在麥當勞畫出你的「系統思考圖」！
系統思考看起來很難，但簡易的系統思考圖，其實只要三步驟就可以畫出來。這次就帶你去麥當勞點餐，一步一步畫出系統思考圖！
為什麼要寫這篇文章?系統思考，是面對複雜問題的一種思考方式，這次不想說太難的理論，只想帶大家畫出一個可以幫助思考的系統思考圖。讀完這篇文章，你會知道什麼?1.系統思考圖由什麼組成。
2.畫出系統思考圖的三步驟。
3.系統思考如何解釋複雜問題。
系統思考的簡單概念
上一回我們曾提到一個概念，系統思考是「理論」加上「模擬」。
你可以把「建造理論」，當作是「畫出一張可以講故事的圖」；而「模擬」就是要把一個新的狀況，套入這個故事中，並想像經過一段時間後會發生什麼事。
理論既然是圖，就讓我從如何畫圖開始介紹吧！
※延伸閱讀>>【系統思考】人際關係好複雜？善用系統思考，化簡複雜問題！
三個步驟，畫出你的系統思考圖！
在畫圖、進行系統思考前，首先你需要有一個複雜問題，而複雜問題可以用一個故事情境來表達，我想先從一個麥當勞「超級薯條的誕生」開始說起~
麥當勞－「超級薯條的誕生」！在寒冷的冬天，麥當勞推出了一款超級薯條，第一次吃到的客人都覺得超好吃，在冷冷的冬天裡，更有雪中送炭的感覺，每個人都帶著笑容離開了麥當勞。一傳十、十傳百，也讓麥當勞湧入更多人潮。但隨著顧客變多，店家漸漸應付不來，到了春天來臨，大家開始受不了超級薯條的出餐速度，漸漸地，就沒那麼多人排隊，熱潮也逐漸散去了。
Step 1. 寫出「變量 Variable」
有了故事之後，畫系統思考圖的第一步驟，就是要寫出「變量 Variable」。
「 Variable變量或變數，它是常數的相反，是指沒有固定的值、可以改變的數。」
字面上有點難懂，但你可以把它當作是個元素、物件、事件，但具有「變化」的概念。如果是一般的語言，它可以是任何的人、事、物、概念…等。
以麥當勞的故事來說，可以是「店員」、「顧客」、「冬天」、「超級薯條」、「笑容」、「肚子餓」…等等。
但既然是「變」量，它就要可以改變。所以「店員」就不太是個變量（比較像常數）。但「店員的貼心度」、「店員的數量」就是變量了；「顧客」不是個變量，但「顧客量」、「顧客滿意度」就是變量。
．
寫出變量是一個「挑重點」的過程，但之後才會跟大家說怎麼挑。我們先來做第一步的「寫出變量」。
在這裡，我列了五個變量：「超級薯條」、「顧客滿意度」、「來客量」、「出餐速度」、「售價」。列完之後，就把它排成一個比較有空間感的圖，就完成了第一步：「寫出變量 」。
．
Step 2. 用「環鏈 Links」將變量串聯
「環鏈 Links」，可以被切割成兩部分。
- 它包含串聯兩個變量的「因果關係、因果方向」
如：因為A，所以B，就是A→B的因果方向。 - 它包含串聯兩個變量後，變量受到因果關係影響後的「變化方向」
如：因為A變多，所以B變多，「變多」就是一個方向：「A↑ → B ↑」
環鏈的功用，就是當一個變量發生變化時，可以串聯到另一個變量。所以，當你說出一個有因果關係的故事時，就可以用環鏈來表達這個故事。
例如：
因為顧客滿意度提升，所以來客量變多。
「顧客滿意度↑ → 來客量↑」
但畫出上下箭頭實在有點麻煩，系統思考中是用「相關性」來取代箭頭，如果變量變化的方向相同（↑↑、↓↓）就以「＋」來說明正相關；方向相反（↑↓）則以「－」說明負相關：
所以，如上圖的一個環鏈關係，就能同時說明兩件事情：
顧客滿意度↑，會導致來客量↑；
顧客滿意度↓，會導致來客量↓。
在系統思考圖中，正相關可以用多種符號表達，如「＋、 Same、S」等；負相關則用「－、Opposite、O」來表示。
就這樣，原本只是很多無意義的變數，透過環鏈串聯，就能描述一個又一個同時具有「因果關係」、「變化方向」的故事了！
．
Step 3. 尋找「環路 Loops」，說明複雜關係
當二個「變量 Variable」，被二個「環鏈 Links」以「相同因果方向」連結時(二個以上也算)，就會形成「環路 Loops」。
環路代表一個封閉的循環，每一個因導致一個果，透過環鏈的傳導，就會再從果變成因。
例如以下故事，就可以形成一個環路：
顧客滿意度↑，導致來客量↑；(正相關)
來客量↑，導致出餐速度↓；(負相關)
出餐速度↓，導致顧客滿意度↓；(正相關)
顧客滿意度↓，導致來客量↓…
．
在形成環路後，就是系統思考圖發揮功用的時刻了，我們要用系統思考中的環路，來回答一些蠻難的問題：
麥當勞推出的超級薯條真的很好吃，能夠直接帶來顧客滿意度提升，在推出的第一個禮拜後，行銷人員調查了第一次吃到超級薯條的顧客，發現消費滿意度從過往的60分來到了90分。但在這時，超級薯條的產品負責人提出了一個問題：「一個月後，對於第一次吃到薯條的客人而言，滿意度依然能維持高峰嗎?」
我們可以用系統思考圖，先試著說說這個故事：
薯條的美味，確實讓顧客滿意度提高了，但隨之而來就是顧客量變多；
顧客量變多，就會使得出餐速度下降；
出餐速度讓排隊等待的時間拉長，最後反而使顧客滿意度下降。
單就這三個變量與環鏈來看，顧客滿意度確實在一開始的時候提升，但隨著時間的拉長，也有可能因為出餐速度的關係，使顧客滿意度下降。
如果以此不斷循環，最後，顧客滿意度應該就會呈現「波動的狀態」。
回頭看看原本的問題：「一個月後，對於第一次吃到薯條的客人而言，滿意度能繼續維持高峰嗎?」依照系統思考，應該會這樣回答:「不一定」1.如果美味的薯條對顧客滿意度的影響很大，顧客滿意度就會持續提高，但因為人潮、出餐速度的影響，滿意度會以波動的方式緩慢提高。2.但如果兩者影響幅度顛倒，顧客滿意度則會波動式的下降3.也有可能兩者對滿意度的影響幅度相同，最後使顧客滿意度持續波動，時高時低，但平均而言不會提高。
但若想知道實際情況，就要來看看，究竟是出餐速度導致的顧客滿意度下降程度高，還是新產品使得顧客滿意度提高了。
「環路 Loops」，解釋複雜問題的關鍵。
故事就暫時說到這裡，相信你已經感受到系統思考是如何解釋複雜問題了。接著讓我們來多解釋一點「環路 Loops」的概念。
環鏈包含了正、負相關的影響，而透過不斷循環，就有可能造成兩種結果：「平衡環路 Balance」、「增強環路 Reinforce」。
．
「平衡環路 Balance」：
正負影響相互相抵銷的環路，就稱為平衡環路。
以麥當勞的例子而言，就是當超級薯條上市時，讓顧客滿意度提升。但若最後造成出餐速度下降，顧客滿意度則會開始向下降。頭尾相互抵銷時，這種狀態就稱為「平衡環路 Balance」。
通常，在系統圖會以「B」代表平衡Balace的狀態。(如下圖)
平衡環路的結果，就如同前面提到的，變量會隨著時間起起伏伏，時高時低，最後可能稍微往某一個方向偏移，或是純粹持續波動、互相牽制。
一個簡單判斷平衡環路的方法，就是當你發現有奇數個「－」時，就是平衡環路。這個判斷方式，也可以幫助你釐清複雜問題的最後，到底是明顯偏向某一方，還是只會是一個緩慢的波動狀態。
．
「增強環路 Reinforce」：
相對於平衡環路，如果因果關係是互相增強的狀態，就稱為增強環路。
在增強環路中，變量之間會互相加強，A讓B變多，B又再讓A變多（也可以是都變少），而隨著時間拉長，變量將隨著時間越來越多（或少）。
．
為了解釋增強環路，我們得稍微轉換一下麥當勞的例子，把「出餐速度」這個變量改成超級薯條的「售價」，來形成一個新的故事：
1.超級薯條提高了顧客滿意度，使得銷量變多。2.而因為銷量變多，麥當勞總部認為，既然產品如此受歡迎，不如趁機獲取更多顧客，那就來「降低產品售價」。3.而當產品價格越低，顧客感受到新產品CP值就越高，顧客滿意度就會提升。
在這裡，我們創造了兩個新環鏈，同時也創造了一個新的系統思考圖：
來客量↑，導致售價↓；(負相關)
售價↓，導致顧客滿意度↑。(負相關)
因此，這個新環路有個很特殊的性質，就是新產品不但會使得顧客滿意度提高，最後還會促使價格下降，顧客滿意度又進一步提升。
當整個環路變成一個「增強環路 Reinforce」，就是俗成滾雪球效應的起點了！顧客滿意度將會持續不斷，甚至加速地攀升！
．
判斷增強環路的方法也很簡單，當你發現有偶數個「－」時，就是增強環路。這樣的環路，將會使這個系統持續往某一個方向偏移。
透過前兩回的說明，我們已經知道什麼是系統思考、它如何解決問題，甚至已經可以畫系統思考圖了！
但系統思考真正的難點，其實暗藏在每一個思考環節裡，下一回開始，會用一篇又一篇的實際案例，來聊聊系統思考時可能會遇到的問題，同時，也會開始用系統思考，解決一些真實的問題。
※重點回顧:1.系統思考圖由什麼組成？．「變量 Variable」:
可以改變的數量。如「顧客滿意度」、「來客量」、「出餐速度」。．「環鏈 Links」:
用來串起變量，包含因果、正負相關的連結。如「→」、「+」、「-」。．「環路 Loops」:
由二個(以上)「變量」與「同向因果」的環鏈組成。分為「平衡環路 Balance」、「增強環路 Reinforce」。2.畫出系統思考圖的三步驟：a.思考故事，寫出重要的變量。
b.判斷因果、正負相關性，用環鏈串起變量。
c.尋找環路，說明複雜關係3.系統思考如何解釋複雜問題：透過畫出系統圖、找到環路，來解釋各個元素相互影響的複雜問題。．※延伸閱讀>>【系統思考】人際關係好複雜？善用系統思考，化簡複雜問題！
>>【系統思考－實作篇】打破系統邏輯，創造全新工作思維！
>>【系統思考－實戰篇】情侶不合別擔心，善用「資訊流」來改善關係！．「1下」拍手：到此一遊，留個記錄吧。
「5下」拍手：表示喜歡這篇文章。
「15下」拍手：表示你想要知道更多相關的內容！
「30下」拍手：手應該會有點痛，但還是歡迎繼續拍。按下「Follow」，追蹤我或我的專欄，將能定期收到優質的文章！
