假设验证循环：围绕假设推进，不围绕数据量推进

大前研一反复讲的分析方法，骨架并不复杂。四个环节，一条序列，一个硬约束。

四个环节：建假设、找反证、跑现场、收提案。 一条序列：按这个顺序走，不跳步。 一个硬约束：每个环节的推进都围绕假设，不围绕数据量。

方法强在哪里？不在任何一个单独环节——建假设不新鲜，找反证不新鲜，跑现场更不新鲜。强在这四个环节必须按顺序串起来，中间不能断。

建假设是起点，不是搜集的副产品

多数人做分析的起点是搜集。大前研一把起点提前了一步：先写假设。

假设的作用不是预判答案，是给搜集装方向盘。有了假设，后面搜集什么数据、找什么人谈、去什么地方看，都有了判断标准。

没有假设的搜集会发散。你会搜集到大量"相关信息"，但不知道哪些真正影响判断。假设把搜集从开放式变成了目标式。

假设的质量标准只有一条：能被验证或推翻。"市场在变化"不是假设——它太模糊，无法验证。"华东区域业绩下滑的主因是渠道覆盖率收缩"是假设——它够具体，能拿数据检验。

验证的推进方向是找反证

假设建好以后，验证怎么推进？

直觉反应是去找支持假设的证据。大前研一要求相反：优先找能推翻假设的证据。

支持性证据能增加信心，但不能提高判断质量。反证才能。因为每找到一条反证，你要么修正假设，要么排除一个错误方向。两种结果都在推进分析。

验证循环的核心纪律是：如果一条有力反证已经出现，不能选择忽略。必须正面回应——要么修改假设，要么解释为什么这条反证不成立。

这条纪律和确认偏误正面对抗。人天然倾向于搜集支持自己判断的信息，假设验证循环要求你反着来。

实地验证检查前提假设

逻辑推演可以在办公室做，但前提假设对不对，经常只有现场知道。

大前研一把实地验证放在方法的核心位置，解决的是一个特定问题：前提假设的真实性。

数据分析基于已有数据。已有数据基于特定的采集方式和统计口径。如果采集方式本身有偏差，或者统计口径遗漏了关键变量，后面的分析逻辑再严密也会偏。

现场能做到数据分析做不到的一件事：直接观察未被编码的信息。一个门店的客流动线、一个工厂的实际操作流程、一次客户投诉时的真实语气——这些信息很难被数据系统捕捉，但对判断经常是决定性的。

不是所有假设都需要跑现场验证。但凡涉及行为判断、流程判断和因果关系判断的假设，办公室里的数据分析有明确盲区。

实地验证还有一个隐性价值：它逼你接触到执行层的真实约束。很多看起来完美的方案，在执行层根本跑不动——不是因为方案错了，是因为方案制定者没见过执行现场的实际样子。

非线性结构分析定位杠杆点

假设验证循环解决方向问题：该往哪里看。非线性结构分析解决定位问题：该往哪里用力。

两者的关系：假设给出方向，结构分析在这个方向上找到杠杆。

线性思考把问题简化成一条因果链：A 导致 B，B 导致 C，所以解决 A 就行。但商业问题的变量很少是串联的。它们互相影响、互相制约，形成一个网状结构。

结构分析的做法：把关键变量画出来，标出影响关系，找到杠杆点——改变哪个变量对结果影响最大。

杠杆点通常不是最明显的那个变量。最明显的变量往往已经被所有人盯着了。杠杆点藏在变量关系的交叉处，需要先画出结构才看得见。

找到杠杆点以后，方案的焦点就自然收窄了——不需要面面俱到，只需要对准杠杆。

提案收束是终点，不是报告收束

分析做完了，验证跑完了，结构也画出来了。最后一步不是写一份全面的报告，是提炼一个可执行的判断。

全面和清楚是两回事。报告可以全面但不清楚——信息量很大，但决策者看完不知道该做什么。提案必须清楚——一句核心判断，让人知道下一步怎么走。

大前研一训练提案能力的方法很简单：如果你的分析结论用一句话说不清楚，说明分析本身还没到位。不是表达的问题，是思考的问题。

四个环节的顺序为什么不能乱

建假设→找反证→跑现场→收提案。这个顺序不是偏好，是逻辑依赖。

不先建假设，搜集就没有方向。 不先找反证，验证就退化成确认偏误。 不先跑现场，前提假设的真实性就不可知。 不先把结构分析做了，提案就可能抓错杠杆。

每一步的产出是下一步的输入。跳过任何一步，后面的环节质量都会打折。

最常被跳过的是中间两步——找反证和跑现场。因为它们慢，而且经常带来坏消息。但分析质量恰恰取决于你愿不愿意花时间在这两步上。

很多人以为自己在做假设验证，实际上只做了第一步和最后一步：建了个假设，搜集了一圈支持，然后直接写提案。中间的反证和现场验证被跳过了。这种缩水版循环看起来也有假设、也有结论，但质量完全不同。

和"议题驱动"的异同

安宅和人的议题驱动分析链（切题→拆解→假说→关键事实→收束）和大前研一的假设验证循环有相似之处——两者都强调在搜集之前先形成方向。

区别在重心。议题驱动的核心是"先切一个值得做的题"，假设验证循环的核心是"围绕假设做反复验证"。前者更强调选题质量，后者更强调验证纪律。

两套方法可以组合使用：先用议题驱动判断值不值得做，再用假设验证循环推进分析。但不要把它们混成一套——它们解决的是不同层次的问题。

方法的核心主张

围绕假设推进分析，不围绕数据量推进。用反证检验判断，不用支持确认判断。用现场校准前提，不用办公室替代现场。用一句可执行的判断收束，不用一份全面的报告收束。

这条分析链的价值不在于它复杂。在于它反直觉——每一步都要求你做那件不自然的事。而恰恰是这些不自然的动作，拦住了分析中最常见的方向性错误。

对多数人来说，练假设验证循环的难点不在理解，在执行。理解很容易——"先建假设再找证据"，一句话就说清了。但真到了问题面前，搜集的冲动总是比建假设的纪律来得快。

方法的内化标志不是能讲出来，是能在压力下做出来。这也是假设验证循环和一般"分析框架"的区别——框架停在认知层，循环要落到行为层。