模型 KJ分析法(亲和图法)

2024-08-24 22:20
文章标签 模型 分析法 图法 kj

本文主要是介绍模型 KJ分析法(亲和图法),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

系列文章 分享 模型,了解更多👉 模型_思维模型目录。洞察本质,凝聚共识,激发创新。


1 KJ分析法的应用

1.1 KJ分析法在某公司通信科组织改进中的应用

某公司通信科科长注意到科员对工作中的一些问题有所抱怨,但因为工作繁忙,难以召集所有人开会讨论。为了解决这个问题,科长决定采用KJ分析法来搜集科员的意见和要求。具体步骤如下:

  1. 收集信息:科长注意到科员们对工作中的问题有所抱怨,他开始记录下这些问题,每个问题记录在一张卡片上,例如“接收机的声音嘈杂”或“查找资料太麻烦”。

  2. 初步分组:科长将这些卡片根据内容的相似性进行分组,如将所有与接收机问题相关的卡片归为一组。

  3. 归纳整理:科长进一步归纳每组卡片的核心问题,例如,从接收机问题组归纳出需要“给接收机安上罩”。

  4. 深入分析:科长将各组卡片暗示的对策进行集中讨论,以揭示更深层次的问题,如根据季节变化调整交接班时间。

  5. 制定措施:科长拟定了一系列改进措施,并征求科员的意见进行修改,最终提出具体的改进方案进行试行。

  6. 试行与反馈:试行改进措施后,科员们普遍感到满意,这证明了KJ法在解决实际问题和提升工作满意度方面的有效性 。

这里展示了KJ分析法如何帮助组织从杂乱无章的意见中整理出清晰的思路,并通过团队合作找到问题的解决方案。

1.2 KJ分析法用于统一团队对用户画像的认知

是在一个产品从零到一的初始阶段,作为交互设计师参与了用户和市场研究,并根据研究结果参与产品定位、功能定义。在确定用户画像的过程中,出现了分歧,用户调研得到的访谈资料繁复,团队成员对用户回答内容的理解不一。为了统一团队的认知并输出用户画像,项目组采用了KJ法。以下是该案例的具体步骤:

  1. 前期准备:在开会的前一天,给各位前期卷入的同事发一封会议邮件,说明KJ法的操作流程和最终目的,确保用研、策划、交互同学一起参与,并有时间熟悉自己前面调研的资料 。

  2. 现场实操

    1. 让参与者坐在会议室中,给每位参会人员发马克笔和便利贴,鼓励他们将自己理解的用户特征信息写在便利贴上。

    2. 限时15分钟,让参与用户调研的同事边写边往白板上贴便利贴,然后相互浏览内容,也可以简单交流 。

  3. 分组讨论:浏览完毕后,可以再让大家补充。一般的KJ法到了上一步就完成了,但为了统一组内对用户画像的认知还需要最关键的一步:讲故事。将分类后的用户特征组合,形成故事,让参与者快速理解和接受用户画像 。

  4. 故事总结:通过讲故事的方式,将用户特征组合成丰满、立体的故事,使参与者对目标用户有更深刻的认识。最终,可以抽象出三至五个用户画像,并通过故事的方式讲述,根据大家的意见进行调整和修改,达成对目标用户画像的共识 。

这里展示了KJ分析法在统一团队对用户画像认知方面的有效性,通过书写便利贴、分类和故事总结,提供了一个整合不同理解和观点的平台。

1.3 KJ分析法用于改善其产品开发流程

一家企业为了改善其产品开发流程,决定采用KJ分析法来收集和整理员工对于当前流程的看法和建议。具体执行流程如下:

  1. 收集信息:企业的研发团队成员被邀请参与讨论,他们被要求将对产品开发流程的看法和改进建议写在便利贴上。
  2. 分组:所有便利贴被贴在会议室的墙上,团队成员开始根据相似性将便利贴分组,并为每组命名,以反映该组的核心观点。
  3. 归纳整理:小组内的成员对组内的观点进行讨论,进一步归纳整理,形成更高层次的分类,并确定每类的关键主题。
  4. 分析和决策:团队领导和关键成员根据整理出的关键主题进行分析,找出产品开发流程中存在的主要问题和改进点。
  5. 制定行动计划:基于分析结果,团队制定具体的行动计划来解决识别出的问题,并分配责任人跟进实施。

最终,通过KJ分析法的应用,企业成功地从员工中收集了大量宝贵的意见和建议,这些信息帮助企业明确了产品开发流程的改进方向,最终促进了流程的优化。这里展示了KJ分析法如何帮助企业通过团队合作,将分散的观点和信息整合成有组织的洞见,并作为改进决策的依据。

1.4 KJ分析法用于改进教育体系

某市教育部门希望改进当地的教育体系,以提高教学质量和学生满意度。他们决定采用KJ分析法来收集和整理来自教师、学生和家长的意见和建议。具体流程如下:

  1. 信息收集:教育部门组织了一个工作坊,邀请了不同学校、不同年级的教师、学生和家长参与。他们被要求将对教育体系的看法和改进建议写在便利贴上。
  2. 归类整理:所有便利贴被贴在会议室的墙上,参与者开始根据相似性将便利贴分组,并为每组命名,以反映该组的核心观点,如“课程内容”、“教学方法”、“学校设施”等。
  3. 深入分析:然后,教育部门的工作人员对每个类别进行深入分析,找出教育体系中存在的主要问题和改进点。
  4. 制定改进措施:基于分析结果,教育部门制定了一系列的改进措施,包括更新课程内容、改进教学方法、增加学校设施投入等。
  5. 执行与反馈:改进措施被实施后,教育部门收集了学生和教师的反馈,以评估改进效果,并根据反馈进一步调整改进计划。

这里展示了KJ分析法如何帮助教育部门从广泛的利益相关者中收集意见,整合不同的观点,并形成具体的改进措施,以促进教育体系的优化和发展。

1.5 KJ分析法用于个人成长和职业发展

一名职场人士希望提升自己的职业技能和个人素质,但面对众多的在线课程、书籍和培训资源,感到迷茫和无从选择。他决定使用KJ分析法来解决该问题,具体流程如下:

  1. 信息收集:该职场人士首先收集了所有感兴趣的学习资源信息,包括课程名称、书籍标题、培训主题等,并将它们记录在便利贴上。
  2. 归类整理:接着,他将这些便利贴按照主题或领域进行归类,如“时间管理”、“公共演讲”、“编程技能”等,形成不同的小组。
  3. 优先级排序:然后,他根据个人发展目标和当前需求,对这些小组进行重要性排序,确定哪些领域是当前最需要提升的。
  4. 制定学习计划:基于优先级排序的结果,他制定了一个具体的学习计划,包括学习顺序、时间安排和预期目标。
  5. 执行与反馈:最后,他开始执行学习计划,并在学习过程中收集反馈,根据效果不断调整学习计划。

这里我们可以看到KJ分析法如何帮助个人从众多选择中整理思路,明确发展方向,并制定出切实可行的个人成长计划。

2 模型 KJ分析法

2.1 什么是KJ分析法?

KJ分析法,也称为亲和图法,是由日本人文学家川喜田二郎于1964年创造的一种信息分析和整理方法。这种方法适用于处理语言或图像类信息,尤其是当信息量庞大且复杂,需要团队成员达成共识的情况。KJ分析法的核心在于从收集到的大量信息中找出相似内容,通过归纳总结,提炼出关键核心内容,从而实现从“梳理现象”到“抓住本质”的过程。

KJ分析法(亲和图法)的操作步骤主要包括以下几个阶段:

  1. 准备阶段:确定讨论的议题和目标。选择一个适合讨论的场所。准备必要的工具,如便签纸、马克笔、墙壁或白板等。

  2. 信息收集:邀请团队成员参与,包括决策者、执行者等。让参与者将他们的想法、问题点或意见写在便签纸上。

  3. 归类整理:将所有便签纸收集起来,然后重新分配给参与者。让参与者根据内容的相似性将便签纸分组,并为每组命名。

  4. 分组讨论:在小组内进一步讨论和细化分类。可以对每个小组的内容进行进一步的归纳和总结。

  5. 提炼归纳:从每个小组中提炼出核心观点或问题。形成更高层次的分类,并确定每类的关键主题。

  6. 形成亲和图:将归纳整理的结果用图形化的方式展现出来。可以用不同颜色的便签纸或标记来区分不同层次的分类。

  7. 分析和决策:基于亲和图的展示,进行深入分析。确定哪些问题或观点是关键性的,需要优先解决或关注。

  8. 制定行动计划:根据分析结果,制定具体的行动计划或解决方案。分配责任人,并确定时间表和目标。

  9. 执行与跟踪:执行行动计划,并定期跟踪进度和效果。根据反馈进行调整,确保问题得到有效解决。

  10. 回顾和标准化:在项目或问题解决后,进行回顾,总结经验教训。将有效的方法和流程标准化,为未来的工作提供参考。

当然,KJ分析法是一种灵活的方法,可以根据实际情况调整操作步骤和细节。

2.2 为什么会有KJ分析法?

KJ分析法之所以被创造和发展,主要是为了应对以下一些需求和问题:

  1. 处理复杂信息:KJ分析法能够处理大量且复杂的信息,尤其是当信息量庞大且需要团队成员达成共识时。
  2. 促进创造性思维:通过收集不同意见、想法和经验,KJ法鼓励打破现状,进行创造性思维,从而采取协同行动解决问题。
  3. 整合不同观点:KJ法可以整合来自不同背景、专业领域人员的意见,帮助从多角度审视问题。
  4. 支持决策过程:KJ法通过清晰地展示和组织信息,支持决策过程,使决策更加有依据和透明。
  5. 应对未知领域:KJ法适用于迅速掌握未知领域的实际情况,找出解决问题的途径。
  6. 归纳整理:对于难以理出头绪的事情,KJ法可以进行归纳整理,提出明确的方针和见解。
  7. 促进团队合作:通过集体讨论和研究,KJ法有效地贯彻和落实企业的方针政策,促进团队成员间的相互启发和了解。
  8. 质量管理:在全面质量管理活动中,KJ法是寻找质量问题的重要工具,帮助制定质量管理的方针、目标和计划。

3 模型简图

这篇关于模型 KJ分析法(亲和图法)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1103770

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

AI Toolkit + H100 GPU,一小时内微调最新热门文生图模型 FLUX

上个月,FLUX 席卷了互联网,这并非没有原因。他们声称优于 DALLE 3、Ideogram 和 Stable Diffusion 3 等模型,而这一点已被证明是有依据的。随着越来越多的流行图像生成工具(如 Stable Diffusion Web UI Forge 和 ComyUI)开始支持这些模型,FLUX 在 Stable Diffusion 领域的扩展将会持续下去。 自 FLU

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者

线性因子模型 - 独立分量分析(ICA)篇

序言 线性因子模型是数据分析与机器学习中的一类重要模型,它们通过引入潜变量( latent variables \text{latent variables} latent variables)来更好地表征数据。其中,独立分量分析( ICA \text{ICA} ICA)作为线性因子模型的一种,以其独特的视角和广泛的应用领域而备受关注。 ICA \text{ICA} ICA旨在将观察到的复杂信号