问题树生成器Skill issue-tree-generator

问题树生成器是一个专业的商业分析工具,用于结构化问题分解和假设驱动分析。它能够将复杂商业问题分解为MECE(相互独立,完全穷尽)的问题树,生成可测试的假设,跟踪证据收集和测试进度,并最终综合发现形成可执行的商业建议。关键词:问题树,MECE验证,假设驱动分析,商业分析,结构化问题解决,决策框架,咨询工具,战略规划,根本原因分析。

战略咨询 0 次安装 0 次浏览 更新于 2/25/2026

name: issue-tree-generator description: 为结构化问题解决生成和验证问题树,包含MECE验证 allowed-tools:

  • Read
  • Write
  • Glob
  • Grep
  • Bash metadata: specialization: 商业分析 domain: 商业 id: SK-011 category: 问题解决

问题树生成器

概述

问题树生成器技能提供专门的能力,用于创建和验证结构化问题解决中使用的问题树。该技能通过正确分解复杂问题、MECE验证、假设跟踪和综合发现,实现假设驱动的分析。

能力

问题树创建

  • 从问题陈述创建问题树
  • 将复杂问题分解为子问题
  • 生成多级分解
  • 应用标准问题树框架

MECE结构验证

  • 验证MECE结构(相互独立,完全穷尽)
  • 识别重叠的分支
  • 检测缺失的分支
  • 评估MECE合规性得分

假设树生成

  • 从问题树生成假设树
  • 将问题转化为可测试的假设
  • 创建零假设和备择假设
  • 将假设与数据需求关联

假设测试跟踪

  • 跟踪假设测试进度
  • 记录测试结果和证据
  • 更新假设状态(已证明/已证伪/不确定)
  • 计算测试完成百分比

证据关联

  • 将证据与假设关联
  • 记录证据来源
  • 评估证据强度
  • 跟踪证据缺口

综合生成

  • 根据已证明/已证伪的假设生成综合结论
  • 从证据构建论证链
  • 创建推荐框架
  • 制定“所以呢”陈述

可视化树导出

  • 导出为可视化树状图
  • 生成Markdown树结构
  • 创建层次化大纲
  • 支持多种可视化格式

使用方法

创建问题树

为此问题创建问题树:
[问题陈述]

至少分解到3个级别,并进行MECE验证。

验证MECE

验证此问题树的MECE结构:
[问题树结构]

识别重叠和缺口。

生成假设

从此问题树生成假设:
[问题树结构]

创建具有数据需求的可测试假设。

综合发现

从这些假设测试结果中综合发现:
[带有证据的假设结果]

根据已证明的假设构建建议。

流程集成

此技能与以下商业分析流程集成:

  • hypothesis-driven-analysis.js - 核心假设工作
  • consulting-engagement-planning.js - 问题结构化
  • process-gap-analysis.js - 根本原因分解
  • business-case-development.js - 商业问题分析

依赖项

  • 树数据结构
  • MECE验证算法
  • 可视化库
  • 综合模板

问题树参考

问题树结构

问题陈述
├── 问题1
│   ├── 子问题1.1
│   │   ├── 子子问题1.1.1
│   │   └── 子子问题1.1.2
│   └── 子问题1.2
├── 问题2
│   ├── 子问题2.1
│   └── 子问题2.2
└── 问题3
    ├── 子问题3.1
    └── 子问题3.2

标准分解框架

收入增长树

如何增加收入?
├── 增加销量
│   ├── 获取新客户
│   └── 提高购买频率
└── 提高价格
    ├── 提高单价
    └── 改善产品组合至高端

盈利能力树

如何提高盈利能力?
├── 增加收入
│   ├── 销量
│   └── 价格
└── 降低成本
    ├── 固定成本
    └── 可变成本

市场进入树

我们应该进入市场X吗?
├── 市场有吸引力吗?
│   ├── 规模和增长
│   └── 竞争动态
├── 我们能赢吗?
│   ├── 我们的能力
│   └── 竞争优势
└── 值得吗?
    ├── 财务回报
    └── 战略契合度

假设状态跟踪

状态 定义
未测试 假设已识别,尚未测试
进行中 数据收集/分析正在进行
已证明 证据支持假设
已证伪 证据反驳假设
不确定 证据不足,无法确定

证据强度评级

评级 描述
多个可靠来源,定量数据
中等 一些可靠来源,混合数据
有限来源,主要是定性数据
轶事 单一来源,基于意见

MECE验证清单

  • [ ] 每个分支处理一个不同的方面
  • [ ] 分支之间定义没有重叠
  • [ ] 覆盖所有可能性
  • [ ] 分支具有一致的详细程度
  • [ ] 每个级别应用相同的逻辑

综合框架

  1. 我们发现:分析的关键发现
  2. 所以呢:发现的含义
  3. 现在怎么办:推荐行动