别再瞎拆问题了：系统科学方法才是破局复杂问题的钥匙
去年帮一家制造企业梳理供应链问题，一屋子部门负责人吵了三个小时。每个人都把自己的模块说的完美无缺，问题全在别人那儿。翻了之前花大价钱做的咨询报告，逻辑清晰，每个节点的优化方案写得头头是道。落地半年，问题反而更严重了。
这不奇怪。他们用了最流行的拆解法，从根上就走错了路。
传统分解法解决复杂库存问题错误示意图
单个节点的最优，加起来从来不是整体的最优。这个道理，说出来很多人都懂，真遇到事，第一反应还是拆拆拆。
很多人跳不出这个惯性，因为这套方法简单，好考核，出了问题能甩锅。反正我负责的模块做好了，问题肯定在别人那儿。对吧？
新能源制造企业库存调度系统反馈回路图
用系统科学方法解决，根本不用每个工厂都改，只需要找到系统的杠杆点，把这个回路打断就行。他们最后找到的杠杆点，是调整预测提前量和排产缓冲的匹配规则，原来每个区域自己做预测，改成核心产品全集团统一做滚动预测，缓冲区间跟着预测精度动态调整。半年下来，呆滞库存直接降了42%，整体成本降了12%，效果比之前拆模块改了一年好太多。
我总结几个普通人也能用的核心要点吧，别记公式，记这几个就够：
第一，找杠杆点，不要到处撒网。复杂系统里从来不是一分耕耘一分收获，百分之八十的问题，是百分之二十的要素导致的，找到那个关键连接点，动一下就全盘活了。
第二，给坏的正反馈加负反馈。很多问题越来越糟，都是因为没有刹车，比如互联网公司的盲目扩张，产能的无序扩张，都是正反馈跑飞了，加一个合理的负反馈刹车，问题自然就缓下来了。
第三，别追求绝对完美，给系统留冗余。很多人喜欢把系统卡得死死的，追求零库存、零冗余，一点波动都承受不住。一场大雨、一次疫情，整个系统直接崩盘。系统科学早就说过，适当的冗余才是系统稳定的基础。
接下来，哪些行业会吃系统科学方法的红利？
现在越来越多的行业，从原来的简单问题变成复杂问题，系统科学方法的用武之地只会越来越多。
最明显的就是AI大模型行业。很多人以为大模型就是堆参数，拼算力，其实不对。大模型本身就是一个复杂系统，现在做的大模型对齐、安全性调优，本质就是用系统科学方法调整整个模型的反馈回路。你改单个神经元根本没用，要从整个系统的连接关系入手，才能让大模型输出符合要求的结果。国内现在不少做大模型安全的团队，核心团队都是做系统科学出身的，这不是巧合。
然后是双碳和能源领域。过去很多地方做减碳，就是一关了之，关高耗能工厂，限居民用电，结果整个产业链成本上涨，转移出去的产能反而排放更高，总减排量根本没达标。现在开始用系统科学方法算全链条的碳排放，从发电、工业、交通到建筑，整个系统优化，既能保证经济增长，又能完成减排目标，这才是正确的路。
还有生物医药领域。过去几十年做药，都是找单个靶点，打中就能治病，成功率越来越低，很多疾病根本不是单个靶点的问题，是整个信号网络乱了。现在的系统生物学，就是用系统科学方法研究整个基因和蛋白的网络关系，找新的治疗方案，现在已经有不少成功的新药出来了，未来这块的突破肯定会越来越多。
不过话说回来，系统科学方法不是什么万能神药。你去菜市场买菜砍价，用这个干嘛？纯纯闲得慌。简单问题就用老方法，只有那些多要素耦合、牵一发动全身的复杂问题，才需要换系统思维。
现在我们身边的复杂问题越来越多了。大到城市的交通治理、楼市调控，小到一家公司的组织协同、一个产品的全生命周期管理，都不是拆成几块就能搞定的。
换个视角，别盯着单个节点的对错，看看整个系统的连接和流动。很多解不开的死结，可能转个身就通了。
你习惯的拆问题，本质是还原论的旧思路
从工业革命开始，我们就被灌输一种思路：遇到任何问题，拆成小块，逐个解决，拼起来就是答案。这套方法在生产标准化商品的时候太好用了，造汽车，拆成发动机、底盘、外壳，每个车间做自己的事，最后拼起来就能跑。 可放到今天的复杂问题里，一用就错。 刚才说的那家制造企业，供应链库存高，老板要求每个工厂都降本10%，每个工厂都听话完成了KPI，结果全集团的呆滞库存反而涨了18%。为什么？每个工厂为了完成降本指标，要么减少常用料的备货，缺料的时候停线等货，要么把滞销的原材料压在仓库不报废，账面上的降本完成了，烂摊子全留给集团。传统分解法解决复杂库存问题错误示意图
单个节点的最优，加起来从来不是整体的最优。这个道理，说出来很多人都懂，真遇到事，第一反应还是拆拆拆。
很多人跳不出这个惯性，因为这套方法简单，好考核，出了问题能甩锅。反正我负责的模块做好了，问题肯定在别人那儿。对吧？
说点人话，系统科学方法到底怎么解决问题？
说实话，很多学术文章把系统科学方法写得玄乎，又是公式又是模型，普通人看了就头大。其实核心逻辑特别简单，就是不要只看单个要素，要看要素之间的连接关系，还有整个系统的反馈回路。 还是说回那个库存的案例，后来他们找了做系统动力学的团队重构方案，没两个月就找到问题核心了：这根本不是单个工厂降本的问题，是销售预测和工厂排产之间形成了死亡循环。 预测不准→怕缺货→多备原材料→库存涨→要求降本→砍原材料备货→缺料→交不了货→销售完不成目标→预测更不准。 这就是典型的正反馈回路，整个系统沿着一个方向不断放大，越努力错得越离谱。新能源制造企业库存调度系统反馈回路图
用系统科学方法解决，根本不用每个工厂都改，只需要找到系统的杠杆点，把这个回路打断就行。他们最后找到的杠杆点，是调整预测提前量和排产缓冲的匹配规则，原来每个区域自己做预测，改成核心产品全集团统一做滚动预测，缓冲区间跟着预测精度动态调整。半年下来，呆滞库存直接降了42%，整体成本降了12%，效果比之前拆模块改了一年好太多。
我总结几个普通人也能用的核心要点吧，别记公式，记这几个就够：
第一，找杠杆点，不要到处撒网。复杂系统里从来不是一分耕耘一分收获，百分之八十的问题，是百分之二十的要素导致的，找到那个关键连接点，动一下就全盘活了。
第二，给坏的正反馈加负反馈。很多问题越来越糟，都是因为没有刹车，比如互联网公司的盲目扩张，产能的无序扩张，都是正反馈跑飞了，加一个合理的负反馈刹车，问题自然就缓下来了。
第三，别追求绝对完美，给系统留冗余。很多人喜欢把系统卡得死死的，追求零库存、零冗余，一点波动都承受不住。一场大雨、一次疫情，整个系统直接崩盘。系统科学早就说过，适当的冗余才是系统稳定的基础。
接下来，哪些行业会吃系统科学方法的红利？
接下来，哪些行业会吃系统科学方法的红利？
现在越来越多的行业，从原来的简单问题变成复杂问题，系统科学方法的用武之地只会越来越多。
最明显的就是AI大模型行业。很多人以为大模型就是堆参数，拼算力，其实不对。大模型本身就是一个复杂系统，现在做的大模型对齐、安全性调优，本质就是用系统科学方法调整整个模型的反馈回路。你改单个神经元根本没用，要从整个系统的连接关系入手，才能让大模型输出符合要求的结果。国内现在不少做大模型安全的团队，核心团队都是做系统科学出身的，这不是巧合。
然后是双碳和能源领域。过去很多地方做减碳，就是一关了之，关高耗能工厂，限居民用电，结果整个产业链成本上涨，转移出去的产能反而排放更高，总减排量根本没达标。现在开始用系统科学方法算全链条的碳排放，从发电、工业、交通到建筑，整个系统优化，既能保证经济增长，又能完成减排目标，这才是正确的路。
还有生物医药领域。过去几十年做药，都是找单个靶点，打中就能治病，成功率越来越低，很多疾病根本不是单个靶点的问题，是整个信号网络乱了。现在的系统生物学，就是用系统科学方法研究整个基因和蛋白的网络关系，找新的治疗方案，现在已经有不少成功的新药出来了，未来这块的突破肯定会越来越多。
不过话说回来，系统科学方法不是什么万能神药。你去菜市场买菜砍价，用这个干嘛？纯纯闲得慌。简单问题就用老方法，只有那些多要素耦合、牵一发动全身的复杂问题，才需要换系统思维。
现在我们身边的复杂问题越来越多了。大到城市的交通治理、楼市调控，小到一家公司的组织协同、一个产品的全生命周期管理，都不是拆成几块就能搞定的。
换个视角，别盯着单个节点的对错，看看整个系统的连接和流动。很多解不开的死结，可能转个身就通了。