“日前，湖南永雄停业，让催收行业成为了焦点。你是否也对这个行业充满好奇？今天让我们尝试借助，一起揭开其面纱。”
本文通过细致的实操经历，展示了如何将与麦肯锡的经典方法论融合，以实现对一个全新行业的快速理解。我将在这里记录每一步的具体操作，包括成功的实践以及在探索过程中遇到的挑战。欢迎感兴趣的朋友一同探讨并提出宝贵的意见和建议。
01
—
什么是麦肯锡方法论
麦肯锡，这是一家全球领先的商业咨询机构，诞生于1926年，以美国纽约为其全球总部。公司的服务范围涵盖战略咨询、数字化咨询、运营咨询、市场和销售咨询，以及组织变革咨询等。麦肯锡的业务触角遍布全球，客户包括全球500强公司、政府部门、以及非盈利机构等。麦肯锡以其卓越的专业知识和独特的方法论广受赞誉，其研究报告和咨询成果受到行业内的高度重视。
作为一家世界级的商业咨询公司，麦肯锡的主要职责就是与各个行业的公司和领导者合作，提供策略建议，并针对他们面临的行业问题提出有效的解决方案。麦肯锡的团队能够迅速掌握新领域并找出核心问题的关键，就在于他们都遵循一套经过实践检验的方法论——《麦肯锡方法》。这一方法论包括了各种解决商业问题的技巧，如”MECE原则”、”以事实为基础的原则”和”80/20原则”等。今天我们无需深究这些技巧，只需要从中找出如何快速理解一个行业的关键要点，并利用AI的力量来快速实践这些方法论。
02
—
如何快速了解一个行业
为了迅速掌握一个行业，我们可以借鉴行业巨头的智慧，比如麦肯锡的前合伙人和高管冯唐先生。他结合了多年的咨询经验和麦肯锡的方法论，得出了三个关键的步骤：
首个步骤是概括出行业的100个核心词汇。
接下来的步骤是进行专家访谈，以理解行业中的各种问题。
最后的步骤是阅读几本行业专业书籍，深入理解并找出共性。
如果你在互联网上搜索如何迅速了解行业，你可能会在搜索结果的前几项中看到这三个步骤的描述，它们可谓是经典的经典。然而，许多人在看到第一个步骤——找出100个关键词时就望而却步了。毕竟，大多数人不知道如何寻找关键词，也不清楚关键词的确切定义，更不用说要找出整整100个关键词了，这无疑是一项艰巨的任务。在这个阶段，我们发现主要的难题集中在三个方面：搜索、理解和总结。而巧妙的是，这恰恰是AI所擅长的领域。我们可以借助的能力来解决这个问题。接下来，我们将探讨如何通过获取和整理行业的100个关键词，并通过这些关键词来提升我们对行业概况的理解。
03
—
了解行业概况
掌握行业概况主要包括五个步骤，这些环节相互关联，有助于你逐步深化对行业的认知。我们将从最基本的“行业100个关键字”这一步开始探讨。借助获取行业100个关键字的方式十分简便。在下面的示例中，我将以”债务追债业务行业”为例，为了便于演示，将关键词数量限制为50个。
步骤一：利用获取50个关键词。
在获取这50个行业关键词的过程中，我们将要求以表格形式进行展示，这样我们就可以通过一个表格直观地了解到行业的中英文关键字、名词解释以及相关的应用场景。由于token长度的限制，我们可能需要多次的交互才能获取全部50个关键词。
Q1：用麦肯锡的快速了解行业方法，通过大量行业高频关键词来建立概念。现在我是一个对 债务追偿业务行业行业不了解的小白，请你给我整理出50个常用关键词，制作成 表格，表头是：关键词（英文）、关键词（中文）、介绍（限50字）、应用场景。
。。。
步骤二：对关键词进行分类归纳
对关键词进行分类归纳分类后的关键字有利于我们初步建立行业的知识框架，示例中我是以使用场景进行分类，大家也可以根据自己的需求进行分类梳理。有趣的是 还会很细节地告诉你，同一个关键字可能会出现在多个分类中。需要注意的是，在要求 输出表格的时候，需要给一些补充说明，不然可能会出现所有关键词都在一个单元格中，这样阅读体验就会非常糟糕，并且合并单元格这些操作也是可以提要求的，我在没有尝试前也不知道 可以这么玩。为了避免因输出过长导致格式错乱，我特地嘱咐它分开输出。
Q2：将刚才给出的关键词按照不同的应用场景进行分类，分类结果制作成 表格，要求一行一个关键词，应用场景合并单元格展示，表头是：应用场景、关键词（英文）、关键词（中文） 考虑到输出内容较多，我希望均分成多次进行输出。
。。。
步骤三：对关键词进行深度分类并整理学习优先级。
在获取了关键词分类表之后，我们对债务追偿业务行业已经有了一个大体的认知框架。下一步，就是深入了解如何学习这些关键词所代表的行业知识。于是，我们进一步要求从一个行业新手的角度出发，对之前分类的场景进行二次分类，并为每个关键词设定学习优先级和提供相关书籍资料，这样我们就可以根据自身需求梳理出该行业的学习路径。由于生成式模型有时候可能会出现编造内容的情况，因此在要求提供参考文献时，必须加上”引用真实数据”的说明，否则你可能找不到它给出的参考文献和书籍。如果你是在联网的环境下使用，可以尝试要求输出中文文献。需要注意的是，我发现了一个插件的小bug，那就是会基于插件搜索结果，反复输出表格。另外，尽管强调要引用真实数据，但输出的书籍链接仍然可能是虚假的。
Q3：将刚才分类好的行业关键词列表进行二级分类，应用场景合并单元格展示，并站在一个刚接触债务追偿业务行业的初学者角度上，给出学习每个关键字的相关书籍（引用真实数据），以及学习的优先级（优先级按照高、中、低排列），最终制作成 表格，表头是：序号、应用场景、二级分类、关键词（中文）、优先级、相关书籍。
我是通过GPT-4插件web-pilot和进行搜索的，可能由于搜索内容过多，也不知为何，其优先调用，返回的结果还是不太令人满意，相关书籍的链接仍然不靠谱，点击链接反馈如下：
在这一步卡了不少时间，担心可能对话过长，我重启了一段对话，在使用相同插件的情况下，返回效果不错，但除非特别指定，给出的文献内容默认是英文资料，这应该与其训练数据集有关。
第一个关键字关联的书籍是真实的
步骤四：了解行业宏观上下游
在我们对债务追偿业务行业的核心词汇及其基本学习路线有了初步理解之后，接下来我们可以利用AI的力量，进一步深入探索该行业的宏观视角。例如，我们可以请求为我们描绘债务追偿业务行业的整体产业链，以及其上下游的相关组织关系。在这个步骤中，我们只需要简洁明了地向提出我们的需求，那么它就能为我们呈现一个精简而直观的行业产业链概览。
Q4：帮我梳理 债务追偿业务行业的产业链上下游构成以及组织关系，制作成 表格，表头是：行业环节、上游、下游、组织关系帮我梳理债务行业的产业链上下游构成以及组织关系
第五步：绘制行业知识框架导图
如果你认为在表格中浏览50个关键词过于密集和枯燥，那么可以尝试使用最近公开的插件功能”Show me”，这个功能可以将信息以可视化的思维导图的形式展示出来，有助于你更深入地理解行业结构。不过，在此示例中，我选择通过生成代码，导入xmind的方式。这样效率更高，导图的可视化效果也更佳。
Q5：帮我梳理 债务追债业务行业的50个关键字，根据应用场景进行分类，用格式，第一层级是债务追债业务行业，第二层级是应用场景，第三层级是二级分类，第四层级是关键字。考虑到关键字可以均匀分成多个部分进行。
复制代码后另存为md文件，直接导入xmind，得到如下思维导图。当然，这只是一个初步的基于关键字形成的行业框架。
04
—
加深行业理解
在我们通过把握了行业的基础知识之后，下一步我们将遵循前文所述的三个阶段来进一步深化我们的理解：首先，我们希望能够与行业专家进行访谈，其次，我们会阅读一些行业相关的经典书籍。但实际上，接触到专家和资深人士并不那么容易。因此，我调整了策略，如果不能直接与专家进行交流，那么我们就从他们的著作、课程或者资料中寻找他们的行业经验，并结合第三步获取的行业书籍知识，这同样能帮助我们深化对行业的理解，并丰富我们的行业知识体系。所以，接下来我们要做的就是在网上找到提供的参考文献，并进行深入的阅读和理解。在实际操作中，我发现前两个关键词对应的书名是正确的，但是只有纸质版，没有电子版，因此我并没有继续测试相关的书籍或PDF文档。值得一提的是，我们不仅可以要求提供关键词相关的书籍，还可以要求它搜索相关领域的论文。
如今基于GPT-4的插件功能非常强大，当你有本地PDF文件（需上传）或者相关URL链接的时候，可以通过一款叫” “的插件，让帮你概括文件并通过问答形式了解PDF细节内容。没有充值的用户可以选择或者等工具实现。效果都尚可。
05
—
写在最后
今天，我们共同探讨了如何将人工智能与麦肯锡的三阶段方法相结合，以快速掌握一个新的行业。其中，我们利用 获取并分类行业关键词，以制定行业学习路线。此外，我们也学习了如何将人工智能的能力应用到阅读文档的技巧中，利用 的强大搜索、理解和总结能力，进一步加速和深化对行业的认知。希望这篇文章能够在你面对新的行业时，提供一些帮助。
最后，我要感谢乔木君关于《 ＋麦肯锡方法论，快速了解一个行业》的分享，本文的主要思路和一些设计均源自该分享。
