「抓住核心問題。」 「先提出假設。」 「把視野放遠、範圍放寬、層級拉高。」
這些話都沒錯。
但真正零基礎的新人，最先卡住的通常是：
我連論點和假設到底要想什麼都想不出來。
於是前輩說：「輸入不夠。先查30分鐘，再停5分鐘，把目前知道的和還不懂的整理一下。」
照做。
查30分鐘。 整理5分鐘。 「咦？會不會是A？」
進步了。
然後第二章立刻開始。
「驗證A的資料不存在。」 「那就加追蹤。」 「要追蹤就得實作。」 「實作完要測試。」 「測完要觀測。」 「觀測後發現B比A更可疑。」 「驗證B又需要另一份log。」 「順便還冒出C和D。」
嗡——嗡——嗡——。
工作增加了。
這就是學會論點與假設思考後，經常沒人講的續集。
本文給真正從零開始的第一年新人，把整條鏈接起來：
調查 → 整理 → 切問題 → 提假設 → 建立量測 → 小幅改動 → 觀測 → 更新假設 → 決定哪些假設先不做。
1. 第一個誤會：假設思維不是靈感大賽
叫新人面對「營收下降」立刻提出十個原因，當然難。
不是笨，而是腦中還沒有這個領域的基本零件。
網站分析的老手會想到曝光、CTR、排名、來源、新舊用戶、國家、語言、頁面、站內流轉。
銷售會想到商機數、成交率、客單價、流失原因、線索來源、負責人、週期。
製造會想到不良率、停機、換線、設備、材料、操作員、批次、溫度、班別。
老手看到異常，變數清單會自己跳出來。
新人不會。
所以只說「再想深一點」很像叫人從空架子上拿貨。
模擬探究學習研究顯示，對先備知識較低的學習者先提供基本領域資訊，有助於理解相關變數與後續知識獲得。[1] 這不是直接研究職場顧問訓練，但它給的原則很清楚：假設需要材料。
2. 零到一階段，不要一開始就要求原創假設
先看完整的推理案例。
例如：
- 現象：營收下降20%
- 第一次拆分：客數還是客單價？
- 確認：客數穩定，客單價下降
- 第二次拆分：商品結構還是折扣？
- 確認：折扣率沒變，高價商品占比下降
- 假設：高價商品選擇率下降
- 下一步：看商品瀏覽、庫存、排序、說明修改
把整條思考鏈給新人看。
Worked example研究顯示，對初學者而言，帶解法的完整例題可降低認知負荷，並支持記憶與近似問題的遷移。[2]
「自己想」對高手是自由，對新人有時只是沒有地圖的登山。
先看地圖沒問題。
3. 第一年的成長，其實是「按順序拆掉輔助輪」
以下12個月不是說科學已證明這個月份配置最優，而是把學習科學原則轉為職場訓練路線。
第1—2個月：先知道這個世界有哪些變數
第一個目標不是猜對。
而是知道這個領域的人平常看什麼。
學常用指標、流程、角色、限制、正常範圍、異常範圍、先後關係。
每天做三件事：
- 看一個真實案例
- 記錄資深同事先看什麼
- 問一次「為什麼先看這個？」
多看完整案例。
不要背「A一定等於B」。
要偷的是老手腦中的候選清單。
第3—4個月：養成比較反射
論點常從差異裡長出來。
看到變化先問：
- 什麼時候開始？
- 只在哪裡發生？
- 什麼沒變？
- 和正常案例有什麼不同？
- 前一刻剛改了什麼？
「為什麼營收下降？」太大。
「只在新客？只在某地區？只在某商品？從上月開始？價格調整後？」就能長出假設。
這階段評估比較軸，而不是一次猜中原因。
第5—6個月：把猜測變成可驗證句子
只需要一個模板：
如果X是主因，那麼應該觀察到Y。
再加：
如果看不到Y，X假設就變弱。
這樣「我覺得是A」才會變成能被資料反駁的東西。
研究顯示，除了變數與關係詞之外，再提供部分假設作為支架，可幫助學習者提出更複雜的假設並改善資料蒐集。[3]
第7—8個月：沒有答案，就把系統做成可量測
網路上沒有答案。 公司儀表板也沒有你要的切法。
這時需要 instrumentation：建立量測能力。
- 新增log欄位
- 新增問卷項目
- 細分錯誤類型
- 支援商品×地區切分
- 保存修改前基準值
- 設計實驗組與比較組
新人會第一次理解：
調查不只是搜尋。
若證據不存在，設計能產生證據的系統也是工作。
第9—10個月：實作→測試→觀測→更新
假設A → 量測 → 小改動 → 測試 → 觀測 → 保留/修正/捨棄 → 下一個假設。
答錯時不要只問「哪裡錯」。
還要問：
為什麼當時我覺得它最可能？
2024年研究發現，對問題解決錯誤進行有支架的自我解釋，可改善錯誤修正與近距離遷移。[4]
另一篇包含35項研究的統合分析則指出，改善問題解決中自我監控準確性的介入平均效果不大，但整體任務、後設認知知識與外部標準等介入有助益。[5]
把預測和結果放在一起。
第11—12個月：問題反過來——假設太多
此時不是沒有假設。
而是有太多假設。
全部驗證就永遠結不了案。
開始看：
- 對決策影響
- 可能性
- 驗證成本
- 一次測試能同時削掉多少假設
- 結果出來後行動是否會變
決策分析有Value of Information的概念：追加資訊的價值，取決於減少不確定性後能否改善決策。[6]
辦公室不必每次算公式。
問一句：
知道這件事後，哪個決定會改？
不會改，就先放後面。
4. 「查30分鐘 + 整理5分鐘」不是神奇數字，而是搜尋深坑的緊急煞車
沒有證據證明30與5是普遍最佳。
真正重要的是強制停下來。
停下時寫：
- 已知
- 未知
- 目前最強假設
- 若為真應看到什麼
- 下一步看什麼
好用的規則：
如果下一個問題還不能用一句話寫出來，就先別繼續搜尋。
不是讀了多少，而是調查方向有沒有更新。
5. 接著工作會變多：看見論點，本身就是產生任務的能力
新人： 「看起來沒問題。」
中階： 「轉換率下降。」
更熟練： 「整體轉換率下降，但舊客不變。下降集中在某個新客渠道，流量沒掉，並且從上月開始，第一次洽談到提案的轉換明顯下降。」
恭喜。
新工作產生。
渠道分析、人員比較、內容檢查、變更記錄、量測驗證、小實驗。
嗡——嗡——嗡——。
假設思維不會立即減少工作。
一開始它讓原本看不見的工作浮現。
之後才要學會：
在看見的工作中，決定哪些不做。
6. 最終形態會接近研究者 + 工程師 + 分析師
Research：查已知。 Hypothesis：放一個暫時解釋。 Instrumentation：建立量測。 Intervention：小幅改動。 Observation：看結果。 Update：更新判斷。 Prioritization：挑下一個最值得降低的不確定性。
不同職務名稱很多，但改善工作的核心迴圈很像。
7. 新人腦袋空白時，給六個原因箱
| 箱 | 問題 |
|---|---|
| 輸入 | 進來的量或質變了嗎？ |
| 處理 | 流程、規則、路徑變了嗎？ |
| 輸出 | 商品、結果、呈現變了嗎？ |
| 人 | 客戶、員工、使用者變了嗎？ |
| 環境 | 競爭、季節、市場、制度變了嗎？ |
| 量測 | 數字的計算或收集方式變了嗎？ |
很多「想不到」只是搜尋空間太大。
有箱子就有地方找。
8. 指導者不要只說「再想想」，而要逐步拆輔助輪
Level 0：完整案例。 Level 1：給拆分方式。 Level 2：給候選原因。 Level 3：只給六個原因箱。 Level 4：只問「問題是什麼？下一步看什麼？」
2026年研究發現，包含實際問題解決的學習順序，在測驗表現上高於只看完整例題。[7]
給例子，不等於永遠給答案。
重點是拆輔助輪的順序。
9. 第一年的每週運作模板
每個案例：
- 一句話寫現象
- 至少三個比較軸
- 收斂至1—3個假設
- 寫「如果X，應看到Y」
- 記錄結果
每次暫停搜尋：
- 已知
- 未知
- 當前假設
- 下一份資料
- 這份資料會改變什麼決策
每週一次： 復盤一個錯誤假設和一個漏掉的變數。
每月一次： 更新自己的「常看變數清單」。
10. 常見失敗
- 只增加輸入，不寫假設。
- 太早完全自由探索。
- 愛上第一個假設。
- 把調查量當成果。
- 想驗證全部。
能力越強，第五個越危險。
11. 研究能說什麼，不能說什麼
研究支持的方向包括：
但不能說30+5是宇宙最佳，也不能說本文12個月配置是唯一科學答案，更不能把學生實驗直接當成職場新人的因果證明。
研究不是魔法配方。
是設計輔助輪的地圖。
12. 最後：變厲害，不代表變輕鬆
年初： 「我想不到論點。」
幾個月後： 「我有三個假設。」
再後來： 「我要加log來驗證。」
年底： 「有12個假設，但其中7個不會改變下一個決策，所以先不做。」
這已經是完全不同的人。
但獎勵不一定是空閒。
恭喜。你現在看得見以前看不見的問題了。
量測。 實作。 測試。 觀測。 分析。 再假設。
嗡——嗡——嗡——。
最後真正要學的是：
決定現在先不調查什麼。
參考文獻
參考資料（7筆）
- Kuang, L., et al. Journal of Research in Science Teaching doi.org
- Chen, O., et al. Educational Psychology, 2023 doi.org
- Kuang, L., et al. Journal of Computer Assisted Learning, 2020 doi.org
- Contemporary Educational Psychology, 2024 doi.org
- Janssen, N., & Lazonder, A. W. Educational Psychology Review, 2024 doi.org
- Value in Health, 2020 doi.org
- Zeitlhofer, I., & Zumbach, J. International Journal of Educational Research, 2026 doi.org
