最近在单位遇到了一些系统性的问题。各种因素掺杂在一起，很难理出个头绪，俗话说的好，就像是一团乱麻，剪不断理还乱。
一般情况下，系统性问题，指的是这个系统中包含着多个组件，需要互相交互作用，才能共同完成一个任务或者功能，当系统出现问题或者故障时，很难轻易判断是哪一个组件出了问题，有的时候，甚至多个组件会同时出问题，搅合在一起，让人难以排查。
比如说臭名昭著的雾霾问题。导致雾霾的因素很多，有工矿企业的排放超标，有汽车的排放问题，还有北方焚烧秸秆的问题，你很难分析清楚到底某一天的雾霾爆了表究竟是哪儿出了问题。事到如今，也没能够从政府部门听到过详尽的雾霾问题分析报告。
当一个问题出来时，首先第一步就是要分析和确认问题。至少要分析出来所有可能导致这个问题出现的潜在因素。要有一个嫌疑因素列表。
然后，根据这个因素列表，逐个排查，当排查某个因素时，尽量保持其他因素不变，或稳定，如果所有的因素都在动态变化着，永远也没有办法排查出哪个因素是最终的罪魁祸首。
还是那个雾霾为例，如果想排查是不是工厂排放造成的，就要尽量在夜间，汽车出行少，或者没人夜里出来烧秸秆的时候，检查pm2.5是不是依然超标，如果依然如此，工厂排放的嫌疑就会大大增加，例子不算太恰当，但是道理类似。
还有一个手段是对比排除法，如果你高度怀疑是工厂排放造成的，把工厂排放强制关闭，对比pm2.5指标，如果没有什么变化，就可以排除工厂排放的因素。
用对比排除法时，需要发散思维，尽量找出可以排除某个因素的各种办法，逐一实验，反复验证，最终达到有效排查的目的。
各个因素参照系的建立也很重要。比如当无雾霾时，建立各个因素的基准指标，工厂排放的环保指标等，作为参照系存档，当问题出现时，拿出现在的环保指标和存档的正常指标对比，如果有明显出入，该因素就应该有很大的嫌疑。
总之，避免排查时所有因素都在变化，建立每一因素的参照系，以及逐一对比排除某个因素的嫌疑应该是有助于复杂系统性问题解决的三大板斧，可以值得在实践应用中进行尝试。
