第三章 计划阶段应用篇：“因式分解”提高假说精度
●因式分解决定PDCA的速度与深度
在我的心目当中，运转高效PDCA工作术，如果用驾驶汽车来比喻，就好比是“判断式驾驶”。
对高效PDCA工作术来说，以“安全驾驶”为目的的现实的驾驶方法并非理想的方法。以“全速驾驶”为目的的所谓“判断式驾驶”，才是迅速到达终点的最佳选择。它可以带领你在高度精准预测的基础之上，规避各种重大事故的风险，开足马力朝着目标勇往直前。
正因为如此，提高假说的精度成为高效PDCA工作术不可缺少的要素之一。
支撑这一假说精度的基础，便是“因式分解”。
这里引用的是数学当中的一个术语，其基本目的，是尽可能详细地罗列出构成“目标”与“现状”之间的各种因素。
包括因式分解在内，我在说明问题时经常会使用一些“公式符号”。
除了数学概念之外，当然也包括文科学生容易理解的、逻辑思维当中经常使用的“逻辑树”的概念。目的无非是将问题细化，为此下面我将使用逻辑树的概念加以说明。
百闻不如一见，下图便是所谓逻辑树概念的一个实例。
图3-1 逻辑树实例
最上面一段显示的内容，便是因式分解的对象。
这里选择了“好上司”的例子。假设选定的课题是成为一名好的上司，那么首先遇到的问题便是——如何才能成为一名好的上司？我们没有必要为此烦恼，只要先来看一看“什么是好上司”，并且尝试着将它因式分解。通常作为一名“好上司”，无非可以从两个方面进行评价，一个是“在人格上具有魅力”，另一个是“在工作上具有魅力”。
所谓“在人格上具有魅力”，同样存在着诸多因素。
通过对事物进行分解，我们可以详细地了解到事物的本质，掌握它们之间存在的差异，提出需要解决的课题，制订出相应的解决方案。无疑，通过对课题进行比较，我们还可以找出一条最为便捷的解决问题的途径。
对于那些比较单纯的目标，或许不需要通过因式分解也能够找到解决问题的方法（正因为如此，我在初级篇当中才没有做更多的阐述）。但是对于那些设定值较高，更接近于PDCA大循环的目标，其中包括受外界因素制约解决起来难度较大的目标，进行因式分解（即运用逻辑树的概念）自然成为取得成功不可缺少的条件。