个人初步总结了以下5个步骤，后面会根据具体生产实践进行更新完善。。。
1.发现真正的问题
“半亩方塘一鉴开，天光云影暗徘徊，问渠哪得清如许，为有源头活水来。”——宋朝著名的理学家、诗人朱熹的《观书有感》。大概意思就是：半亩大的一块水塘平静就象一面镜子，天上的霞光彩云在水面上荡漾，问一下水塘里的水为什么这样清亮，还不是因为有源源不断的清水流进来。这首诗表明了诗人的一种治学态度，无论是做技术还是做科学研究，生命力是最重要的。
互联网行业日新月异，技术更新迭速度代极快，对从业人员提出了很高的要求，一旦慢了，懒了，怠惰了，很有可能就像大浪淘沙一样被行业淘汰。因此，做到终身学习，不轻易给自己设限，不断地迭代进步，不断成长并更新自己的知识体系，就显得尤为重要。
一般来说，吸收新鲜的东西又有两条路径：一条是直接路径、一条是间接路径。所谓直接途径就是动手实践。邓爷爷老人家说的好：实践是检验真理的唯一标准。不得不说：实践可以高效地获取第一手资料，但同时也具备一定的局限性。因为实践是基于个人的经验，容易陷入经验主义的微观陷阱。有的时候，当你欢天喜地的以为自己有了惊人的发现或者发明，结果一调研才发现别人已经在几百年前就已经发现并解决了，你说尴尬不尴尬。人的一生是短暂的，应该高效的去做有意义的事情。不要像蛮牛一般乱冲乱撞，最后一无所获。因此要学会借力，就像太极里面的以力打力，学会用巧劲儿，有时会做到四两拨千斤，出奇制胜，那么间接途径就显得尤为重要了。间接途径就是站在巨人的肩膀上看问题。做文献调研，文献综述，对某个领域内的已有知识从宏观上把控，形成自己的知识体系，然后选定一个关键点，就是发现关键问题。然后进行深挖，总会挖出矿的。
2.收集信息并分析问题
收集信息，这个就不多说了吧，互联网资源一抓一大把，谷歌、百度、书籍、论文、专利。关键是如何分门别类，敏锐的捕捉细节，抓住关键线索，然后抽丝剥茧，才能破案。
分析问题，谈几个方法论的玩仍：
1.七问分析法：参考本人博客文章：
2.鹰眼分析法：形象点理解就是像鹰一样占据制高点，俯瞰全局，先对问题有个宏观的把控，在脑海里面形成一个大的图像。此外，还要结合微观层面上的分析。就像毛爷爷老人家所说：战略上藐视敌人，战术上重视敌人 。既要有战略部署，又要有战术思考。 所谓战略即决定全局的策略，战术则是解决局部问题的方法。这样就能做到，既见森林，又见树木，粗中有细。
3.提出假设
在商业世界里，几乎所有决策，都是在信息有限的情况下做出“假设”，即先对问题做一个推测性回答。
好的假设，可以无限靠近正确答案，甚至就是答案。调研就是一门不断靠“提出假设-验证假设”积累起来的学问。 本质上来说，这种提出假设、验证假设的做法，其实就是小步快跑、快速迭代的思维方式。拓展：局部最优解与全局最优解的通俗理解：
最重要的，好的假设，得基于事实。
对一个商业调研来说，支持一个假设的事实，不看态度，看行为。我把有效的行为分为三类：
1.可量化的行为。
我们常说，听其言，观其行。态度代表愿望，行为决定结果。这就是第一类事实：可度量地行为。
2.不可篡改的行为。
有时候光看行为结果是不够的，你还要分辨这些数据是不是反映了一个真实的行为过程。
3.隐秘的行为。
隐秘的、浸入在用户使用场景里的行为信息，很难通过大数据或问卷获得。但这种信息即使样本再少，也还是极具参考价值。
可量化的行为、不可篡改的行为、隐秘的行为。一个好的假设，一定逃不开这三类事实的支持。收集的事实类型越多，假设的质量也越高。
很多时候，好的假设不是基于几个有效事实，就能定下来的，好的假设也可能不只一个。它一定是个动态的过程，需要你随着事实不断丰富，去迭代和调整。需要用到一对非常好用的思考模型：纵向逻辑和横向逻辑。
纵向逻辑推演的目的是：看这个假设下面的事实是不是足够丰富，能让假设得到及时修正。推演的方法是多问自己几次：“真是这样吗？有没有说不通的地方？”
横向逻辑推演的目的是：看基于同样的事实还有没有更多的假设，能让假设更完整，解决问题的思路更多。推演的方法是多问几次： “只是这样吗？有没有别的可能?”。
对于生活里的一般问题来说，做到了有事实依据，又做到了纵向和横向的逻辑推演。你基本就算得出了一个好的假设。但对于商业问题来说这还不够。你还需要两条辅助线，帮你判断这个假设能不能作为决策的指导。
第一：你的假设是不是在成本边界内？好的假设一定是在资源有限条件下的最佳解决方案。客户问，怎么提升品牌知名度？你说，增加5倍的广告投放。这个假设很好，但它一定越过了成本边界。没有成本考虑的假设，事实再充分，推导再严谨，都是正确的废话。
第二：你的假设是不是能导出决策动作？客户说，我们产品卖得不好，怎么回事？如果你说，因为竞争太激烈。这就是没有导出决策动作。如果你说因为竞争对手的logo更大，包装颜色更亮，更吸引人，这时候他才知道该做什么。
4.验证假设
学习过程是一个假设—验证的过程。即人们根据已有的经验和知识，对于将要吸收学习的知识，有一个假设（预判），然后通过思考和验证，证真：证明假设的真（新知识被吸收）；或者证伪：证明假设的假（调整已有的知识经验，使得新的信息得以被容纳）。
拓展，机器学习算法的通俗理解：
再说到产品研发，产品开发的最大风险就是是做了用户不需要的东西。尤其是投入了几个月（甚至几年）的时间闭门造车，结果却发现做出一个没人用的产品，不可不谓悲壮。所有的项目创始人都怀有一个或大或小的愿景，但愿景其实是个很可疑的东西，在成功之前，你无法知道你的愿景究竟是一个可执行且需求广泛存在的伟大理想，还是一个愚蠢的空想。乔布斯在2003年iPod发布前几个月因为对苹果的股票没有信心放弃了一大笔期权，而向董事会谈判换来了一个执行价格更低数量更少的期权；现在战无不胜的腾讯当年也几乎以几百万人民币的价格出售。但他们其实都具备一种创业者普遍欠缺的特质：及时反思总结。
实际的假设验证过程中，应遵循下述流程：
1.调研需求，将抽象内容落实为用户画像，用户历程图等
2.设计原型，比如app原型，服务蓝图
3.设计MVP，即最好可行产品，能够让用户使用
4.验证原型，记录原型验证中的可优化点
5.不断迭代，完善你的MPV
5.解决问题
解决问题就是以事物运动内在机理为基础，寻求一个有效的解决方案。解决方案中最为关键的是方法论的问题。通过分析问题，也会为我们采用研究问题的方法打下基础。涉及定性的因素的，我们可以使用文字进行定性分析。涉及定量因素的，我们建立计量模型，进行量化分析。 下面简单介绍几种方法论：
1.费曼学习法：参考本人博客文章：
2.金字塔原理：参考《经典的高效思考和表达的思维模型——金字塔原理》：
3.头脑风暴法：参考MBA智库百科—头脑风暴法词条：