MECE（發音為me-see）
MECE 麥肯錫分析法 或是 MECE 麥肯錫思考術 將某件事或概念當成母集合（整體）思考，分成彼此獨立、互無遺漏（MECE，Mutually Exclusive Collectively Exhaustive）的子集合（部分）。
上面這句話（有一個嚴重錯誤），可以在許多的顧問公司網站，管理叢書，甚至是知名的經理人月刊找到，下圖為『完全圖解！1分鐘搞懂麥肯錫思考架構』的文章：
https://www.managertoday.com.tw/articles/view/51650
我們先認識什麼是MECE。以下文章摘取自資策會官網，2017/10/25 文章 – 『心中有 MECE，溝通更 Easy』（讀者可以先找找碴，錯誤在哪裡？）
美國麥肯錫(McKinsey)顧問公司的新進⼈員，都要訓練⾃⼰將 MECE 原則，變成⾃⼰的反射性思考⾏為，所有經⼿的文件報告或往來電⼦郵件，都要考量是否符合 MECE 原則，因 MECE 就像是個⼈的思考引擎，驅動你能夠看清楚⾃⼰所組織的思考⽅向，將重覆及疑惑的內容減⾄最低，在向組織報告或與他⼈溝通時，同時也能產⽣專業的說服⼒。
ME（Mutually Exclusive）的意思是「彼此獨立」，CE（Collectively Exhaustive）的意思是「互無遺漏」。簡單的說，就是當你將某個待解決的⼤問題，條列分割為數個⼩問題來討論時，就要留意⼩問題彼此之間有沒有重疊性，如果沒有，你就是做到了「彼此獨立（ME）」，如果組合所有的⼩問題，就能完整的回答⼤問題，你就是做到了「互無遺漏（CE）」。
例如問卷調查的年齡別填寫欄，有時候會遇到「20~30歲、30~40歲、40~50歲」的欄位設計，這三個填寫欄位出現「 30歲與40歲」的重疊性，就會讓這兩個年齡的⼈，不知道應該填寫那⼀欄，這就是犯了沒有「彼此獨立（ME）」的⽑病；如果填寫問卷的⼈是19歲或51歲，也會發⽣找不到合適填寫欄位的問題，這就是犯了沒有「互無遺漏（CE）」的⽑病。修改為「19歲以下、20~29歲、30~39歲、40~49歲、50歲以上」，就符合 MECE 了。
訓練⾃⼰把 MECE 內化為反射性思考⾏為，會讓⾃⼰的書⾯或⼝頭報告，更有系統化的完整思考。例如你要報告「如何增進營收」的議題，就可以從「開源」與「節流」兩個⽅向來說明，這兩個分類符合 MECE 原則，然後再把「開源」拆解為「新產品」與「既有產品」分開討論，「節流」則拆解為「固定成本」與「變動成本」來討論，這樣的分類也符合 MECE 原則，循著 MECE 思維逐步再拆解討論議題，直到無法再細分為⽌。
觀察各類產業分析模型會發現，都是符合 MECE 原則。例如波特的五⼒分析、⾏銷 4P、產品⽣命週期(PLC)、BCG 矩陣、SWOT 分析等模型，所以，如果你能夠懂得運⽤產業分析的模型來思考報告內容，⾃然就會產⽣ MECE 的思考架構，你就會發現⾃⼰的報告，變得更有可讀性喔。
以上資料轉摘自資策會官網。
先釐清上面資料幾個重大錯誤。
第一，ME（Mutually Exclusive）的意思是「彼此獨立」。這句話是錯誤的。
當初翻譯 MECE 的人，應該是沒有學好基礎統計學。ME （Mutually Exclusive）是互斥的意思。統計學的相互獨立，是 mutually independent 或是 collectively independent。
互斥的意思就是 A 發生，B 一定不發生；B 發生，A 一定不發生。
相互獨立的意思，A 發生跟 B 的發生無關，反之亦然。這違反 MECE。所以說當初翻譯者沒有翻好。這個錯誤在極多數的管理顧問公司網站/Blog，到現在還在誤用，實在是很糟糕的一件事情。
第二，觀察各類產業分析模型會發現，都是符合 MECE 原則。例如波特的五⼒分析、⾏銷 4P、產品⽣命週期 (PLC)、BCG 矩陣、SWOT 分析等模型，所以，如果你能夠懂得運⽤產業分析的模型來思考報告內容，⾃然就會產⽣ MECE 的思考架構。—-這段論述，更是有嚴重的邏輯錯誤。
舉例行銷的 4P，Promotion 極有可能會跟不同的 Place 的特點連動而有不同的作法，他並不是一種互斥的關係。
再來，SWOT 的內部優勢，極有可能跟外部機會連動，因此也不會是互斥的。
最後，是因為有優質的思考架構，才能做出好的產業分析內容。而不是因為運⽤產業分析的模型來思考報告內容，就會產⽣好的的思考架構。更不是運用這些產業分析模型來報告，就會有 MECE 的思考架構。
第三，節流，也不應該僅僅只有關注到「固定成本」與「變動成本」這兩件事情。如何投資，有效規劃金流，裡面也有重要的節流精神。
以下是更正的說法與舉例：
MECE 的作法就是在定義的範圍內，切分合宜的類別，這樣就不會遺漏。而各類別之間是互斥的，就不會產生重複。透過完整的範圍，沒有重複的分類去思考，就能相對完善而具備有效性。
有網友詢問，4M1E 人機料法環境，品質不良原因分析，是不是 MECE，難道還有第六種因素嗎？
我的回答：4M1E 不適合拿來當 MECE 案例，雖然他本身是生產，品質極為優良與重要的工具，他有交互影響的成份，也就是他並不互斥，機器跟操作者是有互動關係的，有可能是正向因果，或是正相關，或是負向因果，負相關。另外游標卡尺，電子稱，溫度計等測量工具，許多專家認為不屬於 4M1E，就我個人巡廠經驗，這些影響品質非常大。
4M1E 之所以不能拿來當 MECE 範例，是因為品質不良有可能同時好幾個因素，這違反互斥，而且又有其他可能原因，這有遺漏；但這全然不會減損 4M1E 是一個重要工具的本質。
MECE 的案例 – 麥肯錫思考術 麥肯錫分析法
最近的例子，幫 A 國家某省政府規劃人民福利案。
範圍：什麼日期間的設籍居民
分類：
- 住a縣的居民，b縣的居民。（不好，因有人在兩個縣都有房子）。改為：設籍a縣者，設籍b縣者。（可，互斥，完整，只有兩縣）
- 有男孩的，有女孩的，有男孩女孩的（不好，獨立但不互斥，不完整）。改為：沒有孩子的，只有男孩的，只有女孩的，有男孩女孩的（好，互斥，完整）
- 兒童：嬰兒，讀幼兒園的，讀國小的（不好，有小孩沒有讀）改為：在什麼日期點，3 歲以下，3-6 歲，6-12 歲（好，互斥，完整）
- 家有 65 歲以上老人，沒有者（好，互斥，完整，但不夠用）改為：包含到收入，撫養人數，年醫療費用等各種組合。
規劃的背景，因政府提供福利不能重複，不能漏掉。此外郵寄資料如正確，透過合併作業，可以減少一年好幾百萬份的信件（給沒有eMail 的民眾）。
透過 MECE 的練習，可以先掌握資訊，資料分類的基本原則與基礎。有了不重複，沒有遺漏的分類與規劃，接下來的分析才能更有效，產生的行動方案，解決方法才能更精準。
MECE 有沒有缺點？
MECE 分析只是進行完整問題解析之基礎，並不是真正的問題分析與解決。
當我們處理複雜問題時，雖然 MECE 分析過程是完整和互斥的，但是最終分解完成後的各項要素之間是會有影響的（如上面筆者所述，有可能是正向因果，或是正相關，或是負向因果，負相關）。問題的實際面經常是複雜的網巢狀結構，單由 MECE 分析所產生的簡單樹狀結構是不適用的。
舉上面網友詢問的生產管理因子 – 人機料法環
MECE 方法既不能辨別出不能分入任何類別的事物（如上述的游標卡尺），又不能處理在分類之後新加入的事物對分類的影響（游標卡尺精確度的影響）。
MECE 的這些局限性，導致許多良好的分類模型（被分成的各個種類之間不一定互斥）被忽略，或是為了要強硬套入 MECE 模型，而導致不必要的困擾，強迫這些分類的條件滿足 MECE 的前提，很有可能是不必要的限制。
MECE 分析是偏靜態的，也就是分析時的問題與資料，已經固定不變。
隨著工作複雜度增加，越來越多工作者要求自己強化邏輯思考能力。我會建議從 MECE 的思考模型開始著手，這是比較簡單的第一步，也是其他思考模型不錯的基礎。
然而，現實生活中問題，或是大型的專案，各個要素（或是子專案）之間的關聯，常常是動態的（也就是彼此依賴或影響，不論是正向影響或是負向）。解決方式形成過程理應是動態分析，動態加靜態的分析才是完整的分析。面對動態的變化，我們需要『系統化思考』。 麥肯錫思考術 麥肯錫分析法
推薦閱讀：
