我们思考某种现象时，为了更好地解读获得的相关信息，先要基于某种现象确定一个初始假设。
例如，明天就是五一假期，如果我们有出行计划，通常会确定这样的初始假设：明天走A高速公路，但早高峰会塞车。与其堵在路上，为什么不选择其他线路呢？有了这个假设，接着我们就可以据此进行判断，并制订出解决问题的方案。
当然，在完善方案的过程中，我们需要不断地收集相关资料，随着对信息了解程度的加深，初始假设也可能会被修改。也就是说，在最终方案确定下来之前，需要不断地修改当前假设。这一步骤有点儿像反向推理，即用所掌握的已被证实的可信的资料来反向修正初始假设。例如，得到可靠的消息是：B高速逢节必堵，一般早高峰会堵两个小时，早上9点后，堵车现象会明显缓解；A高速的车辆明显更多，塞车时间也更长，10点后才会有明显好转。根据这两条信息，我们可以修正之前的假设为：明天最好是9点后上B高速公路。
在建立基本的初始假设，并根据所获得的信息适时、及时地对假设进行修正后，还要提出一些相应的问题，如：
这些假设是否合理呢？
目前所掌握的信息是否足够充分？
基于这些信息的推理是否存在问题？
除此之外，还有哪些更好的方案？
回答完这些问题后，你会发现，自己的思路会变得更加清晰，对问题的判断也更加准确，而且这种判断是基于理性的，而非感觉。
