麦肯锡 Solve 攻略：拿下 Ecosystem Building 与 Red Rock Study

多年来，麦肯锡的 Problem Solving Test（PST）是一场 26 道题的纸笔笔试，靠刷题型就能攻克。这场考试已经退役了。大约从 2020 年起，麦肯锡改用 Solve 筛人——一款数字化、游戏化的测评，如今已是全球默认形式（少数办公室可能仍在使用旧版 PST）。Solve 没有选择题题型，所以"按题型定策略"已不复存在。现在真正重要的，是你怎么玩几乎每场必现的两个模块——以及评分引擎如何解读你的玩法。

Solve 是什么，又是怎么评分的

一次 Solve 测评是两个小游戏，在大约 60–81 分钟内完成。你最可能遇到的是 Ecosystem Building 和 Red Rock Study。部分候选人会碰到 Sea Wolf 或 Plant Defense 等变体，但核心组合占绝大多数，而且这几个模块考察的推理能力是相通的。

最需要理解的一点，是 Solve 怎么给你打分。它是算法化、基于过程的。引擎会捕捉你的决策路径——你做选择的先后顺序——以及点击和时间轴数据。它不是简单地"数你答对了几道"。两个候选人可能到达相似的结局，得分却天差地别，因为一个展现出干净、有章法的推理路径，另一个则手忙脚乱。这带来三个直接后果：

• **乱猜会被扣分。**在旧版 PST 上随便点一个答案没有代价，但在这里会拖累你。引擎能区分有依据的选择和盲目的选择。
• **过程本身就是成品。**你如何收集信息、按什么顺序、行动是否前后一致，全部计入得分。
• **淘汰线很陡。**这一关大约 70% 的候选人被淘汰，所以仅仅"做完"是不够的——路径必须自洽。

Solve 位于简历筛选之后、第一轮案例面试之前。两个阶段考察的底层能力一致：结构化思考、数据解读，以及时间压力下的克制决策。

flowchart LR
    A[简历筛选] --> B[Solve 测评]
    B --> C{通过？}
    C -->|~30%| D[第一轮案例面试]
    C -->|~70%| E[淘汰]
    D --> F[第二轮案例面试]
    F --> G[最终决定]

参数	详情
形式	数字化、游戏化（取代纸笔版 PST）
结构	每场测评 2 个小游戏
核心模块	Ecosystem Building + Red Rock Study
时长	总计约 60–81 分钟
评分	算法化 / 基于过程（决策路径 + 时间轴数据）
乱猜	会被扣分——只认有依据的选择
淘汰率	约 70% 的候选人

想全面了解这项测评以及跨形式的备考思路，先看我们的麦肯锡 Solve 备考总览。

两个模块概览

每个模块考察一种不同的推理模式。Ecosystem Building 是一道约束优化 + 系统思维的题：你要在硬性规则下搭建一个能运转的系统。Red Rock Study 是一场假设驱动的数据调查：你穿过一个多阶段的案例，抽取正确的数据，在时限内给出准确的答案。为 Solve 备考意味着刻意练习这两种模式，因为它们奖励的几乎是相反的直觉——前者要耐心地梳理规则，后者要果断地筛选数据。

flowchart TD
    A[Solve 测评] --> B[Ecosystem Building]
    A --> C[Red Rock Study]
    B --> B1[读懂规则与约束]
    B --> B2[选择物种 / 搭建食物链]
    B --> B3[满足热量、链条长度、地形要求]
    C --> C1[在案例各阶段中导航]
    C --> C2[抽取正确的数据]
    C --> C3[分析并准确作答]

模块一 —— Ecosystem Building

系统给你一个环境（比如珊瑚礁、山地或其他地形），要你挑选一组能共同存活的物种，搭建一条自我维持的食物链。它看着像自然游戏，本质却是一道约束优化问题。成败不在于挑"最酷"的动物，而在于选出一个能同时满足所有约束的组合。

分阶段的应对方法：

1. 动手之前先读规则。Ecosystem Building 专门惩罚那些还没搞清约束就急着放物种的人。典型约束包括热量要求（每个物种要从所吃的东西中获得足够能量）、食物链长度（链条必须达到规定的层级数），以及地形/深度规则（物种只能生活在满足其条件的地方）。在选择任何东西之前，把这些规则写下来，或至少在心里明确列清。

2. **从约束倒推，而不是从物种正推。**别问"我喜不喜欢这只动物"，要问"哪一组物种能一次性满足所有规则"。把它当作一个系统：每个生产者都要供养一个消费者，每个消费者都要有足够热量，整条链还要在地形限制内达到规定长度。这种系统视角，正是麦肯锡真正在测量的能力。

3. **先逐个核对物种是否满足热量与地形条件，再把它们当作一个整体核对。**单看没问题的选择，可能会拖垮整个系统——比如某个捕食者唯一的食物来源热量不足，或某个物种无法在所选深度存活。个体适配和整链适配都要验证。

4. **靠留余地来避免走进死胡同。**最常见的翻车方式，是过早锁定物种，直到很晚才发现没有任何组合能补全链条，却已经没时间重来。在锁定选择之前，先在脑中勾勒出一条可行的完整链条，并优先选择那些能保留更多可能性的物种。

5. **把时间也当成一条硬约束来管理。**读规则和做验证都很耗时，所以要刻意为它们留出预算，并保留缓冲以修正一条没能配平的链条。别让某个卡壳的位置吞掉整个时间窗口。

赢下 Ecosystem Building 靠的，是你拆解案例时那种以约束为先的严谨结构化思维：先定义游戏规则，再设计一个一次性满足所有规则的方案，而不是只优化一个变量、指望其余的自然到位。

模块二 —— Red Rock Study

Red Rock Study 是一场多阶段的数据调查。你分阶段推进一个案例，每个阶段都要决定收集什么信息、解读图表、做分析、并对答案作出承诺——全程都有时间压力。这是最接近经典案例面试的模块，它奖励假设驱动的分析：先形成一个初步判断，再拿数据去验证它，而不是不加取舍地把所有材料读一遍。

分阶段的应对方法：

1. **带着意图去导航。**前期阶段会要你收集数据或探索场景。别随手把所有东西都点开。先对"这个案例究竟在问什么"形成一个假设，让它引导你优先抽取哪些信息。因为评分会读取你的决策路径，一次有目标的调查，比一通乱撒网要漂亮得多。

2. **抽取正确的数据，而不是全部数据。**每张图表里的信息都超出你的需要。在钻进一张图表或表格之前，先明确你要回答的具体问题——是趋势、是对比、还是某个驱动因素——然后精准抽取。这和"先读题再看图"的原则一脉相承，正是分析工作又快又准的关键；我们的 PST/Solve 数据解读指南会深入训练这项能力。

3. **用框架分析，而不是凭直觉。**当某个指标发生变化，先拆解再下结论。利润变了？分开看收入和成本；收入变了？分开看价格和销量。这和案例面试中的盈利性分析逻辑完全一致，能让你的推理路径保持干净、经得起追问——这恰恰是评分引擎奖励的东西。

4. **准确作答，只认数据能证明的结论。**陷阱在于把"看似合理"当成"有据支持"。要承诺的是数字真正确立的结论，而不是感觉对的那个。如果一个论断需要数据没有提供的假设，它就不算被证明——把这类决策当逻辑检验来做。

5. **在各阶段之间控好节奏。**因为 Red Rock 是多阶段的，在前期阶段耗光时间会饿死后面的阶段。给每个阶段设一个内部预算，有把握的判断快速做完，别在某张模棱两可的图表上过度投入，以致牺牲案例的其余部分。

Red Rock 奖励那种像顾问一样做调查的候选人：先有假设，再抽取有针对性的数据，接着做结构化分析，最后给出完全由证据支撑的结论。若想更深入地掌握数据解读的具体门道，参见数据解读深度指南。

两个模块的时间管理

两个模块要在约 60–81 分钟内完成，时间是共享资源——而且因为乱猜会被扣分，“到最后随便填点什么"已经不是有效的安全网。把节奏管理当成被评分过程的一部分：

flowchart TD
    A[进入一个模块] --> B[先读规则 / 搭建案例框架]
    B --> C{是耗时决策吗？}
    C -->|是| D[分配时间，预留缓冲]
    C -->|否| E[做出有把握的判断，继续]
    D --> F{路径仍然自洽？}
    E --> F
    F -->|是| G[进入下一阶段]
    F -->|否| H[趁未锁定，现在就修正]

• **把理解前置。**两个模块都奖励在前期投入的时间——Ecosystem Building 中梳理约束，Red Rock 中搭建案例框架。急着跳过准备阶段，是代价最高的错误。
• **保护一段修正缓冲。**给自己留出重新配平食物链、或重看一遍分析的余地。一条被你修好的自洽路径，胜过一条来不及修的断裂路径。
• **绝不盲目填答案。**既然引擎读取的是有依据的选择，那么一个深思熟虑但不完整的决策，也好过一个随机的决策。更细致的节奏技巧见我们的 PST/Solve 时间管理指南。

Solve 备考计划

你没法靠背答案速成 Solve——模块是程序化生成、变化多端的，评分读取的又是过程。要练的是那两种推理模式本身。

天数	重点	每日练习
第 1–2 天	熟悉入门	读Solve 备考总览。理解两个模块，以及评分是基于过程的。各模块试玩一遍。
第 3–4 天	Ecosystem Building —— 约束	练习约束优化类题目。反复训练：先读规则、从约束倒推、锁定前先验证整条链。
第 5–6 天	Red Rock Study —— 数据	练习假设驱动的图表解读。下结论前先拆解指标；区分"已证明"和"看似合理”。用数据解读指南。
第 7 天	速度与操作数据	在严格计时下跑两个模块。专注于一条干净、有章法的决策路径——不盲目乱点。
第 8–9 天	全真模拟	完成一场计时的双模块测评。复盘的不只是结果，还有你决策的顺序和理由。
第 10 天	轻度复习 + 休息	巩固两种思维模式。测评当天前保持良好状态。

每天额外安排 10 分钟心算——百分比、除法速算、估算——因为算术一旦变成本能，Red Rock 的分析就能跑得更快。可结合我们的心算技巧指南一起练。

Solve 能力 → 案例面试的迁移

Solve 不是一道孤立的关卡。每个模块都在锻造你在麦肯锡案例面试中会用到的能力：

Solve 模块	案例面试中的应用
Ecosystem Building —— 约束梳理	在真实限制下界定案例、搭建议题树
Ecosystem Building —— 系统思维	看清运营和战略案例中各杠杆如何相互作用
Red Rock —— 有目标的数据抽取	解读面试官提供的数据图表
Red Rock —— 指标拆解	拆解盈利性分析和市场规模估算
Red Rock —— 基于证据的结论	给出数据真正支持的最终建议

把 Solve 当作案例面试准备的第一阶段，而不是一场需要熬过去的独立考试——持这种心态的候选人，在随后的面试轮次中表现始终更好。

测评当天清单

• 在采取任何行动之前，先完整读一遍所有规则或案例框架——准备时间是被评分的过程，不是浪费
• 在 Ecosystem Building 中，从约束（热量、链条长度、地形）倒推；锁定选择前先验证整条链
• 在 Red Rock 中，先形成假设，再只抽取用于验证它的数据
• 任何指标发生变化，先拆解再下结论；要证据，不要"看似合理"
• 为每个模块、每个阶段设定时间预算；保护一段缓冲以修正断裂的路径
• 绝不盲目点选来填答案——乱猜会被扣分，你的决策路径会被读取
• 让推理路径从头到尾保持自洽；引擎评的是你如何一步步走到那里

核心要点

• 纸笔版 PST 已退役；Solve 是麦肯锡全球默认的数字化测评（少数办公室可能仍用 PST）
• 一场测评是 ~60–81 分钟内的两个小游戏，最常见的是 Ecosystem Building 和 Red Rock Study
• 评分是算法化、基于过程的——它读取你的决策路径和时间数据，所以乱猜会被扣分，约 70% 的候选人被淘汰
• Ecosystem Building 是约束优化：读规则、从约束倒推、验证整条链、避开死胡同
• Red Rock Study 是假设驱动的数据调查：带着意图导航、抽取正确数据、拆解指标、只答被证明的结论
• 这些能力直接迁移到案例面试，让 Solve 备考的收益翻倍

开始你的备考

两个模块奖励的，正是案例面试所奖励的：时间压力下结构化、假设驱动的推理。CasesCoach 的 AI 练习正是为锤炼这块肌肉而生——你做的是真实案例，会被追问每一步的依据，学会在计时下始终保持一条干净的决策路径。先从麦肯锡案例和假设驱动的问题解决方法入手，再用我们的 AI 模拟面试加压实战。免费账户包含 3 个练习案例加 AI Mock；Pro 会员解锁 835+ 案例和多次 AI Mock，让你反复演练两个 Solve 模块所要求的推理。