結構化拆分是指自上而下分析問題時，把問題逐層分解成更細節的部分，每次拆分都遵循“MECE”原則。結構化拆分的最終呈現形式往往是樹狀的邏輯結構。
結構化拆分給問題分析帶來了明確的結構和順序，在一定程度上遏制了人們面對問題時馬上要解決的衝動。在重大問題面前如果缺乏結構化拆分能力，人們在討論和決策中往往會在各種毫無聯繫的單點思緒之間跳躍，這樣不僅浪費時間，更不能保證最終決策的質量。
結構化拆分是後天培養出來的思維習慣，與前文所述的本能的“快速思考”相反，結構化拆分需要有意識地主動調用。而獲得結構化拆分能力也不是一蹴而就的，需要逐步深入。
從最簡單的名詞切分開始，探究一下“切”的定律和功用。切分名詞是最容易理解的，也是人們最擅長的。因爲名詞的子目錄分類是人們從小就被反覆強化的必學內容。讓我們打開記憶的大門，重溫小學語文課堂的場景。
語文老師在黑板上一撇一捺地寫了“人”字後，會和藹可親地問：“人分爲幾種啊？”
學生們會爭搶着回答：“男人和女人。”老師馬上說：“對的，這是按照‘性別’分的。”
學生們接着說“工人、農民、警察……”老師點頭後會說這是按照“職業”劃分的。
如果有同學說：“人分爲農民和女人！”老師則會指出，這是錯誤的分法，因爲劃分標準不一樣：農民是職業，女人是性別。
以上的練習其實是用不同維度來切分“人”這個品類。“切”人的利器就是老師反覆強調的“性別”“職業”等，這些在結構化戰略思維中被統稱爲“維度”。
任何常用的名詞品類，都可以用多個維度來劃分下一層的子分類。就“人”這個品類爲例，常用的維度就十分豐富：地域（如北方人）、國籍（如中國人）、性別（如女人）、年齡（如中年人）、年代（如古人）、財富（如富人）、身高（如巨人）、道德品質（如好人）、顏值（如美人）和學歷（如大學畢業）等（見圖2-2）。總而言之，每個描述人的形容詞都可能成爲劃分的維度。
如果按照是否掌握了結構化戰略思維能力來劃分，世界上的人就會被分爲兩種：“思辨者/解決問題的人”和“喫瓜羣衆”。
在日常生活中，很多形容人的詞彙其實是多個維度的組合，比如“美女”是顏值和性別兩個維度的組合，“高富帥”和“矮矬窮”是身高、經濟狀況和顏值三個維度的組合，等等。
使用MECE原則切分時，尤其是在商業戰略類問題的討論中，要求衡量的維度滿足“具體可衡量”的客觀標準。如果缺乏量化客觀標準，雖然切分也同時滿足MECE的兩項要求，但每次對子品類具體個體歸屬的判斷都會面臨模棱兩可的窘境。例如，如果以“好和壞”的道德標準作爲劃分維度，在“具體可衡量”層面就十分具有挑戰性。
結構化戰略思維十分強調科學精準劃分，杜絕簡單粗線條的劃分。要把“好”和“壞”用明確數據標準做區分，給每個判斷以充足、具體又可衡量的指引，這並不是一蹴而就的容易事。例如，我們判斷一個人是好人還是壞人，首先要明確以哪套道德標準爲界定的基礎。世界上存在很多道德標準，甚至有些道德標準相互矛盾。統一道德標準背景後，還要把具體的行爲標準提煉出來。例如，如果公益捐贈是個好的行爲，那麼什麼頻率或金額纔算達標？是否跟個人財富總額成比例？如果是，比例應該是多少？除了捐贈還有其他類似的行爲，它們之間關係如何？各種具體問題接踵而至，都需要我們進行進一步商討。