如果我们把每一个可能的地方一一找一遍，只要没有别人偷窃或捡走钥匙，那么我们肯定能找回来。可是，如果要找这么多地方，那这个工作量就确实太大了。这个问题就和麦肯锡团队遇到的所有问题一样，影响问题的因素可能有100种，如果我们要逐一分析，我们的工作量是极大的。我们要尽可能地合理减少要评估分析的因素，因为麦肯锡的咨询师知道一个叫“计算的平方律”的定律。
这个定律说的是，当一个问题要考虑的因素复杂度变为原来的2倍，那么解决问题需要的时间就会变成原来的4倍。也就是说，问题越复杂，那么解决它需要的时间是呈指数级增长的。如果找钥匙这个问题就有50个因素要全部分析，那工作量产生的成本，远不如换一把锁划算了。那我们该怎么解决这个问题？如何能够不陷入到这么多细节的分析当中呢？其实，我们习以为常的做法就是很好的解决方案，那就是先不考虑那么多，而是想想：昨天钥匙还放到过哪里？这个“想想昨天钥匙还放到过哪里”的思路，其实就是一种解决复杂问题的高效手段。
这种在大量可能性中，通过快速判断最可能的解决方案的做法，麦肯锡称之为：寻找关键驱动因素。在找钥匙这个问题上，关键驱动因素就是昨天钥匙放过的地方，一旦找到了关键驱动因素，其他众多因素的重要性就下降了，我们就可以极大地简化问题。而我们解决其他任何问题的时候，也需要通过分析或者头脑风暴找到这么一个关键驱动因素，来简化问题。
而且，一旦我们找到了关键驱动因素，就能在它的引导下，快速找到一个可能的答案。比如是不是在昨天衣服兜里，或者另一个包里。当然，这两个答案可能正确，也可能不正确。但显然，你这么做如果一下找到了钥匙，就不需要去其他地方找就立刻解决了问题，如果没找到，你再从 MECE 分析中的其他可能性中找最大可能性来解决问题，效率也要更高。
这种钥匙还没找的时候，我们就猜测“可能在昨天衣服里或者另一个背包里”的方法，就称为：建立初始假设，先给问题找个答案，再去看看这个答案是否正确。这个方法听起来很简单，不过，显而易见的道理，未必被实施。在现实中，大多数公司做事的方法是相反的，人们往往先大量地收集资料，花费大量的时间讨论，却始终没有提出一个要去验证的解决方案。
事实上，这个问题最早时，麦肯锡自己也没想清楚。早期的麦肯锡团队在接到客户项目时，并没有养成先建立初始假设，再验证的习惯，结果浪费了大量的时间。后来，他们借鉴了科学研究的过程改进了这一过程。想想看，很多科学成果的发现，就是先建立假设，再验证假设的过程。比如，我们都知道银河系海王星的发现，便是先通过数学计算得出了一个假设，觉得这里应该有一个行星，然后天文学根据这个假设的答案去寻找，结果真的发现了海王星。
