本文是如何七周成為數據分析師的第七篇教程，如果想要了解寫(xiě)作初衷，可以先行閱讀七周指南。溫馨提示：如果您已經(jīng)熟悉分析思維，大可不必再看這篇文章，或只挑選部分。
今天學(xué)習第三周內容：如何鍛煉分析思維。
很多人的分析思維都是欠缺的，可它又在數據分析過(guò)程中無(wú)比重要，甚至它不限于數據領(lǐng)域，在產(chǎn)品和運營(yíng)工作中也能用到。
數據分析屬于分析思維的一個(gè)子類(lèi)，有專(zhuān)門(mén)的數據方法論。只有先養成正確的分析思維，才能使用好數據。前者是今天講述的重點(diǎn)。
思維訓練不同于Excel函數和技巧。既然是思維，它就傾向于思考的方式，Excel函數學(xué)會(huì )了就是學(xué)會(huì )，分析則不同。大多數人的思維方式都依賴(lài)于生活和經(jīng)驗做出直覺(jué)性的判斷，最直觀(guān)的體現是，在數據和業(yè)務(wù)分析中呈無(wú)頭蒼蠅狀態(tài)，無(wú)從下手。
想要有好的分析思維，乃至成為本能，需要不斷訓練和練習。
什么是好的分析思維？
我覺(jué)得用兩張在網(wǎng)絡(luò )上流傳甚廣的圖片就能代表。
左右兩種分析思維的分水嶺在于邏輯性。我們看一下代表兩種思維的場(chǎng)景。
我們12月的銷(xiāo)售額度下降，我想是因為年終的影響，我問(wèn)了幾個(gè)銷(xiāo)售員，他們都說(shuō)年終生意不太好做，各家都收緊了財務(wù)預算，談下的幾家費用也比以前有縮水。我對他們進(jìn)行了電話(huà)拜訪(fǎng)，廠(chǎng)家都說(shuō)經(jīng)濟不景氣，希望我們價(jià)格方面再放寬點(diǎn)。
我們12月的銷(xiāo)售額度下降，低于去年同期和今年平均值，可以排除掉大環(huán)境的因素。其中A地區下降幅度最大，間接影響了整體銷(xiāo)售額。通過(guò)調查發(fā)現，A地區的市場(chǎng)因為競爭對手涌入，進(jìn)行了低價(jià)銷(xiāo)售策略。除此之外，B地區的經(jīng)濟發(fā)展低于預期發(fā)展，企業(yè)縮減投入。
第一個(gè)分析思維是依賴(lài)經(jīng)驗和直覺(jué)的線(xiàn)性思維，第二個(gè)分析思維則注重邏輯推導，屬于結構化的思維。兩種思維往往會(huì )導致不同的結果。
如果沒(méi)有刻意訓練，很多人的思維方式都傾向第一種，以“我覺(jué)得我認為”展開(kāi)。經(jīng)驗主義雖然重要，但不正確的使用也會(huì )約束和限制我們。
好的分析思維可以后天訓練。雖然不同人的邏輯性有差異，分析水平也有高低，但都能通過(guò)不斷的練習和借助工具獲得彌補。我們今天學(xué)習麥肯錫總結出的一套思維原則，快速達到合格的水平。
金字塔原理
麥肯錫思維中很重要的一條原理叫做金字塔原理，它的核心是層次化思考、邏輯化思考、結構化思考。
有一本同名書(shū)《金字塔原理》，有興趣可以閱讀。除了思考外，還有表達、寫(xiě)作等內容。
什么是金字塔？任何一件事情都有一個(gè)中心論點(diǎn)，中心論點(diǎn)可以劃分成3～7個(gè)分論點(diǎn)，分論點(diǎn)又可以由3～7個(gè)論據支撐。層層拓展，這個(gè)結構由上至下呈金字塔狀。
看一下運營(yíng)中典型的金字塔思維：
我們活躍用戶(hù)數在下降（中心論點(diǎn)），主要原因是競爭加?。ǚ终擖c(diǎn)），其次原因是新用戶(hù)減少（分論點(diǎn)），老用戶(hù)流失加快（分論點(diǎn)）。其中競爭加劇是因為競爭對手ABC出現（論據），新用戶(hù)減少是ASO排名下降（論據）和渠道投入疲軟（論據）造成，老用戶(hù)流失是因為產(chǎn)品欠佳（論據）。我建議……
這是合格運營(yíng)的結構化思考。如果你把它換成一名初級運營(yíng)的思考方式：
Boss，我發(fā)現我們最近的ASO排名下降了不少，渠道投入也減少，導致用戶(hù)數少了不少。對了，最近產(chǎn)品表現也欠佳，有幾家模仿我們的競爭對手出現，對我們造成了影響。這個(gè)影響應該會(huì )讓我們減少一些用戶(hù)。我建議……
這一種表達方式就是有什么說(shuō)什么，想到哪就是哪，接聽(tīng)者的思維方式被無(wú)序地牽著(zhù)鼻子走，讓人抓狂。
結構化思考我建議利用紙或思維導圖工具畫(huà)出來(lái)。我說(shuō)過(guò)，人是依賴(lài)經(jīng)驗思考的，擅長(cháng)的是線(xiàn)性思維：因為-所以-最終，不擅長(cháng)深度的結構思考。思維導圖是一個(gè)非常好的工具，擅加利用，已經(jīng)完成一半。
（圖片來(lái)源于網(wǎng)絡(luò )，以《金字塔原理》的思維導圖筆記作為范例）
結構化可以是三層，也可以拓展更多的分論點(diǎn)和層數。這一點(diǎn)大家想成我國語(yǔ)文教育中經(jīng)典不衰的議論文作文模板：總-分-總結構（為什么作文要這樣寫(xiě)，因為思路清晰，方便語(yǔ)文老師快速閱卷，用在思考是一樣的道理）。金字塔思維則是總-分-再分。
MECE
金字塔原理有一個(gè)核心法則MECE，讀作MeSee，全稱(chēng)Mutually Exclusive Collectively Exhaustive，中文意思是相互獨立，完全窮盡。它指導我們如何搭建結構。
相互獨立，說(shuō)的是每個(gè)分論點(diǎn)彼此應該沒(méi)有沖突和耦合，都屬于獨立的模塊。完全窮盡，則是所有的分論點(diǎn)都被提出，不會(huì )有遺漏。這一點(diǎn)看上去容易，其實(shí)很難做到。
回到我們活躍數下降的例子，它提出了競爭加劇、新用戶(hù)減少、老用戶(hù)流失三個(gè)分論點(diǎn)。競爭加劇，競爭對手涌入，本來(lái)就意味著(zhù)競爭對手會(huì )掠奪你的新用戶(hù)，而ASO排名是非零和博弈，競爭對手上升你的排名就會(huì )下降，也造成新用戶(hù)減少。兩個(gè)分論點(diǎn)并不完全獨立，違反了MECE法則。那么應該怎么分？
1.競爭對手出現:
競爭導致ASO排名下降
競爭對手掠奪了新用戶(hù)
2.新增渠道疲軟：
投入減少
3.老用戶(hù)流失：
產(chǎn)品欠佳
如何劃分分論點(diǎn)，我們可以用事物間的不同特性劃分，它本質(zhì)上也是一個(gè)分類(lèi)問(wèn)題，目的是找出事物（論點(diǎn)）之間的共性。
比如活躍下降可以從新老用戶(hù)展開(kāi)、可以從產(chǎn)品不同模塊分析等等。分析思路不同，則分論點(diǎn)不同，核心依舊遵循MECE法則。當然很多分析結構已經(jīng)有前人總結，屬于套路，諸如運營(yíng)的核心拉新促活留存。
結構強調的是窮盡，也就是越多越好，而隨著(zhù)分論點(diǎn)的增加，結構會(huì )更加復雜，不便于梳理和總結，所以分論點(diǎn)需要強調在3～7之間。
實(shí)際上我們很難真正做到窮盡，因為不了解的因素、隱藏的關(guān)鍵、信息不對稱(chēng)、經(jīng)驗等局限都會(huì )阻礙思維，做不到窮盡。如何找出盡可能多的分論點(diǎn)？這里列舉我的心得，這不是麥肯錫方法。
你首先要找到一個(gè)萬(wàn)能公式。
絕大多數的商業(yè)項目、數據分析、業(yè)務(wù)討論，都可以抽象成公式：
利潤 = 銷(xiāo)售額 - 成本；
銷(xiāo)售額 = 購買(mǎi)人數 * 轉化率 * 客單價(jià)；
購買(mǎi)人數 = 地區A購買(mǎi)人數+地區B購買(mǎi)人數+……
地區A購買(mǎi)人數 = 地區A新用戶(hù) + 地區A老用戶(hù)；
此類(lèi)公式均為小學(xué)難度，可很多分析項目就是能用公式化的思維和套路概括。因為項目本身是由三到四個(gè)核心因素決定，只要找到核心因素，就能將其組合。
接下來(lái)舉一個(gè)具體問(wèn)題：企業(yè)利潤下降了，是什么原因？我們就能用公式分解出分論點(diǎn)。
是銷(xiāo)售額下降了？還是成本上升？
如果是銷(xiāo)售額下降，那么是購買(mǎi)人數少了？是客單價(jià)下降了？還是購買(mǎi)轉化率降低？
以此類(lèi)推，則能形成結構化的分析思路。
公式是一種思維框架，是一種經(jīng)驗導向的方法論，將你過(guò)去的經(jīng)驗總結和抽象，得到高度概括的因素。像利潤這種都是再簡(jiǎn)單不過(guò)的商業(yè)理論，熟悉后就能快速使用。很多分析思維，在多年總結下，已經(jīng)有成熟的解決方案。遇到問(wèn)題，別急著(zhù)畫(huà)思維導圖，不如先問(wèn)問(wèn)前輩和大牛們。經(jīng)驗會(huì )阻礙我們，經(jīng)驗也能幫助我們。
互聯(lián)網(wǎng)行業(yè)的分析有點(diǎn)特殊，因為互聯(lián)網(wǎng)的不確定性增加了。除了技術(shù)發(fā)展日新月異，用戶(hù)需求不斷改變，很多運營(yíng)玩法也常常翻新。早幾年標題黨火爆，現在則注重內容價(jià)值的回歸，曾經(jīng)運營(yíng)的核心是用戶(hù)數，現在則是商業(yè)變現。這種快速變化導致分析思維也要有快速響應、學(xué)習和調整的能力。這方面，對互聯(lián)網(wǎng)的分析是一種挑戰。
對新人而言，很難一開(kāi)始就掌握萬(wàn)能公式，但在具體的工作過(guò)程中，需要有意識的總結和提煉。另外分析中會(huì )有非量化的因素，比如團隊士氣、管理風(fēng)格、員工忠誠度等。這是公式無(wú)法解決的缺點(diǎn)。
假設先行
MECE是思考活動(dòng)的技術(shù)和藝術(shù)，首先得有一個(gè)思考作為開(kāi)始。這是什么意思？因為金字塔是從上而下，需要有一個(gè)中心論點(diǎn)，也就是塔尖。
上文說(shuō)過(guò)新人容易變無(wú)頭蒼蠅，就是缺少了一個(gè)塔尖、一個(gè)中心論點(diǎn)、一個(gè)下刀的地方。麥肯錫為了解決這個(gè)困擾，提出了假設先行的方法。
新人的缺點(diǎn)是什么？他們會(huì )以分析為樂(lè )，為分析而分析。試圖找出一切關(guān)聯(lián)、一切因素。如果我是新入行的產(chǎn)品經(jīng)理，我會(huì )找出所有的競品作分析，想產(chǎn)品的突破點(diǎn)在哪里。如果我是新入行的活動(dòng)運營(yíng)，我會(huì )試圖分析所有的爆款活動(dòng)，想一個(gè)完美的綜合方案?？墒墙Y果真的能好嗎？
上面的兩個(gè)例子，很大可能，最終都停留在淺顯的層次。因為沒(méi)有方向，沒(méi)有目標，也就無(wú)法深入。我們當中的大部分人都不善于批判自己的想法，缺少批判性思維。你連自己的想法都判斷不了，怎么做出決策？?
什么是假設先行？就是以假設作為思考的起點(diǎn)。我不需要做全局的思考，而是先問(wèn)出一個(gè)問(wèn)題，然后思考解決它：我這款產(chǎn)品的特點(diǎn)在A(yíng)功能嗎？這款產(chǎn)品對用戶(hù)們很有吸引力嗎？我的活動(dòng)如何在朋友圈引發(fā)傳播？怎么讓用戶(hù)在活動(dòng)中更爽？
在做出假設后，引導思維去挖掘分論點(diǎn)，然后分析。比如我希望活動(dòng)傳播，我要考慮哪些人會(huì )傳播，他們是因為利益引誘還是情感觸動(dòng)？傳播的過(guò)程應該什么樣，方便還是復雜？這樣的分析思維，比堪堪想一個(gè)空中樓閣的完美方案靠譜多了。
不管問(wèn)題形式是如何、是否還是能不能，只要作出了假設，就能用MECE原則畫(huà)出金字塔結構。不要想著(zhù)從無(wú)盡的業(yè)務(wù)和數據中找出規律，這叫大海撈針。這種根據問(wèn)題作為中心論點(diǎn)形成的結構化思維，叫做問(wèn)題樹(shù)／邏輯樹(shù) Issue Tree。
可以通過(guò)搜索引擎圖片查找Issue Tree或者問(wèn)題樹(shù)邏輯樹(shù)，有很多案例，英文為佳。
（附圖是維基百科中的IssueTree案例）
假設抽絲剝繭后的每一個(gè)論據都應該能用是或否回答。分析思維和數據分析不一樣，數據分析追求數據的精確度，而分析思維不需要，只要能回答問(wèn)題，是和否足夠了。
假設會(huì )被否定或者拒絕，我認為產(chǎn)品對用戶(hù)有吸引力，但是最后所有的論據，包括留存率、用戶(hù)使用時(shí)長(cháng)、功能使用率、用戶(hù)評價(jià)都是否定，那么吸引力也就不成立，此時(shí)應該修改假設：產(chǎn)品的某一方面有問(wèn)題，然后繼續畫(huà)新的問(wèn)題樹(shù)。
不要害怕修正錯誤的假設，不要尋找事實(shí)強撐錯誤的假設。
關(guān)鍵驅動(dòng)因素
接下來(lái)談剪枝。MECE雖然能畫(huà)出詳盡的結構，但不意味著(zhù)我們要全部分析。維基百科案例中的IssueTree，有些分論點(diǎn)層層展開(kāi)，有些分論點(diǎn)就嘎然而止。很多論點(diǎn)我們沒(méi)有深入必要，需要對這部分論點(diǎn)論據舍棄，目的是找出關(guān)鍵驅動(dòng)因素。
關(guān)鍵驅動(dòng)因素是分析的核心，應該聚焦于這些因素，不然你會(huì )有數不完的因素要分析。如果一家企業(yè)成本的關(guān)鍵因素是地租、房租，那么就不應該深入分析辦公用品成本，否則你分析出這個(gè)月公司廁紙成本上升了50%，是因為我們CEO吃壞肚子上了很多次廁所，你信不信被揍死？
麥肯錫有句名言：不要妄想燒干大海。就是指不要試圖對所有因素分析，尤其在數據證明的過(guò)程，非常費苦功。
企業(yè)利潤的關(guān)鍵驅動(dòng)因素是利潤和成本，用戶(hù)吸引力的關(guān)鍵驅動(dòng)因素是留存率。利潤和成本還能再找出其中的細分關(guān)鍵因素，留存率也一樣。這才是我們要的。
一旦找到關(guān)鍵驅動(dòng)因素，可以基于此展開(kāi)數據調研、取證、分析和結論，而不是對所有問(wèn)題樹(shù)開(kāi)展。為什么需要圍繞關(guān)鍵驅動(dòng)因素？這里有一個(gè)新的核心法則，大名鼎鼎。
二八法則！
在任何一組東西中，最重要的只占其中一小部分，約20%，其余80%盡管是多數，卻是次要的。80%的成績(jì)，歸功于20%的努力；市場(chǎng)上80%的產(chǎn)品可能是20%的企業(yè)生產(chǎn)的；20%的顧客可能給商家帶來(lái)80%的利潤……
既然如此，為何要分析無(wú)關(guān)緊要的因素？問(wèn)題樹(shù)也遵循這一法則，20%的分析過(guò)程將決定80%的分析結果。
不論你分析企業(yè)的利潤、還是用戶(hù)的活躍，只要抓住關(guān)鍵即可。因為一款內容產(chǎn)品，80%的內容一定由核心用戶(hù)提供；一款電商產(chǎn)品，80%的GMV一定是少部分買(mǎi)買(mǎi)買(mǎi)用戶(hù)下單。圍繞核心關(guān)鍵因素展開(kāi)的數據分析，是最有效果的。
需要了解的方式方法到這里結束了，如果對麥肯錫其他方法感興趣，可以業(yè)務(wù)時(shí)間再學(xué)習。
誠然，人的天性不適合結構化思維，有時(shí)候會(huì )因為壓力、緊張、時(shí)間緊迫等因素忘記使用，我也偶爾犯錯?？墒且胗袃?yōu)秀的分析思維，還是需要通過(guò)不斷的訓練強化成本能。日常生活中處處皆可練習：這條道路的人流情況如何；那家漢堡店每天都賺多少錢(qián)……畫(huà)出一百張思維導圖，快則一個(gè)月，慢則半年，肯定長(cháng)足進(jìn)步。咨詢(xún)相關(guān)的Case Book也有幫助。
現在我們來(lái)理一下分析思維的思路：
提出假設—MECE原則（萬(wàn)能公式）—結構化分析—找出關(guān)鍵驅動(dòng)因素—數據分析
通過(guò)一道練習題回顧一下吧，這是以前針對實(shí)習生出的面試題：假設你是一位商業(yè)經(jīng)理，現在有一家中型商場(chǎng)，我希望你對它的經(jīng)營(yíng)狀況作出分析，你會(huì )從哪幾個(gè)角度展開(kāi)，列出你的框架。
既然是針對經(jīng)營(yíng)狀況作分析，那么核心希望肯定是提高經(jīng)營(yíng)，先行假設就是如何提高經(jīng)營(yíng)狀況。我們用MECE畫(huà)出問(wèn)題樹(shù)。
先找到萬(wàn)能公式，上文提到過(guò)，絕大多數商業(yè)活動(dòng)，都是利潤和成本的平衡。
經(jīng)營(yíng) = 利潤-成本
我們可以通過(guò)提高利潤，降低成本作為兩個(gè)分論點(diǎn)展開(kāi)。我們再考慮有哪些利潤，無(wú)非是商場(chǎng)各類(lèi)產(chǎn)品和服務(wù)的售賣(mài)。它又能拆解出幾個(gè)公式。
利潤 = 人流 * 轉化率 * 客單價(jià)
不同的產(chǎn)品和服務(wù)各有不同，人流是固定的，而轉化率因為商場(chǎng)的不同產(chǎn)品和服務(wù)會(huì )劃分成ABC的差異。
利潤 = 人流*（A轉化率*A客單價(jià)+B轉化率*B客單價(jià)……）
成本則考慮房租、資產(chǎn)折舊、人員工資等。是否需要考慮商場(chǎng)販賣(mài)的產(chǎn)品成本？需要的，但是不應該放在這里，因為要遵循MECE原則的完全獨立，利潤中的客單價(jià)已經(jīng)包含產(chǎn)品這類(lèi)成本，所以應該歸類(lèi)到利潤下。
再進(jìn)行深度的結構劃分，比如人流各樓層不同，一樓人氣最旺，然后依次衰減，那么結構中能不能體現？還有其他分論點(diǎn)嗎？都能想想。之后找出問(wèn)題樹(shù)的關(guān)鍵驅動(dòng)因素，并且思考如何提高。
這是一道開(kāi)放的分析思維題，答案并不固定。我也并不要求商業(yè)知識和商場(chǎng)管理知識多嚴謹，考察的是能否通過(guò)生活中隨處可見(jiàn)的商場(chǎng)，通過(guò)自己思維去抽象出一套框架。
再來(lái)一道思考題，是網(wǎng)絡(luò )上的淘寶數據分析師面試題
你是淘寶的數據分析師，現在需要你預估雙十一的銷(xiāo)量，你不能獲得雙十一當天和之前的所有數據。只能獲得11月12日開(kāi)始的數據，你應該如何預估？
歡迎大家思考，想做分析師的同學(xué)也能動(dòng)筆練習?？梢栽诘紫铝粞?，也可以發(fā)送給我思維導圖的截圖，后期會(huì )綜合大家答案，給出相應解答（我也木有標準答案）。
下篇文章，將展開(kāi)數據分析思維。
聯(lián)系客服
